微藻油微胶囊的释放动力学研究

微藻油经微胶囊化后对其在不同贮藏条件下的释放进行动力学研究。运用Avrami s 公式对其主要的功能活性成分DHA 在不同温度、湿度及光照强度条件下保留率的变化进行研究,并分析所得出的释放机理参数及释放速率常数。结果表明：在不同温度条件下藻油微胶囊释放速率常数均较低,在60℃条件下贮藏12d 后,DHA 的保留率为66.69%,表明微胶囊藻油有较好的耐温性。在高相对湿度条件下,藻油微胶囊释放速率常数显著增大,DHA 保留率明显下降,90% 相对湿度条件下贮藏12d 后,DHA 保留率仅有3.45%,证明藻油经过微胶囊化后也应该贮藏在低湿条件下。而微藻油微胶囊受光照强度影响不大,10000lx 光照强度下照射12d 后,DHA 的保留率仍有78.33%。随着温度、相对湿度及光照强度的升高,释放速率常数均上升,即低温、低湿、避光是藻油微胶囊化产品贮藏的最佳条件。     

长余辉发光材料研究进展

介绍了长余辉材料的类型(主要为硫化物型、碱土铝酸盐型及其它基质型余辉发光材料)及发展历史,总结了其研究现状与发光机制,概括了常规制备方法,指出了长余辉发光材料存在的问题和今后研究与应用的方向.     

安吉悦榕庄度假酒店

正安吉悦榕庄坐落在安吉灵峰风景区内,四面环山,一面面水。绿城集团与悦榕庄集团共同委托ZSD卓时对安吉悦榕庄的室内设计进行整体统筹,以期创造一个更加独特的悦榕庄。ZSD凭借从设计到建设的经验以及酒店运营的丰富知识,对     

经济适用住宅的适用性设计浅析——洋浦行政住宅小区方案设计分析

针对目前我国经济适用住宅开发设计中存在的市场定位混沌、设计手法粗放、空间设计不合理等问题,结合投标方案"洋浦行政住宅小区"的实例分析,对经济适用住宅的适用性设计进行了初步研究.     

利用海鸥61-1型放大机直接由电子显微底片缩制幻灯片

由于电镜底片较大,故通常采用翻拍法制作幻灯片。即先将电镜底片放大成照片,再经翻拍、拷贝而制成幻灯片。翻拍法比较费事,且需翻拍专用设备。我们采用61-1型放大机,配用50mm镜头,将电镜底片上图象缩小至24×36mm~2大小,让电影正片感光,一次制成幻灯片。方法简便(与放大照片程序相同),图象细节丢失少,而且比较经济。正片的显影采用D-11显影液,对一般反差的底片均可制得较为满意的幻灯片,对反差特别弱的底片制出的幻灯片反差略显不足,此时,可采用超比例加厚液来进行后期加工,以提高反差。     

齿轮压力淬火的基本原理

多数齿轮在使用中都需要施加适当的载荷,使其发生弯曲,产生压缩应力。要想使齿轮材料达到这些性能要求,就要对其进行热处理,随着热过程的进行,将产生变形。为了控制齿轮的变形并获得稳定的尺寸公差,齿轮在淬火期间受到约束。这种形式的夹持淬火便是齿轮淬火压床的基础。本文就此问题作了阐述。     

酵母出芽细胞胞壁亚微结构观察

近年来在酵母工业生产和分类学中,除仍重视已往经典的形态描述外,相继发展了许多有实用价值的生化技术。同时,也有不少报告提出,应用电镜技术研究酵母菌的亚微结构、芽的形成方式和有丝分裂的过程,有助于了解它们的分类地位。我们应用超薄切片技术,观察了6属12株酵母菌出芽繁殖的情况,注意到在母细胞与芽细胞连接处的胞壁结构确有明显差异。说明电镜技术在分类学上的应用具有一定价值。一、材料与方法 12株酵母菌中,除保藏的已知菌种5种外,其余皆分离自云南省哀牢山常绿阔叶林根际土     

基于Stacking模型融合的抽油机故障诊断算法

抽油机故障诊断过去基本采用单分类器识别的方法。针对单分类器识别的局限性和抽油机故障诊断的复杂性,提出了一种基于Stacking的多模型融合的抽油机故障诊断算法。首先,对8种不同的抽油机故障图像进行数据清洗,得到二值化图像;然后分别使用AlexNet、VGG16、GoogLeNet、ResNet50作为基学习器,对采集的抽油机故障图像进行分类识别;最后,采用基于Stacking的集成学习方法,将各基学习器的预测结果融合重构后,作为次级元分类器XGBoost的输入,其输出即为最终识别结果。实验结果表明,使用该方法对8种最常见的抽油机故障图像进行实验,平均识别率高达98.16%,基于Stacking的多模型融合的抽油机故障诊断算法显著优于由单一特征组合构建的同类分类器算法,并且具备较好的泛化能力与鲁棒性。     

基于遗传算法的六足机器人控制系统

作为一种仿生机器人,六足机器人地形适应能力强,但步态控制困难,舵机效率低.为搭建六足机器人的控制系统,采用STM32单片机联合舵机控制板实现对机器人的嵌入式步态控制.同时,建立D-H坐标系,对机器人进行逆运动学方程推导,构建六足仿生机器人的运动学模型.在对步态进行分析基础上,基于遗传算法设计步态优化系统,实现完整的六足...     

用于智能垃圾分拣的注意力YOLOv4算法

针对人工垃圾分拣效率低、工作环境恶劣且成本高的问题,提出了一套智能可回收垃圾分拣系统,该系统采用RGB图像作为视觉信息输入,通过目标检测算法获取垃圾在传送带上的位置坐标信息,并通过机械臂对垃圾进行分拣操作。可回收垃圾形态各异、种类繁多,为提高检测算法的泛化能力,建立了一个含36 572帧图片的可回收垃圾数据集,并基于此数据集上训练目标检测算法。基于YOLOv4提出了嵌入注意力机制的目标检测算法Attn-YOLOv4,经实验验证,Attn-YOLOv4算法的mAP比原始YOLOv4算法高0.16个百分点。在静态识别功能的基础上,提出基于多线程的目标跟踪算法实现了对运动垃圾的快速稳定跟踪,在20 mm误差范围内达到了0.945的精确度。此外,后处理模块对图像进行形态学处理并获取垃圾的世界坐标以及放置角度,供机械臂进行分拣操作。分别对目标检测和跟踪算法进行验证,在实际分拣流水线上验证并评估了该智能可回收垃圾分拣系统的可行性、精度及分拣的成功率。