中短波红外干燥白果的色泽变化预测及品质研究

为预测白果在干燥过程中色泽变化,提高干燥品质,该研究将中短波红外干燥技术应用于白果干燥,研究白果在不同干燥温度(60、70、80和90 ℃)下干燥动力学和色泽变化,利用人工神经网络建立其色泽预测模型,并探究白果的复水率、总黄酮含量、抗氧化性以及微观结构等相关品质参数。结果表明:白果整个干燥过程只有一个降速干燥阶段;干燥温度从60 ℃升高到80 ℃,干燥时间显著减少(P<0.05);干燥温度从80 ℃升高到90 ℃,白果干燥时间没有显著性差异(P>0.05)。随着干燥进行,白果色泽L*值逐渐降低,a*值和b*值均呈现先增加而后降低的趋势,总色差值ΔE呈现两段式的增加趋势;本研究建立的人工神经网络模型能够很好的预测干燥过程中色泽参数的变化。综合白果品质参数,白果在干燥温度70 ℃条件下会获得最优的复水比(1.580),最好的抗氧化活性(175.70 μmol trolox/100 g)以及较优的总黄酮含量(198.40 mg/100 g)。通过对白果微观结构分析,干燥温度低于70 ℃时,白果淀粉颗粒结构保持完好,而干燥温度高于80 ℃时,其淀粉颗粒结构会发生明显的破坏。     

基于支持向量机的牛肉嫩度等级评价模型研究

目的 利用VIS/NIR反射光谱建立基于支持向量机的生鲜牛肉嫩度等级的评价模型。方法 以牛肉背最长肌为研究对象, 选取样本58个, 在牛肉新鲜切口处采集波长范围400~1700 nm的反射光谱信息, 使用肉类嫩度测量仪测量牛肉剪切力值, 应用支持向量机(SVM)模型评价牛肉嫩度等级。结果 应用SVM模型可以较好地实现对牛肉嫩度等级的评价。尤其是经主成分分析降维预处理, 结合径向基核函数SVM, 对牛肉训练集嫩度等级的回判率达到95%, 对样品校正集判别的准确率进一步提高至83.3%。结论 SVM模型对牛肉嫩度等级评价结果较好, 进行主成分分析后, 判别结果有所提高。     

基于BP神经网络的葡萄气体射流冲击干燥含水率预测

为实现葡萄气体射流冲击干燥过程中含水率的预测,本文探究了不同烫漂前处理时间(30、60、90和120 s)和干燥温度(55、60、65和70℃)对葡萄干燥时间和干燥速率的影响,建立了输入层为烫漂时间、干燥温度和干燥时间,隐藏层节点数为7,输出层为葡萄含水率,结构为"3-7-1"的BP神经网络模型。结果表明:烫漂预处理时间和干燥温度均对葡萄干燥速率有影响,增加烫漂时间和提高干燥温度能够有效的缩短葡萄干燥时间,提高干燥效率。采用Levenberg-Marquardt(LM)算法为训练函数,选择tansig-purelin为网络传递函数,经过有限次训练得到的BP神经网络模型,其预测值与实测值之间的决定系数R~2为0.9915,均方根误差RMSE为0.03376,预测快速且准确,为葡萄在干燥过程中的含水率在线预测提供理论依据和技术支持。     

基于电子鼻技术的马铃薯真菌性腐烂病早期检测

确定马铃薯致腐菌种,并建立快速检测方法对腐烂样本进行识别。本研究通过微生物及分子生物学方法对马铃薯致腐菌进行鉴定,采用电子鼻方法对样本进行检测,建立模型对不同感染阶段样本进行识别。结果显示:马铃薯主要致腐烂菌为出芽短梗霉,建立的K最近邻判别模型中,训练集与预测集识别率分别为90%和85%;建立的BP网络判别模型中,训练集与预测集判别率分别达到93.75%和90%,各腐烂阶段能够较好地被识别。研究结果为后期电子鼻技术应用至马铃薯腐烂病检测提供理论基础。     

大野芋薄层干燥特性及收缩动力学模型研究

为提高大野芋的品质,缩短干燥时间,控制收缩,研究大野芋在薄层干燥中不同温度(50,60,70,80℃)和切片厚度(4,7,10,13 mm)下的干燥曲线和体积收缩变化规律。研究表明:干燥温度和切片厚度对大野芋干燥时间有显著影响,大野芋薄层干燥水分有效扩散系数在3.2087×10-9~1.5010×10-8m2/s之间;干燥温度和切片厚度均对大野芋收缩率有显著影响,采用较低的干燥温度和较厚的切片厚度能够提高收缩率,减少收缩;Weibull分布函数能够很好地描述大野芋的收缩动力学曲线,拟合效果最优。通过阿伦尼乌斯公式计算得到大野芋干燥活化能和收缩活化能分别为35.33 k J/mol和57.19 k J/mol。本研究结果为大野芋在干燥加工中水分迁移和体积收缩变化的预测、调控提供理论依据和技术支持。     

不同产地马铃薯全粉的营养及理化性质分析

对16个省份马铃薯全粉进行营养及理化性质分析。结果表明,广东、湖北、山西、云南、河南及甘肃马铃薯全粉淀粉含量70%以上;山东马铃薯全粉含10.32%蛋白,安徽马铃薯全粉还原糖含量11.35%,脂肪含量均较低。江苏马铃薯全粉析水率65%,冻融稳定性差,山东马铃薯全粉冻融稳定性最好。安徽马铃薯全粉溶解度达37.72%,湖北和山西马铃薯全粉膨胀度最大为21.59%。初始黏度最高的是陕西马铃薯全粉,黏度随剪切速率增大而急剧下降,广东马铃薯全粉黏度变化曲线较陡,山西马铃薯全粉较平缓。陕西马铃薯全粉凝胶触变性最大,广东马铃薯全粉触变性最小。马铃薯全粉的贮能模量(G')均大于损耗模量(G″),且G'和G″随角频率增加而缓慢上升,表现为弱凝胶黏弹体特征。     

基于计算机视觉和嗅觉的菠菜叶绿素含量检测方法研究

以叶绿素含量为评价菠菜新鲜度的参考指标,开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入,以叶绿素含量的化学检测值作为模型的输出,采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示,以视觉信息为输入量的模型测试结果:训练集和测试集的均方根误差(RMSE)分别为0.1978 mg/g和0.2147 mg/g,相关系数(R)分别为0.8457和0.7995。以电子鼻信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.3119 mg/g和0.3032 mg/g,R分别为0.7013和0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.1759 mg/g和0.2121 mg/g,R分别为0.8888和0.8736,精度比两个单一技术均有所提高。研究表明,利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的,采用融合技术有助于提升模型的预测精度。