以凡纳滨对虾为研究对象, 探索一种高效快速无损的新鲜度检测方法。 挥发性盐基氮(TVB-N)是判断虾新鲜度的重要化学指标, 然而传统方法耗时耗力, 限制了大批量的实时检测。 高光谱技术是一种集成图像和光谱信息的分析技术, 高光谱图像上的每个像素包含整个波段的光谱信息, 近年来, 该技术已经被应用于肉类新鲜度检测。 连续8 d采集了样品的860~1 700 nm高光谱数据, 在去除异常样本后确定150组试验样本, 每组采集254维光谱数据, 对原始的高光谱图像进行黑白校正, 并从高光谱图像中提取光谱数据。 为确保所提取的光谱数据和TVB-N指数之间有对应关系, 所选择的感兴趣区域的位置保持固定在虾样本的第二和第四肢。 计算了感兴趣区域的平均光谱以获得光谱数据矩阵, 该矩阵被转换成ASCII码并保存。 同时, 通过凯氏定氮法获得TVB-N真实值含量。 为减少环境和虾表面的高含水量的干扰, 有效地消除不相关的信息和噪声, 预处理方法是多元散射校正(MSC)算法, 并选择出7个敏感波段, 分别为875, 894, 919, 953, 983, 1 024和1 094 nm。 最后, 以120组训练集样本, 建立了凡纳滨对虾TVB-N总量的定量预测模型, 以30组验证集样本, 对比BP神经网络、 径向基神经网络、 主成分分析三种预测模型算法。 BPNN算法预测模型的相关系数(r)和归一化均方根误差(NRMSE)分别为0.902 1和0.214 0, RBFNN算法的预测模型为0.868 3和0.223 0, PCR算法预测模型为0.757 6和0.390 0。 结果表明, MSC-BPNN模型的预测效果最佳, 凡纳滨对虾的高光谱反射率与新鲜度间存在较密切的相关性, 为基于光谱的虾类新鲜度检测提供了支持。

采用Res-Net学习合成孔径雷达(Synthetic Aperture Radar, SAR)图像多层次深度特征, 并基于结构相似性准则选取其中的有效成分。通过联合稀疏表示对选取的多层次深度特征进行表征和分析, 判定输入样本的目标类别。利用MSTAR数据集进行测试, 该方法对10类目标的识别率达到99.02%, 对于俯仰角差异以及噪声干扰的稳健性更优。该方法能够有效结合Res-Net和联合稀疏表示在特征提取和分类决策方面的优势, 提升识别方法的整体性能。

利用气相色谱质谱联用仪(GCMS)对烷基环己基苯、烷基环己基联苯两类液晶单体共 72个化合物在EI离子化模式下进行分析, 结果表明此两类化合物具有相同的裂解途径和裂解机理。为烷基环己基苯类衍生物的结构解析与质量监测提供参考。其裂解途径主要为与苯环连接的环己烷发生开环裂解反应, 生成特征的: 苯乙烯(联苯乙烯)基的奇电子离子、苯丙烯(联苯丙烯)基的偶电子离子以及卓鎓偶电子离子。当苯环部分含有乙氧基以上取代基时, 分子离子及其特征离子会发生重排脱去烯烃生成对应的苯(联苯)酚离子。对于环己基联苯类化合物在特征离子生成的基础上会进一步生成质量数减少2的脱氢离子。

茶树叶片叶绿体的有效分离纯化是进行茶树叶绿体代谢组学和蛋白质组学研究的基础。本文以茶树鲜叶为材料, 通过叶绿体得率、希尔反应等纯度和完整度指标, 比较了Percoll密度梯度离心法和蔗糖密度梯度离心法对叶绿体分离纯化的效果; 通过蛋白质含量和SDS-PAGE电泳图谱, 比较了涨破法和冻融法对叶绿体蛋白的提取效果。结果发现Percoll密度梯度离心法和冻融法适合茶树完整叶绿体分离及叶绿体蛋白提取。在此基础上本文还对茶树鲜叶及叶绿体蛋白质进行了双向电泳的初步分析比较; 并检测到茶树叶绿体内含有儿茶素合成相关酶PAL、DFR/LAR和ANR。

为增强1Cr18Ni9Ti不锈钢零件的硬度及耐磨性,采用激光熔覆技术在其表面制备Co基合金熔覆层.利用光学显微镜,分析了熔覆层的微观组织;应用显微硬度计测试了熔覆层的硬度;应用浓度为2%的硝酸溶液做腐蚀剂,测试了熔覆层的耐腐蚀性.并与等离子热喷涂、Ni基合金熔覆等其它表面改性技术进行比较, 结果表明:1Cr18Ni9Ti不锈钢柱塞Co基合金激光熔覆层硬度达到HV520,具有较好的耐磨性,其抗酸腐蚀性能也达到检验标准要求.