[发明专利]一种货架期苹果品质动态预测系统及预测方法

说明书

本发明属于苹果品质预测技术领域，公开了一种货架期苹果品质动态预测系统及预测方法，建立单指标的阈值苹果品质模型，对多元大样本数据进行分类；建立基于多元线性回归方法的苹果内部糖度值，酸度值、硬度值品质建模方法；建立基于RBF神经网络的不同分类下的内部品质的货架期苹果品质时序预测模型；根据货架期苹果品质时序预测模型构建基于苹果内部品质、检测时间t和扫描时间t+k的小样本模型预测大样本差值时序品质模型；根据苹果的糖度、酸度、硬度值建立口感评价模型。本发明能够反馈苹果真实口感，开放的交互式应用程序保证苹果品质评价模型的新鲜度，为货架期的苹果品质动态预测系统健康运行提供了良好的基础。

技术领域

本发明属于苹果品质预测技术领域，尤其涉及一种货架期苹果品质动态预测系统及预测方法。

背景技术

目前，最接近的现有技术：

中国拥有丰富的土地资源，水果的种植面积和产量均居世界前列，其中苹果的种植面积广阔，到2016年的时候种植面积达到了2323.80千公顷，苹果的产量巨大并呈现逐年上升的态势，2017年的苹果产量已经达到了4139.00万吨。2016年的鲜苹果仅有133多万吨，占我国苹果总产量的3.2％，说明大部分的鲜苹果都被国内市场所消费，2016年中国苹果的人均占有量已经达到了31.7kg。在苹果品质无损检测方面，利用光谱检测苹果品质的技术已经相当的成熟了，尤其是利用近红外光谱检测。在现有的技术中，很多学者也对苹果品质信息(例如苹果的失重率、果肉硬度、表皮颜色、糖度、酸度等)进行了生理的研究，证明了在冷库储藏的过程中，苹果的内部品质一直在发生变化，尤其是货架期的苹果，外界条件不适宜存储，苹果内部品质变化较快，因此导致即使同一批货架苹果，也会因不同的购买时间而不同。从而，使苹果上货架时检测的内部品质不是苹果购买或食用时的品质。进而检测设备并不廉价，因此消费者不能够通过购买检测设备，进行苹果内部品质的实时检测。基于以上问题，如果苹果在货架期存放时间过长，或者消费者购买后长时间未使用，都会造成其品质和价格不符，影响商家信誉和消费者权益。

因此建立货架期苹果品质时序动态预测模型，对货架期的苹果品质进行实时的预测，指导商家和消费者购买和食用苹果，加速我国苹果产业的健康快速发展起着至关重要的作用。进入21世纪以来，便携式的苹果品质检测设备有了快速的发展，例如已经商用的日本KUBOTA公司的K-BA100R型、聚光科技公司的SupNIR-1000型和伟创英图公司的NIRMagic1100型便携式近红外光谱仪器，然而一般的品质检测设备往往是基于光谱仪，存在成本过高、能耗大、光谱信息冗余、检测速度慢、自动化程度低等问题。

现有技术中，近红外检测仪大多是面向生产商的，不是面向消费者的，若消费者购买近红外检测仪不仅会增加消费者的经济负担，而且还会造成资源的浪费，不利于社会的良性发展。

综上所述，现有技术存在的问题是：

(1)现有技术中，品质检测设备成本过高、能耗大、光谱信息冗余、检测速度慢、自动化程度低，造成货架期苹果品质动态预测效果差。不能为苹果品质准确的预测提供定量的基础和方法的支撑。

(2)目前还没有一种货架期苹果品质预测的模型方法应用于实际的生活中，当下最好的无损检测苹果品质的设备就是近红外检测仪器。然而将近红外检测仪推向大众消费者显然是不可能实现的。

(3)没有一种能够记录苹果品质信息的媒介，使理论转化成实践成果。

(4)中国消费者对苹果苹果品质要求各有不同，难以统一到一个相同的标准。

解决上述技术问题的意义：