泡菜自然发酵过程中品质及挥发性成分分析

为得到泡菜在自然发酵过程中的品质变化规律及对风味影响较大的挥发性成分种类,对泡菜的乳酸菌总数、基本理化指标和感官进行测定,同时采用顶空固相微萃取结合气相色谱-质谱联用技术对发酵过程的挥发性成分进行分析检测。结果表明,发酵第6d泡菜品质最优,为最佳食用期;不同发酵时间的泡菜挥发性成分种类和含量差异较大,发酵过程共检出化合物45种,酯类在发酵过程相对含量最高,是结球甘蓝泡菜的特征挥发性物质。对挥发性物质进行主成分分析,得到硫氰酸甲酯、(E)-丁酸-4-己烯酯、乙酸己酯、叶醇、正己醇、β-蒎烯、二甲基二硫和二甲基三硫对泡菜风味形成影响较大。     

不同方法提取冷榨藤椒油中的油树脂及其成分分析

为探讨不同方法对冷榨藤椒油油树脂的提取效果,筛选适宜提取油树脂的方法,并探讨不同方法提取对冷榨藤椒油油树脂风味成分的影响。以冷榨藤椒油为原料,分别采用水浴、超声波和微波辅助溶剂法提取油树脂,并通过GC—MS分析不同提取方法所得油树脂风味成分。结果表明:3种方法提取的油树脂在270nm处的吸光度值由大到小排序依次为:超声波水浴微波;经正交试验获得超声波辅助提取的最优条件为:料液比120(mV),功率400 W,温度40℃,时间40min;GC—MS检测发现,有机溶剂提取法得到的油树脂,均含有较丰富的风味成分,但不同方法提取的油树脂成分的种类和含量均不同。其中,以超声波辅助提取得到的成分种类最多,其特征风味成分的相对含量也最高(柠檬烯4.62%,芳樟醇63.07%,亚油酸甲酯5.11%),水浴次之,微波提取的成分种类及相对含量均最低。     

一种无线传感器网络数据收集协议的研究与优化

PEADG(Power Efficient Algorithm for Data Gathering)协议是基于WSN的抄表系统数据收集协议,PEADG协议建立的网络拓扑结构由多棵树组成,树根节点分担了网络负载,较好地延长了网络生命期,但PEADG协议仍然存在一些问题,如:没有考虑多棵树上节点个数的平衡等。针对协议中存在的问题,提出了三方面的改进:①平衡了拓扑结构中多棵树的网络负载;②增加了对节点剩余能量的考虑;③利用基站收集了网络拓扑信息。利用MATLAB工具对改进后的协议进行了仿真,结果表明改进后的协议延长了网络的生命期。     

小麦霉菌污染支持向量机判别模型的建立

为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类（support vector machine classification,SVM）方法建立判别模型。结果表明：运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80%。输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100%,交叉验证判别正确率为98.89%。用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明：SVM判别模型对外部验证集样品的判别正确率为100%。该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测。     

基于UPPAAL的WSNs数据收集协议的建模与分析

无线传感器网络(Wireless Sensor Networks,WSNs)广泛应用于各类数据收集系统,如居民区无线抄表(包括水表、电表和燃气表)系统。数据收集协议设计的正确性与合理性是影响网络正常运作的关键因素。针对数据收集协议的实时性需求,提出了基于UPPAAL实时模型检查器的WSNs数据收集协议的建模与分析方法。由于UPPAAL的输入模型相对于一般时间自动机模型而言较为复杂,因此首先对所选数据收集协议的通信行为建立一般时间自动机模型,之后再将其进一步转换为UPPAAL的输入模型。为了阐明该方法的有效性,选择了一个实际的无线抄表数据收集协议WM2RP作为例子进行建模,并利用UPPAAL分析其性质。分析结果显示,该协议能够满足一些与安全性及可靠性相关的性质。为了从多角度对协议进行分析,进一步建立了WM2RP协议的异常模型和能耗模型。