加工条件对醇法大豆浓缩蛋白溶解性及结构的影响

为探究工业化生产的醇法大豆浓缩蛋白溶解性较差的原因，研究了醇法加工条件(乙醇体积分数、浸提温度、干燥温度)对大豆浓缩蛋白溶解性及结构的影响。结果表明：大豆浓缩蛋白的溶解度随着乙醇体积分数的增大呈现先降低后升高的趋势，乙醇体积分数为65%时溶解度最低；浸提温度和干燥温度的升高会导致溶解度大幅降低；随着浸提液中乙醇体积分数的增大，大豆浓缩蛋白表面疏水性、分子间的疏水相互作用、二硫键含量及粒径均呈现先增加后降低的趋势，在乙醇体积分数为65%时最大，而α-螺旋含量增加，β-折叠含量整体先增加后降低，无规卷曲含量降低；随着浸提温度和干燥温度的升高，大豆浓缩蛋白分子间氢键作用力降低，而表面疏水性、分子间疏水相互作用、二硫键含量和粒径增大，α-螺旋向β-折叠及无规卷曲转变，蛋白质结构趋于无序。综上，工业化醇法加工工艺(60%～70%乙醇体积分数、50～60℃浸提温度、60～70℃干燥温度)所引发的大豆浓缩蛋白表面疏水性的增大、分子间聚集程度的增加等导致了其溶解度的降低，不利于后期应用。     

基于AMI-CycleGAN的海洋垃圾图像增强算法

针对循环生成对抗网络(CycleGAN)的海洋垃圾图像增强存在色彩失真、轮廓模糊的问题，提出一种结合自适应空间特征融合的多输入循环生成对抗网络(AMI-CycleGAN)。首先，减少生成器U-Net的网络深度和跨层连接次数以减少参数量，借助平滑扩张卷积避免网格伪影，得到多尺度感受野信息；其次，引入自适应空间特征融合来解决因垃圾尺寸不一导致不同层特征图融合时的信息冲突，得到语义信息丰富的融合特征图，通过与色彩校正网络的增强特征图融合保留了原图像的色彩信息；最后，引入边缘差损失函数和内容感知损失函数丰富细节信息。在trash＿ICRA19上，与CycleGAN相比，其结构相似性值和峰值信噪比分别提升了27.52%和20.75%。与FUnIE-GAN相比，其参数量减少了79.36%,计算速度提高了12.50%。该算法改善了CycleGAN的色彩失真和轮廓模糊问题，且能达到实时检测标准。