蜂蜜苹果酒的研制

介绍了蜂蜜苹果酒的生产工艺和质量标准。     

忧遁草发酵酒

介绍了忧遁草的营养、功能及忧遁草发酵酒的生产工艺和质量指标,为忧遁草的开发开辟了新途径。     

降低乙醛含量的试验

实验用亚硫酸钠降低啤酒中乙醛含量,控制主发酵期发酵罐压及不同酵母添加量对比啤酒乙醛值。     

利用发芽糙米制备γ-氨基丁酸低度饮料酒的研究

首先通过糙米进行发芽处理,然后将发芽糙米与脱胚脱皮玉米、高粱、大麦按比例混合后加入饮用水进入胶体磨进行超微粉浆,经过糊化、糖化、发酵、精制后,生产富含γ-氨基丁酸低度饮料酒。     

桦树汁发酵酒的研制

介绍了桦树汁的采集方法和桦树汁发酵酒的加工工艺、质量标准及营养价值。     

基于反向传播神经网络和高光谱成像的芒果可溶性固形物含量检测

目的 比较反向传播神经网络(backpropagation algorithm neural network, BPNN)模型与偏最小二乘回归(partial least squares regression, PLSR)模型在预测芒果可溶性固形物含量(soluble solids content, SSC)方面的性能评估。方法 使用高光谱成像仪和全自动折光仪采集芒果的近红外高光谱及SSC数据建立两种预测模型, 通过采用多元散射校正(multiplicative scatter correction, MSC)进行光谱预处理, 利用遗传算法(genetic algorithm, GA)、区间变量迭代空间收缩算法(interval variable iterative space shrinkage algorithms, IVISSA)和变量组合群体分析算法(variable combination population analysis, VCPA)提取特征波长变量, 通过比较不同特征波长提取方法进一步优化对比预测模型。结果 与PLSR模型相比, BPNN模型在预测SSC方面更为有效。而在IVISSA特征波长变量提取后优化的BPNN模型预测能力最佳, 预测集判定系数 、均方根误差(root mean square error of prediction, RMSEP)、残差预测偏差(residual prediction deviation, RPD)分别为0.8641、0.3924和2.7127。结论 该模型可快速、准确地检测芒果的SSC, 并证明可见光-近红外高光谱成像与反向传播神经网络模型相结合有望预测芒果的SSC, 为开发在线芒果SSC无损检测系统奠定基础。     

啤酒专用糖浆氮源补充剂的研究

介绍了应用蛋白酶分解玉米浆中的玉米蛋白生产啤酒专用糖浆氮源补充剂的适宜的底物浓度、加酶量及方式、酶解时间，酶解温度等工艺条件。     

啤酒生产中微生物的管理

摘要：通过改良刷洗工艺及增加人工刷洗、改善麦汁、发酵液、清酒及回收酵母的染菌状况；排查并消除设备卫生死角，消除污染源；工作场所及环境清洁，加强操作人员培训提高清洁生产意识，并规范操作减少过程污染，从而实现生产过程微生物有效控制。关键词：啤酒；微生物；管理中图分类号：TS262．5；TS201．3；TS207．7文献标识码：E     

基于高光谱成像技术对番石榴可溶性固形物的快速测定

目的 珍珠番石榴(Psidium guajava "Pearl")是中国亚热带地区的优势水果,可溶性固形物含量(soluble solids content, SSC)是番石榴品质优选的关键理化参数。本文旨在凭借高光谱成像技术实现珍珠番石榴SSC的测定,比较支持向量回归(support vector regression, SVR)和偏最小二乘回归(partial least squares regression, PLSR)模型对其预测准确性的影响。方法 通过高光谱成像系统和全自动折光仪获得番石榴的表面反射光谱与SSC信息,选择S-G平滑 (Savitzky-Golay, S-G)和标准正态变量变换(standard normal variable transformation, SNV)作为预处理手段,使用主成分分析(principal component analysis, PCA)评估预处理前后光谱的聚类变化。采用区间变量迭代空间收缩法(interval variable iterative space shrinkage algorithms, iVISSA)、区间随机蛙跳法(interval random frog , iRF)、自举软收缩法(bootstrapping soft shrinkage , BOSS)、变量组合集群分析(variable combination population analysis, VCPA)提取特征波长,用于建立SVR和PLSR预测模型。结果 预处理后光谱数据主成分聚类进一步分散,PLSR整体在预测集的回归效果比SVR更好,BOSS-PLSR为最优预测模型,R_p^2为0.9216,RMSEP为 0.2366,RPD为3.5710。结论 利用高光谱成像技术快速实现番石榴可溶性固形物测量是可行的。