超临界CO2法分离番茄中番茄红素的研究

本实验研究了超临界CO2工艺参数对成熟番茄中番茄红素、β-胡萝卜素和叶黄素溶解度的影响。提取压力范围为10～45MPa,温度范围为40～80℃。操作参数不同,番茄红素、β-胡萝卜素及叶黄素在超临界流体中的溶解度不同。实验证明,在35MPa、70℃时,提取物中番茄红素含量可达80.25%,从而省去了番茄红素的纯化过程。     

我国化纤油剂工业21世纪发展初探

随着我国化纤行业的迅猛发展,我国对化纤油剂的消耗量也不断增大,而目前我国油剂行业自身存在的问题已经在一定程度上影响了化纤油剂国产化的进程。为适应纤维生产的需要及迎接加入WTO带来的挑战,化纤油剂行业应加强基础理论研究、搞好油剂单体的研发、加强重点油剂品种的开发、建立行业协会以加强信息交流。     

浅谈高校体育素质教育发展方向

学校体育作为教育的组成部分,如何向素质教育转轨,使学校体育适应社会发展的需要。从普及意识、教学结构、教学形式、教学空间等方面论述了高校体育素质教育发展方向。     

鞋底材料检验的研究进展

鞋底是各类案件现场常见的一类物证,鞋底材料的检验也是法庭科学的一项重要研究课题,感官法、燃烧法、溶剂法等传统方法已不再适用于如今的鉴定需求。诸如红外光谱仪、拉曼光谱仪、扫描电镜/能谱仪、X射线荧光光谱仪等现代分析仪器的使用,以及与之相结合的化学计量学分析,能够快速、准确地检验鞋底材料并进行区分。了解和掌握常见鞋底材料的种类以及检验研究进展,对公安基层实际办案具有一定的指导意义。     

光纤在土木工程中的应用

本文介绍了光纤传感器在土木工程结构测试、智能结构和智能材料中的应用情况。介绍了Ｂｒａｇｇ光栅光纤传感器,Ｆａｂｒｙ－Ｐｅｒｏｔ（ＦＰ）光纤传感器,高双折射光纤传感器和分布式光纤传感器,以及应用和北们测试的形式,及其发展前景的展望。     

生物可降解材料在临床治疗与护理中的应用

医用生物可降解材料是一类在生物机体中可以完全被新生组织取代的天然或合成的材料.多用于外科临床手术、理疗和康复的过程中.该文综述了常见的生物可降解材料的主要种类,简明阐述了生物可降解材料在妇产科临床治疗与护理中的应用.生物可降解材料具有良好的生物相容性和生物可降解性能,在妇科临床治疗中安全可靠,可以有效防止术后粘连的现象...     

X射线荧光光谱结合聚类分析检验快递塑料包装袋

目的 针对现场经常提取到的快递塑料包装袋物证,建立一种快速检验分析、样本分类的方法.方法 采用X射线荧光光谱法对41个不同快递公司、不同来源地的快递塑料包装袋样品进行无机元素检验分析.根据不同样品的元素种类含量进行分类,并利用系统聚类和K-Means聚类,对样品进行聚类分析.结果 根据检验得出无机元素含量及其主要元素的比值,对各样品进行有效区分.通过系统聚类的方法,将样品成功聚为4类.用K-Mean算法对聚类结果进行检验,其分组结果基本一致,说明该方法的聚类效果良好.结论 利用X射线荧光光谱法结合聚类分析检验41个样品,结果表明,各类样品特征明显,具有较高的区分度,可以实现对不同公司、不同来源地的快递塑料包装袋进行区分.文中方法为公安工作中处理此类物证提供了一定的理论参考.     

基于神经网络的塑料打包带高光谱模式识别

目的 建立一种快速、准确、无损的塑料打包带的检验及分类方法。方法 利用高光谱在波长为350～990 nm的条件下采集52个不同来源的塑料打包带样品的高光谱数据,并对样品进行Savitzky-Golay平滑处理,同时结合主成分分析对样品进行降维。将提取到的主成分进行K-Means聚类,以聚类结果为依据建立径向基函数神经网络（RBFNN）与BP神经网络模型（BPNN）。结果 打包带样品的高光谱谱图在400～500 nm、600～700 nm处有较大区别。实验共提取了5个初始特征值大于1的主成分,可以解释96.633%的原始数据。通过K-means聚类将塑料打包带样品分为6类,Calinski-Harabasz指数为28.76,RBFNN分类准确率为86.7%;BPNN分类准确率为98.1%,BPNN的分类效果更好。结论 研究表明神经网络在高光谱谱图分类处理上具有较高的准确度,同时也验证了高光谱在区分检验塑料打包带类物证的可行性与科学性,为公安机关提供了一种新的检验方法。     

红外光谱结合统计学方法对纸质包装盒的检验研究

目的 建立一种高效准确的红外光谱检验纸质包装盒的研究方法。方法 利用傅里叶变换红外光谱仪测得了56个不同类型不同来源的纸质包装盒的红外光谱数据;根据纸盒主要填料的不同,将样品初步分为三大类;利用主成分分析对初步分类后的数据降维,提取出4个主成分,再利用系统聚类将样品最终分为6组,使用K-means聚类算法结合Pearson卡方检验进行验证,与最终分类的结果基本吻合。基于该分组,训练朴素贝叶斯分类、随机森林模型、XGBoost分类3种判别模型,实现对新样品组别的分类预测。结果 56个快递包装纸盒样品被分为3类,而后进一步细分为6组,3种判别预测模型均有较高的准确率,其中随机森林模型的准确率最高。结论 该方法快速方便地实现了对样品的区分,并且可以实现无损检验,为犯罪现场纸质包装盒的鉴别提供依据,从而为公安侦查工作的开展提供帮助。