胰蛋白酶的固定化及其性质的研究

以大孔弱碱性苯乙烯系阴离子交换树脂D380为载体，以戊二醛为交联剂，固定化胰蛋白酶。研究了交联剂浓度、交联时间、交联温度、酶液的pH值等条件对活力回收率的影响，并研究了固定化胰蛋白酶的性质。     

大孔吸附树脂法纯化红米红色素的工艺研究

以红米红色素粗提液为原料,研究了五种大孔吸附树脂对其进行纯化精制。结果表明:HPD-80对色素纯化效果最佳。确定采用红米红色素提取液吸光度在2.0左右,流速为2 BV/h上柱吸附。采用浓度为70%的乙醇溶液,流速为1 BV/h进行洗脱。通过大孔吸附树脂纯化后,红米红色素得到较好的纯化和富集,色素色价达到261.1。     

精制各阶段牛油风味研究

采用顶空一固相微萃取法提取精制各阶段牛油挥发性成分,用气相色谱—质谱进行分离鉴定。结果显示,毛牛油、脱酸牛油、脱色牛油、精制牛油分别含有54、56、63、26种挥发性成分,主要为烃、醇、醛,及以BHT为代表酚类物质,其次有酮、酸、醚、及少量杂环化合物检出。挥发性组分种类和含量存在较大差异,反映精制过程两方面作用:一方面,使一些产生不良、刺激性及体现脂肪氧化气味物质种类及含量明显减少;另一方面,对油脂原有优良风味物质也具有消减作用。     

植物甾醇及其环糊精包合物对高血脂小鼠降血脂实验研究

目的：评价植物甾醇经过β-环糊精及其衍生物包合作用对高血脂症小鼠血脂指标的影响。方法：将昆明小鼠分为6组,分别为正常组、高脂模型组、阳性对照组、植物甾醇组、β-环糊精/植物甾醇包合物组和羟丙基-β-环糊精/植物甾醇包合物组,建模给药测定其血脂水平。结果：给予不同药后,与模型组比较,阳性对照组和三个实验组均能显著降低TC、LDL-C和AI水平,提高HDL-C水平,且三个实验组之间各指标均没有显著性差异。结论：植物甾醇有显著的降血脂作用,而且经过β-环糊精和羟丙基-β-环糊精包合后不影响其降血脂功能。     

甲壳素、壳聚糖作为固定化酶载体的研究进展

介绍甲壳素、壳聚糖作为载体的酶的固定化条件及固定化方法，并介绍其活力回收率及稳定性。甲壳素、壳聚糖来源丰富，可以通过多种方法进行处理用作固定化酶载体。     

花生蛋白营养液的生产工艺及生物性营养评价

采用酶法生产花生蛋白营养液，并对该营养液进行了生物性营养评价。通过对最适工艺条件生产的花生蛋白营养液的营养成分分析以及大白鼠（Ｗｉｓｔｅｒ种）的生长代谢实验，进行生物性营养评价，结果与标准蛋白质－酪蛋白进行比较。结果表明：其蛋白质功效比（ＲＥＲ＝１．９４）；蛋白质净化率（ＮＰＲ＝２．５９）；蛋白质真消化率（ＴＤ＝８６．６３）；生物学价值（ＢＶ＝７２．４）；蛋白质净利用率（ＮＰＵ＝６２．３）；与酪蛋     

无线传感器网络中卡尔曼滤波在移动目标跟踪中的研究

基于无线传感器网络结合卡尔曼滤波理论的方法对单个移动目标的跟踪研究。在实验中,运用MIT的室内定位系统Cricket系统作为硬件验证系统,采用到达时间差(Time Difference of Arrival,TDOA)的方法来测距,然后根据测得的距离采用极大似然估计算法来定位。最后根据移动目标的运行特点,建立目标的跟踪模型,并采用卡尔曼(Kalman)滤波的测量跟踪算法来实现移动目标的跟踪过程。实验结果表明,该方法可以有效地跟踪移动目标,并且误差范围在0～4.5cm内,稳定性也比较高。     

紫甘薯花色苷对人肝癌细胞HepG2的作用

以人肝癌细胞HepG2为模型研究紫甘薯花色苷的抗肿瘤活性.通过MTT实验检测紫甘薯花色苷对HepG2细胞的生长抑制作用,HE染色观察细胞形态,流式细胞仪测定细胞周期变化.MTT结果表明,不同浓度的紫甘薯花色苷处理HepG2细胞24、48、72,h后,低浓度的紫甘薯花色苷促进肿瘤细胞的生长,高浓度的紫甘薯花色苷抑制肿瘤细胞的生长,800,μg/mL花色苷处理72,h抑制率高达80%.HE染色结果表明,正常HepG2细胞的细胞核和细胞质清晰可见,而加入花色苷后,出现细胞核固缩、染色质浓集于核膜表面、形成新月形致密小斑块、细胞膜形态变得不规则等凋亡的特征.流式细胞仪分析结果表明,花色苷能够促进肿瘤细胞的凋亡,且细胞的凋亡率随花色苷浓度的增加而增大.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法．该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策．利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性．     

改进的轻量化 YOLOv4 用于电子元器件检测

针对电子行业制造机器人对电子元器件检测精度低和速度慢的问题,提出基于改进YOLOv4的电子元器件检测方法.对网络结构进行改进,利用深度可分离卷积代替PAN网络中的传统卷积,提高检测速度;利用一种具有线性瓶颈的逆残差结构代替CSP darknet53主干网络,降低模型参数,进一步提高检测效率;在检测网络YOLO head前添加注意力机制,提高检测精度.模拟工业传送带环境建立了电子元器件数据集并进行数据增强,相较于原算法,精度(mAP)提高了1.31％,速度提高了16.34 fps,权重大小从245下降到41.20 MB.研究可为相关电子行业制造机器人的研制提供技术参考.