栅栏保鲜技术对脊腹褐虾虾仁制品品质变化的影响

为保持脊腹褐虾虾仁的营养品质,防止其腐败变质,采用栅栏保鲜技术对脊腹褐虾虾仁进行保鲜处理,研究保鲜过程中虾仁的感官特性、pH、菌落总数及挥发性盐基氮(TVB-N)的变化情况。结果表明:采用多栅栏因子保鲜组的脊腹褐虾虾仁在贮藏8 h时,感官评分分值仍高于6分,均优于其余各组,包括对照组、仅添加保鲜剂组、真空包装组以及控制水分含量组;采用多栅栏因子保鲜组的脊腹褐虾虾仁pH变化趋势小,而对照组、添加保鲜剂组、真空包装组及水分含量控制组的pH变化趋势较大。在菌落总数增长方面,采用多栅栏因子菌落总数增长缓慢,相比其余对照研究组菌落总数增长较快。在挥发性盐基氮方面,多栅栏因子保鲜组相比其余研究组也是增长缓慢。综合评价采用多栅栏保鲜因子处理的脊腹褐虾制品的感官评分、pH、菌落总数、挥发性盐基氮在贮藏期间均优于传统的单一栅栏保鲜技术法。该研究成果为脊腹褐虾及虾仁制品的生产提供了理论基础。     

基于残差网络的河流表面时空图像测速法

针对在耀光、紊流、降雨等复杂含噪场景下时空图像中有效纹理特征变得模糊，使得现有纹理主方向检测算法精度受限的问题，结合深度学习的思想，提出了一种基于残差网络回归模型的时空图像测速(ResNet50-STIV)法，并借助残差网络回归模型强大的非线性学习能力构建了回归预测函数。通过构建人工合成数据集和包含复杂场景时空图像的天然河流数据集对残差网络回归模型进行试验，结果表明：提出的残差网络回归模型在人工合成数据集下的检测精测可达到0.1°,对于天然河流数据集，具有残差结构的ResNet回归模型的检测精度优于VGG16;从模型层数看，基于ResNet50的回归模型能较好地平衡检测精度以及执行效率，在正常场景下的检测精度达到0.7°,而在耀光、紊流、降雨场景下能控制在1.3°以内，ResNet50-STIV优于现有的时空图像测速法；与流速仪法在多场景下表面流速比测的最大相对误差小于12%。