综合精品天天夜夜久久,日本中文字幕二区区精品,亚洲欧美中文字幕制服二区,青青青国产爽爽视频免费观看

      

      

        
  

        

        
	
	

        

        



        

	
        

        
	
        
  	       
        
       中國基因網(wǎng)您的位置：首頁 >行業(yè)資訊 >        
        
  
        
		
        
			
        預測將幫助貝類養(yǎng)殖者緩解毒性
        
			
        
				2019-12-20 10:41:05
				?
			  來源：
			
        
		
        
				
		
        
			
        支持面部識別和自動駕駛的相同技術(shù)可能很快將幫助緬因州的貝類產(chǎn)業(yè)保護人們免受有害藻華的危險影響。最近的一篇論文報道了研究人員如何使用這些深度學習算法來預測貝類的毒性，就像氣象學家預測天氣一樣。
        

        該論文的資深作者，資深研究科學家Nick Record說：“深度學習方法已經(jīng)變得極為復雜，而創(chuàng)造性地使用它們可以使我們應對各種挑戰(zhàn)。” “這項工作將行業(yè)，資源經(jīng)理和Bigelow Laboratory研究人員的專業(yè)知識結(jié)合在一起，我相信通過共同努力，我們可以解決這個問題。”
        

        預測將幫助貝類養(yǎng)殖者緩解毒性
        

        Bigelow海洋科學實驗室與緬因州海洋資源部(DMR)合作，使用高級研究科學家Steve Archer在2014年率先提出的先進化學方法，每年測試成千上萬個貝類樣品中的毒素。這些測量值可幫助DMR判斷區(qū)域是否處于對貝類收獲安全。多年來，這種方法還創(chuàng)建了一個數(shù)據(jù)集，可顯示該州何時何地發(fā)生了毒素，從而為預測將來何時出現(xiàn)毒素提供了獨特的機會。
        

        研究小組使用該數(shù)據(jù)集訓練了一種算法，以識別某些藻類產(chǎn)生的有毒化合物的化學“指紋”。這些毒素可以迅速濃縮到貝類中的有害水平，而貝類則通過過濾大量水而進食。
        

        他們的模型利用神經(jīng)網(wǎng)絡(luò)，這是一種基于大腦結(jié)構(gòu)的復雜機器學習方法，可以處理大量數(shù)據(jù)以識別復雜的模式。隨著越來越多的數(shù)據(jù)涌入，他們的算法在預測即將到來的毒性方面變得非常準確。伊莎貝拉·格拉索(Isabella Grasso)是緬因州南部社區(qū)大學的一名學生，在比奇洛實驗室(Bigelow Laboratory)為本科生提供了2018年研究經(jīng)驗，他幫助領(lǐng)導了該研究項目，并在2019年東北貝類衛(wèi)生協(xié)會年會上向行業(yè)和管理領(lǐng)導者介紹了結(jié)果。
        

        記錄說：“有毒的貝類事件可能在緬因州及全國范圍內(nèi)引起重大問題，但我們認為我們可以大大減少其影響。” “能夠預測這些零星事件的能力可以使農(nóng)民準備并調(diào)整收割的時機，從而有助于保護行業(yè)和消費者。”
        

        緬因州海洋資源部全年對貝類進行監(jiān)控，以確保在水中毒素水平較高時不進行捕撈。盡管這可以確保所有出售的海鮮都可以安全食用，但漁業(yè)封鎖可能會嚴重破壞該州的海鮮產(chǎn)業(yè)。
        

        最近，Archer and Record獲得了與DMR和緬因州貝類養(yǎng)殖者合作測試和完善預測的資助。與種植者的個人合作關(guān)系將使研究人員能夠接收并整合有關(guān)預報是否準確運行并提供有用信息的反饋。
        

        研究人員預測，隨著緬因州海灣的持續(xù)變暖，海藻大規(guī)模繁殖可能會變得更加普遍，這可能有利于有毒的藻類物種。該小組希望能夠在幾年內(nèi)提供實時的實時預測，以幫助監(jiān)測整個緬因灣的努力和貝類收獲。
        

        緬因州海洋資源部公共衛(wèi)生主管科爾·坎威特說：“ 監(jiān)測緬因州的整個海岸是一項巨大的責任，對人類健康的影響不容小視。” “這一預測可以幫助我們優(yōu)化采樣工作，也可以幫助其他州預測和管理有害藻華。”
        
			

			
          
        
			
        
            鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如有侵權(quán)行為，請第一時間聯(lián)系我們修改或刪除，多謝。
			
        
			
			
        
        
        推薦內(nèi)容