低温连续相变萃取灵芝活性成分的工艺优化

本研究利用低温连续相变萃取工艺提取灵芝活性成分,以灵芝提取固形物、总糖、总三萜得率为主要指标,研究提取温度、提取时间、提取溶剂、溶剂浓度等因素对低温连续相变萃取灵芝活性成分的影响,通过正交实验确定最佳低温连续相变醇提灵芝活性成分的最佳工艺条件,并对该最佳工艺水提成分的总糖分子量情况分布进行GPC(凝胶渗透色谱)分析。实验结果表明:低温连续相变萃取灵芝活性成分的最佳工艺为:水提温度100℃、解析温度78℃、水提溶剂流速30 L/h、水提总时间5 h,水提后醇提,醇提温度85℃,解析温度68℃,醇提溶剂流速28 L/h、醇提总时间4 h。低温连续相变萃取灵芝固形物得率为7.56%,总糖得率为1.14%,总三萜得率为1.17%,比传统水提工艺分别高15.60%、23.91%和333.33%。根据水提液GPC谱图,发现低温连续相变萃取工艺较传统工艺要多2种组分。采用低温连续相变萃取工艺萃取灵芝活性成分,其活性成分得率显著提高,且多糖组分保留较多,适宜大批量工业化生产,本研究为灵芝的深加工提供了一定的理论支持。     

结合BiLSTM和注意力机制的视频行人再识别

目的 跨摄像头跨场景的视频行人再识别问题是目前计算机视觉领域的一项重要任务。在现实场景中,光照变化、遮挡、观察点变化以及杂乱的背景等造成行人外观的剧烈变化,增加了行人再识别的难度。为提高视频行人再识别系统在复杂应用场景中的鲁棒性,提出了一种结合双向长短时记忆循环神经网络（BiLSTM）和注意力机制的视频行人再识别算法。方法 首先基于残差网络结构,训练卷积神经网络（CNN）学习空间外观特征,然后使用BiLSTM提取双向时间运动信息,最后通过注意力机制融合学习到的空间外观特征和时间运动信息,以形成一个有判别力的视频层次表征。结果 在两个公开的大规模数据集上与现有的其他方法进行了实验比较。在iLIDS-VID数据集中,与性能第2的方法相比,首位命中率Rank1指标提升了4.5%;在PRID2011数据集中,相比于性能第2的方法,首位命中率Rank1指标提升了3.9%。同时分别在两个数据集中进行了消融实验,实验结果验证了所提出算法的有效性。结论 提出的结合BiLSTM和注意力机制的视频行人再识别算法,能够充分利用视频序列中的信息,学习到更鲁棒的序列特征。实验结果表明,对于不同数据集,均能显著提升识别性能。     

广式酱油中微生物蛋白组学分析样本的制备

广式酱油发酵周期长、微生物种群多样、代谢物复杂,缺乏微生物蛋白组学分析的样本制备方法。该研究通过比较改良的TCA浓缩法和超滤法两种蛋白纯化方法,利用SDS-PAGE凝胶电泳和LTQ Orbitrap Velos Pro ETD质谱检测酱油微生物宏蛋白组样本制备效果。实验结果表明：TCA浓缩法制备的蛋白样品,其SDS-PAGE凝胶图谱有26个清晰条带,比超滤法多13个;两种法所制备的蛋白经胰蛋白酶酶切后的质谱图可分别鉴定到的2 495和1 682个肽段,说明TCA浓缩法制备的蛋白样品酶切更充分;不同发酵时期（0、60、120 d）的酱油经TCA浓缩法制备的蛋白样品,烷基化、酶切后,通过LTQ Orbitrap Velos Pro ETD质谱检测和Proteome Discoverer 2.5软件分析,可分别鉴定到1 035、1 104、1 046种蛋白质。通过TCA浓缩法制备蛋白组分析样本,操作简便,实验速度快,蛋白质鉴定率高,适用于广式酱油微生物的蛋白质组学的检测分析,为利用蛋白组学分析广式酱油的微生物发酵分子机制打下了一定的基础。