一种评价涂布过程中纸张粗化程度的新方法

采用特殊处理后的打印机润湿纸张,通过调整打印图片的灰度准确控制纸张的润湿量.之后用光学轮廓仪和探针台阶仪测定了纸张遇水前后的表面均方根粗糙度(Rq)变化,并对Rq值进行了带通滤波分析.结果显示,1.28～2.56 mm的纤维组分是造成含高得率浆纸张粗化的主要原因.以最大熵原则作为阈值的选取标准测定了二值化后的纸张涂层覆盖率.结果表明,依照此原则进行二值化可以较真实地反应涂层的覆盖情况,测定的涂层覆盖率结果可间接反映纸张的遇水粗化程度.     

用杨木高得率浆取代高档纸中硬木硫酸盐浆及其对AKD施胶的影响

含高得率浆纸页的施胶度比不用高得率浆的高,在添加AKD之前添加PEI可进一步改善纸页的施胶度,PEI可采取单独添加到高得率以及添加到高得率浆与硫酸盐浆的混合浆中两种方式.用这两种方法添加PEI时,其施胶度的差别可用PEI不同的功能进行解释:中和高得率浆中的阴离子垃圾和改善AKD施胶效率.PCC作填料,对含和不含高得率浆纸页的施胶有负作用.     

含高得率浆涂布纸的粗化及其影响因素

该文介绍了含高得率浆涂布纸的粗化现象及其对纸张质量的影响，总结了影响纸张粗化程度的主要因素，并对近年来国内外相关的研究成果进行了简单介绍。     

不同废纸脱墨制浆性能的研究

在实验条件下,从灰分与纤维组成等方面对不同废纸进行了比较分析,研究了不同废纸脱墨浆的光学性能、油墨含量、物理强度性能等.研究发现,不含机械浆纸的白度高,其成浆残余油墨最低,尘埃少,强度相对要好,能满足配抄白度为85％文化纸生产要求.含机械浆纸脱墨制浆得率高,制浆成本低,但因其脱墨浆固有的低白度、高尘埃,无法满足高比例脱墨浆配抄文化纸生产的要求.     

含高得率浆纸料中DCS的絮聚行为研究

主要探讨高得率浆中DCS(胶体性和溶体性物质)在造纸湿部的絮聚行为.研究结果表明,通过动态滤水仪(DDJ)和光度分散分析仪(PDA)可以高效、直观地表征含高得率浆纸料中PCC填料的动态絮聚行为;利用原子力显微镜(AFM)图像,可分析高得率浆中的DCS被阴离子垃圾捕集剂(ATC)中和、絮聚的状态,并推断出DCS絮聚体吸附于纤维或细小组分的表面.     

不同来源废纸脱墨制浆性能研究

通过对多种废纸质量分析与废纸脱墨制浆实验,研究了含机械浆纸与不含机械浆纸的差异,以及国内回收废纸与进口废纸的差异。结果表明:进口废纸除#8美废外观质量相对较差外,总体质量要优于国内回收废纸。不含机械浆纸的白度高,强度相对要好。#8废纸油墨含量最高,#10废纸的油墨去除率最高,不含机械浆纸其成浆的残余油墨最低。#8废纸制浆得率最高,国内回收废铜版纸的得率最低。因#8废纸脱墨浆固有的低白度、高尘埃,无法满足文化纸生产的要求,以#10纸脱墨浆为主配抄生产,能满足白度85%ISO文化纸生产要求。     

利用荧光增白剂（FWAs）抑制高白度、高得率浆的返黄

本文研究了二氨基二苯乙烯类型的荧光增白剂（FWAs）对阔叶木BCTMP浆的光稳定作用。在BCTMP手抄片表面涂饰0．1％～0．5％的FWA可以抑制返黄程度的25％。用聚乙二醇可以改善FWA的光稳定效果，可能是它改善了FWA在纤维表面的覆盖情况。对FWA处理过的BCTMP手抄片，白度（不包括荧光增量）检测表明，FWA对抑制光致返黄具有明显的作用。抗老化剂和FWA协同处理BCTMP，可全面改善BCTMP的光稳定性。 应用：FWA在BCTMP或BCTMP／kraft浆料中的应用效果表明FWA可以降低含高得率浆纸页的返黄。     

几种典型含机械浆纸的加填

纸张加填不仅可以降低生产成本.更能赋予纸张较好的光学及表面性能.本文介绍了几种典型含机械浆纸如SC纸、新闻纸及LWC原纸的加填.     

轻度霉变大麦制麦实验

含水分１３．６％的大麦，麦粒含霉量大，制得的麦芽糖化不仅过滤时间长达４小时以上，且糖化得率仅４．３￣４．４，比正常５．８￣６．０低得多，采用调ｐＨ值至微碱性某值，经数小时浸麦后不仅可使麦粒含霉量大幅度下降，且制得麦芽糖化得率可上升至５．５，过滤时间在２小时。     

高得率桦木硫酸盐浆的制备与特性

桦木是我国东北地区资源储量比较丰富的阔叶树种之一。它与落叶松等针叶木相比，易于成浆，且成浆得率高。我们采用化学法和机械法结合的方式制备出不同得率的硫酸盐高得率桦木浆，并重点对不同得率的桦木浆的强度性能、抄造性能及光学性能进行了分析和研究。1原料特征1．1木片的制备及规格采用黑龙江小兴安岭桦木，直径20cm左右，经100％剥皮后进行削片，木片长度15～30mm，宽度＞smm，厚度＜6mm，木片恒湿后用于蒸煮制浆。1．2木材化学成分冷水抽出物1．6％，热水抽出物2．36％，l％NaOH抽出物21．2％，纤维素53．43％，聚戊糖25．9％，…     

装饰原纸损纸浆配抄对纸张性能的影响

将装饰原纸损纸回收并打浆,再与原生浆按照一定比例配抄,探讨了损纸浆的打浆度和配抄量对纸张性能的影响。结果表明,损纸浆打浆度为21～46°SR且配抄量低于40%时,可在满足装饰原纸光学、强度、吸收和填料留着性能的前提下降低成本;扫描电镜分析结果表明,损纸回抄有利于改善TiO₂填料在装饰原纸中的分散性能。     

近红外光谱技术结合波段筛选用于白酒基酒总酯定量分析

采用近红外光谱（NIRS）分析技术对白酒基酒中的总酯含量进行定量分析,通过偏最小二乘法（PLS）法建立分析模型,同时后向间隔偏最小二乘法（BiPLS）对整个谱区进行光谱特征波段筛选。用决定系数（R2）、校正均方根误差（RMSEC）以及预测均方根误差（RMSEP）对模型进行评价。结果表明：特征波段筛选能够对基酒总酯模型起到显著的优化作用,模型的决定系数R2从0.484提升至0.937,RMSEC及RMSEP值分别从0.490、0.476降低至0.172和0.177,在减少模型复杂程度的同时,有效地提高了模型的稳定性与准确度,经过基酒盲样验证,说明波段优化所建立的模型有较为准确的预测结果。     

基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。     

白酒基酒中典型醇的近红外预测模型构建

采用气相色谱法测定白酒基酒中的正丙醇、正丁醇、正戊醇和异戊醇的含量作为建立近红外预测模型的化学值,将近红外光谱图结合偏最小二乘法和内部交互验证法建立基酒中典型醇的快速检测模型,并进一步优化模型。确定了最优光谱预处理方法和最佳谱区,正丙醇、正丁醇、正戊醇和异戊醇的校正集样品的真实值与近红外预测值的决定系数（R2）分别为0.952、0.981、0.963和0.981,内部交互验证均方根误差分别为0.27、0.49、0.101?mg/100?mL和0.67?mg/100?mL;验证集的决定系数（R2）分别为0.947、0.980、0.928和0.952,预测均方根误差分别为0.40、0.81、0.49?mg/100?mL和1.35?mg/100?mL。结果表明建立的典型醇近红外快速检测模型的准确度、稳定性及预测性能均呈现良好,为白酒基酒的醇类物质品质分析方法研究提供了新的思路。     

可食性大豆皮果胶膜的制备及膜性质的研究

研究以大豆皮果胶为基质,添加壳聚糖、聚乙烯醇、甘油后形成的果蔬保鲜复合膜,并分析复合膜的感官性质、膜厚度、透湿性、抑菌性以及红外光谱。通过均匀试验设计,结果表明：由质量分数0.2%果胶、0.6%壳聚糖、0.3%聚乙烯醇、0.3%甘油混合制得的涂膜液具有较好的应用前景。     

分子光谱技术结合深度学习模型识别食用植物油种类

为实现对食用植物油的快速无损识别，采用衰减全反射-傅里叶变换红外光谱获取10种食用植物油样本的340份谱图数据，经过预处理消除光谱数据中的噪声与背景干扰，通过主成分分析降维特征提取3个主成分，在此基础上构建KNN模型与基于SSA算法优化的BP神经网络模型，对植物油种类进行识别并对识别效果进行比较。结果表明：KNN模型的识别准确率可达97.7%;基于SSA算法优化的BP神经网络分类效果最佳，识别准确率达100%,而传统BP神经网络模型识别准确率仅为87.6%。综上，建立的分子光谱技术结合深度学习模型识别食用植物油种类的新方法，实现了对食用植物油种类的准确识别。     

基于谱线特征的羊绒与羊毛的鉴别

为快速区分和检验羊毛、羊绒,提出基于羊毛与羊绒谱线特征的识别方法。这种方法先通过光学显微镜获得羊毛与羊绒的图像,然后经过图像处理得到羊毛与羊绒的表面信息。接着通过投影的方式,获得羊毛与羊绒表面所对应的谱线。对获得的谱线进行分割,根据羊毛及羊绒谱线的特性不同,提取羊毛及羊绒谱线的单元宽度值、单元峰值及离散系数、峰值宽度比等参数;最后通过对这些参数的分析处理进行识别。实验结果表明,采用这种方法识别羊毛及羊绒,不仅快速准确,而且与以往的方法相比,在精度和速度上都有显著的提高。     

基酒FT-NIR光谱预处理与特征波筛选方法的比较

为解决白酒基酒分类的问题,降低基酒的分类误差,减少基酒对摘酒师傅身体的危害,本实验选取18种预处理以及3种特征波筛选方法来较少光谱中的无关干扰信息,降低建模数据复杂度。基酒的傅里叶近红外光谱（Fourier Transform Near Infrared Spectroscopy,FT-NIR）经过光谱理化值共生距离法（SPXY）划分数据集、预处理、马氏距离（MD）异常剔除、特征波筛选、支持向量机回归（SVR）预测来完成最终的分类。研究发现：多元散射校正（Multiplicative Scatter Correction,MSC）后的训练集预测集分类准确率可以达到100%,主成分分析（Principal Component Analysis,PCA）与特定算法结合才能实现准确分类,因此要注意与其他算法的组合,无信息变量消除法（Uninformative Variables Elimination,UVE）和竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling,CARS）都能实现高效的特征波选择,预测集的平均准确率接近90%。实验证明,经过处理后的光谱数据最多占原数据的47.57%,基酒近红外谱图经过预处理与特征波筛选后可以降低后期回归模型处理数据的复杂程度,提高模型的精确度。     

傅里叶变换红外光谱和紫外光谱数据融合对牛肝菌种类的鉴别

采集5?种共272?份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正（multiplicative signal correction,MSC）及二阶导数（second derivative,2D）等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）模型和支持向量机（support vector machine,SVM）判别模型。结果显示：1）经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D＋MSC预处理优化了光谱信息并提高了分类准确度;2）基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3）中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。