摘要：为了研究低氧联合酸胁迫对红小豆和绿豆GABA富集的作用,采用单因素对萌发时间、萌发温度、低氧时间和L-谷氨酸浓度进行考察,在确定高GABA芽豆的胁迫条件基础上,将富含GABA红小豆、绿豆与大米进行复配,利用D-混料设计优化芽豆米饭配方工艺。结果显示,低氧联合酸胁迫对红小豆、绿豆富集GABA有积极促进作用,在萌发时间48 h、萌发温度40℃、低氧时间15 h和L-谷氨酸浓度2.5 mg/mL条件下,萌发红小豆中GABA高达158.32±3.24 mg/100 g。绿豆胁迫条件为萌发时间24 h、萌发温度35℃、低氧时间15 h和L-谷氨酸浓度2.5 mg/mL时,其中GABA含量最高为141.57±4.35 mg/100 g。在此基础上,通过D-混料设计优化确定了复配芽豆米饭的最佳配方为:大米76%、萌发绿豆11%、萌发红小豆13%,此条件下,芽豆米饭GABA含量为23.73±1.03 mg/100 g,感官评分均值为88.76±2.47,制得的芽豆米饭口感、色泽、香味均在可接受范围内,且积累了GABA活性成分,提升了芽豆米饭的营养及功能特性,为进一步开发杂粮复配米饭提供理论参考。

摘要：在经济全球化的今天,经济社会高度发达,现代环境设计的艺术水准也随之发展和提高。如何在提高环境设计水准的同时,充分继承和发挥本民族的传统文化,将传统文化元素深度融入环境设计的每一个环节,展示本民族的深厚文化底蕴,就成了每个民族的重要使命和当务之急。本文主要阐述了如何继承和发扬中华传统文化,将传统文化元素浸润到环境的设计理念中去,彰显出中华儿女深厚的文化功底和行业素质。

摘要：街道景观是城市重要的公共空间,对街道景观视觉质量进行评价有助于提升城市环境的宜居性。以福州主城区的街景图片为基础数据,使用主成分分析法和熵权法提取视觉安全性、景观舒适性、景观丰富性构建城市景观视觉评价指标体系,确定各指标权重并对街道景观指标进行评价分析,结果表明:视觉安全性体现城市街道景观的基础需求,景观舒适性体现城市街道景观的核心内涵,景观丰富性体现城市街道景观的整体形象。因此,综合协调不同街道要素是优化城市街道景观的有效途径。

摘要：在对“数智经济”时代会计职能转变及会计转型现状进行全面调查分析的基础上,总结当前高校会计学专业人才培养存在的问题,并从人才培养顶层设计、“双师型”教师队伍建设、校企合作机制建立以及“三全育人”等角度提出应对措施。

摘要：阐述基于交流链接技术的LLC谐振变换器数字控制方案。与传统的AC-DC变换器相比,不需要中间储能的交流链接技术(AC-Link)与LLC谐振可以让电源在保持高功率因数和功率密度的同时,具备宽增益范围。针对基于AC-Link技术的LLC谐振变换器由于控制策略计算难度较大,限制了变换器工作频率的问题,探讨以TMS320F283xS芯片作为DSP控制核心,设计了一套运用于变换器的数字控制方案,并使用控制率加速器(CLA)进行了优化。通过实验平台对所提出的数字控制方案进行了验证。

摘要：东南大学段进院士团队获2022年世界建筑节WAFX奖。近日,世界建筑节(WAF:World ArchitectureFestival)公布了2022年WAFX奖评选结果,东南大学段进院士团队的设计项目“冷源冷巷、天街凉台——东方市滨海片区城市设计”从全世界230个项目中脱颖而出,成为2022年度20个WAFX获奖项目之一。段院士的团队也是本年度唯一一个获奖的中国本土团队。

摘要：目的比较摄入土豆馒头、高粱馒头、小麦馒头后健康人血糖及胰岛素水平的变化情况。方法采用交叉设计方法,将入组的12名健康人随机分为3组,每组4名,禁食10h后,分别摄入土豆、高粱和小麦馒头(生重100g),测定空腹、餐后0.5、1、2及3h血糖、胰岛素、TG、TC及SUA。间隔3d作为洗脱期,各组于第5天、第9天交换食用馒头的种类,重复测量各项指标。结果与高粱馒头比较,土豆馒头3hIns变化显著。土豆馒头3hIns增加量(4.74μU/ml)高于高粱馒头(1.65μU/ml)(P=0.028)。血糖、其他时间点胰岛素水平比较,差异无统计学意义。结论土豆馒头3hIns浓度高于高粱馒头。

摘要：通过介绍降本增效的工作背景、实现意义、实施方案、实施效果,为中国电信某公司的运营管理提出针对性、可操作的实施建议和策略。

摘要：文章从城市居民的疗愈需求入手,以国外近年来的相关实证研究作论述,探讨自然元素及非自然元素导向下,城市建成环境的健康疗愈影响。目前疗愈性环境的主要理论为注意力恢复理论及减压理论,环境对于人体的健康疗愈主要通过恢复认知与恢复情绪实现。通过对城市建成环境中疗愈要素的实证研究发现,除了自然元素外,城市建成环境中的非自然元素也能产生疗愈效果。在此实证研究基础上提出城市建成环境的优化建议,旨在为构建具有健康疗愈效用的城市建成环境提供支持。

摘要：导光板标记线检测是导光板制造品控中的一个重要步骤,但在使用传统图像算法进行检测的过程中,有大量的气泡、严重污染和无标记线的情况存在.因有大量气泡,严重污染和无标记线的情况造成人工特征难以设计,因此,使用基于卷积网络的方法来代替人工特征设计进行缺陷检测.DenseNet卷积神经网络较其他分类神经网络具有参数较少,梯度收敛稳定等特点.因DenseNet卷积神经网络中使用特征融合的思想,保证了图片分类准确率.通过迁移学习的方法,将训练得到的DenseNet网络权重迁移到Bilinear-CNN算法进行训练,提升卷积神经网络局部注意力,提高图像分类准确率.通过实现结果表明,所提方法具有可行性,相比于V2-ResNet-101网络结构,准确率提升至95.53%,参数减少了97.2%,平均单张图像检测时间减少25%.