[发明专利]基于苹果原料指标预测果汁综合品质的方法

说明书

本发明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。

技术领域

本发明涉及预测果汁综合品质领域。更具体地说，本发明涉及一种基于苹果原料指标预测果汁综合品质的方法。

背景技术

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。

发明内容

本发明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。

本发明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。

为了实现根据本发明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；