陕西延安:发布两项苹果产业相关标准

正近期,《延安苹果标准综合体》和《梁家河苹果标准综合体》正式发布,于5月25日实施。这为推动延安市苹果产业规模化发展、标准化引领、精细化管理提供了强有力的技术支撑,标志着延安苹果"三大"区域公用品牌构架已经形成,延安苹果产业进入有标可依的新时代。《延安苹果标准综合体》结合延安市苹果产     

一阶导数紫外光谱法快速监测煎炸油品质

为实现煎炸油的快速方便监测,对加热过程中植物油的一阶紫外导数光谱变化与传统理化指标的相关性进行了研究。结果表明,大豆油和调和油在煎炸到一定时间后,370 nm处一阶导数吸光度与煎炸时间呈线性相关,花生油煎炸到8 h时370 nm处的吸光度基本不变,在大于370 nm处有明显的吸收峰出现。结合传统的植物油质量评价指标,大豆油和调和油在呈线性相关的1 h后,其极性化合物均已超标;而花生油在煎炸8 h后过氧化值超标,极性化合物没有明显增加。同时对其他植物油进行了一阶导数光谱扫描,发现未使用的油在370 nm均无吸收。因此,可采用一阶紫外光谱进行煎炸油质量监测,其中370 nm处的吸光度可以作为一个生要指示。     

超声波辅助法提取米糠多糖的工艺研究

研究超声波辅助提取米糠多糖中温度、时间、加水量、超声功率对多糖提取率的影响,通过单因素实验和正交实验发现,温度对多糖提取率的影响最大,功率对多糖提取结果的影响最小,超声波辅助提取米糠多糖的最佳工艺条件为:温度80℃、时间70min、加水量20倍、功率200W,此时米糠多糖的提取率为1.75%,比热水法的提高了66.98%。     

烤烟烟叶淀粉颗粒结构特征与基本特性

为明确烟叶淀粉颗粒结构和特性,合理调控烤后烟叶淀粉含量,采用环境扫描电子显微镜、X-射线衍射仪和同步热分析仪测定了云烟87、中烟103和中烟202三个品种田间成熟烟叶的淀粉颗粒结构特征、晶体特性和热特性。结果表明:三个品种田间成熟烟叶淀粉颗粒主要为圆球形和长圆柱状,个别呈不规则形状,平均粒径为3～4μm;长圆柱状和不规则形状的淀粉颗粒上存在明显的层状结构,且中烟103和中烟202两个品种的烟叶淀粉表面的层状结构明显多于并较云烟87明显;X-射线衍射均为"B"型模式,品种间相对结晶度差异明显;烟叶淀粉颗粒的糊化起始温度较低,但糊化峰值温度、终止温度和糊化焓较高,三个品种之间的各糊化温度略有差异,但糊化焓差异较大;热焓值随着结晶度的降低而降低。     

一株槐树内生真菌发酵产物对羟自由基所致小鼠肝组织过氧化的体外作用

为了研究初筛获得的具有较高抗氧化活性和清除O2-.能力的槐树内生真菌菌株No.7发酵液提取物对.OH导致的氧化损伤的抑制作用及其清除.OH的效果,采用Fe2+-H2O2和Fe2+-VC两种羟自由基发生系统,以硫代巴比妥酸法测定了小鼠肝匀浆及肝线粒体中脂质过氧化物丙二醛(MDA)含量,以分光光度法测定了小鼠肝线粒体的膨胀程度。结果表明,槐树内生真菌No.7发酵液提取物具有清除.OH的作用,能抑制小鼠肝脏脂质过氧化,从而降低线粒体氧化损伤及肿胀。     

响应面法优化水酶法提取松子蛋白的研究

主要研究了水酶法提取松子蛋白的酶解工艺。选用Alcalase碱性蛋白酶作为水解酶,以总蛋白提取率为指标。通过单因素实验和响应面实验,得到影响实验的因素依次为加酶量>酶解温度>料液比>酶解pH>酶解时间。确定最佳的酶解参数为:加酶量1.9%,温度55℃,酶解时间2.2h,料液比1∶5,pH8.8,此时总蛋白提取率为87.92%。     

氨基硅烷修饰的磁性纳米粒子固定化碱性蛋白酶

用3-氨丙基三乙氧基硅烷对四氧化三铁磁性纳米粒子表面进行修饰,以戊二醛作为交联剂固定化碱性蛋白酶。结果表明：在经过表面修饰的磁性纳米粒子具有较好的磁分离能力,碱性蛋白酶能有效地结合在修饰后的粒子表面。固定化酶的最佳条件：酶添加量为7000U/g、反应温度为40℃、时间为1.5h;固定后酶活力可达3352U/g,回收率为48%,在反复使用5次以后,依然能保持34.2%的酶活力。     

丝绸风格高支强捻面料的开发

本文总结了采用细旦粘胶短纤维为原料,生产丝绸风格的高支强捻面料的经验。通过纱线捻度与强力优化试验,得到纱线捻度、强力以及织物风格的最佳生产方案;克服了粘胶强捻纱强力低,在织造中易断头等技术难点,提高了织造效率。     

释放民间资本的活力——如何鼓励和引导民间资本在交通港航领域健康发展

在年初国务院做出5月底前出台“民资36条”细则的要求后,进入5月,包括卫生部、铁道部、国资委等多部委、特设机构连续出台民资进入各领域的细则——民资的春天俨然已经到来。有分析认为,落实“新36条”的配套实施细则密集出台,有利于提升相关产业的市场竞争力,说明当前我国越来越重视通过产业政策保持经济增长的稳定,而站在更宏观的角度来看,垄断领域对民资的开放亦是经济社会发展的必然。     

基于可判别超平面树的生成模型图像标注方法

图像语义的自动标注是一个具有挑战性的研究课题,目前常见的机器学习方法,如统计生成模型(generative model)与判别模型(discriminative model)都被用于该问题的研究中.然而由于语义鸿沟的存在、图像训练数据的不平衡性以及图像标注的多标签特性等问题,使得上述方法的性能都有待进一步提高.提出一种基于可判别超平面树的生成模型图像标注方法.该方法根据待标注目标图像的高生成概率邻域,建立局部超平面分类树,进而利用同层类间可判别信息,按自顶向下的层次分类得到待标注图像的语义相关图像集合.由此得到的相关类信息与新的生成模型框架相结合对待标注图像与语义关键词的联合概率进行估计,实现对目标图像的标注.其特点在于生成模型与判别模型方法得到了有效结合,可判别超平面树对隐含语义聚类的判别分析是对待标注图像的生成邻域的逐步求精过程,有效地提高了生成模型标注准确度;而对于判别分析难以解决的多标签分类、训练数据不平衡等问题,此方法通过联合概率估计自然地实现目标图像的多标签分配.在常用的包含5 000幅图像的ECCV2002数据集进行了实验,结果表明,与目前已知的具有较好标注效果的基于生成模型的MBRM模型(采用图像分割方法)以及基于辨别分析的ASVM-MIL相比,此方法的F1因子分别提高了14%和13%.