巢湖及入湖河流中磺胺抗生素残留现状分析

为了解巢湖及其主要入湖河流水中磺胺类抗生素残留现状,采用固相萃取-超高效液相色谱-串联质谱联用技术(SPE-UPLC-MS/MS)分析了巢湖湖水及南淝河等主要入湖河流水中磺胺氯哒嗪、磺胺间二甲氧嘧啶、磺胺嘧啶、磺胺二甲嘧啶和磺胺甲恶唑5种磺胺类抗生素的残留量。结果表明:湖区14个监测点湖水中磺胺类抗生素均不同程度检出,且以磺胺甲恶唑为主,5种磺胺类抗生素检出率为21%~86%,平均质量浓度为2.1~19.3 ng/L;西半湖湖心水中抗生素残留质量浓度(2.2~45.6 ng/L)明显高于东半湖湖心水(ND(未检出或低于检出限)~3.4 ng/L);巢湖北岸4个乡镇区近岸湖水中抗生素质量浓度为ND~16.2 ng/L;南淝河等主要入湖河流水中抗生素质量浓度为ND~95.6 ng/L。研究表明,巢湖及其主要入湖河流水中均有磺胺类抗生素残留,需要加强对抗生素的监测与管理。     

洗菜的两个误区

<正>误区一:清水浸泡时间越长越好专家告诉记者:"蔬菜中的农药残留中一般含有甲醛或其他化学物质,在洗菜时,如果使用凉水进行浸泡,有可能会溶解在水中。如果使用热水进行浸泡,温度过高,有可能会破坏蔬菜中含有的维生素,造成营养流失。"专家表示,清水浸泡本身是去除蔬菜中农药残留较好的方法。一般泡10分钟左右是比较合适的,但并非浸泡时间越长去除农药残留的效果越好,尤其是     

当一名“三公”式安全员

<正>基层安全员虽然没有多高的职级,也没有多大的权力,但所担负的责任却非常重大,工作中稍有懈怠、略有疏忽,就可能使不起眼的小隐患演变为巨大的事故灾难。要履行好职责,赢得干部员工的认可和工作的主动,就应该以济公、愚公、包公为榜样,当一名"三公"式安全员。以济公为榜样,就是要突出一个"爱"字。救人之难、济人之急,扶危济困、奖善惩恶,是济公的主要优点之一,     

X射线包裹图像中烟花爆竹的纹理特征提取

本文以装有烟花爆竹以及其他常见物品的包裹为对象,对包裹内的物品进行纹理特征提取。首先根据纹理对包裹内的物品进行分类,分析包裹内各类物品的纹理特征,选择合适的算法进行纹理特征提取。     

高清视频监控系统在铁路的应用

正2014年1月1日,《铁路安全管理条例》开始实施,条例重点调整了铁路安全管理体制,并对铁路建设质量安全、专用设备质量安全、铁路线路安全、运营安全等提出了要求。应管理及安全运营需求,安防监控系统在铁路得到了普及应用,目前监控的高清晰化趋势在铁路上也逐渐得到了体现。     

人脸识别技术的优势及在金融行业的应用

作为新兴的朝阳产业和信息安全领域应用主力军,生物识别的发展一直受到国家政府的关注,而移动支付的火热让金融机构和用户意识到了安全的重要性和数据的重要性,理所当然地,生物特征识别和移动支付成为了“亲密的小伙伴”。而苹果iphone5S携带的指纹识别技术在将生物识别应用推向了新高度的同时也引起了全国乃至全世界的热烈讨论。     

生物识别技术的特点及未来的发展方向探析

一、生物识别技术原理及种类 生物识别技术是一种通过采集和分析人体固有的特征（生理特征与形为特征）来进行身份只别的计算机技术。人的生理特征有指纹、手形、脸型、虹膜、脉搏、耳廓等,形为特征包括手写笔迹、走路步态、按键力度等。计算机通过光学、声学、生物传感器等来采集这些特征,应用生物统计学,结合图形、     

美国国家标准技术研究所生物特征识别技术评测概览

近年来,生物特征识别技术发展十分迅猛,各种识别系统的准确率较以前有了大幅度的提高。为了更好地了解当前生物特征识别系统的性能和不足,以美国国家标准技术研究所(NIST)为主的国外政府机构和高校自上世纪90年代起,进行了多项生物特征识别技术评测,涵盖了指纹识别、人脸识别、虹膜识别等识别率相当高的技术,吸引了世界多家知名企业、院校和个人参加。本文将全面介绍美国NIST的生物特征识别技术评测项目,以供科研人员参考借鉴。     

人脸识别技术的优势及在金融行业的应用

正引言作为新兴的朝阳产业和信息安全领域应用主力军,生物识别的发展一直受到国家政府的关注,而移动支付的火热让金融机构和用户意识到了安全的重要性和数据的重要性,理所当然地,生物特征识别和移动支付成为了"亲密的小伙伴"。而苹果iphone5S携带的指纹识别技术在将生物识别应用推向了新高度的同时也引起了全国乃至全世界的热烈讨论。许多人认为,未来随着对身份认证的需求将不断增加,对于数据、隐私的     

云计算、云存储重构安防系统

正安防大数据的挑战在宽带化、移动互联网、物联网、社交网络、云计算的催生下,大数据时代翩然而至。大数据时代的数据不仅仅是数据总量的庞大,同时也是种类的庞大。安防行业有着海量的视频、图片数据,一个大型城市每天产生的数据就可以达到1 PB,同时还有飞速增长的特征数据,包括卡口过车数据、人脸抓拍数据、报警数据等。繁多的数据种类、PB级的数据量、低价值密度的视频数据、快速的数据更新处理需求,这些特性都预示着安防行业已经进入大数据时代。看,数据经历了采集-传输-存储-处理这几个过程,存储和处理需要大量的服务器,占用了安防系统80%以上的