壳聚糖/羧甲基淀粉/醋酸酯淀粉可食共混膜的制备

以壳聚糖(CTS)、醋酸酯淀粉(SA)、羧甲基淀粉(CMS)为基材,制备用于果蔬保鲜的可食共混膜。探讨不同共混比、增强剂丙酸钙含量对共混膜性能和保鲜效果的影响。结果表明:85℃条件下,当质量配比m_(CTS):m_(SA):m_(CMS)=2:2:1时,共混膜的拉伸强度最大,为42.30 MPa;当m_(CTS):m_(SA):m_(CMS)=1:1:3时,共混膜的拉伸强度最小,为26.70 MPa,但是其断裂伸长率最大,为28.50%;当m_(CTS):m_(SA):m_(CMS)=3:1:1时,共混膜的水蒸气透过量较好。通过添加丙酸钙,共混膜的断裂伸长率及水蒸气透过量等性能得到改善,并且对四季豆具有较好的保鲜效果。     

淀粉薄膜的研究进展

近年来,随着绿色环保的发展,淀粉薄膜因其来源广泛、价格低廉、完全可生物降解而备受关注。介绍了淀粉薄膜的研究意义及目的,综述了淀粉薄膜的制备工艺和纳米材料增强淀粉薄膜的研究进展,包括淀粉薄膜的生产原理、工艺优势和不同纳米增强材料对淀粉薄膜的影响,最后分析了淀粉薄膜研究中存在的问题,并对淀粉薄膜的发展进行了展望。未来研究可注重淀粉热塑性成膜工艺和纳米填料的理化改性,纳米材料协同增强将是淀粉薄膜重要的发展方向。     

淀粉薄膜的研究进展

针对黏稠食品灌装过程中高精度检测流量的难题,提出一种基于深度学习的高黏稠食品灌装流量实时检测方法。首先对采集到的流量相关过程变量进行序列化及归一化处理,转化为可供有监督学习网络处理的数据;然后对注意力机制下的长短时记忆神经网络(LSTM-Attention)进行训练和泛化,采用自适应矩估计优化算法(Adam),进而建立高黏稠食品灌装流量检测模型;最后将本模型检测所得流量值与其实际值进行对比,用均方误差函数(MSE)对该模型在灌装流量检测上的性能进行评价。通过与循环神经网络(RNN)、普通长短期记忆模型下流量检测的均方误差作比较,实验结果表明,本模型的流量检测精度较高,流量检测数据实时跟踪效果较好。