小米淀粉提取方法的比较

小米含淀粉约50%~60%。试验以小米为原料,采用碱液、表面活性剂、蛋白酶等方法提取小麦淀粉,分析提取方法对小米淀粉性质的影响。结果表明:0.2%NaOH提取的小米淀粉糊化温度较低,凝胶硬度较大,易于回生,溶解度和膨润力较大,对小米淀粉颗粒有一定程度的破坏。1%酶法提取的小米淀粉脂类和蛋白质的残留量较大,结构紧密,糊化温度和糊化黏度较高,溶解性和膨润力较差。1%SDS法提取小米淀粉的得率相对于碱法和酶法高,蛋白质残留量低,糊化黏度较高。综合考虑,表面活性剂法提取的小米淀粉能较好的反映小米淀粉颗粒的性质。     

高静压处理对小米淀粉和小米全粉中淀粉颗粒结构和糊化特性的影响

将小米淀粉及其全粉经300,450,600 MPa压力处理20 min,探讨不同高静压处理条件对小米淀粉及其全粉中淀粉颗粒结构和糊化特性的影响,为优化小米淀粉品质特性提供理论依据。结果表明：小米淀粉颗粒在较高的压力水平下发生明显膨胀,颗粒之间形成弱凝胶,黏度变化不大,崩解值和回生值下降。小米全粉中淀粉颗粒在较高压力水平下与表面物质络合,崩解值下降而回生值升高,说明高静压处理可以改善小米淀粉及其全粉中淀粉的颗粒结构和糊化特性。     

麻雀搜索算法优化BP算法结合高光谱预测小米米粉糊化特性

为了实现小米米粉糊化特征指标的批量、快速检测,探索计算机深度学习结合高光谱成像技术在小米米粉糊化特征指标预测方面的应用方法,本研究运用高光谱数据提取、预处理分步运算程序获得小米米粉平均光谱数据,并以该数据矩阵为基础,运用麻雀搜索算法（sparrow search algorithm,SSA）优化误差反向传播（error back propagation,BP）算法进行待测样品糊化特征指标回归、预测。结果表明,光谱数据预处理程序能够标准化并简化光谱数据提取、预处理过程,该程序在粉末及小颗粒样本光谱数据的提取、预处理过程中具有普遍适用性;运用BP算法及SSA优化BP算法对小米米粉糊化各特征指标进行预测,从预测值与测试值间均方误差（mean squared error,MSE）可以看出,各指标MSE均下降,以峰值黏度（peak viscosity,PV）为例,其MSE从0.026 6降为0.017 5,可知运用SSA优化BP算法能够提高小米米粉糊化特征指标预测精度,降低MSE。本研究结论可以为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑。     

高光谱图像光谱提取区域对猕猴桃糖度检测精度的影响

为了了解高光谱图像中光谱提取区域对果品糖度检测模型精度的影响,本文以"华优"猕猴桃为对象,分别提取了10×10、20×20和30×30(像素×像素)的正方形光谱区域以及样品掩膜图像的平均光谱,对平均光谱进行平滑去噪+标准正态变量变换预处理,用处理后的全光谱建立了预测猕猴桃糖度的偏最小二乘、最小二乘支持向量机、极限学习机和误差反向传播网络模型,分析了光谱提取区域对猕猴桃糖度检测精度的影响规律。结果表明,光谱提取面积的增加能够提升最小二乘支持向量机、极限学习机和误差反向传播网络模型的预测性能。基于猕猴桃掩膜图像的平均光谱所建立的最小二乘支持向量机模型具有最好的预测性能,其预测相关系数为0.97,预测均方根误差为0.86oBrix,相对预测误差为4.06。研究说明在高光谱图像中选择合适的光谱提取区域有助于提高模型的预测精度。     

不同品种小米淀粉理化性质的比较研究

以碱法提取的10种小米淀粉为原料,通过与玉米和马铃薯淀粉对比,对其理化性质进行研究,旨在为小米及其淀粉的深加工利用提供参考。结果表明,小米淀粉的直链淀粉含量在19．77％-35．69％之间,品种之间存在显著性差异;溶解度显著低于马铃薯及玉米淀粉,其中九谷11号的溶解度最高;膨胀度在12．43％-18．77％之间,介于马铃薯淀粉和玉米淀粉之间;透明度显著低于马铃薯淀粉,品种之间存在显著性差异;冻融稳定性显著优于玉米淀粉,比马铃薯淀粉差;凝沉性试验表明其稳定性显著优于玉米淀粉。     

基于高光谱成像技术的薯麦混合粉淀粉含量检测

为快速无损检测薯麦混合粉中的淀粉含量,在近红外（900～2 500 nm）的光谱范围采集样品的高光谱图像,通过对比原始光谱和七种不同预处理后的光谱数据建立偏最小二乘回归（Partial least square regression,PLSR）,支持向量机回归（Support vector machine regression,SVMR）模型效果,确定多元散射校正法（Multiplicative scattering correction,MSC）为最佳预处理方法。采用竞争性自适应加权法（Competitive adaptive reweighted sampling,CARS）和连续投影算法（Successive projections algorithm,SPA）提取特征波长,建立PLSR和多元线性回归（Multiple linear regression,MLR）模型,结果表明SPA显著的降低了模型的复杂度,SPA-MLR模型检测集的决定系数（R2P）为0.9181,检测集的均方根误差为0.4214%。通过高光谱图像可视化,实现薯麦混合粉淀粉含量检测,为快速无损检测薯麦混合粉中的淀粉含量建立了一种新方法。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

高乳化稳定性小米淀粉Pickering乳液的制备

淀粉基Pickering乳液在食品、医药、化妆品等领域的研究日益广泛。为获得高乳化稳定性淀粉基Pickering乳液,作者采用超声辅助辛烯基琥珀酸化、球磨处理改性小米淀粉,通过测定取代度、水解度、特征官能团、结晶结构、微观形貌、粒径及乳化指数等指标,研究了小米淀粉乳化能力及影响其稳定性的因素。结果表明,超声处理提高了小米淀粉酯化反应效率和取代度,OSA基团主要接枝在小米淀粉无定形区,少量进入了结晶区;球磨破坏了OSA小米淀粉的颗粒形态和晶体结构;随着球磨时间和OSA小米淀粉添加量的增加,OSA小米淀粉形成Pickering乳液的能力和乳化稳定性显著增加。超声辅助辛烯基琥珀酸化结合球磨处理是一种制备高乳化稳定性淀粉基Pickering乳液的有效方法,有助于拓展淀粉资源在Pickering乳液领域的开发利用。     

基于不同波段的何首乌多糖及总糖高光谱成像检测方法

为实现何首乌内部品质的快速分级与评价,针对多糖和总糖含量两个何首乌品质指标,研究何首乌多糖和总糖含量与光谱间的关系,建立BP神经网络预测模型,探寻何首乌中多糖和总糖含量的无损检测方法。结果表明:基于全波段下的光谱信息的特征参量所建立的BP神经网络预测模型最佳,何首乌多糖含量预测的平均正确率为98.88%,相关系数平均值为0.996 2,均方根误差平均值为0.068 8;总糖含量预测的平均正确率达100%,相关系数平均值为0.993 5,均方根误差平均值为0.252 5。该研究为何首乌多糖和总糖含量的无损检测方法的实现提供理论依据,对实现何首乌内部品质的评定具有重要的现实意义。     

浸泡温度及米水比例对小米淀粉糊化特性的影响

采用RVA(快速黏度分析仪)方法,对浸泡温度、米水比例对金谷米和金苗米淀粉的RVA特性的影响进行分析研究.结果表明:不同品种、不同浸泡温度、不同米水比例对小米淀粉的糊化温度有显著性影响,当浸泡温度高于60 ℃时,小米淀粉的RVA特性发生明显变化,最适的浸泡温度是20～40 ℃,最适米水比例为1:5(W:V).     

银杏淀粉提取工艺研究

以银杏为原料,NaOH为浸泡剂,进行银杏淀粉提取工艺研究。探讨了碱液浓度、料液比、浸泡时间、浸泡温度对淀粉提取率的影响,并用正交试验确定了银杏淀粉的最佳工艺。结果表明,银杏淀粉提取的最佳工艺条件为:碱液质量分数为0.4%,料液比1∶7,浸泡温度45℃,浸泡时间3h。在此条件下,银杏淀粉的提取率为73.5%。     

复合酶法提取小米多酚及其抗油脂氧化作用的研究

以东方亮1号小米为原料,采用复合酶法提取多酚类化合物并对其进行了抗油脂氧化作用的评价。在单因素试验基础上设计响应面试验优化了其工艺条件,结果表明:纤维素酶和果胶酶的最佳比例为7∶3,酶浓度为1.1%,酶解时间为88min,酶解温度为58℃,pH值为3.0。在此条件下,小米多酚得率为1.521%±0.004%。在抗油脂氧化的分析中,得出小米多酚和大豆油的最佳混合比例为0.02%。相同条件下,测定的小米多酚、叔丁基对苯二酚(TBHQ)、丁基羟基茴香醚(BHA)、2,6-二叔丁基-4-甲基苯酚(BHT)的抗油脂氧化作用为:TBHQ>小米多酚>BHA>BHT,这表明小米多酚对油脂的氧化能起一定的抑制作用,为天然提取物在调味品等食品行业的应用提供了一定的理论基础。     

基于机器视觉的病虫害检测综述

作物病虫害直接影响作物的代谢过程,是降低作物的产量和品质的主要威胁之一,给农民造成了大量的经济损失。实现快速、准确的病虫害检测和分类识别,对农民及时采取有效的防治措施具有重要意义。目前,利用机器视觉技术实现农作物病虫害检测具有很好的前景,可以有效的克服人工识别速度慢、误判率高的不足,对于加快农业产业智能化,以及病虫害防治的智能化水平的提高都有很好的借鉴价值。结合近年来国内外学者研究进展情况,本文就病虫害检测方面的应用进展进行综述,并展望了未来的研究方向,以期为后续研究工作提供参考。     

近红外光谱结合极限学习机的榛子蛋白质含量检测

以毛榛与平榛作为研究对象,将去壳后的毛榛与平榛分别制成90组与60组试验样本,获取波长范围为900 nm～1700 nm的原始光,同时,通过凯氏定氮法测得其中蛋白质含量真实值,并通过对比研究一阶(1-der)导数、二阶(2-der)导数、多元散射校正(multiplicative scatter correction,...     

基于机器视觉的织物疵点检测技术探讨

针对传统人工视觉检测技术的缺陷,建立一种基于机器视觉的织物疵点检测技术方案。在深入讨论检测系统硬件设计的基础上,重点讨论了织物疵点检测流程、获取织物特征的拟合方法、疵点特征提取流程、织物疵点分类与织物等级评定等。同时,讨论了织物疵点自动检测系统实际应用时应注意的几个关键问题。为快速、准确、有效的检测织疵,提升检测技术水平和加强产品质量控制,具有十分重要的现实意义。     

NIR高光谱成像技术联用SPA算法 快速检测五花肉的过氧化值

利用近红外(NIR)高光谱成像技术结合连续投影算法(SPA)快速、无损检测五花肉的过氧化值。通过高光谱成像系统采集样品的光谱图像,提取其反射光谱信息,经过基线校正(BC)、高斯滤波平滑(GFS)、中值滤波平滑(MFS)、卷积平滑(SGS)、移动平均值平滑(MAS)、标准正态变量变换(SNV)、多元散射校正(MSC)七种预处理后,利用偏最小二乘(PLS)建立预测模型。使用SPA筛选最优波长,重新预算,构建优化的PLS模型和多元线性回归(MLR)模型。结果显示,经过BC预处理(R_P=0.960,RMSEP=5.15×10^-4g/100 g)和原始数据RAW(R_P=0.960,RMSEP=4.89×10^-4g/100 g)的全波段PLS模型(F-PLS)预测过氧化值效果较好。优化结果显示,RAW的MLR模型(R_P=0.968,RMSEP=4.12×10^-4 g/100 g)预测效果更好。研究表明,NIR高光谱成像技术联用SPA算法可潜在实现对五花肉过氧化值的快速无损检测。     

基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

通过顶空固相微萃取结合气相色谱-质谱联用采集挥发性成分指纹图谱,采用极端梯度提升算法建立回归模型,运用极端随机森林的变量重要性评估、sklearn特征选择模块中的单变量线性回归测试（F_regression）以及连续目标变量的互信息（mutual_info_regression）确定有效建模变量,对白酒的贮存时间进行鉴别。模型的R2评估结果为0.987,预测模型可靠性较好,为白酒酒龄的判断提供了新思路。     

基于IRAE-HS-SPME/GC-MS分析杀青方式对绿茶栗香形成的影响

为探明创新型联合杀青方式对绿茶栗香形成的影响,以滚筒杀青为对照,设定滚筒-微波、滚筒-远红外、滚筒-微波-远红外、滚筒-远红外-微波联合杀青,共5 种方式,结合感官审评,通过气相色谱-质谱检测成品茶样香气成分68 种,采用偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）、层次聚类分析、香气活度值法、差异显著性分析等探明绿茶栗香形成的最佳杀青方式,寻找栗香关键组分。结果表明,滚筒联合远红外有利于栗香品质的提升,其中以滚筒-远红外-微波联合杀青可获得高扬持久的栗香,且滋味鲜爽,整体品质最优;滚筒联合远红外杀青处理利于高沸点醇类、酮类、芳香烃类如芳樟醇、反式-β-紫罗酮等的转化与形成,以滚筒-远红外-微波处理含量显著最高;PLS-DA及层次聚类分析可根据栗香强度将不同类杀青方式准确区分及聚类,结合香气活度值,明确反式-β-紫罗酮、芳樟醇、顺-3-己酸己烯酯、壬醛、香叶醇、苯乙醛6 种物质为栗香关键组分。本研究可为定向化、标准化生产优质栗香绿茶提供理论基础和技术指导。