声音

"包括珠三角城市在内的地区,率先发布PM2.5数据后,有公众对数据提出了质疑,说明环保部门的数据缺乏公信力。因此环保部门一定要成为真实客观数据的追求者和捍卫者。如果发布的数据不真实,将会使数据失去公信力。"——4月10日,环保部副部长吴晓青在广州召开的2012年全国环境监测工作会议上,要求各地一定要将PM2.5真实的监测数据发布出去。     

坏消息

波力海苔被检出菌落总数超标广州市工商局网站上公布,获得"绿色食品"称号的波力海苔,菌落总数超标而不合格。广州市工商局近期对大米、挂面、方便面(米粉)、婴幼儿配方米粉(婴幼儿补充谷粉)等食品进行了抽检。540批次的样品中,515批次的实物质量合格,实物质量合格率为95.4%。从结果看,本次抽查产品总体质量较好,方便面(米粉)、挂面等实物质量合格率达到100%。即食海苔、烘炒食品的合格率稍低,只有九成。"印尼万里望花生"被检测出过氧化值不合格。波力食品工业(昆山)有限公司生产的"波力海苔"(11.2g/包调味紫菜)以及由东莞市宇红贸易有限公司从韩国进口的"韩国大昌岩烧海苔"都被检测出菌落总数超标。《南方日报》     

酸性体质乃百病之源

身体一旦酸碱不平衡,也就是说偏酸性时,会感到周身乏累、腰酸腿疼、头晕耳鸣、失眠健忘、便秘或腹泻等,久而久之就会形成疾病。     

煤矿员工行为安全管控研究

为提高煤矿井下员工行为安全管控水平,使员工严格按照标准作业流程作业,采用推行岗位标准作业流程、实施不安全行为积分管控和针对高风险作业实施重点盯防的管控方法,并将上述管控方法纳入到绩效考核中,提出员工行为安全管控体系。结果表明：编制涵盖煤矿井下各项作业流程、标准、存在风险和安全措施等内容的岗位标准作业流程工单,形成用于指导员工规范作业的标准,能够提高员工井下作业的规范性;采取分级积分制管控员工的不安全行为,可实现矿井所有管理人员共同参与安全管理;利用信息系统对高风险作业进行重点盯防管理,有助于实现作业提报、盯防人员分配、作业过程管控和措施落实考核的全过程管理。将上述管控方法纳入到绩效考核中,能够保障各项管控措施的落实。     

利用磁信息研究潮滩重金属污染的探讨

本文以长江口潮滩沉积物的系统磁性测量为基础,对照化学分析和粒度分析等数据,初步探讨了潮滩沉积物的磁性特征与重金属元素含量的相关联系及其机理,建立了重金属元素含量与磁参数的定量关系模型,并揭示了长江口潮滩重金属污染的空间特征及其与沉积环境的联系。本项工作成功地探索了利用磁信息研究潮滩重金属污染的技术路线和应用前景,指出了在一定区域内,利用适量样品的磁性测量与重金属元素分析数据,建立其定量回归模型的可行性。从而可以在区域污染调查中,通过广泛的磁数据测量,由经验公式定量地估算不同滩地部分的重金属元素含量,以全面了解潮滩重金属污染的空间分布,分析其规律和机理。由于磁测方法具有快速、简便、经济、易行等特点,它为大范围的潮滩重金属污染研究提供了一项实用有效的辅助手段。     

论冲压设备机械伤害事故的成因与预防

任何事故的发生都离不开人的不安全行为和物的不安全状态，作为危险性较大的冲压设备机械的伤害事故的产生也不例外。为此，从冲压设备机械伤害事故的两起案例入手，具体分析形成事故的因素并提出预防事故发生的有效措施。     

基于多因素分析的玻璃行业员工不安全行为研究

采用问卷调查、信效度分析和因子分析等方法,研究玻璃行业不安全行为影响因素,研究结果表明：玻璃行业员工不安全行为主要包括车间照明、PPE佩戴等18个影响因素指标;根据方差分析结果将影响因素归结为工作环境与行为要求（F₁）、安全教育与培训（F₂）、群体与组织行为影响（F₃）和激励沟通与奖惩（F₄）等4个主因子,其方差解释率分别为32%、12%、10%、10%,权重分别为0.51、0.19、0.15、0.15;根据分析结果针对性提出“4+1”安全管理模式,为玻璃行业降低不安全行为几率、保障安全生产提供理论依据。     

煤矿企业事故应急救援预案的编制与应用

居于高风险行业之首的煤矿行业，生产条件十分差，工作场所又处于不断变化和移动之中，不安全因素多，容易发生事故。因此，需要制定事故发生后所应采取的紧急措施和应急方法。而研究煤矿企业事故应急救援预案的编制和应用，对指导煤矿重大事故预防就具有十分重要的现实意义。     

基于劳动者轨迹的噪声暴露测量方法

为解决职业性噪声暴露测量过程质量控制难、测量不确定度较大的问题,本研究提出一种基于声场分布和劳动者实时定位技术的新型测量方法,通过对噪声作业场所声场分布测量和劳动者轨迹获得噪声暴露值,在解决质量控制缺失的基础上,可消除部分测量不确定度因素,从而最大限度地保证测量结果的可靠性。开发了相应测试装置,结合实际场所测试结果对测量不确定度进行评估。研究结果表明：本测量方法可有效地支持职业性噪声暴露测量,在不确定度控制方面相比现有方法具有优越性,同时该测量方法也为劳动者噪声暴露的日常持续监测提供了技术保障。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。