XiaoMi-AI文件搜索系统
World File Search System水质监测
在家，无细胞的合成生物学教育模块，用于转录调节和环境水质监测
摘要：随着合成生物学领域的扩展，必须成长和训练科学，技术，工程和数学（STEM）从业人员的需求。但是，缺乏动手示威的机会导致了机会和实践的不平等。此外，提供的内容有一个差距，使学生能够制造自己的生物工程系统。为了应对这些挑战，我们开发了四个稳定的无细胞生物传感教育模块，这些模块可以通过简单地将水和DNA添加到冻干的非致病性大肠杆菌的原油提取物中起作用。我们介绍了活动和支持课程，以教授LAC操纵子的结构和功能，剂量响应性行为，对生物传感器输出的考虑以及用于监测水中环境污染物的“建立自己的”活动。我们在教室里和在家中没有专业实验室设备的K-12老师和130名高中生，在他们的家中驾驶了这些模块。这项工作有望催化获得交互式合成生物学教育机会。关键词：无细胞，合成生物学，教育，LAC操纵子，生物技术■简介
明尼苏达州 2021 年至 2031 年水质监测战略
流域方法涉及一次性密集监测主要流域内的溪流和湖泊，以便：确定这些水资源的整体健康状况，识别受损水域，并识别需要额外保护以防止受损的水域。然后在受损的子流域进行后续监测，以确定造成损害的原因（即影响生物群落的“压力源”）并开始识别污染源和优先管理区。然后为流域编写流域恢复和保护策略 (WRAPS) 和总最大日负荷 (TMDL) 研究。这些反过来有助于通过“一个流域一个计划”流程和其他努力指导当地和州的恢复和保护规划和实施。监管活动在整个过程中持续进行，并根据需要进行调整以实现清洁水目标。
人工智能支持水质监测
本研究探讨了使用人工智能 (AI) 作为支持水监测手段的可能性。更准确地说，它解决了公民科学数据的质量和可靠性问题。本文讨论了 SIMILE（伊苏布里克湖及其生态系统综合监测信息系统）项目的工具和数据，旨在开发一个开放的预过滤系统，用于全球范围内的湖水监测志愿者地理信息 (VGI)。目标是自动确定公民科学家上传的图像中是否存在有害现象（藻类和泡沫），以减少手动检查贡献所需的时间。这项任务具有挑战性，因为数据的异质性在于没有具体指示就拍摄的带地理标记的照片。为此，我们测试了不同的工具和深度学习技术（Clarifai 平台、卷积神经网络 (CNN) 和一种称为更快的基于区域的 CNN (R-CNN) 的对象检测算法）。由 SIMILE - 湖泊监测应用程序的观测结果组成的原始数据集已与网络引擎（Google、Bing 等）上的关键字和图像搜索结果以及抓取的 Flickr 数据相结合。介绍了不同算法在检测存在和正确标记现象方面的能力，以及未来改进它们的一些可能策略。
基于物联网的自动水质监测与纠正...
收到日期 2020 年 6 月 13 日，修订日期 2020 年 8 月 4 日，接受日期 2020 年 9 月 29 日，发布日期 2021 年 4 月 21 日摘要：在水产养殖业中，鱼的生长缓慢和渔业中的鱼死亡是每个养鱼户遇到的问题。水质是一个关键因素，在养殖任何水生生物时都必须进行监测；然而，大多数养鱼户并不考虑这一点，因为水质检测和水传感器成本高且不方便用户使用。为了解决这个问题，我们创建了一个物联网连接的模块化设备，该设备将协助当地养鱼户通过他们的智能手机使用我们的应用程序进行实时监控和设置设备以及数据存储。模块化设备由不同的水传感器组成，例如 pH、水位、温度、溶解氧、总溶解固体、氧化还原电位和浊度。这些传感器与不同的执行器（如曝气器、水过滤器、蠕动泵、水泵、喂鱼器和加热器）一起，将有助于监测和纠正水环境中的异常情况。将提出的模块化设备读数与渔业和水产资源局-国家内陆渔业技术中心 (BFAR-NIFTC) 万用表进行了比较。它们的读数之间的百分比差异低于 2%，在可接受的范围内。关键词：水产养殖、模块化、物联网、氧化还原电位、浊度、网关、LoRaWAN