在基于光声光谱技术的痕量气体检测系统中,光声池是决定系统性能的关键部件。针对传统柱形光声池受限于形状优化参数的问题,本文提出并设计了一种母线为双曲线的曲体束腰型光声池方案,该方案创新性地引入了母线离心率参数,实现了三维立体优化。本文基于有限元分析方法,利用COMSOL软件构建模型,分析母线离心率为7.14的光声池结构,得到了该结构在热黏性损耗作用下的前八阶声学模态值以及可视化振型。仿真结果表明,所设计的光声池的品质因数高达83.3;对光声池进行形状优化,发现光声池谐振腔长度对谐振频率敏感,母线短半轴长对声压幅值敏感。通过调节母线离心率可以有效地调节谐振频率且不影响声压幅值。光声池的幅频响应特性表明,较小的离心率易激发多谐振峰,在离心率为5时,激发的第一、第二谐振峰较强,它们的品质因数分别为75.9和128.9。本研究表明,此类曲体束腰型光声池具有优良的性能及较高的可设计度,对新型光声检测技术具备多场景适应能力,具有重要的理论和工程应用价值。

挥发性盐基氮(TVB-N)是衡量肉品新鲜的重要理化指标, 利用可见/近红外(VIS/NIR)光谱对TVB-N含量进行定量检测具有重要意义。 预测模型是VIS/NIR光谱检测TVB-N含量性能的关键要素, 使其兼顾准确性与稳健性可有效改善TVB-N的定量分析结果。 以猪肉为例, 采集51组不同新鲜度样本的VIS/NIR光谱数据, 去除低信噪比区间200～450和900～1 000 nm, 选取有效波段450～900 nm的光谱数据用于建模。 随后利用主成分分析(PCA)对光谱信息降维, 构建一个反向传播神经网络(BPNN)模型。 在此基础上, 提出用平均影响值(MIV)方法从有效波段中优选与肉质TVB-N含量强相关的特征波长, 最终基于221个优选波长, 构建一个MIV-PCA-BPNN预测模型。 实验表明, 初步构建的PCA-BPNN非线性预测模型, 校正相关系数(RC)和校正均方根误差(RMSEC)分别为0.96和1.47 mg/100 g, 预测相关系数(RP)和预测均方根误差(RMSEP)分别为0.93和1.74 mg/100 g, 模型稳健性指标为1.18, 优于经典的线性预测模型主成分分析回归和偏最小二乘回归, 证明TVB-N具有较强的非线性效应。 最终构建的MIV-PCA-BPNN预测模型的RC和RMSEC分别为0.98和1.21 mg/100 g, RP和RMSEP分别为0.96和1.12 mg/100 g, 模型稳健性指标为1.08, 在所构建的预测模型中, RMSEC和RMSEP最小, RC和RP最大, 模型的准确性和稳健性最佳。 另外, MIV方法筛选出的特征波长集中在7个波峰附近, 皆分布于肉品中化学成分的吸收区内, 且与TVB-N中的含氢基团的特征吸收峰表现出高度一致性, 为利用MIV方法筛选波长变量提供了理论依据。 研究结果显示, MIV波长优选可有效改善预测模型的性能, 为利用神经网络剔除无关波长变量提供了新思路, 所构建的MIV-PCA-BPNN预测模型满足了肉质中TVB-N定量分析的需求。

目的: 探讨猪大肠杆菌的耐药质粒图谱、耐药性及耐药基因之间的关系。方法: 从湖南省株洲、益阳的四个猪场分离出9株大肠杆菌, 进行质粒电泳图谱分析、用PCR法检测耐喹诺酮类耐药基因GyrA、ParC和耐四环素类耐药基因TetA、TetB, 并采用Kirby-bauer法对这9株大肠杆菌进行药敏(18种抗生素)试验。结果: 其中9株大肠杆菌含有三条或者三条以上的质粒条带, 且其质粒谱型均不相同; 9株大肠杆菌均检测出 4种耐药基因GyrA、ParC、TetA和TetB; 9株大肠杆菌对所选用的抗生素存在不同程度的耐药性, 其中7株大肠杆菌对10种或10种以上的抗生素耐药, 最高对13种抗生素耐药, 氨苄西林、青霉素、阿莫西林、红霉素的耐药率达100%, 对四环素、多西环素的耐药率达到88.9%, 而多粘菌素B、阿奇霉素、大观霉素耐药率较低。结论: 耐药性与质粒条带数、耐药基因之间并无明显的相关性; 猪大肠杆菌呈多重耐药之势, 在治疗大肠杆菌病时最好根据药敏实验结果选用合适的抗生素。