论文部分内容阅读
本文通过研究pH值、微波时间及微波功率等因素对莜麦麸 β-葡聚糖提取率的影响.根据单因素和正交试验,确定了提取的最佳条件为pH值11,微波功率600 W,微波时间180 s,提取温度75℃,在此工艺下β-葡聚糖提取率为3.472％.
莜麦麸皮中β-葡聚糖提取工艺的研究
【摘 要】
：
本文通过研究pH值、微波时间及微波功率等因素对莜麦麸 β-葡聚糖提取率的影响.根据单因素和正交试验,确定了提取的最佳条件为pH值11,微波功率600 W,微波时间180 s,提取温度75℃,在此工艺下β-葡聚糖提取率为3.472％.
【机 构】
：
内蒙古科技大学生命科学与技术学院食品科学与工程系,内蒙古包头 014010
【出 处】
：
食品安全导刊
【发表日期】
：
2021年33期
其他文献
随着人们生活水平的提升,对于衣食住行也有了更高的要求,其中食品安全问题已经成为当前社会广泛关注的一个重点.而食品安全风险分析已经是当下国际公认的食品安全管理手段,对于保障消费者的合法权益,促进我国食品安全和生产管理有着非常重要的作用.基于此,本文将结合当前我国食品安全风险分析的现状及其作用对食品质量管理工作的应用进行相应的阐述,为促进我国食品安全管理工作的进行提供一些针对性意见,为广大学者提供借鉴.
HACCP体系作为国际上共同认可并接受的食品安全保证体系,其应用作用是对食品中潜在的微生物、化学及物理危害进行准确的安全质量控制.在HACCP体系的不断发展与应用下,HACCP体系以预防食品安全危害为基础,凝聚着食品安全生产与质量控制为一体的保障体系,确保各类食品在生产加工时能够及时发现问题.现阶段,HACCP体系的应用成效显而易见,对我国食品安全卫生的质量保障有着不可缺失的重要作用.基于此,本文就以HACCP体系在早餐肉松加工和质量控制中的应用展开深入的分析.
单目深度估计是从单幅图像中获取场景深度信息的重要技术,在智能汽车和机器人定位等领域应用广泛,具有重要的研究价值.随着深度学习技术的发展,涌现出许多基于深度学习的单目深度估计研究,单目深度估计性能也取得了很大进展.本文按照单目深度估计模型采用的训练数据的类型,从3个方面综述了近年来基于深度学习的单目深度估计方法:基于单图像训练的模型、基于多图像训练的模型和基于辅助信息优化训练的单目深度估计模型.同时,本文在综述了单目深度估计研究常用数据集和性能指标基础上,对经典的单目深度估计模型进行了性能比较分析.以单幅图
目的 由于空域图像下采样过程中提供的量化误差边信息能够有效提升隐写安全性,为了得到下采样之前的高分辨率图像,提出一种基于超分辨率网络的空域图像边信息估计隐写方法.方法 受原始下采样边信息隐写方法的启发,使用超分辨率网络生成被称为预载体的高分辨率图像.同时利用现有的空域图像对称失真算法得到每个像素点的修改失真,然后以浮点型精度对预载体下采样,得到和载体同分辨率的图像形式,利用对应像素点间的差值指导像素点的修改方向,实现基于初始失真的非对称失真调整.首先以峰值信噪比和极性估计准确率为指标对比了多种超分辨率网络
农贸市场是农产品流通和消费者购买食材的主要场所之一,农贸市场的食品安全性与人们的健康相关.农贸市场的食品安全监管工作存在一定的缺失,市场秩序较为混乱,出现了较多的食品安全问题,如滥用添加剂等,引起了社会各界的广泛关注,做好农贸市场的食品安全监管工作非常重要.基于此,本文分析了农贸市场食品安全监管存在的问题,并阐述了解决策略,以期为提高农贸市场的食品安全监管水平提供参考.
(简讯 范庆伟 朱有刚)日前,山东省栖霞市市场监管局在烟台开发区鑫源绿环再生资源股份有限公司组织开展了全市“农村假冒伪劣食品专项执法行动罚没物品集中销毁现场会”.
期刊
目的 传统Krawtchouk变换处理图像时存在变换域信息表示单一、不可调节等问题,传统分数阶Krawt-chouk变换处理实信号表示有冗余等问题.为了构造更加灵活的图像变换域表示,提出了实离散分数阶Krawt-chouk变换,并应用于数字图像水印.方法 利用对传统Krawtchouk变换矩阵特征值分解的方式,通过对分解后的特征值矩阵的实矩阵分数化构造得到了实离散分数阶Krawtchouk变换的变换矩阵,从而构造出实离散分数阶Krawtchouk变换.然后,利用所提变换从实数域变换到实数域这一特性,提出了
目的 本征图像分解是计算视觉和图形学领域的一个基本问题,旨在将图像中场景的纹理和光照成分分离开来.基于深度学习的本征图像分解方法受限于现有的数据集,存在分解结果过度平滑、在真实数据泛化能力较差等问题.方法 首先设计基于图卷积的模块,显式地考虑图像中的非局部信息.同时,为了使训练的网络可以处理更复杂的光照情况,渲染了高质量的合成数据集.此外,引入了一个基于神经网络的反照率图像优化模块,提升获得的反照率图像的局部平滑性.结果 将不同方法在所提的数据集上训练,相比之前合成数据集CGIntrinsics进行训练的
目的 深度伪造是新兴的一种使用深度学习手段对图像和视频进行篡改的技术,其中针对人脸视频进行的篡改对社会和个人有着巨大的威胁.目前,利用时序或多帧信息的检测方法仍处于初级研究阶段,同时现有工作往往忽视了从视频中提取帧的方式对检测的意义和效率的问题.针对人脸交换篡改视频提出了一个在多个关键帧中进行帧上特征提取与帧间交互的高效检测框架.方法 从视频流直接提取一定数量的关键帧,避免了帧间解码的过程;使用卷积神经网络将样本中单帧人脸图像映射到统一的特征空间;利用多层基于自注意力机制的编码单元与线性和非线性的变换,使
目的 结构化重建,即从离散点云或者原始三角网格中提取几何平面并将其拼接成紧凑的参数化3维模型,一直是计算机图形学领域中极具挑战性的问题.现有方法通常面临着两个挑战.一是传统的形状检测方法通常只考虑物体的局部特征,无法保证整体结果的准确性.二是现有的形状拼接算法往往受限于计算复杂度,从而只能处理由一百多个几何平面组成的物体,极大地限制了算法的应用场景.针对这些问题,提出了一种快速、鲁棒的结构化重建算法以自动地生成轻量的多边形网格.方法 提出了一种多源区域增长算法,全局地从原始3维数据中提取特征平面.该策略保