Публикации автора

Актуальность использования рыбного жира из отходов рыбопереработки обусловлена масштабностью проблемы, высокой биологической ценностью жира и его низкой хранимоспособностью. Целью исследования являлась оптимизация ферментативной экстракции жира из жиросодержащих рыбных отходов для микробного синтеза продуктов биотехнологии. В качестве сырья использовали головы копченой кильки и скумбрии, внутренности судака с содержанием жира 20,3–42,1 %. Планирование экспериментов осуществляли на основе ортогонального центрального композиционного плана второго порядка для трех факторов (температура, продолжительность, дозировка фермента алкалазы). Частными откликами являлись выход жира, его кислотное и перекисное числа. Установлено, что с увеличением дозировки фермента и продолжительности обработки выход жира увеличивается, а показатели качества ухудшаются. Количество извлекаемого жира варьируется от 24,9 % до 42,1 % от его содержания в сырье, кислотное число (мг КОН/г) изменяется от 5,7 (килька) до 21,7 (скумбрия), перекисное число (ммоль акт. кислорода/кг жира) — от 9,1 (килька) до 107,2 (скумбрия). Получены математические модели в кодированном и натуральном виде, связывающие факторы ферментолиза с частными откликами и обобщенным параметром оптимизации. Проанализированы изменения показателей качества и выхода жира в зависимости от каждого из факторов и их совокупностей, определены области локализации экстремумов поверхностей откликов. Рекомендуемые режимы ферментолиза, в зависимости от вида рыбного сырья: температура 45–65 °C; продолжительность 25–65 мин; дозировка алкалазы 0,35–0,45 %. Выделенный жир по своим показателям может быть использован в качестве источника углерода для микробного синтеза продуктов биотехнологии — белков и биополимеров полигидроксиалканоатов.

Приведены результаты исследований по разработке автоматизированной классификации снимков дистанционного зондирования Земли внутрихозяйственного землепользования на основе применения объектно ориентированного подхода, машинного обучения и геоинформационного моделирования. Методология классификации включала три этапа: анализ цифровых изображений с выделением пространственных объектов путем предварительной сегментации, классификация пространственных объектов с использованием алгоритмов машинного обучения (RF и SVM), оценка общей точности полученного результата. Для обработки использовали космические снимки Sentinel-2 с мая по апрель на территорию землепользования ОС «Элитная» и ИП ГК(Ф)Х Ковалев С.М. Новосибирской области с пространственным разрешением 10 м в пикселе. Обработка полученных многозональных снимков проходила с применением программного продукта SAGA GIS версии 8.5.1 и QGIS с открытым исходным кодом, создание моделей классификации осуществляли в пакете статистического языка программирования R. Установлено, что общая точность классификации объектов землепользования, отображенных на космических снимках, для территории ОС «Элитная» алгоритмом SVM составила 87,1 % (коэффициент Каппа 0,74), алгоритмом RF – 90,3 % (коэффициент Каппа 0,87). Для территории землепользования ИП ГК(Ф)Х Ковалев С.М. – алгоритмом SVM – 78,4 % (коэффициент Каппа 0,78), алгоритмом RF – 82,3 % (коэффициент Каппа 0,82). Объектно - ориентированный подход в интеграции с машинным обучением способствует эффективной сегментации и классификации снимков дистанционного зондирования для выделения пространственных объектов, дает возможность автоматизировать процесс картографирования территории землепользования и включать эту информацию в геоинформационное моделирование оценки и классификации земель сельскохозяйственного назначения.