黑茶发酵优势菌对茶多酚的生物转化研究

利用从茯砖茶中分离出的冠突散囊菌和从普洱茶中分离出的黑曲霉、根霉分别接种于以茶多酚作为唯一碳源的培养基中,进行单一菌株发酵,对发酵过程茶多酚类化合物的变化规律进行分析.结果表明,发酵期内,随着发酵时间延长,各发酵液的茶多酚总量显著降低,冠突散囊菌、黑曲霉、根霉发酵液中多酚分别降低38.9％、85.5％和92.1％;黄酮类总量在黑曲霉、根霉的作用下先下降后上升,冠突散囊菌则波动上升;各处理儿茶素总量均显著下降,其中酯型儿茶素含量直线下降,非酯型儿茶素和没食子酸的含量均先增加后减少.在黑曲霉、根霉作用下,茶黄素、茶红素含量显著减少,茶褐素含量增加.冠突散囊菌发酵液中茶黄素含量减少,茶红素含量增加,茶褐素含量基本不变.基于不同优势菌对茶多酚的转化在质和量上均有差异,有必要对其转化产物进行深入研究.     

基于高光谱图像和深度学习的菠菜新鲜度检测

针对传统机器视觉在实现菠菜新鲜度检测精度偏低的问题,该文提出了一种基于高光谱和深度学习技术的圆叶菠菜新鲜度识别新方法。以10℃常温贮存的圆叶菠菜为研究对象,以天为单位,综合考虑影响菠菜新鲜度的6个因素:贮藏天数、外观、含水率、叶绿素a、叶绿素b和胡萝卜素,将菠菜划分为新鲜、次新鲜和腐败3个等级。拍摄菠菜叶片的高光谱图像,计算ROI(region of interest)反射率均值后,基于分组精英策略遗传算法,结合2种分组策略,筛选出含6个波长的组合。定义训练集R和测试集合T,使用SVM分类器,基于波长对应的反射率,分别进行基于光谱特性界定菠菜的新鲜度分类试验。找出了识别率均值最高的3个波长,分别是389.55、742.325和1 025.662 nm。由于基于光谱特性进行菠菜新鲜度检测时识别率偏低。尝试基于菠菜的高光谱图像特征进一步进行菠菜新鲜度识别研究。从高光谱图像集中抽取这3个波长对应的菠菜图像,构成菠菜图像样本库(Norm Img389、Norm Img742、Norm Img1025和Norm Img_merge),基于深度学习技术建立菠菜新鲜度识别模型,对图像样本库中4类图像进行识别试验,平均识别准确率79.69%、68.75%、69.27%和80.99%。而Norm Img389测试集识别正确率接近80%,Norm Img_merge测试集识别正确率最高达到了80.99%,说明融合3个波长对应的图像进行等级识别效果最好。该研究实现了圆叶菠菜新鲜度的无损检测,具有实践和理论意义。