[发明专利]一种采后鲜食葡萄货架期预测方法及装置

权利要求书

1.一种采后鲜食葡萄货架期预测方法，其特征在于，包括：

采集采后鲜食葡萄的影响指标；所述影响指标包括环境指标、感官指标、理化指标和微生物指标；

将所述影响指标输入至采后鲜食葡萄货架期预测模型，输出预测的采后鲜食葡萄货架期，所述采后鲜食葡萄货架期预测模型根据所述影响指标和所述影响指标对应的采后鲜食葡萄货架期进行训练后得到。

2.根据权利要求1所述的一种采后鲜食葡萄货架期预测方法，其特征在于，所述环境指标包括温度和相对湿度，所述感官指标包括外观、色泽、气味、香味、口感、质地和果梗，所述理化指标包括果皮硬度、果实PH值、可溶性固形物含量、果实失水率、腐烂率、落粒率和色差，所述微生物指标包括菌落总数。

3.根据权利要求1所述的一种采后鲜食葡萄货架期预测方法，其特征在于，所述采后鲜食葡萄货架期预测模型基于径向基函数RBF神经网络建立，所述采后鲜食葡萄货架期预测模型的建立过程包括：

S1、获取各个所述影响指标的权重；

S2、确定所述采后鲜食葡萄货架期预测模型的结构；

S3、确定所述采后鲜食葡萄货架期预测模型的参数。

4.根据权利要求3所述的一种采后鲜食葡萄货架期预测方法，其特征在于，步骤S1具体包括：

S11、根据所述影响指标构建判断矩阵，以判断各个所述影响指标的重要性程度；

S12、根据所述判断矩阵，计算各个所述指标的权值；

S13、根据各个所述指标的权值，检查并判断所述判断矩阵的思维一致性。

5.根据权利要求3所述的一种采后鲜食葡萄货架期预测方法，其特征在于，步骤S2具体包括：

S21、确定所述RBF神经网络的隐藏层的节点个数；

S22、确定所述RBF神经网络的隐藏层的径向基函数。

6.根据权利要求3所述的一种采后鲜食葡萄货架期预测方法，其特征在于，步骤S3具体包括：

S31、优化所述RBF神经网络的隐含层基函数的中心和宽度；

S32、建立目标函数，并将所述RBF神经网络的隐含层基函数的中心代入所述目标函数，以获取目标函数值；若任两次相邻迭代获取的所述目标函数值之差不大于上限值，将所述任两次相邻迭代的后一次迭代的中心作为所述RBF神经网络的隐含层基函数的中心，将所述后一次迭代的中心对应的宽度作为所述RBF神经网络的隐含层基函数的宽度；

S33、采用遗传算法更新所述RBF神经网络的权值和阈值。

7.根据权利要求6所述的一种采后鲜食葡萄货架期预测方法，其特征在于，步骤S33具体包括：

S331、采用浮点编码法初始化所述RBF神经网络的隐含层到输出层连接的权值和阈值；

S332、建立适应度函数，根据所述适应度函数更新所述RBF神经网络的隐含层到输出层连接的权值和阈值。

8.根据权利要求7所述的一种采后鲜食葡萄货架期预测方法，其特征在于，所述根据所述适应度函数更新所述RBF神经网络的隐含层到输出层连接的权值和阈值，具体包括：

S3321、根据所述适应度函数，获取初始化的所述RBF神经网络的隐含层到输出层连接的权值和阈值被选择的概率；

S3322、利用交叉运算和变异运算更新所述RBF神经网络的隐含层到输出层连接的权值和阈值。

9.一种采后鲜食葡萄货架期预测装置，其特征在于，包括：

采集模块，用于采集采后鲜食葡萄的影响指标；所述影响指标包括环境指标、感官指标、理化指标和微生物指标；

预测模块，用于将所述影响指标输入至采后鲜食葡萄货架期预测模型，输出预测的采后鲜食葡萄货架期，所述采后鲜食葡萄货架期预测模型根据所述影响指标和所述影响指标对应的采后鲜食葡萄货架期进行训练后得到的。

10.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述采后鲜食葡萄货架期预测方法。