基于苹果原料指标预测果汁综合品质的方法技术

本发明专利技术公开了一种基于苹果原料指标预测果汁综合品质的方法，包括：S1、选定苹果原料，测定原料指标数据后加工苹果原料得果汁；S2、确定果汁核心指标，建立果汁核心指标与综合品质的对应关系，确定果汁综合品质；S3、根据果汁综合品质确定原料核心指标；S4、记录原料核心指标数据、及果汁综合品质形成样本集，选定一定比例的样本集数据形成训练样本集；S5、以训练样本集的原料核心指标数据为输入层，果汁综合品质为输出层，构建基于BP算法的人工神经网络学习模型，并训练至人工神经网络学习模型稳定。本发明专利技术具有全面准确筛选苹果原料特征指标，结合人工神经网络提高预测苹果果汁综合评分准确率的有益效果。

【技术实现步骤摘要】
基于苹果原料指标预测果汁综合品质的方法
本专利技术涉及预测果汁综合品质领域。更具体地说，本专利技术涉及一种基于苹果原料指标预测果汁综合品质的方法。
技术介绍
苹果作为四大水果之首，是蔷薇科苹果属植物的果实，含有丰富的酚类物质、抗坏血酸、糖和有机酸等营养成分和功能性成分。目前，苹果除用作鲜食外，主要加工方式为制作鲜榨汁。近年来，苹果鲜榨汁作为一种营养丰富的果汁，保留了苹果新鲜风味，而日益受到消费者关注。果汁综合评分依据为果汁的感官品质、理化营养及加工品质等方面。这些品质指标主要由原料加工适宜性决定，但目前，我国苹果品种鲜榨汁加工适宜性不明确，缺乏加工专用品种。为获得高品质的苹果果汁，从苹果原料特性出发，构建苹果原料与果汁品质的关联关系，进而通过原料指标对制品品质进行预测，有利于苹果果汁产业的快速发展。现有的少数苹果原料特性与果汁品质关联方法多利用判别函数、线性回归等线性模型定性或定量关联苹果原料特性与鲜榨汁品质，苹果原料特征指标筛选不全面、存在果汁品质评价不合理、模型关联性差等问题，预测准确率较低。人工神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型，由大量的人工神经元联结进行计算是一种非线性统计性数据建模工具，用于对函数进行估计或近似。BP人工神经网络是一种按误差逆传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络模型之一，可实现输入到输出的定性或定量预测。近年来BP神经网络模型在加工业领域的应用日渐增多，包括识别、分类与分级、加工过程仿真与控制、单一指标值预测等，取得了一定的效果，如何全面准确筛选苹果原料特征指标，结合人工神经网络提高预测苹果果汁综合品质准确率，是目前急需解决的问题。
技术实现思路
本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。本专利技术还有一个目的是提供一种基于苹果原料指标预测果汁综合品质的方法，能够全面准确筛选苹果原料特征指标，结合人工神经网络提高预测苹果果汁综合品质准确率。为了实现根据本专利技术的这些目的和其它优点，提供了一种基于苹果原料指标预测果汁综合品质的方法，包括：S1、选定苹果原料，测定原料指标数据后加工苹果原料得果汁；S2、确定果汁核心指标，建立果汁核心指标与综合品质的对应关系，确定果汁综合品质；S3、根据果汁综合品质确定原料核心指标；S4、记录原料核心指标数据、及果汁综合品质形成样本集，选定一定比例的样本集数据形成训练样本集；S5、以训练样本集的原料核心指标数据为输入层，果汁综合品质为输出层，构建基于BP算法的人工神经网络学习模型，并训练至人工神经网络学习模型稳定；S6、以未知苹果的原料核心指标数据为输入层，根据人工神经网络学习模型预测该未知苹果的果汁综合品质。优选的是，步骤S2中确定果汁核心指标具体为：测定果汁指标数据，利用因子分析法确定果汁核心指标。优选的是，步骤S3中果汁综合品质为果汁综合评分或果汁品质等级中的一种；当果汁综合品质为果汁综合评分时，确定果汁综合品质具体为：运用层次分析法确定果汁核心指标权重，建立果汁综合评价模型进而得到果汁综合评分；当果汁综合品质为果汁品质等级时，确定果汁综合品质具体为：确定果汁综合评分，将果汁综合评分分为3-5个果汁品质等级，并确定每个苹果原料对应的果汁品质等级，且对应该品质等级的等级概率为1，其余品质等级的等级概率为0。优选的是，步骤S4中根据果汁综合品质确定原料核心指标具体为：对每一项原料指标与果汁综合品质对应的果汁核心指标进行相关性分析，去除相关系数低于预设的相关系数阈值的原料指标。优选的是，用于形成样本集的原料均为苹果主产各省份对应的主栽苹果种类，按照早熟、中熟、晚熟将苹果原料分为三类，步骤S1中选定苹果原料的个数不少于30个，且至少包含早熟、中熟、晚熟三类中的各一种。优选的是，步骤S2中果汁指标数据包括可溶性固形物、可滴定酸、粗纤维、粗蛋白、Vc、还原糖、总糖含量，及果汁L*值，果汁a*值，果汁b*值，出汁率，浊度。优选的是，步骤S1中原料指标数据对应原料指标包括基础指标、理化指标和加工指标，基础指标包括质量，体积，密度，果皮L*值，果皮a*值，果皮b*值，果肉L*值，果肉a*值，果肉b*值，pH值、含水率、及可溶性固形物；理化指标包括粗纤维、粗蛋白、Vc、还原糖、总糖、可滴定酸、氨基酸、叶绿素、及类胡萝卜素含量；加工指标果形指数，果核比例，果皮硬度，及果肉硬度。优选的是，步骤S4中选择70-85％的样本集数据形成训练样本集。优选的是，步骤S4中剩余的样本集数据形成检测样本集；步骤S5还包括：以检测样本集对人工神经网络模型进行测试，比较苹果果汁的果汁综合评分的预测值和实测值，符合预设的阈值，则人工神经网络模型稳定，反之将该苹果对应的样本集数据加入到训练样本集进行训练，优化人工神经网络模型。优选的是，步骤S5中训练次数为500-5000次，学习率为0.1-0.5，动量为0.1-0.8，误差值为0.001-0.1。本专利技术至少包括以下有益效果：第一、采用先记录后筛选的原则，利用因子分析法确定果汁核心指标，利用果汁核心指标与原料指标进行相关性分析，筛选出全面的原料核心指标，同时根据果汁核心指标数据利用层次分析法确定果汁的核心指标权重，得到果汁综合评分作为果汁综合品质，或者进一步将果汁综合评分分为3-5个品质等级，以品质等级作为综合品质，提高果汁综合品质、及原料核心指标间关系建立的合理性；第二、苹果原料选择时选择苹果主产各省份对应的主栽苹果种类，按照早熟、中熟、晚熟将苹果原料分为三类，且确保形成一个样本集的苹果原料至少包括上述三类每类中的一种，以实现较少样本总数、较少样本种类即可构建稳定的人工神经网络学习模型；第三、运用人工神经网络构建人工神经网络学习模型，依据模型快速、高精度地预测苹果果汁综合评分，无需事先确定输入输出之间映射关系，即可获得苹果原料与苹果果汁综合品质的关联，且关联性好，依据该人工神经网络学习模型，可筛选适合加工成苹果果汁的苹果品种，且预测准确率高，从源头上提升了苹果果汁的综合品质，能够极大地促进了苹果果汁产业的发展。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。具体实施方式下面结合实施例对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。构建样本集时，所选苹果原料均为苹果主产各省份对应的主栽苹果种类，并按照早熟、中熟、晚熟将苹果原料分为三类，具体有：早熟：山东泰山早霞、陕西秦阳等，中熟：陕西黄元帅、河南华玉等，晚熟：辽宁长富二号/华富、山东国光、甘肃秦冠、甘肃花牛、新疆富士、宁夏乔纳金等；每个苹果的一种原料指标对应一个原料指标数据；每个苹果果汁的一种果汁指标对应一个果汁指标数据；<实施例1>基于苹果原料指标预测果汁综合品质的方法，包括以下步骤：S1、选定苹果原料：具体为选定果实成熟期取样，无机械损伤、无病虫害的苹果原料33个，其中，早熟、中熟、和晚熟品种各11个，部分品种名称、产地见表1。表1部分苹果品种名称及产地序号名称产地序号名称产地1辽宁华红辽宁葫芦岛6辽宁秋锦辽宁葫芦岛2辽宁金冠辽宁葫芦岛7辽宁华金辽宁葫芦岛3辽宁寒富辽宁葫芦岛8烟富6号山东青岛4陕西本文档来自技高网...

【技术保护点】
1.基于苹果原料指标预测果汁综合品质的方法，其特征在于，包括以下步骤：S1、选定苹果原料，测定原料指标数据后加工苹果原料得果汁；S2、确定果汁核心指标，建立果汁核心指标与综合品质的对应关系，确定果汁综合品质；S3、根据果汁综合品质确定原料核心指标；S4、记录原料核心指标数据、及果汁综合品质形成样本集，选定一定比例的样本集数据形成训练样本集；S5、以训练样本集的原料核心指标数据为输入层，果汁综合品质为输出层，构建基于BP算法的人工神经网络学习模型，并训练至人工神经网络学习模型稳定；S6、以未知苹果的原料核心指标数据为输入层，根据人工神经网络学习模型预测该未知苹果的果汁综合品质。

【技术特征摘要】
1.基于苹果原料指标预测果汁综合品质的方法，其特征在于，包括以下步骤：S1、选定苹果原料，测定原料指标数据后加工苹果原料得果汁；S2、确定果汁核心指标，建立果汁核心指标与综合品质的对应关系，确定果汁综合品质；S3、根据果汁综合品质确定原料核心指标；S4、记录原料核心指标数据、及果汁综合品质形成样本集，选定一定比例的样本集数据形成训练样本集；S5、以训练样本集的原料核心指标数据为输入层，果汁综合品质为输出层，构建基于BP算法的人工神经网络学习模型，并训练至人工神经网络学习模型稳定；S6、以未知苹果的原料核心指标数据为输入层，根据人工神经网络学习模型预测该未知苹果的果汁综合品质。2.如权利要求1所述的基于苹果原料指标预测果汁综合品质的方法，其特征在于，步骤S2中确定果汁核心指标具体为：测定果汁指标数据，利用因子分析法确定果汁核心指标。3.如权利要求1所述的基于苹果原料指标预测果汁综合品质的方法，其特征在于，步骤S3中果汁综合品质为果汁综合评分或果汁品质等级中的一种；当果汁综合品质为果汁综合评分时，确定果汁综合品质具体为：运用层次分析法确定果汁核心指标权重，建立果汁综合评价模型进而得到果汁综合评分；当果汁综合品质为果汁品质等级时，确定果汁综合品质具体为：确定果汁综合评分，将果汁综合评分分为3-5个果汁品质等级，并确定每个苹果原料对应的果汁品质等级，且对应该果汁品质等级的等级概率为1，其余果汁品质等级的等级概率为0。4.如权利要求3所述的基于苹果原料指标预测果汁综合品质的方法，其特征在于，步骤S4中根据果汁综合品质确定原料核心指标具体为：对每一项原料指标与果汁综合品质对应的果汁核心指标进行相关性分析，去除相关系数低于预设的相关系数阈值的原料指标。5.如权利要求1所述的基于苹果原料...

【专利技术属性】
技术研发人员：刘璇，毕金峰，刘嘉宁，吴昕烨，周沫，吕健，
申请(专利权)人：中国农业科学院农产品加工研究所，
类型：发明
国别省市：北京,11