绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 14 条结果
摘要:采用酶辅助碱溶酸沉法提取脱脂葡萄籽中的蛋白质,探讨酶添加量、酶解时间、酶解温度和酶解pH对脱脂葡萄籽蛋白得率的影响.结果表明:酶添加量为1.5%、酶解时间30 min、酶解温度36℃、酶解pH7.5,此条件下脱脂葡萄籽蛋白得率达31.87%,且影响因素的主次顺序为酶解pH>酶解温度>酶解时间.对得到的葡萄籽蛋白的溶解性、乳化性、起泡性进行了探讨.
摘要:针对新疆哈密瓜分级中自动化程度低、分级结果不稳定及效率低下等问题,设计了一种翻转式哈密瓜分级装置.首先通过试验设计水果托盘,增加哈密瓜在传输过程中的稳定性;然后设计分级执行装置,实现哈密瓜的翻转;最后对控制系统原理进行阐述,以实现哈密瓜的准确分级.通过控制系统驱动分级执行装置运转,进而实现水果托盘的翻转,使哈密瓜滚动至分级区域,大大降低了哈密瓜在分级过程中的机械损伤.
摘要:可溶性固形物含量(SSC)和硬度是哈密瓜划分等级的重要指标,同时也是其成熟度的表征因子.因此,为满足哈密瓜自动化分级和适宜采摘,采用高光谱技术结合特征波长筛选的方法,同时对哈密瓜的可溶性固形物含量、硬度及成熟度进行了无损检测研究.对多元散射校正(MSC)处理后的光谱分别利用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)和CARS-SPA方法筛选了哈密瓜可溶性固形物和硬度的特征波长,并将原始光谱、MSC预处理后的光谱和所筛选的特征波长作为输入变量分别建立哈密瓜可溶性固形物和硬度的支持向量机(SVM)预测模型及成熟度判别模型.结果显示,MSC-CARS-SPA方法所建立的可溶性固形物和硬度SVM预测模型最优,其Rpre,RMSEP和RPD分别为0.940 4,0.402 7,2.94 1和0.825 3,35.22,1.771.同时对哈密瓜成熟度进行了判别分析,并分别建立了基于全光谱、单一的可溶性固形物或硬度特征波长和主成分分析(PCA)特征融合的哈密瓜成熟度SVM判别模型.结果显示,CARS-PCA-SVM模型的判别结果与全光谱SNV-SVM模型相同,其校正集和预测集判别正确率分别为95%和94%.研究表明,利用高光谱技术结合特征波长筛选方法可实现同时对哈密瓜可溶性固形物和硬度的定量预测及成熟度判别.
摘要:以新疆特色水果哈密瓜为研究对象,应用高光谱技术对水果表面农药残留种类进行分析。配制0.1 mg/kg 20%氰戊菊酯乳油和0.03 mg/kg 40%辛硫磷乳油农药溶液样本,按100μL滴定量滴在哈密瓜表面,然后分别在紫外灯和卤素灯环境下,采集450~1000 nm范围内的哈密瓜光谱图像数据信息,提取感兴趣区域(region of interest,简称ROI)的光谱数据。结果表明,在卤素灯光源条件下采用贝叶斯判别法,农残样本的准确率为100%,利用高光谱技术能够准确判别出哈密瓜表面农药残留的种类。
摘要:以7成熟、9成熟和过熟3种不同成熟度的哈密瓜为研究对象,在Matlab 7.6环境下,先利用图像处理技术对哈密瓜果脐处进行背景图像分割,计算图像的最大值、最小值、平均值等7个特征值,然后运用模式识别与回归工具箱LibSVM建立基于支持向量机( support vector machine ,SVM)的哈密瓜成熟度分类模型,并对分类准确率进行预测。结果表明,图像处理中的LibSVM工具箱可以很好地运用到哈密瓜成熟度的无损检测研究中,模型分类准确率可达到95.83%。
-
北大核心 CSTPCD CSCD AJ CA CBST
-
摘要:利用SPME-GC-MS分析方法,比较了自制酯酶restT和Novozym Palatase 20000L脂肪酶酶解稀奶油产物挥发性化合物及香气变化规律.选择酶解温度、酶解pH、酶添加量和酶解时间进行逐级优化;再对两种酶在最适酶解温度和4℃条件下得到的酶解产物进行SPME-GC-MS对比分析.结果表明:restT和Palatase 20000L最佳酶解条件为酶解温度分别为25℃和50℃、酶解pH8.0、酶添加量150 U/g、酶解时间5h.SPME-GC-MS分析结果显示,restT可以在25℃,甚至4℃条件下酶解,产物均能产生较多的中短碳链的游离脂肪酸、甲基酮类、酯类及内酯等对奶香有突出贡献的特征性风味物质.
[博士论文] 孙静涛
农产品加工工程 石河子大学 2017(学位年度)
摘要:哈密瓜是新疆特产厚皮甜瓜品种群的统称,其果实甘甜香脆、营养丰富、并且具有食疗作用,备受广大消费者青睐,有“中华第一蜜瓜”的美称。随着人们生活水平的不断提高,消费者逐渐对哈密瓜内部品质和外观品质越来越重视。目前对哈密瓜内部品质检测还采用传统的破坏性检测方法,其效率低、耗时长;对哈密瓜成熟度判别主要依靠人为主观经验判断,其判定结果随意性大,误差大,缺乏可靠性和准确性,已不适于大规模的生产需要。针对这些问题,本文以不同成熟度的哈密瓜为研究对象,利用近红外光谱技术、高光谱成像技术、计算机视觉技术对哈密瓜内部品质和成熟度同时进行无损检测研究。研究了哈密瓜近红外光谱和计算机视觉图像特征的融合方法,并最终建立了哈密瓜成熟度判别融合模型。主要研究内容如下:
  1.分析了哈密瓜内部品质(可溶性固形物、总酸、硬度)与成熟度的相关性。哈密瓜的成熟度是果实发育过程中各个理化指标变化的一个综合性的评判结果。为了寻找最能反映哈密瓜成熟度的表征因子,对哈密瓜的可溶性固形物(SSC)、总酸(TAC)和硬度与其成熟度作了 Pearson相关性分析和单因素方差分析。结果表明,SSC、TAC和硬度与成熟度之间存在显著相关(p<0.01),其SSC和成熟度的相关性最高,且不同成熟度哈密瓜之间的SSC差异最大,因此为选择合适的哈密瓜成熟度表征因子提供了理论依据。
  2.建立了基于近红外光谱技术的哈密瓜内部品质预测模型。研究比较了四种光谱预处理方法(Norm、SNV、MSC、SG-1-Der)对哈密瓜SSC、TAC及硬度的PLS和非线性SVR模型预测结果。研究表明,Norm和MSC预处理方法的预测结果较好。为了筛选重要的特征波长来简化模型和提高模型预测能力,利用四种特征波长筛选方法(UVE、GA、SPA、CARS)筛选了各指标的特征波长,并建立了PLS和非线性SVR预测模型。研究表明,PLS模型预测结果优于SVR模型,GA方法能够筛选出有效的哈密瓜SSC、TAC和硬度的特征波长,其各指标的GA-PLS模型预测结果均最优。SSC-GA-PLS模型预测集相关系数(Rp)、均方根误差(RMSEP)和RPD分别为0.9061、0.4630和2.363,Rp较原始光谱提高了4.66%;TAC-GA-PLS模型Rp、RMSEP和RPD分别为0.8277、0.0391和1.781,其Rp较原始光谱模型提高了3.44%;硬度的GA-PLS模型Rp、RMSEP和RPD分别为0.8729、28.47和2.049,Rp较原始光谱模型提高了1.2%。
  3.建立了基于近红外光谱技术的哈密瓜成熟度判别模型。研究比较了不同光谱预处理方法和不同建模方法的哈密瓜成熟度判别结果。研究表明,MSC和 SNV方法处理后的判别结果较优,非线性SVM模型对哈密瓜成熟度的判别结果略优于线性的LDA、PLS-DA和SIMCA模型,其中SNV-SVM模型校正集和预测集判别结果分别为94%和88%。对比分析了利用哈密瓜SSC和成熟度的特征波长结合上述四种建模方法对哈密瓜成熟度的判别结果,结果表明,基于成熟度特征波长的判别结果优于哈密瓜SSC特征波长的成熟度判别结果。利用SPA方法从全波段中筛选的7个哈密瓜成熟度特征波长(914.75 nm,921.26 nm,934.28 nm,940.79 nm,1318 nm,2132.9 nm,2364.8 nm)所建立的SVM模型最优,其校正集和预测集判别结果分别为93%和86%,模型仅用了7个特征波长变量,占全光谱信息的2.73%,其校正集和预测集判别结果较全光谱SNV-SVM模型仅降低了1%和2%。
  4.建立了基于高光谱成像技术的哈密瓜内部品质预测模型。对比分析了不同光谱预处理方法对哈密瓜SSC、TAC及硬度的PLS和非线性SVR预测模型的影响。结果表明,SNV和MSC预处理方法性能较优。在哈密瓜SSC预测模型中,SNV-SVR模型预测结果略低于MSC-PLS模型,而TAC和硬度的SVR模型的预测结果较PLS模型分别提高了约3%和9%。比较了联合区间偏最小二乘法(si-PLS)、GA、SPA和CARS四种光谱特征波长筛选方法对PLS和非线性SVM预测模型精度的影响。研究表明,CARS方法能够有效地筛选哈密瓜SSC、TAC和硬度特征波长,筛选的特征波长变量所建立各指标模型的预测结果均较原始光谱有所提高。结果表明,非线性SVR模型预测结果略优于PLS模型, SSC-CARS-SVR模型预测结果最优,其Rp、RMSEP和RPD分别为0.9394、0.4071和2.917,Rp较原始光谱模型提高了2.36%; TAC-CARS-SVR模型预测结果最优,其Rp、RMSEP和RPD分别为0.8705、0.0322和2.032,其Rp较原始光谱模型提高了7.79%;在哈密瓜硬度预测模型中,四种方法所筛选的特征波长的SVM模型预测结果均低于全光谱MSC-SVM模型。
  5.建立了基于高光谱成像技术的哈密瓜成熟度判别模型。对比分析了不同光谱预处理方法和不同建模方法的哈密瓜成熟度判别结果。结果表明,SNV预处理方法性能最优,非线性SVM模型对哈密瓜成熟度的判别结果优于线性的LDA、PLS-DA和SIMCA模型,其中SNV-SVM模型最优,其校正集和预测集判别结果分别为98%和94%。比较了利用哈密瓜SSC和成熟度的特征波长结合四种建模方法对哈密瓜成熟度判别结果。研究表明,基于成熟度特征波长的判别结果优于哈密瓜SSC特征波长的判别结果,利用CARS方法筛选的57个哈密瓜成熟度特征波长所建立的SVM模型最优,其校正集和预测集判别结果分别为100%和95%。结果表明,CARS方法能够较好的筛选到反映哈密瓜成熟度的关键特征波长变量,不但简化了模型,而且提高了模型预测能力。
  6.在高光谱数据中的光谱特征波长筛选研究中,采用SPA方法在CARS筛选的57个特征波长中再次优选了8个哈密瓜成熟度特征波长(552.21 nm、585.19 nm、608.32 nm、644.74 nm、734.16 nm、815.11 nm、859.85 nm和993.2 nm),用灰度共生矩阵法提取了特征波长图像的纹理特征,分别建立了基于哈密瓜特征波长、纹理特征、特征波长和纹理特征融合的哈密瓜成熟度SVM判别模型。结果表明,光谱模型判别结果优于图像特征模型,光谱和图像特征融合的SVM模型最优,其校正集判别结果为100%,预测集判别结果高达97%。
  7.建立了基于计算机视觉技术的哈密瓜成熟度的判别模型。提取了哈密瓜图像在RGB和HSV颜色空间中的6个颜色分量,并研究了HSV颜色空间中色调H与哈密瓜成熟度的关系。利用灰度共生矩阵法提取了6个哈密瓜图像纹理特征,结合二值化纹理图像计算了哈密瓜纹理覆盖率。对比分析了哈密瓜图像颜色特征、纹理特征、颜色与纹理特征融和的哈密瓜成熟度的 LDA、PLS-DA、SIMCA和SVM模型判别结果。结果表明,SVM建模方法最优,单一的颜色特征模型判别结果优于纹理特征模型;基于颜色特征和纹理特征融合的SVM模型判别结果最优,其校正集和预测集判别正确率分别为96%和92%。
  8.建立了基于光谱及图像信息融合的哈密瓜成熟度判别模型。比较了DS证据理论、ELM极限学习机、SVM支持向量机和AdaBoost分类器4种融合方法的哈密瓜成熟度建模结果。基于决策层融合的DS证据理论建立的哈密瓜成熟度判别模型的校正集和预测集判别结果分别为96%和92%,与单一的计算机视觉颜色特征模型最优判别结果相同。在三个特征层融合模型中,其校正集判别正确率均为100%,SVM支持向量机和AdaBoost分类器建立的融合模型的预测集判别结果均为97%,ELM极限学习机融合模型最优,其预测集判别结果为98%。结果表明,ELM极限学习机特征层融合为最佳融合方法,建立的模型为最优融合模型。
  9.对比分析了信息融合技术与单一的近红外光谱技术、计算机视觉技术和高光谱成像技术所建立的哈密瓜成熟度判别结果。结果表明,高光谱成像技术所建的哈密瓜成熟度判别模型的判别结果优于近红外光谱和计算机视觉技术判别模型;计算机视觉技术所建模型判别结果优于近红外光谱技术;近红外光谱特征与计算机视觉图像融合所建的模型最优,预测集判别正确率为98%,较高光谱、近红外光谱和计算机视觉技术模型分别提高了1%,12%和8%。研究表明,利用光谱及图像信息融合技术判别哈密瓜成熟度是可行的,本文的研究结果为同时对哈密瓜内部品质预测及成熟度进行快速无损检测提供一些思路和方法,具有一定的参考价值。
摘要:以新疆特色水果哈密瓜为研究对象,提出一种利用 Matlab 辅助 DSP提取哈密瓜纹理的方法。该方法首先利用Matlab把待处理的图像转换为数据文件( dat 文件),然后利用 DSP 强大的运算能力分割哈密瓜表面纹理特征,并将分割结果同样以dat文件传递给MatLab ,最后利用MatLab强大的数据分析与图像显示能力建立哈密瓜分类模型。实验结果表明,该方法能够有效地对哈密瓜表面纹理进行分割与分类,分类准确率为88.10%。该方法不但能够缩短DSP系统的开发周期,且能够为今后开发基于DSP的哈密瓜品质实时检测系统奠定基础。
摘要:以库尔勒香梨酿酒皮渣为研究对象,用可溶性膳食纤维得率作为提取工艺的指标.在单因素实验的基础上,选取超声温度、超声时间、液料比为自变量,可溶性膳食纤维得率为响应值,利用Box-Benhnken中心组合设计原理和响应面分析法,研究各自变量及其交互作用对得率的影响,模拟得到二次多项式回归方程的预测模型.在碱液浓度为4 g/100 mL的条件下,确定最佳超声温度63℃、超声时间61.5 min、液料比16 mL/g.在此条件下,可溶性膳食纤维的得率为13.14%.与理论预测值13.45%相比,其相对误差为2.30%.可溶性膳食纤维的结构分析表明其具有明显的糖酯特征吸收峰,超微结构为不规则片状,且具有蜂窝状孔洞.以上结果为膳食纤维的应用及产品开发提供一定的理论参考.
摘要:本文利用高光谱图像技术对千制后的哈密大枣可溶性固形物含量(SSC)进行预测研究.使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳.对MC处理后的光谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特征波长,将提取的波长变量建立哈密大枣SSC的PLS预测模型.结果显示:利用MC-CARS-GA-si-PLS方法提取的16个关键波长变量(仅占全光谱变量的2%)所建立的PLS模型性能优于全光谱PLS模型.该模型的预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测(RPD)分别为0.93、0.48和2.721.该方法提取的波长变量所建立的预测模型,不仅使模型简化,而且增强了模型的预测能力,为高光谱图像技术对水果及其干制品的定量分析研究提供了参考.
摘要:该文介绍类胡萝卜素主要组成和功能,对红酵母产类胡萝卜素发酵方法、发酵促进因子和破壁技术几个影响因素分别进行阐述,对类胡萝卜素分离与鉴定方法研究现状进行探讨,并展望未来发展方向.
摘要:通过测定石榴籽多酚的还原力,·OH、H2O2、NO2-、O2-·自由基的清除及其抗氧化活性,为石榴籽多酚的开发利用提供依据.在实验浓度范围内,多酚提取物对·OH、H2O2、NO2-和O2-·的清除率分别高达83.93%、29.73%和89.66%和88.17%,并且清除能力随多酚浓度的增加而增强,其清除率与多酚的浓度间有一定的量效关系,说明多酚物质对自由基有较强的清除作用;添加抗氧化剂的试验组POV值均明显低于空白对照组的POV值,说明石榴籽多酚具有对菜籽油的抗氧化作用.
摘要:本文以石榴籽为研究对象,通过单因素试验及正交试验研究了超声波辅助提取对石榴籽多酚得率的影响,并对工艺条件进行优化,确定了提取石榴籽多酚的最佳工艺.最佳工艺参数为超声时间25min,温度50℃,料液比1∶18(g∶mL),超声功率200W,在该条件下石榴籽多酚得率为4.65mg/g.通过与普通溶剂浸提法对比验证可知超声波辅助法提取石榴籽多酚具有短时、高效、节能的优点.
[期刊论文] 孙静涛 董娟 肖婧 史学伟
-
EI CSTPCD 北大核心
-
摘要:本文系统地研究了棉籽油脱臭馏出物中甾醇提取方法,主要得出以下结论:采用转酯化-结晶法对棉籽油脱臭馏出物中甾醇进行萃取,最佳萃取条件为:料液比为1/5 (m/V),转酯化温度为60℃,催化剂使用量为35%,转酯化时间为4h,甾醇提取率为54.80%,甾醇纯度达到82.10%.
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部