徐燕
- 作品数：12 被引量：13H指数：3
- 供职机构：石家庄市农产品质量检测中心更多>>
- 相关领域：农业科学理学自动化与计算机技术轻工技术与工程更多>>
- 黄瓜越冬栽培技术
- 2008年
- 一、栽培设施及时间。越冬栽培的大部分时间处于寒冬低温季节。因此栽培设施必须是保温性能良好的日光温室。黄瓜越冬栽培的播种育苗期为9月底至10月上中旬。在温暖、光照充足的秋季育出壮苗，在11月底至此12月初定植在温室内，1月中下旬开始采收，直至翌年7月。
- 底玉娟徐燕
- 关键词：越冬栽培技术黄瓜栽培设施播种育苗期日光温室保温性能
- 一种恒温农药残留检测装置
- 一种恒温农药残留检测装置，具体涉及农残检测设备领域，箱体内固定有小型农药残留检测仪，所述的箱体内增设恒温装置及试管盛放装置，所述的恒温装置包括设置有试管槽的水套，试管槽侧壁在水套内腔中设有螺旋形导流片，水套内设置有温度传...
- 刘会灵孙聪梁宜品丁永冲马丽马会国徐燕宋聚红
- 文献传递
- 发酵液中杆菌肽的分离提取研究
- 2012年
- 本实验研究从地衣芽孢杆菌发酵液中分离提取杆菌肽纯品。用生长12h的地衣芽孢杆菌作为种子菌,以10%接种量接种到发酵培养基中,37℃,220rpm/min发酵54.5h,8000rpm/min离心20min得上清液。萃取除去发酵液中的色素,用丁醇与发酵液以1:2体积比重复萃取2次,再将萃取的丁醇溶液与水以1:1体积比混合进行反萃取,重复2次得到萃取液,其萃取率为90.04%;树脂进行浓缩,筛选得到XH-8树脂效果良好,用55%酒精洗脱,洗脱液将溶液浓缩7.5倍。
- 郭彦军王雪徐燕何焕肖刘先飞丁雪晨
- 关键词：离子交换HPLC
- 固相微萃取技术在农药残留检测中的应用进展被引量：5
- 2009年
- 本文主要研究固相微萃取技术在农药残留检测中的应用进展,对固相微萃取技术的特点、重要部件的选择进行总结,针对不同萃取方式和萃取条件对测试结果的影响进行综述,并介绍近年来固相微萃取与其他分析仪器联用在农药残留检测领域的应用与展望。
- 郭彦军张晓伟徐燕
- 关键词：SPME农残
- 春季蔬菜苗期管理方法
- 2008年
- 一、发芽期的管理1、从播种到出苗。首先是温度管理。为了迅速出苗，喜温菜类宜维持在30℃左右；耐低温菜类宜维持在22℃左右。其次是床土的管理。要防止土面裂缝，子叶带壳，要求保持土壤湿润，分次上土，保证子叶脱壳，当种子开始拱土时，床温应适当降低，以免徒长。
- 底玉娟徐燕
- 关键词：苗期管理蔬菜温度管理土壤湿润发芽期子叶
- 石家庄市“美丽乡村”创建工作经验
- 2015年
- 近年来,按照农业部、省农业厅的安排部署,石家庄市以科学发展观为指导,加快推进物质文明、精神文明和生态文明建设为一体的新农村建设,将村庄进一步做大、做优、做美,全市＂美丽乡村＂创建工作取得了较大成效。1创建情况为做好＂美丽乡村＂创建,石家庄市启动了一县一村建设工程,全市共选择了23个试点村进行建设,按照方案要求,抓好落实。
- 徐燕底玉娟
- 关键词：建设工程生态文明生态村
- 黄瓜越冬栽培技术被引量：1
- 2008年
- 1栽培设施及时间安排
日光温室黄瓜越冬栽培的播种育苗期为9月底～10月上中旬。在温暖、光照充足的秋季育出壮苗，在11月底～12月初定植在温室内，1月中下句开始采收，直至翌年7月。
- 底玉娟徐燕
- 关键词：越冬栽培技术日光温室黄瓜播种育苗期栽培设施壮苗
- 气相色谱法分析蔬菜中的农药残留被引量：3
- 2013年
- 本文按照NY/T 761-2008标准方法,采用气相色谱仪检测了4992个蔬菜样品中14种有机磷农药的残留情况,并根据所得数据从不同季节、不同蔬菜种类等角度分析了蔬菜中农药残留的情况。结果表明农药残留超标情况集中出现在春秋季,而夏季超标率则较低,而且绿叶菜类蔬菜的超标状况最严重。此外,甲胺磷等禁用农药仍有一定的检出。本文还对蔬菜农药残留超标问题进行了初步分析,提出了一些参考措施。
- 王雪徐燕丁永冲
- 关键词：蔬菜农药残留气相色谱
- 一种多样品植物组织匀浆机
- 本实用新型公开了一种多样品植物组织匀浆机，具有水平上台面的底座上设有支撑装置和夹持装置；支撑装置的立柱和支臂滑动连接；夹持装置有一圈竖直的夹持孔；夹持装置的上方同轴设置有驱动装置，驱动装置包括上下同轴固定在支臂的自由端的...
- 王雪丁永冲孙聪马会国徐燕马丽刘会灵
- 文献传递
- 人工神经网络在质谱领域的应用研究进展
- 2024年
- 质谱分析作为关键分析技术,在多个领域具有广泛应用。与此同时,人工神经网络可利用计算机模拟大脑的认知过程,在处理大数据、分类和识别等方面展现出显著优势。随着计算机处理能力的提升和算法的发展,人工神经网络已广泛应用于各个学科领域,尤其在化学领域取得了突破性进展。本文对理解人工神经网络在质谱领域的应用提供了基本信息,讨论了人工神经网络在处理化学数据集及质谱数据的潜力。人工神经网络在化学质谱分析中的应用仍面临一些挑战,但其前景广阔,为复杂样品分析提供了新的思路。针对这些问题,通过描述化学信息的不断丰富和算法的不断优化,人工神经网络在化学质谱领域的应用将会取得更加显著的进展。
- 郭海谦郭海谦刘培刘培徐燕武寒梅秦玲
- 关键词：人工神经网络质谱人工智能分析化学
