不同来源多肽热反应风味成分对比分析

为研究不同来源的多肽对热反应后风味的影响，采用HS-SPME-GC-MS技术对热反应后的风味物质进行检测，并通过风味分析、聚类分析和主成分分析方法对检测结果进行分析。结果表明，浓厚味酵母多肽热反应后风味最好，呈烤肉风味，其风味物质含有较高含量的吡嗪类化合物和较低含量的含硫化合物。较好的烤肉风味与合适比例的吡嗪类和含硫化合物有关，其中吡嗪类化合物能够掩盖含硫化合物和酸类的异味，并且提供丰富的烤香风味。聚类分析和主成分分析显示植物多肽大豆多肽1号、2号，玉米多肽1号、2号以及小麦多肽1号为一类，特征化合物为酸类、醛类和醇类化合物；浓厚味酵母抽提物和小麦多肽2号为一类，特征化合物为吡嗪类化合物；基础型酵母抽提物自成一类，特征化合物大部分为呋喃化合物和含硫化合物。     

文本中心像素重建实现任意形状的文本检测

针对自然场景文本检测算法未能高效、准确地实现端到端的任意形状文本检测，提出了轻量型像素聚类文本核重建的文本检测算法，针对轻量型网络特征信息弱和感受野小的问题，设计了图像级上下文信息模块（imagelevel context module）来捕获全局图像信息和语义级上下文信息模块（semantic-level context module）学习目标区域信息，两者信息融合增强网络特征信息保证检测的准确性，为了有效区分相邻文本和定位弯曲文本，基于文本核启发将文字实例中心视为聚类中心，从核中心经过一次像素聚类重建完整的文字实例实现对任意形状文本的检测。方法在弯曲文本数据集Total-Text和CTW1500综合评分达到了84.1%和84.6%超过了最好的CARFT方法，检测速度42帧/s超过最优EAST的，有效地解决了检测形状文本的高效和准确性，在应用层面更加友好。     

基于快速傅里叶变换和选择性卷积核网络的图像补全

较传统方案而言, 目前基于深度学习的图像补全方法取得了更优的修复效果. 但大都忽视了建立像素的长距离依赖, 深度学习模型处理大面积不规则缺失时效果不佳、生成图像整体契合度不足. 另一方面, 很多通过融合多尺度感受野来保留更多细节信息的补全算法, 由于无法动态的调节感受野, 而受到输入尺度与补全目标尺度变化带来的影响, 最终导致生成结果产生明显的伪影误差. 针对这类问题, 本文提出一种基于快速傅里叶变换和选择性卷积核网络的补全算法, 在实现像素长距离依赖的同时保证模型的高效率运行. 此外, 本算法还改进了选择性卷积核网络, 可按照各卷积核特征的贡献, 自适应调整相应权重, 从而为模型提供精确的局部性信息补充, 最终生成全局融合度更高、局部细节更丰富的补全结果. 在Celeb-A和Place2数据集的实验表明, 本文方法不仅在PSNR和SSIM指标上超越了现有的前沿图像补全方法, 且处理受遮挡率为80%以上的图像时具有明显优势, 能够生成更真实地结果.     

环氧掺量对热拌环氧沥青性能影响及其固化特性

为探究降低环氧沥青（EA）铺装经济成本的可行性以及EA结合料与混合料之间的固化特性关联，采用拉伸试验和旋转粘度试验分析了环氧树脂（EP）掺量对EA力学性能与粘度特性的影响规律，并通过红外光谱和马歇尔稳定度试验研究了EP掺加质量分数40%的EA及其混合料的固化特性。结果表明：EP掺加质量分数30%以上时EA的力学性能优异，并且在180℃下施工容留时间充足。EP掺加质量分数40%的EA在固化过程中其环氧基特征峰逐渐平缓，前24 h固化度达到75%以上。EA混合料养生24 h后，其稳定度可达42.03 kN，达到规范性能要求。EA混合料强度与结合料固化程度密切相关，在60℃/96 h养生期内，EA混合料强度和结合料固化度随时间变化表现出相同的规律，使用结合料代替混合料评估施工后的路面强度形成程度具有可行性。