[发明专利]基于苹果原料指标预测果汁综合品质的方法

权利要求书

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指标预测果汁综合品质的方法，其特征在于，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。

6.如权利要求2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，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。

7.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。

8.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S4中选择70-85％的样本集数据形成训练样本集。

9.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。

10.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。