不同熬煮时间对台湾泥鳅汤蛋白组分及抗氧化能力的影响

以台湾泥鳅为研究对象,分析不同熬煮时间(30、60、90、120、150 min)对泥鳅汤蛋白组分和抗氧化能力的影响。结果表明:随着熬煮时间的增加,汤中可溶性蛋白质含量显著(P<0.05)上升,在150 min达到18.49 mg/mL,同时汤中蛋白质水解成不同大小的短肽以及游离氨基酸。泥鳅汤中总游离氨基酸含量、必需氨基酸含量、鲜味氨基酸含量随熬煮时间的增加先上升后下降,在90 min时,总氨基酸含量最高到达2957.2 μg/mL,鲜味氨基酸含量为1296.7 μg/mL。随着熬煮时间的增加,泥鳅汤的ABTS+·清除率和DPPH·清除率均呈上升趋势,尤其是DPPH·清除率在熬煮30~90 min范围内从11.66%上升到84.10%。因此在熬煮90 min时,泥鳅汤的营养品质和抗氧化能力均较好。     

基于上下文感知的普适服务框架

为了更好地适应用户的个性化需求和普适计算环境的特征,提出一种基于上下文感知的普适服务框架。该框架包括服务呈现层、服务管理层、服务提供层和上下文感知层。通过基于社区的服务管理方式来屏蔽普适计算环境中服务的异构性、分布性,动态地感知与当前计算环境和用户活动相关的上下文信息,采用基于上下文的服务推荐机制为用户提供个性化的服务,从而更好地适应人的意图和环境 因素。     

面向普适计算的应用共享模型

为了有效共享普适计算环境中分布、异构的应用资源,提出了一种以用户为中心的应用共享模型U-ASM,定义了U-ASM 的基本概念和结构,从用户、服务提供者等不同层面对应用资源进行抽象;利用应用资源的语义关系,对应用资源进行语义建模,通过虚拟化技术构建应用资源的逻辑视图;通过应用资源共享原型,验证了模型的可行性和有效性.该成果已应用于国家科技基础条件平台建设计划,灵活性和扩展性良好.     

面向冷链物流的区块链技术方案研究与实现

目前的冷链物流系统大都采用中心化的解决方案,数据管理由物流企业独自完成,出现了一系列信任问题。针对这些问题,提出了一种面向冷链物流行业的区块链技术解决方案,利用区块链特有的去中心化、去信任化的特点,针对订单数据和环境数据分别设计上链系统,实现了订单数据安全上链、冷链环境数据实时上链以及物联网设备的身份认证与权限控制机制,提高了冷链物流行业的可信性和数据的安全性。通过系统原型实现与测试,表明该方案可以满足业务需求,对冷链物流行业有重要影响。     

物理场技术在水产品冷冻冷链中的应用

在冷链流通过程中, 对新鲜水产品进行冷冻处理能够大大提高其保质期。然而, 传统的冷冻和解冻方法有传热效率低、耗时较长的缺陷, 且难以控制冰晶对食品原料的损伤。所以冷冻水产品经常会面临一系列的质量问题, 如质构劣化、蛋白质变性、持水能力下降等。因此有必要采用高效的冷冻/解冻技术以防止品质劣变。相比于传统方法, 基于物理场(如高压、超声、电场等)的新型冷冻和解冻技术具有高冷冻/解冻速率、低能耗、对产品品质维持更好等优点。本文综述了近年来物理场技术在水产品中的应用, 分析了它们各自的原理、特点、缺陷及未来的发展趋势, 为这些新技术在水产品冷冻冷链中的应用提供相关参考。     

疏港公路抛石路堤软土地基沉降分析研究

为更好的对疏港公路沿线沉降进行管理和控制,满足工程施工需要,有必要对沉降计算方法进行研究.在分层总和法公式的基础上,将抛石路堤等效为梯形荷载,引入附加应力计算模式,通过积分变换,可得到软土最终沉降量计算公式,从而推导出沉降量的解析解.通过算例,比较规范法和解析法所得沉降值的差异,可用图表直观表现疏港公路路堤截面的沉降变化曲线.得到各个路堤断面的沉降量后,可计算出工程整体沉降方量,为抛石工程量的计算提供理论基础.     

基于GPU的MD6算法快速实现

安全散列算法(SHA)已经被广泛地应用于电子商务等信息安全领域.为了满足安全散列算法计算速度的需要,本文通过对SHA-3算法的候选算法——MD6算法的并行性分析,在GPU平台上快速实现了MD6算法,其最快实现速度是CPU速度的5倍,为快速高效的实现安全散列算法提供了有效的途径.     

铝箔玻纤布纺织机馈能型引纬机构分析与试验研究

提出了一种馈能型引纬机构,用于回收引纬过程中往复运动的冲击能量,根据振动理论对引纬机构的力学性能进行分析和台架试验.研究表明,结构的力学特性主要由梭摆质量、滑动阻尼、馈能弹簧刚度来体现,得到了相应的振动数值模型,并进行了数值模拟.试验结果表明,弹簧刚度设计合适,缓冲吸收效果非常明显,验证了数值模型的可靠性.     

基于数据融合的CNN方法用于人体活动识别

针对人体活动识别,现有的研究更多关注于传感器之间的融合,较少将研究方向转移到三轴加速度计等传感器内轴之间的相关性方面。为有效利用轴之间的相关性,提出一种基于数据融合的卷积神经网络方法。借助利用轴之间的相关性的单通道数据融合方法得到融合数据,将融合数据输入到卷积神经网络中提取特征。在WISDM数据集上的实验结果表明,该方法的准确率达到了98.80%,优于不使用数据融合的卷积神经网络方法。