小米曲奇预拌粉配方的优化

以预糊化小米粉为主要原材料,研制小米曲奇预拌粉。通过单因素试验,研究小米粉添加量、吉士粉添加量、奶粉添加量、泡打粉添加量、糖粉添加量对小米曲奇感官评分和硬度的影响。采用Box–Behnken法设计试验方案,运用响应面分析法建立二阶多项式非线性回归方程和数值模型,以感官评分和硬度为评判指标,优化小米曲奇预拌粉配方。优化后配方为:小米粉60.00g、低筋面粉40.00 g、吉士粉6.50 g、泡打粉1.00 g、糖粉45.00 g、奶粉8.00 g。在此条件下小米曲奇的理论感官评分为95.04分、硬度为510.11 g。在此配方下制作的小米曲奇呈棕黄色,与市售黄油曲奇相比,具有独特的小米香气和风味。预拌粉降低了小米曲奇制作的专业性、技术性,提高生产效率,利于生产品质稳定、健康味美的小米曲奇产品。     

基于点云深度学习的3D目标检测

针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。