杀青理条多功能机的改进

杀青理条多功能机的改进黄建琴吴明亮（安徽省祁门茶叶研究所２４５６００）（黄山朝阳集团祁门茶机分厂２４５６００）杀青理条多功能机已广泛用于名优茶杀青、理条、整形作业，制成的茶叶其条索匀直、芽叶完整、锋苗显露，因而受到了广大用户的欢迎。但该机投叶量较少，...     

6CSM—50型茶叶杀青理条机

６ＣＳＭ５０型茶叶杀青理条机孙立民赵和涛（黄山市白云微型茶机厂）（安徽祁门茶叶研究所）为了适应名优茶生产迅速发展的需要，安徽黄山市白云微型茶机厂在有关单位的支持下，研制开发了６ＣＳＭ５０型茶叶杀青理条机。该机具有杀青、理条、整形等多种功能。因其结...     

绢纺精梳制绵理条工艺的理论和实践

本文分析了绢纺精梳制绵的理条工艺过程中纤维的弯钩及伸直机理，比较了各种理条机械及理条方式，并提出了通过理条工艺提高精梳质量的看法。     

往复式理条机使用技术

往复式理条机使用技术方世辉（安徽农业大学茶业系２３００３６）往复式理条机以其结构简单、操作方便、生产效率高、劳动强度低等优点而深受广大茶农的喜爱，近年来在安徽茶区得到了广泛应用。但因技术培训未跟上，不少茶农对机械性能不熟悉，加之操作技术掌握不当，影响...     

变温变频理条工艺对针形茶品质的影响

探索针形茶变温变频理条工艺与机制,为实现针形茶自动化理条提供依据。比较不同的变温变频理条 方式对茶叶品质的影响,分析针形茶变温变频理条的内在机制。结果表明,采用“高-高-中”方式理条的茶样 感官品质得分最高（93 分）,香气尚鲜栗香、滋味尚鲜醇、叶底绿明亮,干茶、茶汤、叶底的－a*值分别高达 0.47、5.07、3.33;茶多酚、氨基酸、可溶性糖质量分数和总叶绿素含量较高,分别为28.65%、2.64%、3.78%和 3.68 mg/g。在固定温度与频率情况下,理条前期,水分质量分数无显著变化,叶温、热容量、焓迅速升高,3 min 时分别高达64.4 ℃、4.88 kJ/（kg/℃）、173 kJ/kg;中期,水分质量分数逐步减少,叶温逐渐上升,热容量保持稳 定,焓迅速降低;后期,水分质量分数下降较快,叶温升高缓慢,热容量及焓降低,理条结束时焓最低,为147 kJ/kg; 熵变不断减少且大于零,说明理条过程不可逆,平均失水率为2.78%/min。理条过程中所吸收的热量,不同阶段其 作用表现不同：理条前期以升温为主;中期以失水、升温为主;后期以失水为主,升温为辅。采取前期高温高频、 后期适当降温降频的理条方式有利于形成针形茶色绿、鲜醇的品质。     

利用回理条纺制成中档绒面花呢产品

本文阐述了利用回理条纺制成中档绒面花呢产品的一系列研制工作，介绍了产品在批量生产中得以完善的各种设计规格和工艺。指出回理条的开发和利用应主要突出色彩的搭配，在织物手感和外观均达到一定水平时，完全可以依靠色彩来突出产品的特性。     

两代名优茶往复理条机对比试验报告

两代名优茶往复理条机对比试验报告彭仁林（安徽东至茶树良种示范场２４７２８２）６ＣＬＺ－６０Ｄ型往复理条机是浙江省衢州市微型茶机厂生产的新一代名优茶机械。该机制作的名优茶规格划一，色香味俱佳，品质稳定，因而有利于标准化、规范化、商品化生产。我场于１９９...     

6CLZ—600型往复理条机的维护与保养

１结构、用途与特点６ＣＬＺ６００型往复（电热）理条机结构如图所示，其主要技术参数列于表１。６ＣＬＺ６００型往复理条机结构示图表１６ＣＬＺ６００型电热理条机主要技术参数项目技术参数往复频率２００次／ｍｉｎ配用电机功率０５５ｋＷ电热远红外管功率５...     

基于人工神经网络法优化河蚌多糖超高压提取工艺

以取珠后的蚌肉为原料,采用超高压方法提取河蚌多糖。利用响应面试验设计获取神经网络所需的训练样本,利用训练成熟的神经网络进行训练和仿真,分析因素(压力强度、料液比和保压时间)以及因素间的交互作用对河蚌多糖得率的影响,并对超高压得河蚌多糖的工艺进行优化。结果表明:人工神经网络法比响应面法的优化准确性高,预测值的可信度较强;超高压提取河蚌多糖最佳工艺条件为:压力强度340 MPa、料液比1:42(g/mL)、保压时间10 min,该条件下的多糖得率预测值为7.18%,实测值为7.12%,相对误差为0.84。该工艺具有短时、高效、环保等优点,为河蚌多糖的开发利用提供技术依据。     

近红外光谱技术结合神经网络检测苹果咀嚼性

以不同储藏期的135个苹果样品为研究对象,对其近红外光谱数据进行预处理并通过主成分分析法提取光谱特征,采用人工神经网络技术建立苹果咀嚼性的近红外光谱检测模型。结果表明,对苹果光谱咀嚼性的最佳光谱预处理方法是加权多元散射处理(WMSC)的光谱散射处理方法和"2441"的数学处理方法,通过主成分分析法提取3个主成分作为原始信息的特征变量,建立苹果咀嚼性检测的人工网络模型结构为3—16—1,模型对验证集预测的决定系数为0.992 4,均方根误差为0.000 108 2。近红外光谱技术能对苹果咀嚼性进行快速、无损预测。     

Monitoring the authenticity of low-fat yogurts by an artificial neural network

The growing consumption of low- and reduced-fat dairy products demands routine control of their authenticity by health agencies. The usual analyses of fat in dairy products are very simple laboratory methods; however, they require manipulation and use of reagents of a corrosive nature, such as sulfuric acid, to break the chemical bounds between fat and proteins. Additionally, they generate chemical residues that require an appropriate destination. In this work, the use of an artificial neural network based on simple instrumental analyses, such as pH, color, and hardness (inputs) is proposed for the classification of commercial yogurts in the low- and reduced-fat categories (outputs). A total of 108 strawberry-flavored yogurts (48 probiotic low-fat, 36 low-fat, and 24 full-fat yogurts) belonging to several commercial brands and from different batches were used in this research. The statistical analysis showed different features for each yogurt category; thus, a database was built and a neural model was trained with the Levenberg-Marquardt algorithm by using the neural network toolbox of the software MATLAB 7.0.1. Validation with unseen data pairs showed that the proposed model was 100% efficient. Because the instrumental analyses do not require any sample preparation and do not produce any chemical residues, the proposed procedure is a fast and interesting approach to monitoring the authenticity of these products.     

基于人工神经网络的织物疵点聚类分析

本文提出了一种基于人工神经网络的织物疵点分类方法。首先利用灰度共生矩阵提取织物疵点图像的纹理特征参数;然后阐述前馈BP神经网络的拓扑结构,并提出该网络的具体训练过程;最后利用人工神经网络对真实织物疵点样本进行分类,实验采用五类织物样本,网络训练完成后得到实际分类的疵点数据,并利用该数据进行织物疵点分类,分类的准确率达到100%,从而验证了该方法的可行性。     

基于神经网络遗传算法优化棉粕挤压膨化脱酚工艺

本文应用人工神经网络模拟了棉粕的挤压膨化脱酚工艺,建立了一个3层网络结构的BP神经网络模型用以预测游离棉酚的降解规律,采用十折交叉验证表明:选择隐藏层神经元数为8、网络训练函数为\     

人工神经网络和响应面法优化薏苡仁酒发酵条件

采用Box-Behnken试验设计对薏苡仁酒的发酵条件进行优化,并对Box-Behnken（BB）试验结果分别进行响应面法（RSM）和人工神经网络（ANN）分析。结果表明,RSM、ANN优化发酵条件分别为薏苡仁∶糯米为1∶2（g∶g）、酵母A1接种量为4.7%、温度为31.7 ℃、初始pH为3.0;薏苡仁∶糯米为1∶1.9（g∶g）、酵母A1接种量为4.2%、温度为28.1 ℃、初始pH为3.0,ANN、RSM分别在其最优条件下的实际值和预测值都基本一致。ANN、RSM拟合模型的相关系数（R）、决定系数（R2）、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）分别为0.994 5、0.988 9、0.011 7、0.108 4、0.072 2、0.486 3%和0.983 6、0.967 5、0.028 9、0.170 1、0.143 7、0.985 7%。ANN具有更高拟合能力和准确性,拟合效果更好,更适合应用于薏苡仁酒发酵条件优化。     

基于人工神经网络的碱性蛋白酶水解乳清蛋白预测模型的建立

乳清蛋白水解物的生物利用价值高,水解度是衡量水解物的重要指标之一。基于人工神经网络方法建立了碱性蛋白酶水解乳清蛋白的水解模型。利用Matlab的nnet工具包中的nftool建立神经网络模型。实验中设置了15个隐藏神经元,选用Levenberg-Marquardt训练算法迭代计算。实验结果表明:测试值与输出值的误差平均较小,拟合回归得到的整体R2=0.97995,测试集合的R2=0.96239,表明神经网络拟合效果和预测能力良好,能够较好地完成水解度预测的目标,选用的测试组的实验结果与神经网络输出值之间的误差均在±3%以内,说明此神经网络预测模型具有较高的预测能力和精度。      

人工神经网络优化沙棘果酒主发酵工艺研究

为了提高酿酒酵母发酵沙棘原汁的乙醇含量,该研究利用人工神经网络和正交试验相结合的方法,对酿酒酵母发酵沙棘原汁产乙醇工艺中的主要工艺参数发酵温度、基质的pH值、接种量和糖度进行了优化.试验结果表明,当发酵温度为28.5℃、pH值为3.7、接种量为0.18%、糖度为23%时,酿酒酵母发酵沙棘原汁产乙醇量最高,发酵液中的酒精度为14.0%vol.该研究提出了一种新的数据处理和分析方法,利用神经网络特有的自学能力,通过仿真、评估和优化,显著地提高了发酵液中的酒精度.     

BP神经网络在毛织物风格评价中的应用研究

评述了人工神经网络和织物风格评价的特点，提出人工神经网络在毛织物风格评价中的工作原理和网络构建方法。基于反向传播神经网络模型(BP)建立了3层网络系统用于处理织物风格信号。经过学习训练，系统具有较强的自适应预测能力。     

人工神经网络在大学生学习水平测试中的应用

通过将原始分转换为有效标准分,并将各科成绩标准化为无量纲的相对评价值,构建了大学生学习水平非线性评价模型.实例分析表明,该模型可以清除主观因素,较好地对学生的学习水平进行综合评价.