共查询到10条相似文献，搜索用时 31 毫秒
1.
为明确不同贮存温度对益生菌发酵苹果浊汁品质的影响及预测发酵苹果浊汁的货架期,测定了4、25℃条件下益生菌发酵苹果浊汁色差L*值、a*值、b*值、ΔE值,以及稳定系数、活菌菌体浓度、感官评分、有机酸质量浓度、糖质量浓度和香气成分等指标的变化,基于Arrhenius方程构建了发酵苹果浊汁各项品质指标货架期预测模型。结果表明:在4℃和25℃条件下,发酵苹果浊汁的b*值、ΔE值变化符合零级反应,其他指标均符合一级动力学反应。以单指标分别建立预测模型,模型计算验证结果显示,各模型的相对误差均小于10%,偏差度和准确度不大于1.04,说明模型可以很好地预测发酵苹果浊汁贮存期的各项指标。活菌菌体浓度与其他品质指标均呈显著相关,以其建立的4℃和25℃条件下的发酵苹果浊汁货架期预测模型的预测值与实测值的相对误差小于10%,说明模型可靠、合理,可以准确预测益生菌发酵苹果浊汁的货架期。 相似文献
2.
基于BP神经网络的鲜鸡蛋货架期预测模型 总被引：3，自引：0，他引：3
为研究不同温度范围内鸡蛋的品质变化及货架期,通过实验室模拟,检测了鲜鸡蛋在5、25、35℃条件下的哈夫单位值、蛋黄系数等理化指标,分别构建了同等实验条件下的鲜鸡蛋货架期动力学预测模型和BP神经网络预测模型,并选取5、25、35℃温度下共6组数据进行模型验证。结果表明,基于BP神经网络的鲜鸡蛋货架期模型预测精度达到95.93%,动力学模型预测精度为90.79%,BP神经网络能更精确地预测鲜鸡蛋在5~35℃贮藏温度范围内的货架期。 相似文献
3.
针对传统果蔬品质检测方法中因样本数量不足而导致检测误差大的问题,提出了一种基于面光源下光子传输模拟的苹果品质检测方法。以苹果为研究对象,采用蒙特卡洛方法仿真光子在苹果双层平板模型的运动轨迹,快速得到20000幅苹果组织表面光亮度分布图像,以光学参数作为标签,输入卷积神经网络进行训练,将得到的模型进行微调迁移,应用到少量实测苹果光谱图像的数据集上进行光学特性参数的反演,最后将该网络模型全连接层的输出结果与苹果品质建立关联,实现对苹果糖度及硬度的无损检测。结果表明,果肉吸收系数μa2反演准确率为93.24%,果肉散射系数μs2反演准确率为92.54%;与传统光学参数方法相比,苹果品质分类模型糖度和硬度的预测准确率分别提高了5.87、6.48个百分点,苹果品质回归模型糖度和硬度的决定系数分别提高了0.1397和0.088,与基于点光源的预训练模型相比达到了更好的效果。 相似文献
4.
苹果霉心病可见/近红外透射能量光谱识别方法 总被引：1，自引：0，他引：1
针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200~1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法(SPA)提取的12个特征波长、主成分分析(PCA)提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机(SVM)识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。 相似文献
5.
富士苹果在贮藏期后熟过程中其生理特性发生变化，不适宜的贮藏会影响出库品质和售卖价格。为使贮藏期果实以较好的品质出库销售，开展对贮藏后熟苹果品质模型研究，并在此基础上对苹果出库进行评价和预测。采集了全贮藏期不同时间苹果样本的近红外光谱和品质指标(可溶性固形物含量、硬度和失重率),分析贮藏期间果实漫反射光谱和品质指标变化规律，基于波长1 000～2 400 nm范围内的漫反射光谱结合预处理和特征波长提取方法，建立贮藏期苹果品质的偏最小二乘(PLS)和带有反馈的非线性自回归(NARX)预测模型，根据行业标准确定苹果出库品质判断依据，采用基于熵权的TOPSIS法对果实出库品质进行综合评价，实现PLS对品质得分和NARX对多品质指标的预测。结果表明，在预测SSC含量、硬度和失重率时，最优模型分别为CARS-SPA-PLS、CARS-NARX和SPA-NARX,相关系数分别为0.914、0.796和0.918,均方根误差分别为0.511°Brix、0.475 kg/cm2和0.682%;在预测品质得分时，PLS模型的相关系数与均方根误差分别为0.896和0.043 4,NAR... 相似文献
6.
利用气体传感信息,提出了一种蓝莓货架期预测方法。将蓝莓贮藏在0、5、22℃下,对贮藏微环境中的3种气体含量(氧气、二氧化碳、乙烯)进行了监测,同时将蓝莓5种理化指标(腐败率、硬度、pH值、可溶性固形物含量、失重率)作为传统的品质指示指标进行了获取,分析了贮藏微环境中气体含量变化和理化指标变化的相关性,并利用BP神经网络从气体角度建立了蓝莓的货架期预测模型。结果表明:蓝莓品质的变化受到贮藏温度的影响;气体含量的变化与蓝莓品质的变化存在明显相关性;利用BP神经网络建立的蓝莓货架期预测模型具有良好的预测效果。其中,0℃的预测误差为0.091~0.191 d,5℃的预测误差为0.069~0.302 d,22℃的预测误差为0.094~0.338 d,基本满足货架期预测需要。 相似文献
7.
8.
针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演。将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26%、果肉吸收系数90.53%、果皮散射系数86.66%、果肉散射系数87.57%,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性。本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考。 相似文献
9.
10.
为了实现对苹果贮藏室中气体3D荧光光谱特征信息的有效表征,提出一种基于小波包分解系数的荧光特征信息表征方法,在此基础上开展了腐败预警方法研究。首先利用三角形插值法和Savitzky-Golar卷积平滑对光谱数据进行预处理,以消除瑞利散射和环境噪声的影响。然后,将预处理后的3D荧光数据按激发波长从短到长顺序将其对应的发射光谱首尾相连转换成一维数据向量,并利用3层sym4小波包对该向量数据进行分解,提取低频系数集作为荧光特征信息;运用偏最小二乘对特征信息与6个理化指标进行进行分析,并对其分析结果进行聚类分析以确定出腐败基准。最后,运用马氏距离构建腐败预警模型。结果表明,用小波包分解系数表征荧光特征信息是有效的;同时,随着贮藏时间增加,预测的马氏距离逐渐变小,较好刻画了贮藏过程中苹果品质的变化趋势,进而可实现苹果贮藏过程中的腐败预警。 相似文献