奶茶粉脂肪酸指纹特征及真实性判别模型建立

目的 为评价以脂肪酸(Fatty Acid, FAs)指纹建立奶茶粉真实性判别模型的可行性。方法 采集生牛乳喷雾干燥(湿法)和植脂末、乳粉和炼乳粉粉末原料混合制备(干法)奶茶粉138种产品,并采集植脂末、奶油粉和奶粉为参照样品,气相色谱法检测FAs,进行差异性比较,并进行正交偏最小二乘判别分析(Orthogonal Partial Least Squares Discriminant Analysis,OPLS-DA)和层聚类分析(Hierarchical Cluster Analysis,HCA),观察各种类奶茶粉样品聚类特征,评价模式相似度。构建奶茶粉掺植脂末OPLS-DA和偏最小二乘(Partial Least Square,PLS)预测模型。结果 生牛乳湿法制备的奶茶粉与其他3种干法制备的奶茶粉FAs指纹显著不同,与奶粉有同质性,两者模式相似度为94.4%;3种干法制备的奶茶粉与植脂末和奶油粉存在同质性,可归入同一个大类,模式相似度为27.2%。OPLS-DA和PLS模型有良好的预测能力,可以区分0%植脂末(奶粉)与添加12.5%植脂末的人工奶茶粉样品。三种市售干法制备奶茶粉植脂末掺入量在50%~100%区间,生牛乳制备奶茶粉也有填充粉末油脂现象。结论 利用FAs指纹可以判别纯正的生牛乳湿法制备与干法工艺生产奶茶粉,并可建立奶茶粉真实性的定性和定量判别模型,为奶茶粉真实性判别提供了创新策略和方法。     

基于脂肪酸指纹的胡麻油真实性判别模型的建立

胡麻油富含α-亚麻酸,价格是其他食用油的3~20倍,极易被掺假和冒充,因此,基于脂肪酸(fatty acids,FAs) 指纹建立了胡麻油真实性判别模型。采集胡麻油、菜籽油、葵花籽油、大豆油、花生油、玉米油、芝麻油、调和油8种食用油及餐厨垃圾油和地沟油2种废弃油,利用气相色谱法测定油脂中的12种FAs,进行主成分分析(principal component analysis,PCA),观察10种油脂以FAs聚类的特征,用正交偏最小二乘判别分析(orthogonal partial least squares discriminant analysis,OPLS-DA)评价以FAs指纹鉴别胡麻油物种、冷热榨工艺及品级真实性的可行性,并建立胡麻油中菜籽油掺假量的偏最小二乘回归(partial least squares,PLS)定量预测模型。胡麻油与其他油脂FAs指纹极其不同,C18∶3ω3质量比为(50.14±9.68)g/100g,显著高于其他油脂;而C18∶1ω9和 C18∶2ω6质量比分别为(16.62±5.02)、(14.62±4.64)g/100g,显著低于其他油脂。PCA和OPLS-DA均可对胡麻油物种、加工方法和品级进行区分,OPLS-DA的鉴别效果更好。PCA和OPLS-DA显示,胡麻油与菜籽油、大豆油聚类最靠近。OPLS-DA对胡麻油物种判别准确率为100.0%,冷热榨判别准确率96.7%,品级判别准确率90.0%。胡麻油物种、加工方法和品级鉴别的关键FAs为C18∶3ω3、C18∶1ω9和C18∶2ω6。胡麻油5种关键FAs与菜籽油掺假量相关性分析显示,C18:3ω3含量与菜籽油掺假量呈极显著负相关,C18∶1ω9和C18∶2ω6含量与菜籽油掺假量呈极显著正相关。胡麻油掺菜籽油样品的PLS定量模型相关系数R²为0.986,校正均方差RMSEE为4.2635,交叉验证均方差RMSEcv为4.2648,掺假量预测误差不超过10%。结果表明:基于FAs指纹建立胡麻油真实性判别模型较为可行,该模型有继续优化的空间。     

采用信号匹配的支票图像二值化

提出了一种基于信号匹配的低信噪比图像的信号提取方法,解决类似支票日期域这种既有复杂背景,又有印章噪声干扰的图像二值化问题. 这种二值化方法完全不同于传统的方法,它从信号处理的角度出发,利用了部分先验知识和理想状态下的投影轮廓信号,再通过用不同阈值分割的投影信号与之匹配,匹配度最大时的阈值即为图像分割的最佳阈值. 本方法比其他的传统的二值化方法更具有自适应性和鲁棒性,通过大量的实验数据,以及与常用的其他算法进行的比较得到了验证.     

高效液相色谱法测定鳕鱼中孔雀石绿含量的不确定度评定

目的评定高效液相色谱法测定鳕鱼中孔雀石绿(malachite green, MG)含量的不确定度。方法通过建立数学模型,对高效液相色谱法(high performance liquid chromatography, HPLC)测定鳕鱼中孔雀石绿含量进行不确定度评定,分析不确定来源及其对测定过程中不确定度的相对贡献,并计算合成不确定度,最终得到鳕鱼中孔雀石绿的扩展不确定度。结果当鳕鱼中孔雀石绿含量为1.8822μg/kg时,在95%的置信区间下,合成不确定度为0.09644μg/kg,扩展不确定度为0.19288μg/kg (k=2)。结论实验过程的不确定度主要来源于标准曲线拟合,仪器重复测量和标准溶液配制以及试样称量、定容体积。本研究可为以后的检测工作提供可行性建议。     

高效液相法测定水产品中孔雀石绿含量的不确定度评定

目的 评定高效液相法测定水产品中孔雀石绿(MG)含量的不确定度。方法 通过建立数学模型, 对高效液相法测定水产品中孔雀石绿含量进行不确定度评定, 分析不确定来源及其对测定过程中不确定度的相对贡献, 并计算合成不确定度, 最终得到水产品中孔雀石绿的扩展不确定度。结果 当水产品中孔雀石绿含量为1.8822 ug/kg时, 在95%的置信区间下, 合成不确定度为0.09644 ug/kg, 扩展不确定度为0.19288 ug/kg (k=2)。结论 本文如实分析高效液相法测定水产品中孔雀石绿含量的不确定度, 评定结果表明, 实验过程的不确定度主要来源于标准曲线拟合, 仪器重复测量和标准溶液配制以及试样定容体积。本文为以后的检测工作提供可行性建议。     

高速永磁电机综合设计与分析

高速永磁电动机以其优越的性能被广泛应用于航空航天、精密制造、能源等领域中。但高速永磁电机应用过程中却受电磁、机械、温升等多种物理场因素制约。因此,非晶合金材料角度出发,采用多物理场研究设计方法,分析研究内置高速永磁电机转子应受力状况、轴承支撑刚度对转子系统临界转速影响以及高速非晶合金永磁电机损耗分布特点,并通过仿真试验对研究假设进行实证分析,希望能够为我国高速永磁电机综合设计奠定良好理论支持和实证依据。     

三个优质小麦品种品质稳定性分析

济南17和师栾02-1是山东省种植面积最大的面包小麦品种,济麦22是山东省种植面积最大的面条小麦品种。为明确这3个优质小麦品种在不同地区和年份间品质变化规律,分析了2006～2016年度品质测定结果,结果发现济麦22除沉淀指数、湿面筋含量和吸水率外,其他各项品质指标在华北麦区、黄淮北片麦区和黄淮南片麦区间均不存在明显差异(P0.05)。济南17容重表现为黄淮北片麦区黄淮南片麦区,其他各项品质指标在黄淮北片和黄淮南片间均不存在明显差异(P0.05);师栾02-1最大抗延阻力华北麦区黄淮北片麦区,其他各项品质指标在华北麦区和黄淮北片间均不存在明显差异(P0.05)。另外,除出粉率和湿面筋含量两个品质指标外,其他各项品质指标在济麦22、济南17和师栾02-1间均存在明显差异(P0.05)。根据品质相关指标数据,利用R程序进行聚类分析,将品质指标可以分为3类。     

乳及乳制品三聚氰胺残留HPTLC检测方法的初步建立

以开发低成本和高通量的三聚氰胺(MA)检测方法为目的,初步建立用高效薄层色谱(HPTLC)检测乳及乳制品中三聚氰胺的方法.用高效硅胶G板,以四氢呋喃、水和冰醋酸为展开剂,氯气和碘-淀粉试剂为显色剂检测牛乳中的MA,检出限可达5～2.5 mg/L;而用一种初步尝试的浓缩展开原理,MA检出限可达1.0～0.5 mg/L水平.利用HPTLC完全可以建立一类廉价、操作简便和高检测效率的MA残留检测方法.     

煤矿智能监测与预警技术研究现状与发展趋势

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。