[发明专利]一种农产品品质综合评价方法

摘要

本发明涉及一种农产品品质综合评价方法，所述方法基于振动光谱定量预测模型，在所述模型的基础上获得待测样品的多个评价指标的预测值和模型参数，将预测值归一化，结合评价指标的模型参数和评价指标的权重系数，求得反映农产品综合品质的综合评价值Z，根据Z值的分布范围可对全部待测样品进行分级。本发明提供的方法充分考虑到农产品品质的多指标及多指标之间的相互影响，兼顾模型的预测性能，可以实现农产品品质更为科学、具体、实用的分级。

主权项

1.一种农产品品质的综合评价方法，其特征在于，所述农产品为水果；所述方法包括以下步骤：(1)确定n项评价指标，并设定各项评价指标的权重系数K_i，其中，i＝1,2,…,n‑1,n；所述n项评价指标的权重系数之和等于1；(2)选择与待测农产品具有相同种植环境的同品种典型样品作为训练集样本，以训练集样本的振动光谱数据为自变量、各项评价指标的评价值为因变量，进行回归运算，建立各项评价指标的振动光谱定量预测模型；具体地，所述振动光谱为近红外吸收光谱；第i项评价指标的振动光谱定量预测模型如公式I所示：C_j,i＝(X_j‑X_M)×B_i+Y_M,i       I；所述公式I中，C_j,i为第j个待测样品的预测值，X_j为第j个待测样品的近红外吸收光谱数据值，X_M为训练集样本的近红外吸收光谱数据的平均值，B_i为模型的回归系数，Y_M,i为训练集样本评价指标参考值的平均值；(3)按照公式II计算各个振动光谱定量预测模型的第i项评价指标的模型系数M_i；所述公式II中，R²_i代表模型的测定系数，S_Di代表训练集样本的样本标准差，RMSECV_i代表模型交互验证均方根误差；(4)采集每个待测样品的振动光谱数据，分别代入各个振动光谱定量预测模型获得预测值，并对所述预测值进行归一化处理；对于第i项评价指标的振动光谱定量预测模型而言，第j个待测样品的归一化预测值按照公式III计算：所述公式III中，C_j,i为第j个待测样品的预测值，C_min,i为第i项评价指标的全部待测样品中的最小预测值，C_max,i为第i项评价指标的全部待测样品中的最大预测值；(5)按照公式IV计算第j个待测样品的综合评价值Z_j，根据综合评价值的大小对全部待测样品进行分级；