酸法提取青稞麸皮结合酚工艺优化

为了提高青稞的附加利用价值,该文以青稞麸皮为研究对象,考察了提取试剂、酸质量分数、萃取pH值、料液比和提取温度对多酚质量分数和 DPPH·自由基清除能力的影响。采用中心组合设计优化其结合酚提取工艺。结果表明,青稞结合酚提取最优工艺条件为：提取试剂为硫酸,酸质量分数为11.10%,水料比为1：17 g/mL,提取温度为75℃,pH值不作处理,此条件下提取得到的结合酚质量分数达224.33 mg/(100 g),DPPH·自由基清除能力达9919.28μmol/(100 g),与预测值多酚质量分数243.80 mg/(100 g),其DPPH·自由基清除能力9087.02μmol/(100 g)基本一致。高效液相色谱法检测到最优工艺下所得青稞结合酚中含有8种酚酸及8种黄酮类物质,总量达325.104 mg/(100 g)。研究结果为全面评价青稞结合酚含量及青稞麸皮的高效利用提供科学依据。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。     

基于近红外光谱技术的灵芝提取物掺假定量快速无损检测研究

为了探索快速测定灵芝提取物掺假(淀粉)含量的方法,采用近红外光谱扫描掺杂0%、5%、10%、20%、40%、60%、80%淀粉的灵芝提取物,对其光谱进行预处理和波段选择,并结合偏最小二乘法(PLS)建立灵芝提取物掺假定量快速无损检测方法。结果表明,使用多元散射校正(MSC)预处理方法,波数范围8 000~7 500、6 000~5 500和5 000~4 000cm~(-1),主因子数为8时,建立的偏最小二乘法模型的校正决定系数(R_(cal))、校正均方根差(RMSECV)、验证决定系数(R_(val))和验证均方根差(RMSEP)分别为0.9962、0.0249、0.9960和0.0241。运用该模型对验证集样品进行预测并统计分析,可知预测值与实际掺假值之间无显著差异。本研究为灵芝功能食品市场检测提供了方法基础。     

一种可用于评估土壤团聚体稳定性的超声能量法

团聚体稳定性是土壤质量的重要指标。鉴于当前团聚体稳定性难以定量的研究现状,本文提出一个可定量评估土壤团聚体稳定性的超声能量法,并与传统Yoder湿筛法对比分析了稳定性土样(浙江潮土、重庆黄壤土、江西红壤)和弱稳定性土样(河北壤土和黑龙江暗棕壤)五种典型土壤的5~3mm粒级团聚体的平均重量直径(MWD)和团聚体粒径分布(ASD)。结果表明:(1)测试土样的稳定性为潮土红壤黄壤土暗棕壤壤土;(2)超声能量法分散强度大,分散效率高,更适用于稳定性土样的评估,对于弱稳定性土样的评估则不如传统Yoder湿筛法。因此,评估土壤团聚体稳定性时可以选择合适的测量方法以提高分辨精度,即强稳定性土壤对比分析应选用超声能量法,而弱稳定性土壤对比分析则可以用Yoder湿筛法。     

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。     

基于图像处理技术的小麦叶面积指数的提取

为了较好地模拟叶面积指数的变化动态,在大田条件下进行试验,获取5个品种5个密度下不同发育期的小麦群体冠层数字图像,并手工测得实际叶面积。通过研究设计了复杂背景下小麦冠层图像叶面指数的有效提取方法,将图像处理得到的叶面积指数数据与实际测得的数据进行拟合建立模型。结果表明：品种、密度和发育期的差异对拟合模型参数影响显著,对模型经过随机抽取样本图像进行假设检验,均能够通过检验。模型的相关系数平方均达到0.86以上,能够实现高精度的小麦冠层叶面积指数的估测。     

多对象特征提取和优化神经网络的玉米种子品种识别

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。     

超声波辅助提取黑豆皮色素工艺优化

为了优化超声波辅助提取黑豆皮色素的工艺条件,在单因素试验基础上,采用响应曲面法对影响黑豆皮色素提取效果的3个主要影响因素即超声功率、溶液pH值和液固比进行了优化,建立并分析了各因子与黑豆皮色素提取液吸光值关系的数学模型。结果表明：原料用量0.5 g,在超声功率为80 W、溶液pH值1.5、液固比30 mL/g时,黑豆皮色素提取效果较好,在此条件下色素的提取率达到95.6%。     

三种土壤微生物总DNA提取方法的比较

本文对3种常用的土壤微生物总DNA提取方法Martin法、高盐改进法及试剂盒法进行了比较,并通过DNA得率、纯度及16S rDNA V3可变区的PCR扩增结合DGGE法（denatumg gradient gel electrophoresis）,分别对3种方法进行评价。结果表明,3种方法提取的DNA均能满足土壤微生物多样性分析的要求。其中试剂盒方法操作简单,提取的DNA质量较高,但DNA得率较低且成本昂贵。Martin法和高盐改进法用时较长,DNA得率较高,纯度较低,但对后续PCR扩增和DGGE分析没有明显影响,且成本低廉。     

红松种子壳多酚物质的提取及抗氧化特性

该文选取超声波辅助提取法,采用单因素试验及响应面设计,研究了超声波提取时间、温度、乙醇浓度及料液比对红松种子壳中多酚类化合物提取的影响。并利用Fenton体系、1,1-二苯基-2-苦苯肼(DPPH·)体系及邻苯三酚体系测定其提取成分的抗氧化活性。结果表明,松壳中多酚成分提取的最佳工艺条件为:超声提取时间2.80h、料液比1∶26.36(g/mL)、乙醇浓度42.86%、提取温度80℃,多酚得率7.96mg/g。在此优化条件下,红松种子壳提取物对羟自由基(甲基紫法)、DPPH·自由基及超氧阴离子均具有较强清除作用,半数抑制浓度分别为6.67×10-4、2.34×10-2、3.97mg/mL。