王丽丽 2024-10-28 10:01:16

    通过捕捉样品液滴的图像来监测表面张力的变化。动态界面压力（π）的计算公式如下：Π=λ0-λt（λ0 表示向日葵籽油中 PBS 缓冲液的界面张力，值为 21.51 ± 0.14 mN/m）。测量过程中应避免光线和外部振动。根据渐近的 Ward 和 Tordai 方程，得到了界面张力随时间变化的曲线，以评估 CD 在油水界面上的吸附机理和界面行为。所有低温等离子体处理组的Kdiff均高于空白对照组，而T4组的Kp和Kr均高于其他组。这可能是由于等离子处理氧化蛋白质过程中产生的活性自由基，分离蛋白质聚集物或亚基结构，埋在内部的疏水基团更容易暴露，从而增强蛋白质表面的疏水性，同时展开蛋白质的分子结构，有利于蛋白质在油水界面的重排，形成紧密而稳定的界面蛋白膜。

王丽丽 2024-10-28 08:55:40

    为了降低噪音、基线漂移等光谱干扰，本研究通过对近红外领域的相关文章进行归纳和总结，并结合本数据的特点，最终采用6种光谱预处理方法对青稞原始光谱进行处理，包括标准正态变换（SNV）、多元散射校正（MSC）、去趋势（DE）、归一化（Nor）、一阶导数（FD）和二阶导数（SD）。最后根据相关系数 R2 和均方根误差RMSE进行评估，对比不同预处理方法的建模结果，选择最优预处理方法。

王丽丽 2024-10-28 08:55:40

    为了进一步排除无关的光谱信息，减少数据维度，提高模型的计算效率和预测能力，实现快速而准确的分析。本研究在青稞和燕麦的最佳预处理结果基础上，又选用竞争自适应重加权采样法（CARS），连续投影算法（SPA），无信息变量消除算法（UVE）和最小角回归 ( LAR) 4种算法对样品的全光谱进行特征波长提取，然后分别建立PLS模型，最终根据模型结果来选择最佳特征波长筛选算法。

王丽丽 2024-10-28 08:55:40

    总淀粉，蛋白质，总酚三种指标通过使用SPA特征波长算法后模型结果达到最佳，建模过程如图5A，5C，5E所示，当波长参数总量分别达到 15，13，34 时，三者对应得到最小的 RMSECV值。图5A，5D，5E分别为筛选出来的的特征波长分布情况，其中总淀粉筛选的15个最优波长分别为1718 nm，1768 nm，1790 nm，2019 nm，2163 nm，2181 nm，2244 nm，2311 nm，2320 nm，2334 nm，2370 nm，2401 nm，2455 nm，2491 nm，2500 nm；蛋白质筛选的13个特征波长分别为1714 nm，1754 nm，1777 nm，1795 nm，1817 nm，1961 nm，1979 nm，2042 nm，2284 nm，2437 nm，2482 nm，2491 nm，2500 nm。直链淀粉和β-葡聚糖则采用CARS方法效果达到最佳，选择过程如图4B和4D所示。将蒙特卡罗样本数设置为800，起初由于由于指数递减函数的应用，随蒙特卡罗采样次数增加，选取的波长数迅速减少，随后逐渐趋于稳定。由于删除了无关波长，RMSECV随着采样操作不断降低，直至最低点达到最佳效果。此后，排除一些有价值且相关的波长，RMSECV值迅速上升。图中蓝线代表RMSECV最小的最佳波长子集。直链淀粉和β-葡聚糖分别运行到第 21和28次时，获得最优的波长变量子集。最终筛选的特征波长如图5B，5D所示，直链淀粉筛选得到了32个特征波长分别为1354 nm，1417 nm，1435 nm，1444 nm，1458 nm，1520 nm，1525 nm，1552 nm，1615 nm，1741 nm，1804 nm，1808 nm，1947 nm，1992 nm，2001 nm，2064 nm，2069 nm，2073 nm，2082 nm，2104 nm，2114 nm，2136 nm，2159 nm，2168 nm，2195 nm，2235 nm，2289 nm，2334 nm，2356 nm，2379 nm，2401 nm，2433 nm。β-葡聚糖最优的18个特征波长为1359 nm，1431 nm，1435 nm，1444 nm，1449 nm，1530 nm，1534 nm，1655 nm，1660 nm，1696 nm，1745 nm，1813 nm，1867 nm，1876 nm，2001 nm，2010 nm，2199 nm，2235 nm。

王丽丽 2024-10-27 10:31:32

    不同品种青稞籽粒180min后淀粉消化率和EGI大小差异显著。同时，硬质青稞的抗消化淀粉含量较软质青稞地低。这些结果说明，在保留青稞胚乳结构完整性的情况下，硬质青稞品种在蒸煮后比软质青稞具有更好的抗消化性，同时对控制餐后血糖水平有更大优势。