532 nm激光光凝是诱导啮齿类动物脉络膜新生血管（ CNV）的一种既定方法。本研究旨在评价激光诱导 CNV在体内和体外随时间变化的形态变异程度，为今后 CNV相关研究提供观察指标。本实验首先对棕色挪威（BN）大鼠进行激光造模，随后，根据不同时间点对其进行体内眼底照相、光学相干断层扫描（ OCT）、眼底荧光血管造影（ FFA）和吲哚菁绿血管造影（ ICGA），最后，应用组织病理检查进行体外验证。结果发现，光凝后第 7天出现 CNV，第 21天的 CNV总发生率最高。 FFA呈典型圆盘状强荧光渗漏， ICGA显示光凝区周边强荧光，中央低荧光，呈花环状形态。光学显微镜下可见，造模后第 7天，视网膜下 CNV形成，第 7～21天， CNV中央厚度逐渐增加，第 28天， CNV中央厚度保持相对稳定。这提示， 532 nm激光诱导 BN大鼠 CNV模型造模时间短，成功率高。这种造模方式可以广泛应用于临床前实验研究，为进一步研究 CNV发病机制提供了思路。

动物源性食品是人类营养摄入必不可少的食品之一, 兽药被广泛用于动物饲养和疾病防治, 但兽药残留超标等问题对消费者的健康安全构成了严重威胁。 为防止受污染的食品对消费者造成危害, 研发快速有效的兽药残留分析方法非常必要。 表面增强拉曼光谱法(SERS)作为一种痕量的检测方法, 有望能够满足目前动物源性食品高效、 快速、 灵敏的检测需求。 综述了SERS方法在动物源性食品兽药残留检测中的研究进展, 包括肉类(猪肉、 鸡肉、 鸭肉、 鱼肉)、 乳和乳制品及蜂蜜中兽药残留的SERS分析研究。 概述了SERS技术在肉类食品中主要兽药残留的检测应用进展。 家禽肉中的兽药分析包括四环素类药物、 磺胺类药物、 恩诺沙星和激素类等药物; 猪肉中的兽药主要分析了β-受体激动剂、 氯霉素、 左旋咪唑等药物; 鱼肉中的兽药分析了染料类、 磺胺类和氯霉素等药物。 对乳和乳制品中的四环素类、 氨基糖苷类、 青霉素类、 酰胺醇类药物的SERS检测进行了总结讨论。 简述了SERS在蜂蜜中氯霉素类、 四环素类等药物的分析。 对SERS在动物源性食品的研究发展方向和应用前景进行了总结和展望。 虽然SERS作为一种快速、 超灵敏的检测方法, 在分析复杂食品体系中的微量或痕量化合物方面, 尤其是在食品中可能对健康造成危害的禁用和限用化学物质检测方面显示出了巨大的潜力, 具有较好的发展前景, 但依然面临极大的挑战。 突破技术瓶颈, 建立动物源性食品中兽药残留检测的SERS快速分析策略, 开发出兽药残留的现场实时检测方案, 将对食品安全检测监管具有重要意义。

繁峙公主寺位于山西省五台山地区, 是明清时期集宗教场所与民众娱乐于一体的建筑遗存。 寺内壁画与彩塑绘制精巧, 尤其是大雄殿四壁壁画场面宏大, 构图严谨, 色彩鲜明, 是保存较为完整的明代水陆壁画精品。 目前公主寺壁画存在部分画面漫漶不清、 出现裂隙的情况, 通过实地考察与科技分析, 不仅可以揭示水陆壁画使用的原料和工艺, 也为日后开展修复材料的筛选与文物本体的保护工作提供一手资料。 研究运用显微镜观察(OM)、 拉曼光谱(RAM)、 红外光谱(FTIR)、 激光粒度分析(LPSA)、 X射线衍射(XRD)、 X射线荧光光谱法(XRF)、 扫描电镜能谱分析(SEM-EDS)及热裂解气相色谱质谱分析(Py-GC/MS)等多种科技手段, 对公主寺壁画制作材料及工艺进行分析研究。 实验结果显示: 壁画使用传统工艺绘制, 以土坯砖墙作为支撑体, 地仗层分为粗泥层与细泥层, 再涂刷一层打底的白粉层, 最后绘颜料层。 支撑体、 地仗用土与当地土样的成分相似, 整体颗粒粒径分布均以粉粒为主, 细泥层砂粒含量较粗泥层偏高, 粗、 细泥层分别掺有麦秸、 麻纤维等加筋材料。 尤其是通过红外光谱分析发现白粉层材料为高岭土； 应用拉曼光谱结合SEM-EDS分析确定了壁画所用的颜料, 蓝色为蓝铜矿(2CuCO3·Cu(OH)2), 白色为铅白(2PbCO3·Pb(OH)2), 绿色为人造氯铜矿、 羟氯铜矿(Cu2(OH)3Cl), 红色、 黄色与粉色颜料的显色物质为朱砂(HgS)、 铁红(Fe2O3)、 铁黄(FeO(OH))、 铅丹(Pb3O4)与铅白, 存在混合颜料进行调色的现象； 另外, 应用热裂解气相色谱质谱分析进一步辨别黑色颜料, 根据多环芳烃的相对含量对比结果与检出的松科类植物燃烧产物, 判断其为松烟墨, 同时确定了壁画绘制添加的胶结材料为动物胶。 该结果为公主寺壁画艺术研究提供更多原始信息, 丰富了对明代山西水陆壁画制作材料与工艺的科学认知。

为了精准掌握污水处理系统活性污泥中微型动物的种类，及时调整污水处理工艺，针对传统机器学习需要人工设计特征、提取特征、设计分类器等复杂过程的弊端，提出一种基于注意力机制和迁移学习相结合的污水活性污泥中微型动物的深度学习识别方法。在迁移学习的基础上，通过对传统的VGG16模型添加注意力模块（SE-Net block），调整输出模块，采用数据增强方法扩充数据集。实验结果表明：相比于改进前的模型，改进后的模型（T-SE-VGG16）能够准确识别不同类型污水活性污泥中的微型动物，测试准确率为98.21%，提高了识别精度，缩短了训练时间，模型收敛速度快，泛化能力强。结果证实了T-SE-VGG16模型对污水活性污泥中的微型动物识别的可行性和可靠性。

为在红外相机等资源受限平台上实时、准确地实现海量野生动物图像自动识别，改善野生动物监测过程中数据传输负载重、时效性低等问题，基于YOLOv5模型，利用5类物种的红外相机图像构建数据集，对YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四种网络结构进行训练。通过对比不同网络结构的精度、检测速度、体积，明确最优网络结构；同时分析模型在复杂背景信息干扰下的识别效果，评价YOLOv5在真实野外场景的适用性；并通过与其他同类算法的比较，明确YOLOv5用于野生动物识别的优势。实验结果表明：四种网络结构的识别精度均较高，F1-score和平均精度（mAP）均在90%以上，其中YOLOv5m的综合性能最好；YOLOv5在多种复杂背景信息干扰下识别效果仍较好，能够很好地适应真实野外场景；与其他算法相比，YOLOv5同时具有精度高、鲁棒性强、资源占用低等优势。YOLOv5是一种轻量化的模型且性能优越，为在资源受限的平台上进行野生动物实时识别提供了新的契机。

古气候学是研究地球的过往气候的一门学科, 可以预测未来气候变化, 解决有关环境、资源等问题。基于激光诱导击穿光谱的元素成像技术可以快速、准确、原位分析复杂多样的大面积古气候样本, 获得能够与气候建立联系的元素信息, 在气候变化研究中展现出很好的应用前景。首先介绍了基于激光诱导击穿光谱的元素成像技术的基本原理, 其次回顾了目前常用的成像系统的仪器配置, 包括激光光源、聚焦系统和光谱探测系统等, 最后介绍了国内外基于激光诱导击穿光谱元素成像技术分析古气候代理物的典型案例。该研究对基于激光诱导击穿光谱的元素成像技术在古气候研究中的应用有很好的指导作用。

考古发掘出土的遗物中, 有机残留物大部分是以附着在器物上, 或者是遗址表面而存在的, 由于没有固定形状, 或量少而难以发现, 且不易保存, 因此常常被忽视。 但是这类有机物作为古代人类生活生产资料, 包含重要的历史信息, 具有珍贵价值。 通过遗址中发现的器物或者有机残留物, 可以决定器物甚至是遗址的用途, 古代照明燃料就属于这类有机残留物。 中国古代多使用动物油、 植物油、 蜡等作为照明燃料, 对植物油和蜡都有一定研究, 但对于动物油种类的分析仅停留在区分反刍动物与非反刍动物。 引入热裂解气相色谱质谱技术(THM-Py-GC/MS)研究有机残留物, 使用600 ℃裂解温度经过12 s裂解时间, 可以将甘油三酯与老化过程中由于失去酰基逐步形成的双酰基甘油、 单酰基甘油等完全裂解成甘油与脂肪酸, 通过计算脂肪酸相对含量, 可以分析不同动物油具有的特征。 同时用高温裂解代替了传统酸化提纯样品的预处理方法, 能最大程度的保留样品中的各组分。 加入过量的四甲基氢氧化铵, 可将样品中脂肪酸与醇等量转化为对应的酯和醚, 在气相色谱初始50 ℃保持5 min, 然后以10 ℃·min-1升至280 ℃保持10 min的条件下, 将甲基化的样品组分分离, 质谱以1∶100的分流比进行测定。 对内蒙古伊和淖尔墓地出土铁灯内的残留物进行了分析, 结果显示, 灯内残留物样品中主要成分是C7—C22连续碳原子的脂肪酸, 含量较高的饱和脂肪酸有十四烷酸、 十五烷酸、 十六烷酸、 十七烷酸、 十八烷酸等。 对比老化前与老化后猪油、 牛油、 羊油等动物脂肪参考样品所含主要成分与相对含量, 老化后的羊油中的奇数碳饱和脂肪酸含量明显高于其他两种动物油, 并且这一特征也体现在考古样品中, 结合以往文献中动物油成分的研究结果, 可以判断出残留物中所含动物油的确切种类属羊油。 此外样品中包含的碳氢化合物与醇属于蜡的成分, 根据脂肪酸及醇的相对含量可以判断为蜂蜡。 热裂解气相色谱质谱技术(THM-Py-GC/MS), 为出土有机残留物, 特别是动物脂肪种类的的分析研究, 提供了更加高效、 便捷的方法。 并且, 对混合有机残留物种类的鉴别也做出了有益的尝试。

为有效应对违法掺加导致的饲料安全隐患, 完善饲用油脂的高效检测手段, 满足饲料质量安全的监管需求, 以来源可靠的不同种属动物油脂为研究对象, 通过在非反刍动物油脂中掺加不同比例(1%, 5%, 10%, 20%, 30%和40% W/W)的反刍动物油脂获得试验样品, 首次系统应用傅里叶变换红外光谱结合化学计量学方法探讨了陆生动物油脂中掺加反刍成分的鉴别分析方法与模型。 研究表明基于掺加比例1%～40%样品集, 偏最小二乘判别分析模型正确判别率为100%, 无假阳性和假阴性样品; 进一步研究发现, 基于陆生动物油脂中反刍成分低掺加比例0.1%～40%, 0.2%～40%, 0.4%～40%, 0.6%～40%和0.8%～40%样品集, 偏最小二乘判别分析模型的正确判别率均低于100%。 且随着最低掺加比例的降低, 假阳性与假阴性样品数明显增多, 其正确判别率逐步降低。 因此, 陆生动物油脂中掺加反刍成分判别分析检量限约为1%; 进一步通过脂肪酸组成与差异性分析、 红外光谱特征波段和特征化学键对比分析探讨其判别分析机理。 非反刍动物油脂光谱3 006 cm-1处吸收峰(代表CH(cis-)的拉伸振动)和914 cm-1处吸收峰(代表HCCH(cis-)的弯曲振动)明显高于反刍动物油脂样品, 主要表征了顺式脂肪酸和不饱和脂肪酸的显著差异。 非反刍动物油脂光谱965 cm-1处吸收峰(代表HCCH(trans-)的弯曲振动)明显低于反刍动物油脂样品, 主要表征了反式脂肪酸和饱和脂肪酸的显著差异。 掺加比例为1%的混合样品中反式CC键含量显著高于其他低掺加比例的样品, 而不同掺加比例样品的顺式CC键含量和C—H(—CH2—)键含量均无显著性差异。 因此, 基于红外光谱的陆生动物油脂中反刍动物成分鉴别分析主要是基于反式CC键结构的信息表征。 综上所述, 红外光谱可作为一种兼顾检测效率与检测精度的技术应用于陆生动物油脂中反刍成分的鉴别分析。