蓝柑风味糖浆货架期预测模型的建立与评价

本文主要阐述了蓝柑风味糖浆货架期预测模型的研究过程及方法,对蓝柑风味糖浆储存过程中多维度品质变化、保藏期限等进行评估预测。在4、27、37 ℃的贮藏条件下,通过对感官指标、可溶性固形物含量、pH、还原糖含量、羟甲基糠醛（5-hydroxymethyl-furfural,HMF）等多项指标变化的逐一分析,结合动力学模型和Arrhenius方程,完成了货架期预测模型的构建。结果表明,以感官得分为80分、可溶性固形物含量为85%、pH为2、还原糖含量为100%、羟甲基糠醛含量为35 mg/kg作为蓝柑风味糖浆货架期的终点,在4 ℃冷藏条件下,蓝柑风味糖浆的理论货架期约为48个月;20 ℃室温条件下,蓝柑风味糖浆的理论货架期约为24个月,货架期终点蓝柑风味糖浆的品质出现不可接受的损失。蓝柑风味糖浆货架期预测模型的建立,为糖浆类产品货架期预测建模提供了新思路。     

基于深度学习的通信信号自动调制识别技术

基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题,是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法,应用自编码技术进行特征提取,获得具有较好的抗干扰能力的特征集,然后使用BP神经网络对经过筛选的特征进行分类识别,实现了MQAM通信信号调制模式自动识别。仿真实验结果表明,所提出的方法分类识别效果好,有效提高了数字调制信号自动识别的抗干扰能力。