加工导致的花生过敏原蛋白结构变化及其对性质的影响

花生是世界粮农组织(FAO)认证的八大过敏食物之一,花生可导致严重的过敏反应,甚至危及生命。由于花生作为食物配料有广泛的应用,人们对花生过敏越来越关注。本文对加工后花生过敏原蛋白结构变化与性质变化之间的关系研究进行了综述,为探索加工定向改变花生过敏原蛋白的结构和性质提供方向。      

新型青稞酒发酵前淀粉液化及糖化条件的优化研究

以青稞和贡米为酿酒原料,以葡萄糖当量值(DE值)为指标,对新型青稞酒发酵前淀粉液化和糖化工艺优化进行研究,主要研究不同因素对青稞和贡米混合料中的淀粉液化及糖化过程的影响。结果表明,最优液化条件为:温度65℃,时间5h,α-淀粉酶添加量4U/g,p H值6.0;最优糖化条件为:时间45h,温度60℃,p H值5.5,糖化酶添加量100U/g。在此工艺条件下水解液中还原糖的含量和DE值达到最大。     

日本Ehime造纸公司

提起日本及其制造业,首先想到的便是质量。这个人口仅有1．26亿的国家在全球许多领域都有着超乎想象的影响力,尤其在先进的生产技术方面。     

基于学习的多议题协商

随着在线交易越来越普遍,如何有效地将先进的agent技术运用于电子商务协商领域,已经成为经济学家和计算机学者共同研讨的一个主要方向。文中从买方agent的观点出发,在协商过程中采用贝叶斯学习机制进行预测和更新对方agent的信念,使得每个agent通过学习来协调自身的行为,从而缩短了协商时间,提高了协商效率,更能有效地完成协商目的。并实验说明了其可行性。     

融合相似性检测的抗遮挡粒子滤波跟踪算法

在粒子滤波跟踪算法运行过程中,由于目标遮挡导致丢失目标,将严重地降低跟踪精度与鲁棒性。为了解决此问题,提出了目标丢失状态判定方法和基于改进序贯相似性检测的目标位置重建方法,当检测到目标丢失时,重启跟踪算法。改进序贯相似性检测使用Bhattacharyya距离代替像素累积误差,更好地适应检测目标发生旋转、形变、缩放等情况。使用OTB-100标准数据集,将该算法和传统粒子滤波跟踪算法、SCM等经典算法比较。实验结果表明,对于含遮挡特性视频序列,本文算法比传统粒子滤波跟踪算法和OTB-100抗遮挡最优算法跟踪成功率分别提高36.6%和3.2%,提升了跟踪过程的稳定性。此外,还将实验结果与最新粒子滤波跟踪研究成果作对比分析。     

基于电话网的银行自动语音查帐系统的设计

本文介绍了利用单片机AT89C51来控制电话收发芯片MT8870和语音芯片ISD4004实现电话远程语音查询银行账户的系统。     

面向软件动态演化的需求建模及其模型规范化

针对目前需求工程阶段对软件动态演化考虑不足的现状,在分析软件动态演化面临的挑战的基础上,设计了面向动态演化的需求元模型(dynamic-evolution-orientedrequi rements meta-model,DERM)。该元模型以特征为基本部件,按特征组合的方式建立需求模型,需求模型由行为特征和属性特征组成。行为特征被区分为计算行为特征和交互行为特征,以实现计算和交互的相对隔离;属性特征通过其作用域,指定其在行为特征模型中的作用范围,从而将行为特征模型和属性特征模型统一为需求模型。在此基础上,讨论了需求模型的参照完整性、依赖一致性和互斥一致性,并进一步把需求模型规范化为需求模型第一范式到第三范式,需求模型规范化的过程提供了一种保证需求模型一致性的方法。最后通过案例研究,表明了该方法的可行性及其对软件动态演化的有效支持。     

用缓释指数评价化学缓释肥的缓释特性及其生物效应

在实验室条件下,采用简化的工艺制备了对氮、磷、钾三元素均有部分缓释作用的复混肥(化学缓释肥),用特定淋洗装置测定肥料各养分随时间的溶出率,通过双曲线方程Xt=b-a/t对其养分累计溶出率与时间的关系进行拟合,以方程常数b和a计算出的缓释指数(SR I)来定量评价肥料缓释特性,同时进行盆栽试验,探讨了缓释指数与复混肥中相应缓释添加剂百分含量(X)之间、各复混肥处理的油菜产量与复混肥中缓释添加剂总含量(X'')之间的关系。结果表明:各养分的缓释指数(SR I)与相应缓释添加剂含量(X)均有很好的线性正相关;各化学缓释肥处理的油菜产量随缓释添加剂总含量(X'')增加而增加;化学缓释肥以较少的荚数获得更高的产量。这预示着通过肥料的室内淋洗试验得到的缓释指数SR I不仅可以用来评价肥料的缓释性能,且在一定程度上可预测肥料的增产效应。     

P2P流媒体系统模型及关键技术研究

介绍了典型的P2P流媒体系统模型,并指出基于多播树协议的服务模型与基于Gossip协议的服务模型的区别.分析了对P2P流媒体系统的节点的调度算法、数据存储、资源发现、内容分发等关键技术,在此基础上指出了P2P流媒体系统进一步的研究方向.     

基于YOLOv4神经网络的小龙虾质量检测方法

设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型最终性能均高于其他常见目标检测模型,其检测准确率达97.8%,平均检测时间为37 ms,表明该方法能够有效检测生产过程中的小龙虾质量。