[发明专利]基于质构数据预测澳洲坚果酸价和过氧化值的方法

权利要求书

1.基于质构数据预测澳洲坚果酸价和过氧化值的方法，其特征在于，所述方法包括以下步骤：

S1、质构指标数据获取：选择质构指标，取适量不同贮藏时间的澳洲坚果样品，去壳，使用质构仪测定质构指标数据；

S2、酸价和过氧化值获取：取适量不同贮藏时间的澳洲坚果样品，去壳，根据《食品安全国家标准食品中酸价的测定》(GB 5009.229-2016)和《食品安全国家标准食品中过氧化值的测定》(GB 5009.227-2016)中的方法要求分别测定酸价和过氧化值；

S3、归一化处理：将步骤S1和S2获取的测定的质构指标数据及酸价、过氧化值归一化，随机选取85％-90％的数据形成训练集，其余数据作为测试集；

S4、构建训练BP神经网络模型：以质构指标数据为输入层，酸价和过氧化值为输出层，构建BP神经网络模型，进行BP神经网络模型训练、仿真测试和性能评价；

S5、数据预测：对待预测的澳洲坚果先测定质构指标数据，将质构指标数据输入已训练好的BP神经网络模型，输出结果即为预测的酸价和过氧化值。

2.根据权利要求1所述的基于质构数据预测澳洲坚果酸价和过氧化值的方法，其特征在于，所述贮藏时间指澳洲坚果从开始至品质不达标时所贮藏的时间。

3.根据权利要求1所述的基于质构数据预测澳洲坚果酸价和过氧化值的方法，其特征在于，所述质构指标数据包括破裂力、破裂力时的位移、硬度、硬度时的位移、挤压做功、回程做功、粘附性、MODULUS POINT 1、MODULUS POINT 2、起始模量。

4.根据权利要求1所述的基于澳洲坚果质标数据预测其酸价和过氧化值的方法，其特征在于，所述酸价和过氧化值分别根据《食品安全国家标准食品中酸价的测定》(GB5009.229-2016)和《食品安全国家标准食品中过氧化值的测定》(GB 5009.227-2016)中的化学滴定法进行测定。

5.根据权利要求1所述的基于澳洲坚果质构数据预测其酸价和过氧化值的方法，其特征在于，所述归一化处理使用Matlab中的mapminmax函数，该函数的数学表达式为：

y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin；

其中，ymin、ymax为参数，默认值分别为-1、1，x为向量X中任一元素，xmin，xmax分别为X中的最小、最大值。

6.根据权利要求1所述的基于澳洲坚果质构数据预测其酸价和过氧化值的方法，其特征在于，所述构建BP神经网络模型使用的Matlab表达形式为：

net＝newff(P,T,S)；

其中，P指输入数据矩阵，即澳洲坚果的质构指标数据；T指输出数据矩阵，即对应的酸价和过氧化值；S为隐含层节点数，本发明根据多次实验结果确定该数值为9。

7.根据权利要求6所述的基于澳洲坚果质构数据预测其酸价和过氧化值的方法，其特征在于，所述BP神经网络的训练使用Matlab中表达形式为net＝train(net,P,T)；BP神经网络训练参数设置为：迭代次数设为10000，Matlab中表达形式为net.trainParam.epochs＝10000；均分根误差设为小于10-5训练结束，Matlab中表达形式为net.trainParam.goal＝1e-5；学习率设为0.01，Matlab中表达形式为net.trainParam.lr＝0.01。

8.根据权利要求7所述的基于澳洲坚果质构数据预测其酸价和过氧化值的方法，其特征在于，所述BP神经网络模型性能评价包括相对误差的计算，使用Matlab的表达为error＝100*abs(T_sim-T_test)./T_test，其中，error指相对误差；abs为取绝对值的函数；T sim指预测的酸价、过氧化值的数据矩阵，T_test指实际的酸价、过氧化值的数据矩阵。