不同储藏期大米蒸煮气味的检测及可视化分析

大米在储存、流通、销售等过程中,由于环境因素的变化会不可避免地发生陈化现象,产生"陈米臭"。米饭作为大米最为普遍的食用方式,其气味是消费者对其品质评价的重要指标。本研究采用GC-MS技术对不同储藏期大米(0,2,4,10个月,并利用感官评定法对其气味进行评定)的蒸煮气味进行分析,在此基础上利用嗅觉可视化技术对其进行检测。试验结果表明,醛类物质是大米陈化过程中对其蒸煮气味影响最大的挥发性气体。根据主成分分析可知,利用蒸煮气味的不同可实现大米新鲜度的判别。采用嗅觉可视化技术结合线性判别法,对储藏时间分别为0,2,4,10个月的大米及涂蜡处理大米(10个月)检测,检测率为96%。嗅觉可视化技术与GC-MS技术相比无需前处理,检测速度快,可实现大米陈化快速、无损的检测,具有很高的应用潜力。     

基于GC-MS与多变量分析方法的不同储藏期大米挥发特征气味的鉴定与识别

通过顶空固相微萃取结合气相色谱质谱联用技术(GC-MS)对两个品种的大米(苏软香型米和武育粳米)在陈化过程中的挥发性气体进行分析。本研究采用主成分分析(PCA)载荷因子分析不同储藏时间大米特征挥发气体,其中对不同储藏时间的苏软香型米的贡献率较大的挥发性物质有壬醛,2-甲基丁醛,正己醛,2-戊基呋喃,而区分不同储藏时间的武育粳米的标志性物质有1-辛烯-3醇,正己醛,18-冠醚-6,丙酮,15-冠醚-5。通过相关性分析表明,各挥发气体之间相关性普遍较小。本研究采用主成分分析结合线性判别法(LDA)对两个品种不同储藏期大米进行分析,研究结果表明,当主成分数为6时,不同储藏期大米均被100%识别。此外,本研究采用聚类分析对两个品种不同储藏时间大米进行分类,研究结果表明,十个批次的大米可以被分为苏软香型新米,苏软香型陈米和武育粳米三大类,这较好的验证主成分分析的结果。     

改进的元胞自动机交通仿真模型研究

交通问题是非线性的,很难用解析的方法求解,因此,交通仿真就成为研究和解决交通问题的重要工具。但传统的元胞自动机(CA)模型由于模型本身的原因,只能适用于较大尺度的交通仿真研究。文章对传统的CA模型进行改进,提出了时间和空间划分粒度可控的CA模型。新的模型保留了CA并行性的特点,因而模拟效率高。此外,新模型的时空结构使得任何微观仿真新模型的研究成果方便的加入元胞自动机模型的规则中,从而能更加接近实际。最后,采用仿真实例对新模型的仿真结果进行分析,证明了模型的有效性。     

逆F类功放数字预失真改进算法

针对逆F类射频功率放大器高效率实现带来的严重的非线性失真,提出基于幅度索引的查找表(LUT)模型数字预失真改进算法,以获得具有高线性和高效率的逆F类射频放大系统。由于逆F类功放复杂的特性曲线,传统LUT数字预失真算法已经不能很好地拟合功放模型,为此采用非均匀取点拟合,并且结合多项式、EWMA和平滑等曲线拟合方法。实验结果表明:运用该方法,使3载波WCDMA信号施加到中心频率为930 MHz的逆F类功率放大器后的非线性失真现象明显改善。     

基于声学特性的鸡蛋蛋壳裂纹检测

通过自行研制的一套禽蛋裂纹检测装置,采集并分析敲击鸡蛋产生的响应信号,检测裂纹鸡蛋。采用基于归一化最小均方算法的自适应滤波器对信号进行去噪处理。结果表明：经自适应滤波后,敲击响应信号的分辨率和灵敏度均有显著提高。提取经滤波去噪后的鸡蛋敲击响应信号功率谱的5 个特征参数,作为误差反传人工神经网络模型的输入向量进行判别。判别模型对实验鸡蛋的交互验证训练集和独立样本预测集的判别率均为97%。     

基于直接强度法的GC-O嗅闻分析不同醋龄镇江香醋香气活性成分

采用基于直接强度法的气相色谱嗅闻(GC-O)结合气相色谱质谱联用(GC-MS)分析4个醋龄镇江香醋香气活性成分。结果表明:在4个醋龄镇江香醋中共检测到50种香气活性成分,主要是酸、醇、酯、醛、酮和杂环化合物以及部分未能鉴定的香气活性成分。不同醋龄镇江香醋香气轮廓差异非常明显,新醋和经陈酿的镇江香醋风味轮廓差异显著,而经过较长时间陈酿的镇江香醋香气轮廓非常相似。大多数杂环化合物随镇江香醋醋龄的增加,香气强度显著增加。杂环化合物的差异是不同醋龄镇江香醋风味特征差异的主要原因之一。除食醋的主要呈味物质乙酸外,3-甲基丁酸、3-甲基丁醛、2,3-丁二酮、三甲基吡嗪以及一种未能鉴定的组分是不同醋龄镇江香醋香气最基本的组成成分。     

基于声学特性的鸡蛋蛋壳强度检测的研究

蛋壳强度的研究对减少禽蛋因超载荷压缩而引起的破损有重要意义。自行研制了一套禽蛋蛋壳强度检测装置。首先,采集敲击鸡蛋产生的响应信号,通过快速傅里叶变换(FFT)获取其功率谱,再采用常规准静态压缩方法检测鸡蛋最大承受应力,最后利用主成分回归法建立鸡蛋最大承受应力的预测模型。该方法与常规的静态压缩方法检测得到的结果有一定的相关性,相关系数为0.71。研究结果表明基于声学特性的鸡蛋蛋壳强度检测方法是可行的。     

基于嗅觉可视化技术和气相色谱-质谱联用鉴别霉变小麦

采用气相色谱-质谱联用技术对不同霉变程度小麦的挥发性气体进行检测,利用主成分分析法对检出的气体成分进行分析能有效地将不同霉变程度的小麦进行区分,为霉变小麦的可视化鉴别提供实验基础;采用嗅觉可视化技术与最近邻域和线性判别结合的方法,对不同霉变程度小麦进行检测,建立的最近邻域模型和线性判别模型的识别率分别为95.83%和85.40%。结果表明,嗅觉可视化技术可实现对霉变小麦快速、无损、准确检测,具有很大的应用潜力。     

入仓期玉米象感染不同时期小麦重量损失的研究

研究了粮食入仓过程中小麦感染玉米象造成的小麦重量损失.主要研究结果为:7月份入仓的小麦,小麦中的玉米象的虫口密度在2头/kg以上,小麦的水分在12%以上,在20 d后小麦重量将发生明显的变化.玉米象(米象)的虫口密度在1头/Kg以内,或小麦的水分在11%以内,小麦的重量损失发生明显变化推迟至一个月.8月份入仓的小麦,小麦中的玉米象的虫口密度在2头/kg以上,重量损失发生在15d内.9月初入仓的小麦,小麦中的玉米象虫口密度在2头/kg以上,小麦发生明显重量损失提前至10d.研究表明不同的玉米象虫口密度、小麦水分和不同的害虫感染时间可造成不同的粮食重量损失.因此,在发生明显的重量损失之前必须做出相应的防治措施.     

赤拟谷盗密度对不同破碎率小麦重量变化影响的研究

温度25℃、相对湿度50%条件下,研究破碎率为1%、2%、3%、4%、5%、6%和小麦感染赤拟谷盗成虫起始密度为1对/100 g、3对/100 g、5对/100 g条件下重量变化的情况.结果显示:感染害虫70 d的时间里试样基本总体重量增加,尽管小麦中有害虫存在和取食,但是取食造成的重量损失没有样品吸湿增重大.害虫密度越大虽对样品重量减少影响越大,而总体重量影响很小.试验又发现,小麦破碎率从1%增加到5%时,总体重量增加百分率呈下降趋势,从5%增加到6%,总体重量增加百分率又有增加,表明破碎率低时害虫危害损失较少,样品吸湿增重影响也小;破碎率高本应害虫取食减重较多,而吸湿造成的增重超过减重.