【摘 要】
：
为满足鸡蛋蛋白过敏人群对饼干的需求，以及崇尚健康饮食人群对低脂低油食品的偏好，在传统酥性饼干的配方基础上，以玉米油代替黄油、豆奶代替鸡蛋，制作一种新型饼干。通过单因素实验和正交试验，确定新型饼干的最优配方及工艺为低筋面粉100 g、玉米油30 g、豆奶35 g、巧克力豆30 g、赤砂糖25 g、幼砂糖15 g、小苏打粉1.0 g,以上火温度180℃、下火温度150℃烘烤25 min,制得的饼干香脆
论文部分内容阅读
为满足鸡蛋蛋白过敏人群对饼干的需求，以及崇尚健康饮食人群对低脂低油食品的偏好，在传统酥性饼干的配方基础上，以玉米油代替黄油、豆奶代替鸡蛋，制作一种新型饼干。通过单因素实验和正交试验，确定新型饼干的最优配方及工艺为低筋面粉100 g、玉米油30 g、豆奶35 g、巧克力豆30 g、赤砂糖25 g、幼砂糖15 g、小苏打粉1.0 g,以上火温度180℃、下火温度150℃烘烤25 min,制得的饼干香脆可口，感官品质最佳。
其他文献
肺结节的检测是肺计算机辅助检测（CAD）系统的关键组成部分。针对带医生标注的数据不足及肺结节检测过程中存在的误检、漏检的问题,使用深度学习的方法,构建了一个新的基于数据增强和注意力机制的肺结节检测模型。深度学习在肺CAD系统中的应用需要大量带标注的数据用于模型的训练,但由于人工标注成本昂贵、费时费力,且需要医生的专业背景知识,导致带准确标注的数据数量非常有限。一方面,针对上述问题,提出使用CT-G
群体智能优化算法是一种模拟自然界生物和非生物群体行为的随机搜索算法,由于其适用于高度复杂的非线性问题,因而得到了广泛的应用,在解决复杂的单目标系统优化问题中的优势已经得到了充分的体现。然而,现实世界中的优化问题往往是多属性的,通常是针对多个目标同时进行的,在大多数情况下,同时进行优化的多个目标相互影响、相互冲突。为了实现总目标的最优化,往往需要以综合的方式考虑相互冲突的子目标,也就是说,在各个子目
计算机断层扫描（Computed Tomography,CT）技术是用于早期诊断癌症的关键手段。肺部计算机辅助诊断（Computer Aided Detection,CAD）系统集成机器学习和医学图像处理等方法,旨在从CT上快速、准确地检测结节并识别肺结节的良恶性,从而提供高效的辅助诊疗方案。许多机器学习算法被应用于肺CAD系统中,主要分为两大类:其一为传统机器学习方法,其二为深度学习。传统机器学
近年来,深度学习技术得到快速发展,计算机视觉与农业领域结合引起学者们的广泛关注。神经网络在复杂场景下对农业图像的识别成为一个热门研究课题。如今在农业的发展中,杂草和害虫对农作物的产量和质量影响依旧巨大,致使农业发展缓慢。因此,快速且准确识别杂草叶片数目和害虫更有利于解决上述问题,对农业领域其他相关研究有着良好的应用价值。本文分析了深度学习技术及其在农业领域应用的研究现状,结合不同的农业领域图像,以
指静脉识别技术是指使用近红外光源照射手指,利用手指静脉血管中的血红蛋白吸收近红外光的特性,使得采集到的手指图像呈现出背景与静脉区域的明暗差异,通过相关的识别方法提取图像暗部的指静脉特征来实现个人身份的识别,其作为第二代生物特征识别技术,具备高准确性和高安全性等优势。本文中,我们将残差注意力机制引入指静脉识别研究,提出了一种新的多尺度多阶段的残差注意力网络（Multi-scale and Multi
随着互联网技术不断发展和海量数据不断涌现,如何从海量非结构化数据中提取有用的结构化信息成为现阶段的研究热点,关系抽取应运而生。关系抽取作为上游提供基础数据的技术,在下游诸多领域都具有重要的应用价值,如知识图谱、语义理解、推荐检索、机器翻译和智能问答等。近几年,深度学习模型已经成为关系抽取的最先进方法,现有的工作也取得了相当大的成果,但还存在实体嵌套、关系重叠、暴露偏差等问题,严重影响了关系抽取模型
细胞图像分割是一项重要的技术,也是医学图像处理中的一个难题。目前,还没有一个普遍有效的分割方法可以应用于细胞分割,主要是因为细胞图像大小不一、成分复杂且细胞之间易重叠。因此,细胞图像分割仍是一项困难而艰巨的任务。由于传统图像分割算法对细胞的处理较为粗糙,因此受计算机技术的影响,深度学习算法在医学图像处理中越来越受欢迎。深度学习是一种类似于人类认知系统的计算模型并且可以在不同应用中有效使用。本文研究
癌症严重危害人类的生命健康,其中肺癌一直是癌症致死的首要原因。降低肺癌死亡率的有效方法是早期筛查。肺计算机辅助诊断（Computer Aided Diagnosis,CAD）系统可为医生提供客观的第三方意见,提高肺结节的检测效率和识别准确度。结节特征的选取与融合以及识别算法的改进对肺CAD系统性能的提升至关重要。 本文基于混合深度学习（Hybrid Deep Learning,HDL）模型主要围绕
当前,高速列车已然成为城际间最重要的交通工具。牵引系统是高速列车的核心系统,是集机械、电气、通信等子系统为一体的多功能且高度集成的复杂系统,既为列车提供了充足动力,也保证了列车运行的可靠性。但随着高速列车运行里程的增加,牵引系统的元器件磨损,老化等问题日益突出,极易引发各种故障,若不及时处理,故障逐步加剧会给列车运行带来严重的安全隐患。因此,针对高速列车牵引系统开展故障检测研究具有着重要的意义。本
近年来,任务型对话系统在工业界得到了广泛的使用,智能设备可以有效地搭载一个甚至多个对话平台。同时,元宇宙（Metaverse）作为虚拟现实的新型数字空间,无疑会增加人机对话的使用场景和使用频率。但是,人机对话领域仍然面对众多挑战,譬如模型优化方式、数据集不充分问题、对话响应准确率问题等等。在对话模型构建方式上,管道的方法需对各个模块的功能进行单独设计,实现起来比较复杂。随着对话数据量的增加,端到端