2016年上海市市售肉制品中沙门菌耐药谱与分型研究

目的 研究上海市市售肉制品中沙门菌血清型、耐药谱和分子分型特征。方法 2016年1～8月在上海市所辖16个行政区,随机选择1个密集型社区,抽取1家超市或市场作为哨点,定期采集畜、禽类肉制品,按国家食品安全风险评估中心(CFSA)食源性疾病监测方案进行沙门菌分离、血清分型、抗生素定量检测与剂量评估、优势菌的分子分型。结果 606份样品包括猪、鸡、鸭、牛、羊、鹅肉制品,共分离沙门菌158株,总阳性率为26.1%,畜肉和禽肉来源分别占52.5%(83/158)和47.5%(75/158)。前5位沙门菌血清型依次为肠炎沙门菌、鼠伤寒沙门菌、德尔卑沙门菌、罗森沙门菌和印第安纳沙门菌,畜肉和禽肉来源优势菌型间差异有统计学意义(P<0.05)；菌株对磺胺异噁唑耐药率最高(79.7%,126/158),对链霉素、萘啶酸、氨苄西林、四环素和氯霉素耐药率在38.0%～77.8%,多重耐药(MDR)菌株(≥3类)占77.8%(123/158),猪肉来源沙门菌对庆大霉素、链霉素、磺胺异噁唑、复方新诺明、氯霉素、四环素耐药率均高于鸡肉来源沙门菌,鸡肉来源沙门菌对头孢噻呋、头孢曲松、萘啶酸耐药率均高于猪肉来源沙门菌,差异均有统计学意义(P<0.05),32.9%(52/158)的菌株对至少6种抗生素超检测限值；肠炎沙门菌有15个分型,以1型和3型为优势型；鼠伤寒沙门菌有23个分型,具有遗传多样性特征。结论 上海市市售肉制品沙门菌暴露以猪肉和鸡肉来源为主,肉制品中多重耐药沙门菌污染严重。猪肉来源的罗森沙门菌和鸡肉来源的吉韦沙门菌是新输入性的血清型。     

一种基于线性分类器的通用指纹分割方法

针对不同传感器采集的指纹难以进行统一准确的分割的问题,提出主频率带能量比值,归一化的灰度均值及灰度对比度值三个更为通用的指纹描述特征,并利用这三个指纹特征,使用SVM方法训练一个线性分类器,对指纹进行有效分割.实验表明,该方法不仅实现了对指纹的准确分割,在FVC2002指纹数据库上平均分割误差约为2%,并且该分割方法具有很好的通用性,适用各种传感器采集的指纹.     

基于多宇宙并行量子遗传算法的多传感器图像融合方法

采用基于对比度视觉模型的图像融合最优分块搜索算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究.针对该算法在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合等缺点,通过分析该算法固有的时间复杂性和并行性,提出了一种基于多宇宙并行量子遗传算法和对比度视觉模型的多传感器图像融合方法.实验表明,该方法融合计算速度快,并行性能理想.     

IPC在印染设备交流变频调速系统中的应用

该文主要阐释了工控机在印染厂L型练漂联合机交流变频同步调速系统中的应用，包括系统原理，同步调速方案，张力传感器的位置控制，软硬件实现等。     

神经网络极速学习方法研究

单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但传统学习方法的速度远远不能满足实际的需要,成为制约其发展的主要瓶颈.产生这种情况的两个主要原因是:(1)传统的误差反向传播方法(Back Propagation,BP)主要基于梯度下降的思想,需要多次迭代;(2)网络的所有参数都需要在训练过程中迭代确定.因此算法的计算量和搜索空间很大.针对以上问题,借鉴ELM的一次学习思想并基于结构风险最小化理论提出一种快速学习方法(RELM),避免了多次迭代和局部最小值,具有良好的泛化性、鲁棒性与可控性.实验表明RELM综合性能优于ELM、BP和SVM.     

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。     

基于深度残差网络的交通标志识别方法研究

交通标志识别是无人驾驶系统和智能驾驶系统不可少的关键技术之一,为了提高交通标志的识别准确率,进一步提高无人驾驶汽车在行驶过程中的安全性,提出了一种基于深度残差网络的交通标志识别方法,利用不同尺寸的残差模块进行堆叠,构建了具有100层卷积层的网络模型.以比利时交通标志数据集BTSC作为实验数据,优化网络模型后得到的识别准确率达到99.3462％.实验证明,上述方法在比利时交通标志数据集BTSC上表现很好,识别准确率高于现有的交通标志识别主流方法.     

粉煤灰提取氧化铝中生料配料对熟料性能影响

正采用了三种粉煤灰生料配方制备的熟料进行溶出实验,实验结果表明:熟料溶出率都在86%以上,其中生料配比碱比[N/R]=0.95、钙比[C/S]=2.00的熟料Al2O3溶出性能接近标准溶出率。对快速冷却的熟料XRD分析,发现有β-2CaO·SiO2和γ-2CaO·SiO2两种晶型。从粉煤灰中提取氧化铝,对减轻粉煤灰污染、扩大粉煤灰利用途径具有非常重要的意义[1]。近年来,开展了从粉煤灰中,特别是高铝粉煤灰提取氧化铝科技攻关和产业化探索,初步形成了以下几种     

基于离散曲波变换和支持向量机的掌纹识别方法

提出了一种基于离散曲波变换和支持向量机的掌纹识别方法.首先将所有掌纹样本图像和测试图像通过基于Wrapping的快速离散曲波变换进行分解,从而获得不同尺度、不同角度的曲波变换系数;掌纹重要特征信息包含在曲波变换分解系数中的低频系数中,因此将分解系数变换形成特征向量后作为特征参数送入支持向量机中进行学习训练;最后将训练好的支持向量机用于掌纹分类.基于香港理工大学Palmprint掌纹数据库进行了大量实验,实验结果证实所提方法的识别正确率相对优于小波变换方法和其它几种经典方法.