[發(fā)明專利]基于蘋果原料指標預測果汁綜合品質的方法

在審

• 申請?zhí)枺?/td>: 201811147387.8
• 申請日: 2018-09-29
• 公開（公告）號: CN109242341A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設計）人: 劉璇;畢金峰;劉嘉寧;吳昕燁;周沫;呂健
• 申請（專利權）人: 中國農業(yè)科學院農產(chǎn)品加工研究所
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/08;G06Q50/02
• 代理公司: 北京遠大卓悅知識產(chǎn)權代理事務所(普通合伙) 11369
• 代理人: 史霞

本發(fā)明公開了一種基于蘋果原料指標預測果汁綜合品質的方法，包括：S1、選定蘋果原料，測定原料指標數(shù)據(jù)后加工蘋果原料得果汁；S2、確定果汁核心指標，建立果汁核心指標與綜合品質的對應關系，確定果汁綜合品質；S3、根據(jù)果汁綜合品質確定原料核心指標；S4、記錄原料核心指標數(shù)據(jù)、及果汁綜合品質形成樣本集，選定一定比例的樣本集數(shù)據(jù)形成訓練樣本集；S5、以訓練樣本集的原料核心指標數(shù)據(jù)為輸入層，果汁綜合品質為輸出層，構建基于BP算法的人工神經(jīng)網(wǎng)絡學習模型，并訓練至人工神經(jīng)網(wǎng)絡學習模型穩(wěn)定。本發(fā)明具有全面準確篩選蘋果原料特征指標，結合人工神經(jīng)網(wǎng)絡提高預測蘋果果汁綜合評分準確率的有益效果。

技術領域

本發(fā)明涉及預測果汁綜合品質領域。更具體地說，本發(fā)明涉及一種基于蘋果原料指標預測果汁綜合品質的方法。

背景技術

蘋果作為四大水果之首，是薔薇科蘋果屬植物的果實，含有豐富的酚類物質、抗壞血酸、糖和有機酸等營養(yǎng)成分和功能性成分。目前，蘋果除用作鮮食外，主要加工方式為制作鮮榨汁。近年來，蘋果鮮榨汁作為一種營養(yǎng)豐富的果汁，保留了蘋果新鮮風味，而日益受到消費者關注。

果汁綜合評分依據(jù)為果汁的感官品質、理化營養(yǎng)及加工品質等方面。這些品質指標主要由原料加工適宜性決定，但目前，我國蘋果品種鮮榨汁加工適宜性不明確，缺乏加工專用品種。為獲得高品質的蘋果果汁，從蘋果原料特性出發(fā)，構建蘋果原料與果汁品質的關聯(lián)關系，進而通過原料指標對制品品質進行預測，有利于蘋果果汁產(chǎn)業(yè)的快速發(fā)展。

現(xiàn)有的少數(shù)蘋果原料特性與果汁品質關聯(lián)方法多利用判別函數(shù)、線性回歸等線性模型定性或定量關聯(lián)蘋果原料特性與鮮榨汁品質，蘋果原料特征指標篩選不全面、存在果汁品質評價不合理、模型關聯(lián)性差等問題，預測準確率較低。

人工神經(jīng)網(wǎng)絡是一種模仿生物神經(jīng)網(wǎng)絡的結構和功能的數(shù)學模型或計算模型，由大量的人工神經(jīng)元聯(lián)結進行計算是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，用于對函數(shù)進行估計或近似。BP人工神經(jīng)網(wǎng)絡是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伾窠?jīng)網(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一，可實現(xiàn)輸入到輸出的定性或定量預測。近年來BP神經(jīng)網(wǎng)絡模型在加工業(yè)領域的應用日漸增多，包括識別、分類與分級、加工過程仿真與控制、單一指標值預測等，取得了一定的效果，如何全面準確篩選蘋果原料特征指標，結合人工神經(jīng)網(wǎng)絡提高預測蘋果果汁綜合品質準確率，是目前急需解決的問題。

發(fā)明內容

本發(fā)明的一個目的是解決至少上述問題，并提供至少后面將說明的優(yōu)點。

本發(fā)明還有一個目的是提供一種基于蘋果原料指標預測果汁綜合品質的方法，能夠全面準確篩選蘋果原料特征指標，結合人工神經(jīng)網(wǎng)絡提高預測蘋果果汁綜合品質準確率。

為了實現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點，提供了一種基于蘋果原料指標預測果汁綜合品質的方法，包括：

S1、選定蘋果原料，測定原料指標數(shù)據(jù)后加工蘋果原料得果汁；

S2、確定果汁核心指標，建立果汁核心指標與綜合品質的對應關系，確定果汁綜合品質；

S3、根據(jù)果汁綜合品質確定原料核心指標；

S4、記錄原料核心指標數(shù)據(jù)、及果汁綜合品質形成樣本集，選定一定比例的樣本集數(shù)據(jù)形成訓練樣本集；

S5、以訓練樣本集的原料核心指標數(shù)據(jù)為輸入層，果汁綜合品質為輸出層，構建基于BP算法的人工神經(jīng)網(wǎng)絡學習模型，并訓練至人工神經(jīng)網(wǎng)絡學習模型穩(wěn)定；

S6、以未知蘋果的原料核心指標數(shù)據(jù)為輸入層，根據(jù)人工神經(jīng)網(wǎng)絡學習模型預測該未知蘋果的果汁綜合品質。

優(yōu)選的是，步驟S2中確定果汁核心指標具體為：測定果汁指標數(shù)據(jù)，利用因子分析法確定果汁核心指標。

優(yōu)選的是，步驟S3中果汁綜合品質為果汁綜合評分或果汁品質等級中的一種；