不同提取方法对咖啡原液理化和感官特性的影响

该文分别采用滴漏法、浸提法、超声辅助提取法、微波辅助提取法和加压提取法制取咖啡原液，测定并比较各种提取方法制备的咖啡原液基本理化指标、酚类物质含量、主要活性成分含量、抗氧化活性、感官品质和香气成分。不同提取方法对咖啡原液pH和色度影响较小；对咖啡原液可滴定酸值和总固形物含量影响较大，滴漏法制得的咖啡原液可滴定酸值最高，超声辅助提取法制得的咖啡原液的总固形物含量最高；加压提取法制得的咖啡原液的总酚含量、主要活性成分含量和抗氧化活性显著(P<0.05)高于其他几种方法；不同提取方法对咖啡原液感官和香气成分影响较大，加压提取法制得的咖啡原液感官评分最高并且香气成分最为丰富。5种提取方法中加压提取法制得的咖啡原液活性成分高、抗氧化活性强且感官品质好，加压提取法更适合生产优质咖啡饮品。     

响应面法优化白芷中欧前胡素的提取工艺

采用高效液相色谱法测定欧前胡素的含量，以水提液中欧前胡素提取率为实验指标，在单因素试验的基础之上，以提取温度、提取时间、液料比为考察因素，利用Box-Behnken Design响应面法进行三因素三水平试验设计。响应面法优选出白芷中欧前胡素的最佳提取工艺为提取温度72℃、液料比8倍、提取时间1.5 h,在该条件下欧前胡素提取率为0.97%。本研究优化的白芷中欧前胡素的提取工艺方便、稳定。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

印刷电路板缺陷检测的实际应用

电路板在我们的日常生活中非常常见,这就使得印刷电路板的缺陷检测显得尤为重要。AOI作为新兴的检测PCB板缺陷的系统,在生产实际中正在被大家熟知并且应用。相较于传统的检测方式,AOI系统比较灵活,无论是在检测时间还是系统运算上,或者是对相关技术人员的要求相较于传统方式都比较有优势,本文就AOI系统在实际中的应用展开讨论,分析并且介绍了在实际应用中的具体细则。     

改进FasterRCNN模型的布氏硬度检测方法

自动提取布氏压痕轮廓是提高布氏硬度检测效率的关键一步，针对传统机器视觉算法提取布氏压痕轮廓算法的不足，本文通过FasterRCNN模型实现了布氏硬度压痕直径的自动化检测。针对检测布氏硬度压痕圆的特点，提出对FasterRCNN模型的改进。在classification网络中的边框回归损失函数中加入预测检测框的长与宽的方差，在改进的边框回归函数优化目标修改为真实检测框与预测检测框差距最小且预测检测框宽与高之间差距最小，使得基于改进的FasterRCNN模型布氏硬度检测能够提供更加准确的目标预测检测框，取得更精准检测效果。同时引入数据增强的方法扩充有效数据大小。实验结果表明，基于FasterRCNN的布氏硬度模型检测方法适用于锈蚀和光滑金属表面工况。改进的FasterRCNN网络模型准确率为97.08%，较原模型提升0.73%，归一化均方误差（nMSE）为0.001226，较原模型降低40.31%， 改进的效果明显，并弥补机器视觉算法提取压痕轮廓的不足。     

柚子核中功能性成分的分离纯化研究进展

我国有丰富的柚子资源,柚子的综合开发利用价值极高。柚子核中的生物活性物质如黄酮类物质和类柠檬苦素化合物,经研究表明具有抗氧化、抗肿瘤、昆虫拒食等功效。分析近年来对植物中的功能性成分的提取分离纯化技术,比较溶剂提取、超声波辅助、超临界流体、亚临界流体不同萃取技术;比较结晶法、柱层析法、高速逆流色谱法、制备型HPLC法不同的分离手段对活性成分的提取优劣,为柚子核中功能性成分的深入研究应用提供依据。