公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

响应面法优化超声波辅助提取油茶饼粕多糖被引量：5: 2017年; 为优化油茶饼粕多糖的超声波辅助提取工艺,在单因素试验的基础上,运用响应面分析法,研究超声波提取温度、超声功率、超声波提取时间对多糖提取率的影响。建立多糖提取率的二次回归方程,并确定超声波辅助提取油茶饼粕多糖最佳条件为:超声波提取温度58℃,超声波处理时间20 min,超声波功率440 W,料液比选用单因素试验得到的最佳水平220∶1(m L/g),此时得到的平均提取率为10.31%。; 戴丹仲山民仲山民; 关键词：油茶饼粕多糖超声波辅助提取

高光谱图像对白萝卜糠心的无损检测被引量：10: 2015年; 为实现白萝卜异常品质糠心的无损检测,构建高光谱图像技术检测白萝卜糠心的检测系统。获取了光源透射、反射和半透射模式下白萝卜的高光谱图像信息,结合偏最小二乘分析(partial least squares discriminant analysis,PLS-DA)、支持向量机(support vector machine,SVM)、人工神经网络(artificial neural network,ANN)3种算法分别建立白萝卜糠心的识别模型。结果表明:3种检测模式中,基于透射模式的高光谱图像系统检测准确率最高;3种预测模型中,ANN模型优于PLS-DA和SVM模型。其中,基于透射模式的ANN模型,高光谱图像对萝卜糠心的检测总体准确率达94.3%,效果最好。因此,采用透射模式的高光谱图像技术对白萝卜糠心的检测是可行的。; 胡鹏程孙晔吴海伦顾欣哲屠康郑剑潘磊庆; 关键词：高光谱图像白萝卜糠心

响应面法优化水酶法提取油茶饼粕多糖被引量：5: 2016年; 为优化油茶饼粕多糖的水酶法提取工艺,在单因素试验的基础上,选择提取温度、提取时间、中性蛋白酶添加量为自变量,多糖提取率为响应值,采用中心组合设计的方法,研究各自变量及其交互作用对多糖得率的影响。利用Minitab15和响应面分析相结合的方法,模拟得到二次多项式回归方程的预测模型,并确定水酶法提取油茶饼粕多糖最佳条件为加酶量2%、酶解温度54℃、酶解时间128 min。在此条件下,多糖提取率为11.96%。; 郑剑仲山民; 关键词：油茶饼粕多糖中性蛋白酶

水酶法提取板栗壳棕色素工艺条件的筛选被引量：5: 2015年; 为了确定水酶法提取板栗壳棕色素的工艺条件,以板栗壳为原料,通过单因素试验和正交试验,对其工艺条件进行筛选。结果表明,水酶法提取板栗壳棕色素的最适工艺条件为:复合酶总酶量2.0%,纤维素酶、中性蛋白酶、果胶酶质量比为2∶3∶5,酶处理p H值5.0,温度50℃,时间2.0 h,料液比1∶120。; 许伟姜慧仙郑剑仲山民王超常银子; 关键词：板栗壳棕色素复合酶

响应面法优化微波辅助提取油茶饼粕多糖被引量：2: 2017年; 为优化油茶饼粕多糖的微波辅助提取工艺,在单因素试验的基础上,运用响应面分析法,研究料液比、微波功率、微波提取时间对多糖提取率的影响。建立多糖提取率的二次回归方程,并确定微波辅助提取油茶饼粕多糖最佳条件为:料液比1∶170(g/mL),微波处理时间126 s,微波功率610 W,此时得到的平均提取率为8.78%。; 戴维仲山民仲山民; 关键词：油茶饼粕多糖微波辅助提取

基于近红外光谱和共轭梯度神经网络的板栗褐变检测被引量：1: 2013年; 为了实现板栗褐变的无损检测,本实验以"毛板红"板栗为样品,在12000～4000cm-1范围内采集带壳和去壳板栗4个褐变等级的近红外光谱,用Savitzky-Golay平滑和标准正态变量变换(SNV)方法对光谱原始数据进行预处理,采用主成分分析法提取光谱的特征信息,建立基于共轭梯度调整算法的BP神经网络(SBP)识别板栗褐变模型。结果表明,对去壳板栗,最佳主成分因子数为8时,网络训练集和测试集对板栗褐变识别准确率最好,分别为100%和98.7%;对带壳板栗,最佳主成分因子数为10,网络训练集和测试集对板栗褐变识别准确率最好,分别为65.3%和64.4%。最后比较了所建网络与传统的基于梯度下降算法的BP神经网络(GBP)与径向基函数(RBF)网络的性能,验证集结果表明,构建的基于共轭梯度调整算法神经网络模型(SBP)效果好于GBP和RBF,对去壳板栗和带壳板栗褐变识别准确率分别为100%和66.7%。; 潘磊庆郑剑史娇智袁建屠康; 关键词：近红外光谱板栗褐变主成分分析 BP神经网络

全选清除导出

共1页<1>

浙江省自然科学基金(Y3110450)