基于可见-近红外光谱与稀疏表示的注水肉识别

为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。     

8-（3-或4-氟苯甲酰基）-7-羟基-4-甲基香豆素的合成、晶体结构、抑菌活性、抗氧化活性及其与牛血清白蛋白的相互作用

设计并合成了两个新的氟代香豆素化合物8-（3-氟苯甲酰基）-7-羟基-4-甲基香豆素（3a）和8-（4-氟苯甲酰基）-7-羟基-4-甲基香豆素（3b）,其结构通过元素分析、IR和1HNMR进行了表征,通过X-射线单晶衍射测定了化合物3b的晶体结构,单晶结构分析表明,化合物3b的晶体属于单斜晶系.体外抑菌试验结果显示,目标化合物对大肠杆菌（E.coli）、枯草杆菌（B.subtilis）和金色葡萄球菌（S.aureus）有不同程度的抑制作用;体外抗氧化实验显示,目标化合物对超氧阴离子自由基（O2-·）和二苯代苦味肼基自由基（DPPH·）均有良好的清除能力;运用荧光光谱法研究了不同温度下目标化合物与牛血清白蛋白（BSA）的相互作用,结果表明,目标化合物对BSA的荧光猝灭均属于静态猝灭,相关热力学参数表明,化合物3a（H〈0,S〈0,G〈0）与BSA二者之间主要以氢键或范德华力相结合,化合物3b（H〉0,S〉0,G〈0）与BSA二者之间主要靠疏水作用力相结合;依据Fster＇s非辐射能量转移理论,求得BSA与化合物3a和化合物3b间的距离（r）分别为2.53和2.65nm,说明两个化合物与BSA之间可能发生了非辐射能量转移.     

通过g-C_3N_4担载MNi_(12)(Fe,Co,Cu,Zn)纳米团簇调节甲烷化反应性能（英文）

新型二维材料g-C_3N_4由于其独特的电子结构和优异的化学性能受到了极大关注。根据金属载体间的相互作用以及合金的协同效应,本文应用密度泛函理论,对核壳结构MNi_(12)(Fe, Co, Cu, Zn)纳米团簇与载体g-C_3N_4的相互作用进行研究,并通过其对CO的吸附能研究新型催化剂的反应性能。结果表明d层电子越少的"核"原子与"壳"原子Ni的相互作用更强;当MNi_(12)负载在g-C_3N_4上时,-9.40 eV到-8.39 eV之间的结合能说明MNi_(12)可以很好的稳定在g-C_3N_4上;最后,通过MNi_(12)以及MNi_(12)/g-C_3N_4对CO的吸附行为发现,g-C_3N_4的引入导致CO的吸附能和C―O键长减小。根据电荷分析以及静电势(ESP)分析,发现其原因是因为g-C_3N_4担载以后,CO从MNi_(12)获得的电子数更少。通过本次理论计算,可以得出结论:g-C_3N_4担载MNi_(12)(Fe, Co, Cu, Zn)的新型催化剂不仅可以呈现高稳定性,还可以调变反应性能。     

基于可见-近红外光谱与稀疏表示的注水肉识别

为了能快速准确的识别原料肉与注水肉,提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型,采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果,对光谱数据进行光调制和归一化等预处理并截取有效波段,根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典),通过l1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差,将最小投影误差对应的类作为测试样本的所属类别,并应用留一法进行交叉检验,比较了稀疏表示法与支持向量机的识别结果。实验结果表明,利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上,获得了较好的分类效果,优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取,适用于高维、小样本量数据的处理,计算成本低,将其用于注水肉的光谱数据识别具有一定的创新性,并取得了较满意的结果,为原料肉和注水肉的无损识别提供了一种有效方法。