排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
乙醇浸提法制备亚麻籽浓缩蛋白工艺研究 总被引:1,自引:0,他引:1
以冷榨亚麻籽饼为原料,采用乙醇浸提法制备亚麻籽浓缩蛋白。采用单因素试验研究了浸提工艺参数(浸提温度、浸提时间、乙醇体积分数、液固比以及浸提次数)对产品蛋白质含量的影响。在单因素试验基础上,采用正交试验进行工艺参数优化。结果表明,在所考察的范围内,各因素影响的主次顺序为乙醇体积分数浸提时间浸提温度液固比;最优工艺条件为浸提温度50℃、浸提时间75 min、乙醇体积分数70%、液固比6∶1、浸提次数2次,在此条件下亚麻籽浓缩蛋白的回收率为63. 87%,蛋白质含量为65. 38%。 相似文献
2.
融合物联网技术、图像检测技术和深度学习算法,提出一种基于改进YOLOv4算法的工程检测实验室信息管理系统,通过WIFI+NB-IoT实现数据传递。为了弥补YOLOv4算法在尺度分布不均匀时精度降低的问题,提出利用IK-means++算法,引入ECA注意力模块和阶梯状特征融合网络结构对算法进行改进,算法改进后浮点运算数量、模型参数量分别降低了25.1%和43.1%,FPS和mAP分别提高6.8帧/s和3.65%,改进后算法不仅收敛速度更快,而且在不同光线环境下的设备检测准确率均高于改进前。将系统应用到工程实验室检测中,设备和环境各参数检测结果与标准仪器检测结果误差控制在±5%以内。 相似文献
3.
4.
蛋白质模型质量评估是指对计算手段预测出的蛋白质结构进行评分,以选择尽可能接近天然结构的蛋白质模型,这对在蛋白质结构预测中挑选最优的蛋白质模型和在生物医学研究中恰当使用它们起到至关重要的作用.随着3D蛋白质数据的不断增长,基于深度学习的蛋白质模型质量评估方法得到了快速发展,但该领域只探索了深度学习方向较浅层的应用.本文为了探索更精确的质量评估方法,提出了一个基于多尺度卷积(MCNN)和双向门控循环神经网络(BiGRU)的深度模型,预测蛋白质模型的GDT_TS(Global Distance Test_Total Score)分数,并将这一方法命名为BMBQA(Quality Assessment Base on MCNN-BiGRU).其中,多尺度卷积神经网络用来提取蛋白质模型中浅层的细节信息以及深层的抽象信息,双向门控循环神经网络用来提取每个残基的长程相互作用信息,通过数据增强来提高深度模型在目标蛋白质中挑选最优蛋白质模型的性能.本文利用CASP13中的数据集与现有的先进方法进行比较,实验结果表明本文方法在4个经典的评价指标中均具有很强的竞争力. 相似文献
5.
为了研究应力水平对混凝土超声波波速的影响,本文设计并浇筑了素混凝土轴心抗拉试件、素混凝土轴心抗压试件、素混凝土立方体抗压试件、钢筋混凝土受弯构件,并分别对素混凝土试件、钢筋混凝土构件进行不同应力水平下的超声波波速检测试验。结果表明:拉、压应力水平对混凝土试件超声波波速影响较小,可以忽略不计。低应力水平对钢筋混凝土构件超声波波速影响较小,高应力水平导致混凝土构件出现裂缝时对超声波波速影响较大。混凝土构件拉应力-超声波波速关系曲线可分为无损伤期、损伤发展期、损伤稳定期、构件破坏期。当拉应力达到极限拉应力的15%~25%时,构件从无损伤期进入损伤发展期,此时超声波波速没有变化;当拉应力达到极限拉应力的35%~55%时,构件从损伤发展期进入损伤稳定期,此时超声波波速降低了5%左右;当拉应力到达极限拉应力的60%~75%时,构件从损伤稳定期进入构件破坏期,此时超声波波速降低了8%左右。 相似文献
1