[发明专利]基于苹果原料指标预测苹果鲜食感官品质的方法

权利要求书

1.基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，包括以下步骤：

S1、确定用于评价鲜食感官品质的感官评价指标，建立感官评价指标与鲜食感官品质的对应关系，选定苹果鲜果，确定鲜食感官品质；

S2、根据感官评价指标确定鲜果仪器测定指标，获得鲜果仪器测定指标数据；

S3、记录鲜果仪器测定指标数据、及鲜食感官品质形成样本集，选定一定比例的样本集的数据形成训练样本集；

S4、以训练样本集的鲜果仪器测定指标数据为输入层，鲜食感官品质为输出层，构建基于BP算法的人工神经网络学习模型，并进行训练至人工神经网络学习模型稳定；

S5、以未知苹果的鲜果仪器测定指标数据为输入层，根据人工神经网络学习模型预测该未知苹果鲜食感官品质。

2.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，步骤S1中鲜食感官品质为鲜食感官品质评分或鲜食感官品质等级中的一种；

当鲜食感官品质为鲜食感官品质等级时，确定鲜食感官品质的方法具体为：确定鲜食感官品质评分，将鲜食感官品质评分分为3-5个鲜食感官品质等级，并确定每个苹果鲜果对应的鲜食感官品质等级，且对应该鲜食感官品质等级的等级概率为1，其余感官品质等级的等级概率为0。

3.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，按照早熟、中熟、晚熟将苹果鲜果分为三类，步骤S3中用于形成训练样本集的鲜果的个数不少于30个，且至少包含早熟、中熟、晚熟三类中的各10种。

4.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，步骤S4中选择75-88％的样本集数据形成训练样本集。

5.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，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，比较苹果鲜食感官品质评分或等级的预测值和实测值，准确率达到90％以上，则人工神经网络模型稳定，反之将该苹果鲜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。

6.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，步骤S5中训练次数为1000-4000次，学习率为0.1-1，动量因子为0.1-0.5，误差值为0.001-0.1。

7.如权利要求1所述的基于苹果原料指标预测苹果鲜食感官品质的方法，其特征在于，感官评价指标包括果个大小、果面颜色、果肉质地、风味及汁液多少；

鲜果仪器测定指标包括体积、果皮L值、果皮a值、果皮b值、果肉硬度，可滴定酸、可溶性糖，出汁率。