近红外和电子鼻数据融合识别不同香型风格

分别基于近红外和电子鼻融合数据、近红外数据以及电子鼻数据建立判别烟叶清香型、中间香型和浓香型三种香型风格的定性判别模型,结果表明虽然三种模型的建模准确率差异不大,都超过了89.00%,但基于融合数据建立的模型对中间香型和浓香型的预报准确率分别为82.67%和80.00%,比仅仅利用近红外数据建立模型的72.41%和73.33,也比仅仅基于电子鼻数据建立模型的68.97%和53.33%都有明显的提高。融合后预报准确率提高的可能原因是:电子鼻风味分析仪对于影响中间香型和浓香型的烟叶致香成分感应更加灵敏,捕获的信息也更多,这些新的信息可以作为NIR数据信息的有利补充,可用于建立烟叶香型分类判别准确率更高的模型。同时本研究还基于相同的融合数据,对比不同数据挖掘算法建模和预报结果差异性。实验结果表明:人工神经网络的建模结果高于支持向量机建模,人工神经网络模型的预报结果准确率只有65.00%,远低于支持向量机模型的预报结果的83.75%。这也验证了支持向量机算法可以在建模过程中减少过拟合。该研究可以为快速鉴别烟叶香型风格提供支撑,而且随着研究的深入可以争取为烟草系统的专业评吸人员提供辅助的鉴别方法。

鲜味物质及鲜味调味料的研发进展

以鲜味物质为基础的鲜味调味料作为安全、方便的一类定型调味料产品,已成为餐饮业和食品工业高质量快速发展的重要技术支撑。本文以鲜味物质以及鲜味调味料为综述对象,分别介绍了鲜味物质的组成,包括游离氨基酸及其钠盐、呈味核苷酸及其钠盐、鲜味肽及其配料并概述鲜味物质的味觉互作;鲜味调味料的制取方法,包括物理法、化学法、生物法和组合法。同时,阐述了鲜味调味料在食品中的应用,包括提高食品的可接受度、提高食品的营养价值以及与菜谱式调味料和预制菜肴结合。最后,对鲜味调味料未来的发展方向进行展望,以期为开发安全、美味、健康的鲜味调味料,提升其在食品工业中的应用价值提供参考。

食品中鲜味的来源及其评价方法

鲜味作为5种基本滋味之一,对食品滋味和品质有着重要的贡献,近年来被人们广泛关注。本文以鲜味为中心展开,介绍了食品中的鲜味物质,包括呈味游离氨基酸、核苷酸以及鲜味寡肽;归纳了几种鲜味评价方法,包括化学分析、人工感官分析以及智能感官分析;阐述了物理和生物方面的鲜味获取方法,并从对鲜味影响较大的食材和加工方式两个方面进行综述,还对未来鲜味的研究方向进行了展望,以期为食品中鲜味的相关研究提供参考。

运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较

目的比较VGG19、Inception-V3、Inception-ResNet-V23种深度学习(deep learning,DL)模型基于骨盆X线片图像进行骨龄自动评估的性能。方法采集我国5省市11.0~<21.0周岁汉族青少年骨盆X线片图像962例(男性481例,女性481例),将上述图像进行预处理作为研究对象。采用随机抽样的方法抽取80%作为训练集、验证集,用于模型拟合和超参数的调整。20%作为测试集,用于评估模型泛化的能力。通过比较模型估计值与生活年龄的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及绘制Bland-Altman散点图来评估3种模型的性能。结果VGG19模型预测年龄与生活年龄的平均RMSE、MAE分别为1.29、1.02岁,Inception-V3模型预测年龄与生活年龄的平均RMSE、MAE分别为1.17、0.82岁,Inception-ResNet-V2模型预测年龄与生活年龄的平均RMSE、MAE分别为1.11、0.84岁。Bland-Altman散点图显示Inception-ResNet-V2模型的差值的均值最小。结论在对青少年骨盆的自动骨龄评估中,Inception-ResNet-V2模型性能最优,Inception-V3模型与VGG19模型性能相当。