建立一种基于美国官方分析化学师协会(Association of Official Analytical Chemists,AOAC)方法检测黑果枸杞及其制品中花青素含量的改进pH示差法。考察了黑果枸杞及其制品中花青素的最佳提取和检测条件,通过液相色谱-三重四级杆串联质...建立一种基于美国官方分析化学师协会(Association of Official Analytical Chemists,AOAC)方法检测黑果枸杞及其制品中花青素含量的改进pH示差法。考察了黑果枸杞及其制品中花青素的最佳提取和检测条件,通过液相色谱-三重四级杆串联质谱法鉴别出黑果枸杞中花青素的具体化学结构,并计算出混合花青素的平均摩尔质量。通过分光光度法测得混合花青素的平均摩尔消光系数,对改进后的pH示差法进行方法学验证和花青素的含量测定。结果显示,最佳提取和检测条件如下:黑果枸杞花青素提取溶剂为盐酸-80%(体积分数)乙醇(3∶97,体积比),料液比为1∶100(g∶mL),提取温度为50℃,提取时间为30 min,缓冲溶液稀释5倍后静置平衡20 min。液相色谱-三重四级杆串联质谱法鉴别黑果枸杞中主要以矮牵牛素类花青素为主(占97.96%),黑果枸杞特有的混合花青素平均摩尔质量为912.7 g/mol,平均摩尔消光系数为29591 L/(mol·cm)。pH示差法改进后能够满足方法学验证要求,固体样品和液体样品最低检出限分别为28.2 mg/100 g、0.282 mg/100 mL。方法改进后花青素提取增长率均大于20%,静置平衡20 min后单次检测结果精密度小于0.3%。以矮牵牛素类花青素代替矢车菊素-3-O-葡萄糖苷计算花青素含量平均提高了2.41倍,能真实地反映黑果枸杞及其制品中花青素的含量。展开更多
针对SAR图像船舶检测任务在船舶组合和船舶融合场景下低检测精度的问题,提出了一种轻量化船舶检测算法——RGDET-Ship,有效提高了SAR图像在复杂场景下的船舶检测精度。该算法的创新点包括:①构建基于改进ResNet的基础主干网络,增强深浅...针对SAR图像船舶检测任务在船舶组合和船舶融合场景下低检测精度的问题,提出了一种轻量化船舶检测算法——RGDET-Ship,有效提高了SAR图像在复杂场景下的船舶检测精度。该算法的创新点包括:①构建基于改进ResNet的基础主干网络,增强深浅网络早特征融合,保留更丰富的有效特征图,并利用RegNet进行模型搜索得到一簇最优结构子网络RegNet and Early-Add(RGEA),实现模型的轻量化;②在FPN Neck基础上,结合EA-fusion策略设计出FPN and Early Add Fusion(FEAF)Neck网络,进一步加强深浅特征晚融合,提高中大船舶目标特征的提取;③通过细粒度分析改进RPN网络得到Two-RPN(TRPN)网络,提高模型的检测粒度和预测框准确性;④引入多任务损失函数——Cross Entropy Loss and Smooth L1 Loss(CE_S),包括分类任务和回归任务,进一步提升检测性能。通过在标准基准数据集SSDD上进行大量实验,验证了RGDET-Ship模型的有效性和健壮性。实验结果表明,相较于Faster RCNN和Cascade RCNN,RGDET-Ship在mAP_0.5:0.95上分别提升了5.6%和3.3%,在AR上分别提升了9.8%和7.6%。展开更多
文摘针对SAR图像船舶检测任务在船舶组合和船舶融合场景下低检测精度的问题,提出了一种轻量化船舶检测算法——RGDET-Ship,有效提高了SAR图像在复杂场景下的船舶检测精度。该算法的创新点包括:①构建基于改进ResNet的基础主干网络,增强深浅网络早特征融合,保留更丰富的有效特征图,并利用RegNet进行模型搜索得到一簇最优结构子网络RegNet and Early-Add(RGEA),实现模型的轻量化;②在FPN Neck基础上,结合EA-fusion策略设计出FPN and Early Add Fusion(FEAF)Neck网络,进一步加强深浅特征晚融合,提高中大船舶目标特征的提取;③通过细粒度分析改进RPN网络得到Two-RPN(TRPN)网络,提高模型的检测粒度和预测框准确性;④引入多任务损失函数——Cross Entropy Loss and Smooth L1 Loss(CE_S),包括分类任务和回归任务,进一步提升检测性能。通过在标准基准数据集SSDD上进行大量实验,验证了RGDET-Ship模型的有效性和健壮性。实验结果表明,相较于Faster RCNN和Cascade RCNN,RGDET-Ship在mAP_0.5:0.95上分别提升了5.6%和3.3%,在AR上分别提升了9.8%和7.6%。
文摘目的测定青藏高原4个主产地蕨麻的营养成分,并对其品质进行综合评价。方法采用SPSS 19.0分别对青藏高原4个主产地蕨麻的营养成分进行方差多重比较分析、主成分分析(principal component analysis,PCA)和聚类分析(hierarchical cluster analysis,HCA),并对蕨麻品质进行综合评价。结果4个不同主产地蕨麻中部分产地蕨麻的各营养成分之间差异显著(P<0.05),普遍具有高膳食纤维(平均含量>6 g/100 g)、低脂肪和低饱和脂肪(平均含量分别<3 g/100 g和<1.5 g/100 g)、极低钠(平均含量<40 mg/100 g)、氨基酸组成接近联合国粮食及农业组织和世界卫生组织(Food and Agriculture Organization of the United Nations/World Health Organization,FAO/WHO)的理想模式、脂肪酸种类丰富(含10种主要脂肪酸)、富含多种矿物质元素[平均Fe、Mg、K含量≥30%营养素参考值(nutrient reference values,NRV)]等特点。其中青海蕨麻为高蛋白食品(平均含量>20%NRV),四川和西藏蕨麻含有多种维生素(平均维生素B_(1)、维生素B_(2)、叶酸含量≥15%NRV)。PCA综合评价结果表明青海蕨麻排名第一,HCA将4个不同主产地蕨麻分为3类,第Ⅰ类蕨麻综合品质相对更好。结论蕨麻具有良好的营养价值和开发前景,青海蕨麻营养品质最佳,可为其质量控制提供依据。
