排序方式: 共有48条查询结果,搜索用时 31 毫秒
1.
2.
3.
采用Na_2CO_3预浸-蒸汽爆破技术提高苹果渣中果胶提取得率。在单因素试验基础上采用响应面法确定Na_2CO_3预浸质量分数和蒸汽爆破最佳工艺参数。结果表明:响应面法优化蒸汽爆破技术提高苹果渣中果胶得率的最佳工艺为Na_2CO_3质量分数6%、蒸汽爆破压力0.6 MPa、蒸汽爆破维压时间174 s,此时果胶得率达21.42%,与未蒸汽爆破相比果胶得率提高10.96%,酯化度提高12.25%,乳化活性提高20.47 m~2/g,乳化稳定性提高36.37 min,扫描电镜显示蒸汽爆破前的苹果渣和果胶表面光滑结构完整,经蒸汽爆破后均变为疏松。蒸汽爆破技术提高了果胶的得率、酯化度、乳化活性、乳化稳定性,为果胶生产提供了理论及实践依据。 相似文献
4.
为了延长鸡胸肉的保质期,本文研究了浸泡生姜精油后的食品鲜度保持卡对鸡胸肉在冰温贮藏期间色泽、pH、保水性、TVB-N值、TBARS值、菌落总数、电导率以及流变学特性的影响。结果表明:相对于单独冰温贮藏,放入食品鲜度保持卡能不同程度降低鸡胸肉的pH、菌落总数、TVB-N值以及电导率,有效地维持鸡胸肉的保水性,控制脂质氧化程度;流变学结果表明,放入食品鲜度保持卡后,能有效地维持鸡胸肉的凝胶特性,最终使鸡胸肉的保质期延长了3~9 d。其中放入4、6片食品鲜度保持卡对鸡胸肉的保鲜效果显著高于放入2片食品鲜度保持卡的处理(P<0.05)。另外在贮藏期间放入4、6片食品鲜度保持卡对鸡胸肉的滴水损失率、TVB-N值和电导率的影响仅在第24 d时出现显著性差异(P<0.05),其他指标均无显著差异(P>0.05)。最终结合经济因素等各方面综合考虑,在冰温贮藏期间,放入4片食品鲜度保持卡后能较好地维持鸡胸肉的品质,使鸡胸肉的保质期延长了9 d。 相似文献
5.
利用900~1700 nm近红外高光谱成像系统联用Stepwise算法快速评估鸡肉色泽和嫩度。通过采集新鲜屠宰鸡肉高光谱图像,提取试验样本感兴趣区域(Region of interests,ROI)反射光谱信息,经中值滤波平滑(Median filtering smoothing,MFS)、多元散射校正(Multiplicative scatter correction,MSC)和标准正态变量变换(Standard normal variable correction,SNV)三种预处理后,分别利用偏最小二乘(Partial Least Squares,PLS)和多元线性回归(Multiple linear regression,MLR)挖掘光谱信息与鸡肉色泽参数(L*、a*、b*)及嫩度参考值之间的定量关系。结果显示,经MFS预处理的近红外光谱(486个波长)构建的全波段PLS回归模型(F-PLS)预测L*(RP=0.904,RMSEP=2.036)、b*(RP=0.908,RMSEP=1.577)和嫩度(RP=0.948,RMSEP=1.596)效果更好。为提高预测效率,采用Stepwise算法筛选最优波长优化F-PLS模型,结果显示,从SNV预处理光谱筛选的14个最优波长构建MLR回归模型预测L*值(RP=0.894,RMSEP=2.160)效果较优,从SNV预处理光谱筛选的13最优波长构建的O-PLS回归模型预测b*值(RP=0.877,RMSEP=1.811)效果较优,从MFS预处理光谱筛选的20个最优波长构建O-PLS回归模型预测嫩度值(RP=0.888,RMSEP=2.408 N)效果较优。本试验表明,利用近红外高光谱成像技术结合Stepwise算法可实现鸡肉色泽参数L*、b*值以及嫩度的快速评估。 相似文献
6.
本文旨在通过挖掘不同预处理高光谱(900~1700 nm)信息构建鸡肉滴水损失率的快速预测模型。首先采集每个鸡肉样本高光谱图像并提取图像感兴趣区域内的平均光谱信息,经基线校正(BC)、标准正态变量校正(SNV)、多元散射校正(MSC)、高斯滤波平滑(GFS)、归一化校正(NC)等五种光谱不同预处理,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法构建光谱信息与鸡肉滴水损失率之间的定量关系。然后分别基于回归系数法(Regression Coefficient,RC)、连续投影算法(Successive Projections Algorithm,SPA)和逐步回归算法(Stepwise)筛选出对模型精度影响较大的最优波长优化全波段PLS模型。结果显示,基于BC光谱的全波段PLSR模型(BC-PLSR)预测鸡肉滴水损失率效果更好(rP=0.95,RMSEP=0.29%,RPD=3.07,ΔE=0.0024%)。利用Stepwise法从BC光谱中选取的14个最优波长(900.6、903.8、905.5、907.1、917.0、997.7、1162.2、1272.4、1354.8、1369.6、1410.8、1425.6、1584.1和1695.1 nm)建立的SW-BC-PLSR模型(rP=0.97,RMSEP=0.24%,RPD=3.82,ΔE=0.0012%)和多元线性回归(Multiple Linear Regression,MLR)模型SW-BC-MLR(rP=0.97、RMSEP=0.22%、RPD=4.19,ΔE=0.0036%)预测鸡肉滴水损失率效果均良好。本试验表明,基于近红外高光谱信息可潜在实现鸡肉滴水损失率的快速预测。 相似文献
7.
采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(RP)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。 相似文献
8.
以沙棘果酒的理化性质、总酚含量、总黄酮含量及抗氧化性为指标,探究酵母菌传统发酵(方法Ⅰ)、巴氏葡萄球菌TS-82联合酵母菌发酵(方法Ⅱ)和酵母菌发酵并添加类胡萝卜素降解酶(方法Ⅲ)三种不同酿造方法对沙棘果酒发酵品质及抗氧化性的影响。结果表明:与方法Ⅰ相比,方法Ⅱ和Ⅲ对pH、可溶性固形物、酒精度、还原糖、滴定酸及微生物指标影响不大,且无致病菌检出。应用方法Ⅱ,可显著提高总酚含量(p<0.05),达到9.3 g/L(gallic acid计),且DPPH·的清除能力(86.5%)和铁离子还原能力(88%)也有所提高(p<0.05)。应用方法Ⅲ,沙棘果酒总酚含量为8.7 g/L(gallic acid计),DPPH·的清除能力为84.7%,铁离子还原能力为87.6%,与方法Ⅱ相比,总酚含量和DPPH·清除能力显著降低(p<0.05)。因此巴氏葡萄球菌TS-82联合酵母菌发酵的方式(方法Ⅱ)应用在沙棘果酒酿造中,在改善风味的同时,有利于开发高抗氧化性的保健食品。 相似文献
9.
乳酸菌含量是评价冷鲜鸡胸肉品质的重要指标。随着储藏天数的增加,当乳酸菌含量超过106 CFU/g,冷鲜鸡胸肉黏度增加,开始腐败变味。本研究通过化学计量学算法挖掘高光谱数据快速预测鸡胸肉中乳酸菌含量。首先,采集119个冷鲜鸡胸肉样品900~1700 nm的高光谱图像,提取肉样图像感兴趣区域(Region of interest,ROI)内的光谱信息,经多元散射校正(Multiplicative Scatter Correction,MSC)等8种方法预处理原始光谱,采用偏最小二乘(Partial Least Squares,PLS)算法挖掘光谱信息,构建全波段PLS预测模型(F-PLS)。然后,选用回归系数法(Regression Coefficient,RC)、逐步回归法(Stepwise)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长优化F-PLS模型。结果显示,基于SPA法从基线校正(Baseline Correction,BC)预处理光谱中筛选出21个最优波长(903.8、905.5、912.1、915.4、917.0、920.3、923.6、931.8、941.7、1107.0、1135.9、1157.3、1269.2、1303.7、1320.2、1348.2、1551.1、1676.9、1686.9、1695.1和1698.4 nm)构建的SPA-PLS模型预测最好(rP=0.949,RMSEP=0.439lg CFU/g,RPD=2.787)。本试验表明,采用近红外高光谱技术快速预测冷鲜鸡胸肉中乳酸菌含量是可行的。 相似文献
10.