生鲜食品冷链过程中消毒杀菌技术的研究进展

本文旨在概述适用于新冠肺炎疫情阶段且可同时用于冷链过程中生鲜食品表面及外包装的消毒杀菌技术,并讨论其现存的问题,为研发更加安全高效的消毒杀菌技术,实现更有效的疫情防控提供参考。本文主要从臭氧杀菌技术和紫外线杀菌技术的工作机理、对新型冠状病毒的灭活作用、对冷链过程中生鲜食品保鲜效果的影响、食品外包装消毒的有效性及应用现状进行论述。臭氧杀菌技术和紫外线杀菌技术对新型冠状病毒的灭活、生鲜食品表面及外包消毒具有积极作用,在新冠疫情期间具有较大的应用前景。但由于臭氧和紫外线具有一定的物理化学特性限制,加快臭氧覆盖速度与挥发时间、避免紫外线对低温贮藏食物有机分子结构的破坏以及探究其他冷杀菌技术在疫情阶段的适用性是今后的研究方向。

基于联合一致循环生成对抗网络的人像着色

传统灰度图像着色方法存在颜色失真、效果不佳等问题,已逐渐被深度学习方法取代。目前基于深度学习的人像着色方法主要存在复杂背景下误着色的问题。针对上述问题,提出了联合一致循环生成对抗网络的人像着色方法。该方法在循环生成对抗网络的基础上,采用联合的一致性损失训练模型;生成网络采用U型网络结构(UNet)进行改进,以提高生成图像信息的完整性;判别网络中引入多特征融合的特征提取方式,增强特征对图像的细节表达。最后通过在自建的CASIA-PlusColors高质量人像数据集中的对比实验,验证了该方法对复杂背景中的人像着色有着更好的效果。

多温区冷藏车的研究进展

本文综述了多温区冷藏车的研究进展及应用现状,本文主要从机械式多温区冷藏车、液化气体式多温区冷藏车、蓄冷板式多温区冷藏车这三个方面进行概述;总结了多温区冷藏车在果蔬、肉类和水产品等食品的保鲜运输方面的研究现状以及在应用过程中存在的问题,探讨了多温区冷藏车的发展趋势,为多温区冷藏车的改进提供了方向。

一种基于生成对抗网络的人脸着色方法

传统的灰度人脸图像着色方法存在颜色失真的问题,致使着色后的图像无法进一步使用。深度学习在图像生成领域的成功应用,为人脸图像着色的研究带来了一个新的方向。针对目前基于深度学习的人脸着色方法仍然存在误着色的问题,提出了一种结合循环生成对抗网络与联合一致性损失函数进行人脸着色模型训练的方法,以改善着色图像的真实感与细节。通过在Megaface人脸数据集的对比实验,证明该方法可以取得更好的人脸着色效果。

斯特林制冷机在冷链中的研究进展

本文综述了斯特林制冷机的原理并介绍了斯特林制冷机的三种冷量传递方式即直接式冷量传递,热虹吸式冷量传递以及液体泵循环式冷量传递。概述了斯特林制冷机在冰箱、冷链运输保温箱等方面的研究现状,总结了斯特林制冷机的优势,为其结构优化和进一步发展提供了思路。