采用智能感官分析技术结合传统感官评价,研究了细点圆趾蟹蟹肉、细点圆趾蟹重组蟹肉、仿蟹肉块和仿蟹肉棒的感官品质。4类均为低脂类、可放心食用的食品。用电子舌技术与主成分分析法对4类蟹肉样品进行了区分和识别,用质构仪检测了4类样品的适口性(包括硬度、弹性、黏结性、胶性、咀嚼性和回复性)。结果表明,仿蟹肉制品与纯蟹肉在味道上存在明显差异,纯蟹肉较仿蟹肉制品具有更强的鲜味回味,但苦味、涩味和苦味回味相对较高;蛋白质类添加剂(TG酶)有利于提高纯蟹肉的感官品质,尤其可大幅度改良口感和质地,全质构分析测定结果与人的感官评价结果一致性较高。
介绍了利用矩阵权非均匀有理 B-spline(non-uniform rational B-spline,NURBS)曲面拟合与光顺带法向的网格数据。通过输入带法向的规则四边形网格,以网格的顶点为曲面的控制顶点,用法向信息计算每个控制顶点对应的矩阵权,构造矩阵权NURBS曲面。与传统NURBS曲面相比,矩阵权NURBS曲面具有拟柱面精度,当数据均匀采样自光滑曲面时,构造的矩阵权NURBS曲面具有较好的光顺性且能很好地拟合网格模型;当输入的网格数据掺杂噪声时,通过迭代在已有的矩阵权NURBS曲面上重新采样顶点和计算法向量构造新的矩阵权NURBS曲面,最后得到具有较好光顺性且仍能逼近原始网格数据的拟合曲面。
三维轮胎花纹模型检索是计算机辅助花纹设计的关键。提出了一种基于非精确邻接图匹配和Cluster Tree的检索方法,利用三维花纹设计参数和几何特征提高检索效率。将B-rep格式的轮胎花纹模型转化为属性邻接图,通过计算边相容度,对两个属性邻接图进行非精确匹配,计算其图相似度;通过设计参数对花纹数据库进行空间划分和递归聚类,构建以Cluster Tree为子树的索引结构,借助几何特征提升拓扑结构相近的花纹模型的区分度。将方法应用于自主开发的三维花纹设计软件平台,结果显示,检索精度和检索效率均较现有通用CAD检索模型高。
针对三维网格模型分割质量提升问题,提出了感知几何的图注意力网络。首先,定义了感知几何的图注意力系数,利用节点之间的边特征扩展由网络学习得到的注意力系数,引入与节点局部几何信息相关的注意力系数,更好地反映节点之间的相似性。然后,通过调整网络架构,将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入,使标签信息参与网络训练和验证,并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明,本文算法能够获得精确的分割边界,其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点,也取得了更好的兰德指数。同时,通过消融实验验证了算法的合理性。
甲氧基多溴联苯醚(methoxypolybrominated diphenyl ethers, MeO-PBDEs)广泛存在于生物体和海洋环境。以象山海域的生物体和沉积物为样本,采用固相萃取净化-气相色谱-负化学源质谱法,检测了6种MeO-PBDEs,结果显示,当目标分析物浓度为0.1~20.0 μg?L-1时,线性关系良好(R2>0.999),检出限为0.13~0.22 μg?kg-1,定量限为0.42~0.72 μg?kg-1,实际样品的平均回收率为71.2%~116.2%。MeO-PBDEs的分布状况调查结果显示,藻类样品中仅检出6-MeO-BDE-47,且浓度较低,其他生物体中检出3种MeO-PBDEs,检出率为31.3%,浓度为0.21~2.72 μg?kg-1。沉积物中无MeO-PBDEs被检出。
V-系统是L2[0,1]上的一类完备正交分段多项式函数系,由于其基函数的间断特性,在非连续信号的表达与分析上优势显著。然而,在目前的V-系统变换算法中,对于一个长度为N的信号,不仅需要事先生成并存储一个N阶的正交矩阵,而且其时间复杂度高达Ο(N3)。为实现对大规模数据的高效处理,从V-系统的多分辨率分析角度出发,设计并实现了V-系统的快速分解与重构算法,不仅无须存储额外信息,而且其时间复杂度仅为Ο(N)。测试结果表明,提出的快速算法能够满足大规模数据高效处理要求,为V-系统在更多领域的应用奠定了基础。