两种木质容器醇化处理对雪茄烟支挥发性成分的影响

为提升雪茄烟支品质及风格特征,研究了木质容器醇化处理对雪茄烟支挥发性成分和感官品质的影响。采用顶空-固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)法分别检测了杉木、香柏木醇化处理前后雪茄烟支的挥发性成分,分析了醇化处理对雪茄烟支中挥发性成分种类、质量分数以及感官品质的影响。结果表明:①从雪茄烟支样品中共检测出55种挥发性成分,以烯烃类为主,其次为含氮化合物。杉木和香柏木醇化处理均能够明显增加雪茄烟支中挥发性成分的种类,增加的挥发性成分以烯烃类为主,其中,香柏木醇化处理增加的挥发性成分的种类更多。②与原料烟支相比,杉木醇化处理烟支中主要筛选到25种质量分数差异的挥发性成分,其中,23种成分的质量分数显著上调(FC>2、P < 0.05);香柏木醇化处理烟支中主要筛选到35种质量分数差异的挥发性成分,其中,34种成分的质量分数显著上调(FC>2、P < 0.05)。③杉木和香柏木醇化处理均能够在一定程度上提升雪茄烟支的香味、杂气、刺激性、余味等感官品质得分,其中,香柏木醇化处理的效果好于杉木。通过杉木和香柏木两种木质容器醇化处理均能提升雪茄烟支的品质和风格特征,并以香柏木的醇化效果更佳。      

清香型志都五谷酒关键香气成分分析

通过液液萃取和顶空固相微萃取技术,结合气相色谱-质谱-嗅闻联用仪分析一种清香型志都五谷酒香气活性成分。通过香气提取稀释分析法共得到40 种香气物质,且香气稀释（flavor dilution,FD）因子最大的为异丁酸、月桂酸乙酯、愈创木酚和2-苯乙醇（FD＞4 096）,通过质谱、保留指数、香气特征和标准品比对共定性出35 种香气活性化合物,以乙酸肉桂酯、4-辛醇和2-甲基己酸为内标对30 种化合物进行标准曲线法定量,通过计算香气活性值（odor activity value,OAV）,将香气贡献较大（OAV＞1）的17 种化合物进行重组,获得了模拟酒样,与原酒样相比有良好的相似性。结合FD因子与OAV贡献,对清香型志都五谷酒香气有重要贡献的化合物为乙酸异戊酯、3-苯丙酸乙酯、愈创木酚、异丁酸、月桂酸乙酯、3-甲硫基丙醇、乙酸乙酯、2-苯乙醇和3-甲基丁醇。     

学习环境模糊Petri网多变量输出模型与计算

在模糊Petri网(FPN)学习方法研究中,目前多集中研究FPN单输出学习模型,而鲜有对多输出模型进行深入细致的研究,使模型的应用受到一定的限制.此外,学习模型中的前向计算多采用模糊token相乘的方法,随着规则系统的规模和复杂性的增加,会使输出token值过小,结果偏差较大.为解决上述问题,本文尝试建立FPN多输出模型,并提出学习模型的一种前向计算方法.该方法与模糊token相乘方法的不同之处在于学习模型的前向输出采用取小算子,旨在减小系统的学习偏差,为FPN多输出模型的学习提供方法支持.     

基于嵌入式开发的智能安防监测移动平台设计研究

随着社会的不断发展和技术的不断进步,人们对美好生活的向往也在不断提高。家居安防必将成为今后智能生活系统必不可少的一环。本文从普通人群对日常安全的关注点和日常家居普遍隐患危险出发,设计了一款智能安防监测移动平台。该平台由火焰检测系统、湿度检测系统、气体检测系统、路径导航系统、灭火系统、加湿系统和报警系统组成,具有对燃气泄露状况进行检测、对初期火灾进行灭火、对空气湿度进行改变的功能,符合一般家居实际具有很大的市场应用和推广价值。     

一种用于细粒度人脸识别的眼镜去除方法

为解决眼镜遮挡会降低人脸识别性能的难点,借鉴深度卷积神经网络在超分辨率方面的成功应用,该文提出一种用于细粒度人脸识别的眼镜自动去除方法ERCNN。用卷积层、池化层、MFM特征选取模块和反卷积层设计ERCNN网络模型,自动学习戴眼镜和未戴眼镜人脸图像对之间的映射关系,实现端到端的眼镜去除。然后,收集大量监控场景下的人脸图像,以及互联网上公开的人脸图像作为训练集;同时构建SLLFW数据集,作为眼镜去除和人脸识别的测试集。最后,通过与传统的眼镜去除方法进行对比试验,该文算法的各项评价指标优于传统方法,能有效的去除真实人脸图像中眼镜;同时在SLLFW人脸数据集上形成的全框眼镜、半框眼镜和无框眼镜人脸数据集上对多种人脸识别算法进行对比试验。试验表明,在FAR为1%的情况下,利用该文方法对F-SLLFW, H-SLLFW和R-SLLFW数据集的人脸图像进行眼镜去除后,SphereFace算法的TAR分别达到90.05%, 91.14%和92.33%,比未去除眼镜的识别率分别提高了3.92%, 3.08%和1.26%;同样,在FAR为0.1%的情况下,比SphereFace算法的TAR分别提高了10.06%, 4.29%和2.13%,说明该文方法有助于提升细粒度人脸识别的识别精度。     

基于模拟退火算法的盲均衡算法改进

码间干扰是水声信道通信中存在的一个主要问题,它的主要解决方法是在接收端采用盲均衡方法.HOS盲均衡算法是理论非常完备的一种盲均衡算法,由于直接使用了高阶统计量的性质,该算法抗码间干扰的能力很强,但是运算速度慢,收敛费时.为了解决这个问题,要在HOS盲均衡算法中引入模拟退火算法.模拟退火算法是一种全局优化算法,可以有效地避免算法收敛到局部解.两种算法的结合,最大程度的利用了两种算法的特性,通过对代价函数的有效求解,可以大大提高HOS盲均衡算法的收敛速度,减少码间干扰.最后经计算机仿真证明该算法在不破坏HOS盲均衡算法收敛效果的同时加快了算法的收敛速度.     

基于椭圆曲线签密方案的无线安全认证协议

针对当前无线网络安全认证协议协商过程复杂、通信开销大等问题,设计了一种基于椭圆曲线密码算法的签密方案,并在此基础上设计了一种无线网络安全认证协议。该协议通过减少消息条数,并引入可信证书认证代理和可信证书凭据的概念,避免在无线通信中在线验证证书的有效性,提高了认证效率。采用串空间的形式化分析方法证明了所设计协议的安全性,并与其它无线网络安全认证协议的性能对比表明,该文设计的协议具有较高的效率。     

A-TIG焊接方法研究现状及展望

TIG焊作为一种高质量焊接方法的代表,具有焊接过程稳定、焊缝成形美观、焊缝质量高、焊接过程无飞溅等优点,但同时也存在单道焊接熔深浅、焊接速度慢、熔敷速率低等缺点.为了克服TIG焊存在的缺点,提出了A?TIG焊接方法,该焊接方法是先在待焊焊道表面涂覆一层活性剂,然后再进行施焊.该焊接方法在保留TIG焊优点的前提下,可以显著增大TIG焊单道焊接熔深,提高焊接生产效率.近几年很多学者对A?TIG进行了大量研究,也开展了A?TIG焊在工业生产上的部分应用,但是A?TIG焊仍存在以下几方面问题:(1)A?TIG焊接需要涂覆活性剂的工序,不利于实现焊接过程的自动化,且活性剂的涂覆很难保证均匀稳定,限制了其在工业生产上的应用.(2)活性剂增大焊缝熔深的机理尚未形成统一的认识,对该机理的研究还不够深入.(3)需要针对不同的焊接母材开发不同的活性剂,且不同学者开发的活性剂千差万别,缺少统一的衡量标准,不利于活性剂的产业化.针对不锈钢、铝合金、钛合金、镁合金、低碳钢等各焊接母材开发了增大熔深效果比较明显的活性焊剂,并且研究了活性焊剂对焊缝的表面成形和组织性能的影响.在活性剂的引入方面提出了气体输送活性剂的方式,基本实现了焊接过程的自动化和活性剂的均匀涂覆.对于活性剂增大焊缝熔深机理方面,提出了熔池表面张力改变理论、电弧收缩理论和热输入增加理论.本文总结了A?TIG焊在不同焊接母材方面、活性剂的引入方面、熔深增大机理方面的研究进展,分析了A?TIG焊研究应用方面仍存在的问题,并对A?TIG将来的研究方向进行了前景展望,以期为进一步完善A?TIG焊接方法和推动A?TIG在工业生产上的应用提供一定的借鉴.     

一种用于细粒度人脸识别的眼镜去除方法

为解决眼镜遮挡会降低人脸识别性能的难点,借鉴深度卷积神经网络在超分辨率方面的成功应用,该文提出一种用于细粒度人脸识别的眼镜自动去除方法ERCNN.用卷积层、池化层、MFM特征选取模块和反卷积层设计ERCNN网络模型,自动学习戴眼镜和未戴眼镜人脸图像对之间的映射关系,实现端到端的眼镜去除.然后,收集大量监控场景下的人脸图像,以及互联网上公开的人脸图像作为训练集;同时构建SLLFW数据集,作为眼镜去除和人脸识别的测试集.最后,通过与传统的眼镜去除方法进行对比试验,该文算法的各项评价指标优于传统方法,能有效的去除真实人脸图像中眼镜;同时在SLLFW人脸数据集上形成的全框眼镜、半框眼镜和无框眼镜人脸数据集上对多种人脸识别算法进行对比试验.试验表明,在FAR为1%的情况下,利用该文方法对F-SLLFW, H-SLLFW和R-SLLFW数据集的人脸图像进行眼镜去除后,SphereFace算法的TAR分别达到90.05%, 91.14%和92.33%,比未去除眼镜的识别率分别提高了3.92%, 3.08%和1.26%;同样,在FAR为0.1%的情况下,比SphereFace算法的TAR分别提高了10.06%, 4.29%和2.13%,说明该文方法有助于提升细粒度人脸识别的识别精度.     

基于二维码的移动终端动态口令认证方案

提出了一种适用于移动电子商务中的身份认证方案,以二维码为主要认证载体,结合随机数,实现了移动终端的动态认证.该方案安全性高,运算量小,方便快捷,且实现了移动终端和服务器端的相互认证.