复合酶法提取黄秋葵可溶性膳食纤维的工艺优化及其理化特性、结构表征

以黄秋葵果荚为原料,采用复合酶法提取可溶性膳食纤维(soluble dietary fiber,SDF),通过单因素实验,探究不同因素对黄秋葵SDF得率的影响。在单因素实验的基础上进行响应面分析,得到复合酶法制备黄秋葵SDF的最优条件;并测定所得黄秋葵SDF的理化特性,并对其进行结构表征。结果表明:在料液比1:24 g/mL、复合酶添加量1.8%、酶解时间54 min、酶解温度62℃的提取条件下,黄秋葵SDF得率达到最大值,为10.94%,与预测值之间的相对误差为1.48%。黄秋葵SDF的持水力、膨胀力和持油力分别为5.61 g/g、3.35 mL/g和4.88 g/g,良好的理化特性使其具有成为通便保健食品原料的潜力。黄秋葵SDF的微观结构显示,经过酶的作用,黄秋葵SDF表面的淀粉类物质被充分除去;黄秋葵SDF的晶体结构符合纤维素I晶型的特征,其红外光谱图线符合膳食纤维类物质的典型特征。     

基于自回归谱外推的全聚焦成像分辨力提升

针对相邻缺陷全聚焦超声成像混叠问题，结合低阶、宽有效频带自回归谱外推方法，压缩超声波时域脉冲宽度，实现亚波长级全聚焦（Total focusing method，TFM）成像分辨力。建立碳钢试块模型，设置两个中心间距1.8 mm，直径1.3 mm圆孔，选用中心频率2.25 MHz，32阵元相控阵探头采集全矩阵数据。针对全矩阵数据，选择自回归阶数为2，信号频谱最大幅值下降14 dB为有效频带，建立自回归模型并外推有效频带外的高频与低频成分，随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明，低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性，TFM成像后可有效分离中心间距0.7λ（λ为超声波长）圆孔，保留缺陷横向位置信息的同时，定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证，定位误差不超过1.06%，有效地提高TFM成像分辨力。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

星宿菜总黄酮提取工艺及抗氧化性活性

为了最大限度获取星宿菜中的总黄酮,以星宿菜为原料,通过单因素实验和正交试验优化出提取星宿菜总黄酮含量的最佳工艺条件:35倍星宿菜的45%乙醇浓度溶解,45℃时超声提取55 min,此条件下总黄酮含量平均值为120.31 mg/g。同时测得星宿菜中黄酮的总抗氧化活性为2.266 mmol/L(FeSO_4当量值)。当星宿菜中总黄酮浓度为2.75 mg/mL时,DPPH自由基清除率为85.0%。方法操作简单、快捷、灵敏度高、成本低,仪器价格及日常维护费用不高。