食品接触材料中非有意添加物的检测方法

食品接触材料中的非有意添加物(non-intentionally added substance, NIAS)作为影响食品安全的重要因素而日益受到关注。对NIAS的化合物种类鉴定和含量测定是对食品接触材料进行安全评估和监管的前提条件。目前, 主流的分析策略是依据待测NIAS的挥发特性, 分别选择气相色谱(gas chromatography, GC)或高效液相色谱(high performance liquid chromatography, HPLC)进行分离和定量, 利用质谱(mass spectrometry, MS)谱图特征和色谱出峰时间(retention time, RT), 借助质谱数据库对NIAS进行定性。与欧洲国家相比, 我国在NIAS分析检测领域起步较晚, 亟需补强食品接触材料NIAS物质数据库和物质鉴定领域的研究基础。下一步建议加强化学结构分析的基础研究, 培养食品接触材料中NIAS鉴定人才团队, 构建食品接触材料中IAS和NIAS物质的信息数据库, 最终提高食品接触材料NIAS检测技术水平。     

鲜熟面条贮藏品质变化及货架期研究

为了明确鲜熟面条在不同贮藏温度下品质指标的变化情况,确定出不同贮藏温度下鲜熟面条的货架期,将制作好的鲜熟面条分别于0、4、10、15、20、25℃条件下贮藏,定期取样,测定其感官品质、pH值、质构品质和菌落总数,分析各项指标随贮藏时间的变化及其差异。结果表明,不同贮藏温度下,随着贮藏时间的延长,鲜熟面条的感官品质、pH值、弹性和黏聚性逐渐降低,硬度则先增大后减小,菌落总数逐渐增大;在0、4、10、15、20、25℃的贮藏条件下,鲜熟面条的货架期分别为126、91、17、11、5、4 d;pH值、菌落总数是评价鲜熟面条货架期较好的指标,其阈值分别为6.24和10~(5.87)CFU/g;温度对鲜熟面条品质及货架期有显著影响,低温(0、4℃)贮藏可使鲜熟面条货架期延长至3个月以上。     

加热过程中虾头蛋白变性程度的表征方法比较

为选择适合虾头蛋白变性程度的表征方法,本研究以虾头中提取的混合蛋白为材料,在100 ℃下加热处理一定时间,通过溶解度法、SDS-PAGE法、圆二色谱法、荧光光谱法等定量表征蛋白质变性程度并比较。研究结果表明:溶解度法、SDS-PAGE法、圆二色谱法、荧光光谱法在表征加热过程中虾头蛋白变性程度上具有一致性,不同浓度的虾头蛋白在加热过程中变性程度都呈S型上升趋势,但在加热1~4 min之间变性速率存在差异,其中蛋白溶解度的变性程度对加热时间的灵敏度最为显著。这表明选择溶解度作为表征虾头蛋白变性程度的方法更加便捷。研究结果为食品加工过程中表征蛋白变性程度提供了方法参考。     

人工蜂群算法的一种改进

人工蜂群算法作为一种新生代的优化算法,近年来在众多科学领域中表现出一定的优势,但是其收敛速度并不高效,并且容易过早地陷入局部最优。首先通过对适应度选择进行改进,提高算法的收敛速度,同时结合模拟退火算法,一定程度上避免过早陷入局部最优。最后用一组基准函数进行实验,证明改进后的人工蜂群算法有更好的优化性能。     

基于Java平台的网元管理系统的设计与实现

提出一个基于Java的网元管理系统,首先对网管系统进行功能分析和结构设计,然后以此为基础,最后给出了网管系统的实现方法。     

基于高斯粒子CPHD滤波的多目标检测前跟踪算法

针对未知目标数条件下多弱小目标检测前跟踪(TBD)算法鲁棒性较低、运算量较大等问题,提出一种基于高斯粒子势概率假设密度(CPHD)滤波的多目标检测前跟踪算法.运用高斯函数近似目标状态的后验概率密度,采取粒子滤波的方法迭代更新CPHD中各高斯项的均值与协方差,无需重采样,避免了粒子退化和采样枯竭等问题;同时结合检测前跟踪算法的实际情况,得出粒子权值的更新表达式.仿真实验表明,与现有算法相比,所提出算法在降低复杂度的同时,可以更为可靠地传递目标势分布信息,从而提高多弱小目标数目和状态估计的准确性和稳定性.     

预制菜包装技术的发展概况及趋势

目的 综述预制菜包装材料和技术的应用,为进一步开发预制菜包装提供研究基础。方法 根据国内外预制菜包装的研究进展,介绍预制菜包装主要的材料和技术,及可用于预制菜包装的新型包装技术。结果 目前使用的预制菜包装技术有真空包装和气调包装等,需要加快对预制菜包装技术的研究和新型包装材料的应用,促进预制菜产业的发展和升级。结论 随着预制菜的迅速发展,预制菜的包装受到消费者的更多关注,新型的食品包装技术在预制菜领域具有广阔的发展空间。     

基于箱粒子滤波的鲁棒标签多伯努利跟踪算法

针对在未知杂波和检测概率的跟踪环境中标准的标签多伯努利(LMB)算法跟踪精度较低、粒子覆盖集过大致使复杂度较高的问题,引入区间分析技术,提出基于箱粒子滤波的鲁棒LMB跟踪算法。建立目标增广空间模型,基于箱粒子滤波方法,推导出有杂波状态标签和LMB元素标签的预测、更新方程,并用多目标箱粒子LMB滤波递推估计目标状态。仿真结果表明,当杂波和检测概率先验未知,与现有非标签、非鲁棒算法相比,所提算法可实现在低检测概率和高杂波强度环境下对目标的稳定跟踪,同时大幅度提高算法的运行效率。