[發明專利]基于蘋果原料指標預測干制品色澤品質的方法

在審

• 申請號: 201811147386.3
• 申請日: 2018-09-29
• 公開（公告）號: CN109409687A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 畢金峰;劉璇;劉大志;周沫;李旋;金鑫
• 申請（專利權）人: 中國農業科學院農產品加工研究所
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02;G06K9/62;G06N3/04
• 代理公司: 北京遠大卓悅知識產權代理事務所(普通合伙) 11369
• 代理人: 史霞

1.基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，包括：

確定與色澤品質相關的蘋果原料評價指標；

獲取訓練樣本的蘋果原料評價指標數據，并獲取訓練樣本的色澤品質數據，以訓練樣本的蘋果原料評價指標數據為輸入層，以色澤品質數據為輸出層，訓練獲得神經網絡學習模型；

利用所述神經網絡學習模型和待測干制品的蘋果原料評價指標數據，預測待測干制品的色澤品質。

2.如權利要求1所述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，確定與色澤品質相關的蘋果原料評價指標的方法包括：選取若干用于評價蘋果原料的初始蘋果原料評價指標，對初始蘋果原料評價指標與色澤品質進行相關性分析，選取相關系數高于設定值的初始蘋果原料評價指標作為蘋果原料評價指標。

3.如權利要求1所述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，色澤品質為L*值。

4.如權利要求3所述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，色澤品質為根據L*值確定的色澤等級。

5.如權利要求1述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，還包括：

選取驗證樣本，獲取驗證樣本的蘋果原料評價指標數據，利用神經網絡學習模型預測驗證樣本的綜合評分，若正確率低于90％，則增加訓練樣本，更新神經網絡學習模型，或者提高設定值，更新蘋果原料評價指標，并重新訓練獲得神經網絡學習模型。

6.如權利要求1所述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，所述神經網絡學習模型的訓練參數如下：最大循環次數為1000～20000，學習率為0.1～1，動量因子為0.1～0.5，誤差值為0.00001～0.1。

7.如權利要求1所述的基于蘋果原料指標預測干制品色澤品質的方法，其特征在于，初始蘋果原料評價指標至少包括物理類指標、感官類指標、加工類指標和營養類指標，初始蘋果原料評價指標的數量不少于15種。