進行藥品配制。應用提取液對試劑稀釋劑進行配制,在配制過程中要對pH值進行不斷校正,結合要求進行蒸餾水與藥品的添加,把控好溫度,在室溫條件下使用藥品和酶試劑。再次,優選樣品。以蔬菜檢測為例,需要先將爛葉、枯葉去掉,在表皮到果肉1-2cm處提取出果肉,把控好提取量。如果蔬菜含有葉綠素以及其他色素,則要浸提整株,防止浸出大量色素對檢測結果造成影響。有條件的實驗室可選擇用活性炭先進性脫色處理,也能減小色素對過濾液的干擾,作離心處理之后提取其中清液等待檢測。實驗表明,蔥、姜、蒜、蘿卜、番茄等汁液中由于存在對酶有影響的植物次生物質,通常會因為基質效應的干擾而出現假陽性,在處理這類樣品過程中也需要浸提整株,以避免受到次生物質的影響。,使用移液器和試劑。
良好的通風系統,是保證一個實驗室正常運行的關鍵。洛可特在農產品檢測實驗室建設中通常采用有機、無機排風管道,通風柜根據用戶需求安排全鋼、鋼木、pp等不同材質通風柜,以及進口萬象排風罩以便多人獨立進行小型實驗室操作。 農產品檢測實驗室建設及投入使用,不但需要精密的實驗室設備,的實驗室操作人員,還需要合理的實驗室規劃布局,以及適當的環境條件。
近年來,農產品的安全問題一直是社會各界廣泛關注的重要方面。農產品安全問題直接關系到人們的衣食住行——食品安全、服裝面料安全等。針對農產品安全領域出現的新情況、新問題,國家也進一步加大了質量監管措施,多各級農產品檢驗實驗室重點支持,農產品檢驗實驗室的作用也越來越廣泛。
圖像分割算法是用于農產品光電檢測分級分類的基礎任務,傳統算法的優勢在于結構簡單,,但對復雜環境的適應性較弱。深度學習方法受到環境影響較少,但需大量樣本支持,如何正確的獲取樣本,以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中,深度學習由于性能問題尚無法完全取代傳統算法,使用者可以根據具體的需求選擇合適的算法。