γ射线、电子束处理对小麦及其制品品质的影响

研究采用0(未辐照)、1、5、7和10 kGy不同剂量的γ射线和电子束处理小麦,通过分析处理前后小麦体积质量、蛋白质和粗脂肪含量、色泽、电导率、干湿面筋含量和面筋持水率等品质指标以及食用品质的变化,研究射线照射处理后对小麦品质的影响。结果表明:不同剂量的γ射线和电子束处理小麦样品后,对其体积质量和蛋白质含量影响不明显,辐照后小麦色泽变暗;随着辐照剂量的增加,其粗脂肪含量、电导率有一定程度的上升,湿面筋含量和面筋持水率有一定程度降低,对干面筋含量无明显影响。射线辐照对面条食用品质、质构特性影响较大,当2种射线辐照剂量超过7 kGy以上时,品尝评分值均降至60分以下,口味极差;随着辐照剂量升高,熟面条的黏附性上升,弹性、咀嚼性和回复性下降。     

射线辐照对粮食微观结构及其萌发特性的影响

分别采用0～10 kGy的电子束和γ射线辐照小麦、稻谷、玉米和大豆,对其微观结构进行观察。结果发现,不同种类不同剂量射线辐照粮食后,其微观结构均受到不同程度的影响。电子束辐照后,小麦胚乳淀粉和蛋白质基质结合松散,稻谷胚乳中出现裂纹,玉米和大豆种胚细胞组织遭到破坏,细胞内含物外渗;γ射线辐照粮食后,粮粒微观结构变化趋势和电子束辐照相似。随着两种射线辐照剂量的升高,射线对粮粒内部微观结构的损伤、破坏程度增大。粮食发芽率的试验结果发现,辐照处理后粮食发芽率均降低,不同粮种随射线种类和辐照剂量不同,其发芽率降低程度有所不同。辐照剂量越大,发芽率越低,当两种射线辐照剂量达到10 kGy时,4种粮食发芽率均为0。比较发现,同剂量的γ射线辐照对粮食微观结构和发芽率的影响大于电子束辐照。     

高筋小麦粉储藏技术的研究

以高筋小麦粉为研究对象,通过模拟在不同温度(15、25、35℃)、不同储藏方式(充N2、脱氧剂脱氧、真空、对照)下储藏高筋小麦粉,研究了储藏期间高筋小麦粉脂肪酸值、降落数值、湿面筋、面筋指数的变化规律。结果表明:高筋小麦粉的脂肪酸值、降落数值、湿面筋以及面筋指数都能较好地反映出高筋小麦粉储藏品质的变化。总体变化趋势表现为:随着储藏时间的延长,脂肪酸值和降落数值升高,湿面筋含量和面筋指数下降。在储藏期间温度的变化是最主要的影响因素,低温有延缓品质劣变的优点;其次为储藏方式,但相互之间差别不明显;同时发现气调储藏在高温环境中效果较好,所以高筋小麦粉应尽量保存在低温气调储藏条件下。     

发芽小麦α-淀粉酶活性的研究

通过对在不同发芽温度和不同发芽时间下培养的芽麦粉中α 淀粉酶活性、降落值、还原糖及非还原糖含量的测定 ,研究了发芽小麦的α 淀粉酶活性、降落值、还原糖及非原糖含量与芽麦的发芽温度和发芽时间的关系。并通过响应面分析法 ,进行中心组合设计 ,得出了它们的二元二次回归方程。并对植酸作为α 淀粉酶抑制剂的抑制效果进行了研究 .通过测定不同植酸添加量下的α 淀粉酶活性及降落值 ,表明植酸对α 淀粉酶的抑制效果十分明显 ,是一种理想的芽麦品质改良剂     

大功率单隧道结半导体激光器的研制简

针对大功率隧道结半导体激光器因光学灾变损伤(COD)而导致输出光功率无法进一步提高的问题,通过优化器件材料结构,提高了其COD阈值.采用标准的半导体激光器制作工艺,制作了发光区条宽为200 μm、腔长为900 μm的单隧道结半导体激光器.在脉冲宽度为200 ns、重复频率为5 kHz的室温下进行测试,器件峰值功率超过70 W,并且无明显COD现象发生.在20 A工作电流下,器件峰值波长为907 nm,光谱宽度为7 nm,斜率效率为1.88,接近相同工作电流下单有源层激光器的两倍.     

冷等离子体处理对花生中脂质及蛋白理化特性的影响

该文采用冷等离子体处理高蛋白花生（大白沙）和高油花生（鲁花14号）,测定该处理对花生过氧化值、酸价、吸水性、乳化特性、溶解度等理化特性的影响,探究冷等离子体处理对花生中脂质及蛋白质加工特性的影响,为该技术在花生储藏及加工领域的应用提供理论依据。结果表明,冷等离子体处理可改善花生中脂质的品质及蛋白功能特性。处理后两种花生样品中过氧化值、酸价均有所降低;蛋白吸水性、乳化特性、溶解度均显著增强。因此,冷等离子体技术可作为提高花生储藏及加工品质特性的有效手段。     

水处理过程中的絮体图像纹理特征分析及应用

通过对混凝试验中絮体图像特征值的计算分析，发现纹理学特征中的熵可以表征图像中絮体的密实程度，絮体图像的熵越高则絮体越密实；纹理学特征中的相关性可以表征图像中絮体分布的均匀程度，絮体图像的相关性越高则絮体分布越均匀。使用该结论分析某城镇净水厂工艺中絮体图像在不同工况下的变化，结果表明：通过分析絮凝池末端及沉淀池出水絮体图像的纹理熵和纹理相关性，可以反映不同工况下絮体的生长状况。通过使用沉淀池出水絮体图像纹理特征数据训练的出水预警模型准确率要普遍高于使用形态特征的模型，且二者结合进行训练的模型准确率可以进一步提高，最高准确率为81.8%。