响应面优化沙棘果油超声辅助酶法脱胶工艺

脱胶是油脂精炼的重要工序之一,该文选择超声辅助酶法对沙棘果油进行脱胶处理。选取磷脂酶A1（phospholipase A1,PLA1）,对沙棘果油进行超声辅助酶法脱胶工艺研究。分别研究酶添加量、超声时间、超声温度、pH值、水添加量、超声功率对沙棘果油脱胶效果的影响。在单因素试验基础上,根据Box-Behnken试验设计原理,利用响应面法优化脱胶工艺条件。结果表明：最佳工艺条件为酶添加量5%、超声时间39 min、超声温度50℃、超声功率180W。在此条件下,模型预测沙棘果油的磷脂含量为0.095 mg/g,实测值为0.097 mg/g,误差率为2.100%,证明模型可靠,可用于沙棘果油脱胶。     

基于特征融合和一致性损失的双目低光照增强

构建大规模真实场景的双目低光照图像数据集SLL10K.该数据集包含12 658对无参考双目低照度图像和205对有参考双目图像,数据集图像涵盖丰富的光照、时间及场景.提出基于特征融合和一致性损失的双目低光照图像增强网络FCNet,特征融合模块用于充分融合单目内和双目间的特征,一致性损失函数用于保持增强前和增强后图像间的一致性.在SLL10K数据集和暗化KITTI数据集上的实验表明,使用FCNet增强后的图像获得了比单目增强方法更好的低光照图像增强效果和目标检测效果.     

基于深度学习的视觉目标检测技术综述

视觉目标检测旨在定位和识别图像中存在的物体,属于计算机视觉领域的经典任务之一,也是许多计算机视觉任务的前提与基础,在自动驾驶、视频监控等领域具有重要的应用价值,受到研究人员的广泛关注。随着深度学习技术的飞速发展,目标检测取得了巨大的进展。首先,本文总结了深度目标检测在训练和测试过程中的基本流程。训练阶段包括数据预处理、检测网络、标签分配与损失函数计算等过程,测试阶段使用经过训练的检测器生成检测结果并对检测结果进行后处理。然后,回顾基于单目相机的视觉目标检测方法,主要包括基于锚点框的方法、无锚点框的方法和端到端预测的方法等。同时,总结了目标检测中一些常见的子模块设计方法。在基于单目相机的视觉目标检测方法之后,介绍了基于双目相机的视觉目标检测方法。在此基础上,分别对比了单目目标检测和双目目标检测的国内外研究进展情况,并展望了视觉目标检测技术发展趋势。通过总结和分析,希望能够为相关研究人员进行视觉目标检测相关研究提供参考。     

匹配多尺度特征与预测任务的实时目标检测

在基于卷积神经网络的目标检测算法中,浅层高分辨率特征包含更多细节信息,有助于抽象特征完成精确的定位任务;深层特征包含抽象的语义信息,更适合目标存在性预测任务.研究发现,现有的不基于先验框的检测方法直接在同一特征图上预测所有任务时,并没有匹配上述特征与预测任务,而这一特征与任务不匹配的问题限制了检测精度.为解决这一问题,...     

李光杏干制过程护色剂优化及非酶褐变分析

为了改善李光杏传统干制过程中的色泽及探讨非酶褐变有关主要物质变化规律.以新疆李光杏为研究试材,分析研究柠檬酸、植酸、L-半胱氨酸对李光杏干制品色泽的影响,在单因素试验的基础上,以L*值为指标,通过Box-Benhnken试验,确定最适浸渍浓度,研究了复合护色剂处理的李光杏干制过程中抗坏血酸、总酚、游离氨基酸、还原糖含量...