基于環(huán)境氣體信息的BP神經(jīng)網(wǎng)絡(luò)蘋果貯藏品質(zhì)預(yù)測

張永超 趙錄懷 王昊 張宇航

摘要：針對蘋果貯藏品質(zhì)預(yù)測復(fù)雜、精度低的問題，設(shè)計(jì)了基于環(huán)境氣體信息的BP神經(jīng)網(wǎng)絡(luò)蘋果貯藏品質(zhì)預(yù)測。首先分析了貯藏環(huán)境中溫度、氣體體積比與蘋果理化特性指標(biāo)的相關(guān)性，再通過對蘋果的貯藏溫度、氣體（氧氣、二氧化碳）體積比和理化特性指標(biāo)（硬度、可溶性固形物含量、總酸含量、水分含量）進(jìn)行檢測，將16組溫度和氣體體積比數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，理化特性指標(biāo)分別作為BP神經(jīng)網(wǎng)絡(luò)的輸出，對建立的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練后用5組非訓(xùn)練樣本進(jìn)行試驗(yàn)驗(yàn)證，結(jié)果表明用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測蘋果貯藏品質(zhì)的預(yù)測值與實(shí)測值相對誤差在 5%以下，可以滿足蘋果貯藏品質(zhì)預(yù)測的精度要求。

關(guān)鍵詞：蘋果;貯藏溫度;氣體信息;貯藏品質(zhì)預(yù)測;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TS255.3文獻(xiàn)標(biāo)識碼：A文章編號：1000-4440（2020）01-0194-05

Abstract： In order to solve the problem of complex and low accuracy of apple storage quality prediction， the BP neural network based on environmental gas information was designed. The correlation between temperature， gas volume ratio and physical and chemical properties of apple in storage environment was analyzed， and then the storage temperature， gas （oxygen， carbon dioxide） volume ratio and physical and chemical properties （hardness， soluble solid content， total acid content， moisture content） were measured. Sixteen groups of temperature and gas volume ratio data were used as the input of BP neural network， and the physical and chemical properties were used as the output of BP neural network to train the established BP neural network. After training， five groups of non-training samples were used to verify the results. The results showed that the relative error between the predicted value and the measured value of apple storage quality using BP neural network model was less than 5%， which could meet the accuracy requirements of apple storage quality prediction.

Key words：apple;storage temperature;gas information;storage quality prediction;BP neural network

蘋果青脆多汁，酸甜可口，是人們喜愛的水果之一。隨著生活水平的提高，人們對蘋果的品質(zhì)要求越來越高。因此，研究出方便、經(jīng)濟(jì)的蘋果貯藏品質(zhì)檢測方法，既能滿足消費(fèi)者的要求，又能使蘋果的加工質(zhì)量和出口等級提高，使蘋果的經(jīng)濟(jì)效益達(dá)到最大化。

針對蘋果無損檢測技術(shù)主要有電學(xué)檢測[1]、近紅外技術(shù)檢測[2]和機(jī)械特性法[3-4]等方法。電學(xué)檢測是利用電學(xué)指標(biāo)對蘋果水心病果和好果進(jìn)行識別，近紅外技術(shù)檢測是利用可見光與熱紅外技術(shù)對蘋果樹測產(chǎn)，機(jī)械特性法利用蘋果機(jī)械特性指標(biāo)預(yù)測蘋果貯藏品質(zhì)，這些方法操作較為復(fù)雜，且成本較高。文獻(xiàn)[5]報(bào)道了利用蘋果的香氣對蘋果低溫貯藏時(shí)間及品質(zhì)的預(yù)測，文獻(xiàn)[6]報(bào)道了不同貯藏溫度對秦陽蘋果采后生理的影響，文獻(xiàn)[7]報(bào)道了蘋果冰點(diǎn)溫度貯藏品質(zhì)及質(zhì)構(gòu)變化，文獻(xiàn)[8]報(bào)道了蘋果品質(zhì)變化對溫度的響應(yīng)規(guī)律及貯藏壽命預(yù)測。本研究通過分析貯藏環(huán)境中溫度以及O2和CO2體積比與蘋果理化特性指標(biāo)的相關(guān)性，建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對蘋果貯藏品質(zhì)進(jìn)行預(yù)測。

1模型參數(shù)選取及測定

1.1模型參數(shù)選取

供試蘋果為紅富士蘋果，每周取樣1次，觀察、測定蘋果品質(zhì)的變化，試驗(yàn)時(shí)間為16周。

呼吸作用是果蔬貯藏過程最主要的生理活動(dòng)，果實(shí)的呼吸速率直接受溫度的影響，當(dāng)貯藏溫度低于10 ℃時(shí)，呼吸躍變和呼吸速率受到抑制，蘋果貯藏溫度冰點(diǎn)一般為0 ℃左右，貯藏溫度過低，輕則發(fā)生冷害，重則發(fā)生凍害[9-11]。O2和CO2作為蘋果呼吸速率表征的主要?dú)怏w，可以反映蘋果在貯藏過程中呼吸速率的變化。蘋果中常用來反映呼吸速率的方程為C6H12O6+6O2→6CO2+6H2O+2 816（kJ）， 方程表現(xiàn)了O2與CO2之間的轉(zhuǎn)換關(guān)系，貯藏中O2體積比和CO2體積比對蘋果的貯藏品質(zhì)有影響[12-16]。綜上所述選用溫度（0 ℃）以及O2和CO2體積比作為建立蘋果品質(zhì)預(yù)測模型的參數(shù)。

1.2O2和CO2體積比的測定

數(shù)據(jù)獲取系統(tǒng)由傳感器、信號調(diào)理電路、FPGA、顯示器組成。傳感器型號為O2-A2氧氣傳感器和型號為GSS-COZIR 二氧化碳傳感器，F(xiàn)PGA用Altera公司EP1C6Q240C8 cyclone系列芯片F(xiàn)PGA，電源電壓3.3 V，最高工作頻率275 MHz，LCD采用1602LCD液晶顯示器，O2和CO2體積比測定系統(tǒng)結(jié)構(gòu)如圖1所示。

選擇大小一致、表面無病斑傷痕、成熟度90%以上的蘋果，放入蘋果存放專用箱中，每箱放1個(gè)蘋果，用厚度為0.02 mm的PE保鮮膜密封。將氧氣傳感器和二氧化碳傳感器分別放入箱中，傳感器的采集頻率為1 d 10次。每周進(jìn)行1次測量，測量結(jié)果取10次測量值的平均值。

1.3理化特性指標(biāo)測定

測定理化特性參數(shù)硬度以及可溶性固形物、總酸和水分含量，測定方法依據(jù)國家標(biāo)準(zhǔn)GB10651-1989。

2BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立

2.1BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)通常采用3層結(jié)構(gòu)，增加各層的神經(jīng)元數(shù)可以提高擬合精度。蘋果品質(zhì)檢測模型選用3層結(jié)構(gòu)：輸入層、輸出層和隱含層。將溫度以及O2和CO2體積比作為輸入，理化特性指標(biāo)（硬度、可溶性固形物含量、總酸含量和水分含量）作為輸出，試驗(yàn)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

2.2BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)

隱含層節(jié)點(diǎn)數(shù)的確定公式為N=（n1+n0）1/2+a，式中N為隱含層節(jié)點(diǎn)數(shù)，n1為輸出節(jié)點(diǎn)數(shù)，n0為輸入節(jié)點(diǎn)數(shù)，a為1至10之間的常數(shù)。本系統(tǒng)輸入節(jié)點(diǎn)n0=3，輸出節(jié)點(diǎn)n1=4，經(jīng)計(jì)算N=10。

2.3BP神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)

BP神經(jīng)網(wǎng)絡(luò)隱含層采用 Tansig作為傳遞函數(shù)，即f（x）=tanh（x）。輸出層采用 Purelin傳遞函數(shù)，即f（x）=kx。

2.4BP神經(jīng)網(wǎng)絡(luò)模型建立

通過對蘋果貯藏過程中溫度以及O2和CO2體積比的檢測，建立蘋果貯藏品質(zhì)預(yù)測模型，進(jìn)而實(shí)現(xiàn)對蘋果品質(zhì)變化的預(yù)測。首先定義網(wǎng)絡(luò)的輸入輸出樣本，然后建立BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和仿真，直至達(dá)到設(shè)定的誤差5%，最終通過5組驗(yàn)證數(shù)據(jù)對所建立的模型進(jìn)行驗(yàn)證。用MATLAB軟件建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，使用Newff函數(shù)對網(wǎng)絡(luò)進(jìn)行初始化。模型參數(shù)設(shè)定為：訓(xùn)練步數(shù)1 000，網(wǎng)絡(luò)性能目標(biāo)誤差1×10-5，學(xué)習(xí)率0.5。

3仿真結(jié)果及分析

本試驗(yàn)測量數(shù)據(jù)有16組訓(xùn)練數(shù)據(jù)、9組測試數(shù)據(jù)、5組驗(yàn)證數(shù)據(jù)。用蘋果的貯藏溫度和氣體濃度作為輸入，分別預(yù)測4個(gè)理化特性指標(biāo)，最后用5組驗(yàn)證數(shù)據(jù)進(jìn)行試驗(yàn)驗(yàn)證。

3.1試驗(yàn)驗(yàn)證蘋果硬度相對誤差

對9組試驗(yàn)數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)測試，溫度以及O2和CO2體積比為BP神經(jīng)網(wǎng)絡(luò)的輸入，硬度為BP神經(jīng)網(wǎng)絡(luò)的輸出，對建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試。由圖3可知，預(yù)測硬度的相對誤差最大為2.8%，預(yù)測效果較好，能夠滿足蘋果硬度的預(yù)測要求。

對訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。用5組非訓(xùn)練樣本數(shù)據(jù)輸入所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測出硬度，并與實(shí)際測試值對比，計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù)測的相對誤差。結(jié)果（表1）表明，預(yù)測值與實(shí)測值的最小相對誤差為1.6%，最大相對誤差為3.2%。說明BP神經(jīng)網(wǎng)絡(luò)預(yù)測性能較好，可以滿足蘋果硬度預(yù)測的精度要求。

3.2試驗(yàn)驗(yàn)證蘋果可溶性固形物含量相對誤差

對9組試驗(yàn)數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)測試，溫度以及O2和CO2體積比為BP神經(jīng)網(wǎng)絡(luò)的輸入，可溶性固形物含量為BP神經(jīng)網(wǎng)絡(luò)的輸出，對建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試。由圖4可知，預(yù)測可溶性固形物含量的相對誤差最大為2.7%，預(yù)測效果較好，能夠滿足蘋果可溶性固形物含量的預(yù)測要求。

對訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，用5組非訓(xùn)練樣本數(shù)據(jù)輸入所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測可溶性固形物含量。與實(shí)際測試值對比，計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù)測的相對誤差，可溶性固形物含量預(yù)測值與實(shí)測值相對誤差如表2所示。從表2可知，預(yù)測值與實(shí)測值的最小相對誤差為2.3%，最大相對誤差為4.6%，表明該神經(jīng)網(wǎng)絡(luò)預(yù)測性能較好，可以滿足蘋果可溶性固形物含量預(yù)測的精度要求。

3.3試驗(yàn)驗(yàn)證蘋果總酸含量相對誤差

對9組試驗(yàn)數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)測試。溫度以及O2和CO2體積比為BP神經(jīng)網(wǎng)絡(luò)的輸入，總酸含量為BP神經(jīng)網(wǎng)絡(luò)的輸出，對建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試。如圖5可知，預(yù)測總酸含量的相對誤差最大為3.2%，預(yù)測效果較好，能夠滿足蘋果總酸含量的預(yù)測要求。

對訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。用5組非訓(xùn)練樣本數(shù)據(jù)輸入所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測總酸含量，與實(shí)際測試值對比，計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù)測的相對誤差，結(jié)果如表3所示。從表3可知，預(yù)測值與實(shí)測值的最小相對誤差為1.9%，最大相對誤差為3.5%，表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測性能較好，可以滿足蘋果總酸含量預(yù)測的精度要求。

3.4試驗(yàn)驗(yàn)證蘋果水分含量相對誤差

對9組試驗(yàn)數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)測試。溫度以及O2和CO2體積比為BP神經(jīng)網(wǎng)絡(luò)的輸入，水分含量為BP神經(jīng)網(wǎng)絡(luò)的輸出，對建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試。由圖6可知，預(yù)測水分含量的相對誤差最大為0.17%，預(yù)測效果較好，能夠滿足蘋果水分含量的預(yù)測要求。

對訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。用5組非訓(xùn)練樣本數(shù)據(jù)輸入所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測水分含量，與實(shí)際測試值對比，計(jì)算BP神經(jīng)網(wǎng)絡(luò)的相對誤差。從表4可知，預(yù)測值與實(shí)測值的最小相對誤差為2.1%，最大相對誤差為4.2%，表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測性能較好，可以滿足蘋果水分含量預(yù)測的精度要求。

用蘋果貯藏溫度、氣體體積比預(yù)測蘋果貯藏品質(zhì)的試驗(yàn)驗(yàn)證結(jié)果表明，預(yù)測值與實(shí)測值的最小相對誤差為1.6%，最大相對誤差為4.6%，相對誤差在5%以下，滿足蘋果貯藏品質(zhì)預(yù)測精度的要求。

4結(jié)論

基于 BP神經(jīng)網(wǎng)絡(luò)，用蘋果貯藏溫度和氣體體積比建立蘋果貯藏品質(zhì)的預(yù)測模型。將貯藏溫度和氣體體積比作為輸入，理化特性指標(biāo)作為輸出，用16組樣本數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，得到BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。用5組非訓(xùn)練樣本數(shù)據(jù)進(jìn)行試驗(yàn)驗(yàn)證，結(jié)果表明預(yù)測值與實(shí)測值的相對誤差在5%以下，可以滿足蘋果貯藏品質(zhì)預(yù)測精度的要求。

參考文獻(xiàn)：

[1]王若琳，王棟，任小林，等. 基于電學(xué)特征的蘋果水心病無損檢測[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34（5）：129-136.

[2]宗澤，郭彩玲，劉剛. 基于可見光與熱紅外技術(shù)的蘋果樹測產(chǎn)方法[J].農(nóng)業(yè)工程，2017，7（6）：77-82.

[3]李小昱，王為. 基于灰色系統(tǒng)理論用機(jī)械特性指標(biāo)預(yù)測蘋果貯藏品質(zhì)特性[J].農(nóng)業(yè)工程學(xué)報(bào)， 2005， 21（2）：1- 6.

[4]汪小芳. 基于人工神經(jīng)網(wǎng)絡(luò)利用機(jī)械特性檢測蘋果品質(zhì)方法的研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2003.

[5]李瑩，任亞梅，張爽，等. 基于電子鼻的蘋果低溫貯藏時(shí)間及品質(zhì)預(yù)測[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)， 2015，43（5）：183-191.

[6]高華，魯玉妙，王雷存，等. 不同貯藏溫度對秦陽蘋果采后生理的影響[J].華北農(nóng)學(xué)報(bào)，2010，25（增刊）：154-156.

[7]徐艷艷. 蘋果冰點(diǎn)溫度貯藏品質(zhì)及質(zhì)構(gòu)變化研究[D].福州：福建農(nóng)林大學(xué)，2014.

[8]史衛(wèi)娜. 蘋果品質(zhì)變化對溫度的響應(yīng)規(guī)律及貯藏壽命預(yù)測[D].楊凌：西北農(nóng)林科技大學(xué)，2016.

[9]尹航. 高CO2對鴨梨果心褐變的促進(jìn)作用及機(jī)理[D].石家莊：河北科技大學(xué)，2014.

[10]劉萌，郭風(fēng)軍，王美蘭，等. 藍(lán)莓呼吸速率的測定及模型表征[J].食品研究與開發(fā)，2013，34（14）：10-13.

[11]曹冬潔，王相友，王娟，等. 基于酶動(dòng)力學(xué)方程的雙孢蘑菇氣調(diào)貯藏呼吸速率模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（4）：284-289.

[12]王文輝，徐步前. 果品采后處理及貯運(yùn)保鮮[M]. 北京：金盾出版社，2003：123-141.

[13]馮建華. 蘋果貯藏保鮮問題分析[J].農(nóng)產(chǎn)品加工，2011（9）：7- 8.

[14]周會玲，朱林生，任小林，等. 陜西省蘋果貯藏保鮮業(yè)存在的問題與發(fā)展對策[J].北方園藝，2011（12）：163-165.

[15]南曉紅，胡磊洋. 蘋果冷庫氣體環(huán)境影響因素及通風(fēng)調(diào)控策略研究[D].西安：西安建筑科技大學(xué)，2017.

[16]胡花麗，葉小平，李鵬霞，等. 乙烯和CO2氣體吸收劑對采后小包裝豐水梨貨架期品質(zhì)的影響[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2017，33（1）：191-196.

（責(zé)任編輯：張震林）