傅澤田 高乾鐘 李新武 張 旭 張小栓

(1.中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083; 2.中國(guó)農(nóng)業(yè)大學(xué)食品質(zhì)量與安全北京實(shí)驗(yàn)室， 北京 100083; 3.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083)

0 引言

藍(lán)莓的采摘季節(jié)處在高溫期，貯藏和物流過(guò)程中生理代謝快、硬度易下降[1-3]。獲取貯藏中藍(lán)莓的貨架期信息，并計(jì)算出藍(lán)莓最佳的處理時(shí)間，可以有效保證藍(lán)莓的營(yíng)養(yǎng)價(jià)值和提高其經(jīng)濟(jì)價(jià)值。

目前針對(duì)藍(lán)莓貨架期的研究中，學(xué)者將藍(lán)莓的化學(xué)指標(biāo)(如花青素等)、理化指標(biāo)(如硬度等)作為主要參數(shù)[4-6]來(lái)探究不同包裝方式[2-3]、環(huán)境溫度[7]或不同前處理方式[8-9]對(duì)藍(lán)莓品質(zhì)變化的影響，并利用動(dòng)力學(xué)模型[7,10-11]、溫度模型[4]或統(tǒng)計(jì)學(xué)模型[6-9]進(jìn)行貨架期預(yù)測(cè)。但是未從藍(lán)莓貯藏微環(huán)境中氣體含量變化的角度進(jìn)行貨架期信息的獲取與品質(zhì)預(yù)測(cè)，而貯藏中的微環(huán)境不僅影響果蔬的品質(zhì)變化，而且果蔬的品質(zhì)變化也在微環(huán)境中有所體現(xiàn)[12]。例如果蔬的呼吸作用與其生理生化變化過(guò)程有直接或間接的聯(lián)系[13]。謝晶等[14]、曹冬潔等[15]以呼吸速率為特征建立了關(guān)于菇類的酶抑制動(dòng)力學(xué)方程，說(shuō)明果蔬品質(zhì)劣變也可以由呼吸作用引起的氣體含量變化來(lái)體現(xiàn)；而胡花麗等[16]也從CO2(二氧化碳)、C2H4(乙烯)的含量角度說(shuō)明了氣體對(duì)果蔬貨架期的影響，但未從氣體角度建立貨架期預(yù)測(cè)模型。

由藍(lán)莓貯藏微環(huán)境中的氣體來(lái)預(yù)測(cè)貨架期的方法是對(duì)貨架期預(yù)測(cè)方法的一種有益探索。通過(guò)氣體獲取貨架期信息需要同時(shí)采集多種氣體信息并進(jìn)行并行處理[17-18]，目前常見(jiàn)的多參量數(shù)據(jù)處理方法有統(tǒng)計(jì)學(xué)方法、支持向量機(jī)[19]、遺傳算法[20-21]、人工BP神經(jīng)網(wǎng)絡(luò)[22-24]等方法。其中，人工BP神經(jīng)網(wǎng)絡(luò)因其獨(dú)特優(yōu)勢(shì)而在氣體陣列的數(shù)據(jù)處理方面運(yùn)用較多[25-27]。其通過(guò)模擬人腦的處理過(guò)程，將輸入的多維信息進(jìn)行綜合分析，有效避免不精確篩選導(dǎo)致的模型預(yù)測(cè)精度降低的問(wèn)題，且模型的實(shí)現(xiàn)難度低、易搭建。

鑒于以上分析，本文針對(duì)不同溫度下貯藏的藍(lán)莓提出基于氣體傳感信息的貨架期預(yù)測(cè)方法。通過(guò)選擇并采集與藍(lán)莓品質(zhì)劣變過(guò)程相關(guān)的氣體變化信息，獲取5種傳統(tǒng)理化指標(biāo)作為品質(zhì)的指示指標(biāo)，通過(guò)相關(guān)性分析證明藍(lán)莓貯藏微環(huán)境中的氣體與其品質(zhì)變化具有明顯的相關(guān)性，利用BP神經(jīng)網(wǎng)絡(luò)從多參量氣體角度針對(duì)不同溫度建立藍(lán)莓貨架期預(yù)測(cè)模型。

1 藍(lán)莓貨架期預(yù)測(cè)模型的構(gòu)建

果蔬貨架期信息是指果蔬在不同的環(huán)境中品質(zhì)劣變的時(shí)間。通過(guò)貨架期預(yù)測(cè)模型得到果蔬在特定環(huán)境下的貯藏時(shí)間，從而對(duì)果蔬及時(shí)地銷售，避免果蔬的腐敗[28-30]。通過(guò)對(duì)藍(lán)莓貯藏過(guò)程中理化指標(biāo)和氣體含量的監(jiān)測(cè)，建立藍(lán)莓的貨架期預(yù)測(cè)模型，進(jìn)而實(shí)現(xiàn)對(duì)藍(lán)莓品質(zhì)變化的感知。

1.1 模型參數(shù)選取

呼吸作用是果蔬貯藏過(guò)程最主要的生理活動(dòng)[13-15]。貯藏中溫度控制或氣調(diào)控制方法的基本原理就是通過(guò)調(diào)節(jié)不同溫度或者氣體含量來(lái)實(shí)現(xiàn)對(duì)果蔬呼吸作用的影響[31]，從而控制果蔬品質(zhì)劣變的速度。因此可使用與藍(lán)莓呼吸作用相關(guān)的氣體來(lái)作為建立藍(lán)莓貨架期預(yù)測(cè)模型的參數(shù)。

O2和CO2作為果蔬呼吸速率表征的主要?dú)怏w，可以反映藍(lán)莓在貯藏過(guò)程中呼吸速率的變化。果蔬中常用來(lái)反映呼吸速率的方程為

(1)

其表現(xiàn)了O2與CO2之間的轉(zhuǎn)換關(guān)系[15]。利用O2和CO2含量變化與品質(zhì)變化建立的耦合模型，可以進(jìn)行藍(lán)莓貨架期的反映。

同時(shí)，藍(lán)莓的呼吸作用過(guò)程會(huì)產(chǎn)生乙烯。乙烯含量的變化在一定程度上反映了藍(lán)莓呼吸速率強(qiáng)弱，同時(shí)乙烯能影響藍(lán)莓的衰老、腐敗過(guò)程，進(jìn)而間接地影響呼吸作用[16]。所以乙烯是獲取藍(lán)莓品質(zhì)劣變情況的一個(gè)重要?dú)怏w參數(shù)。

綜上所述，從氣體角度建立的藍(lán)莓貨架期預(yù)測(cè)模型所選擇的參數(shù)是：與呼吸作用密切相關(guān)的O2、CO2和C2H4含量。

1.2 模型參數(shù)數(shù)據(jù)獲取方法

圖1 藍(lán)莓貨架期預(yù)測(cè)模型構(gòu)建流程 Fig.1 Construction process of blueberry shelf life prediction model

如圖1所示，藍(lán)莓貨架期預(yù)測(cè)模型的建立過(guò)程為：首先獲取氣體參數(shù)信息，然后利用硬件處理設(shè)備進(jìn)行傳感信號(hào)的處理并進(jìn)行傳輸，最后建立貨架期預(yù)測(cè)模型。其中，模型參數(shù)信息的獲取包括氣體信息采集和信號(hào)處理兩部分。在信息采集部分，利用氧氣、二氧化碳和乙烯傳感器實(shí)現(xiàn)，使用的氣體傳感器信息如表1所示，傳感器利用電化學(xué)原理，具有體積小、占用空間小、攜帶方便、性價(jià)比高等優(yōu)點(diǎn)，可以滿足對(duì)氣體響應(yīng)的需要，并對(duì)貯藏環(huán)境有很好的適應(yīng)性；傳感器的供電電壓都為3.3 V，可以滿足長(zhǎng)時(shí)間連續(xù)監(jiān)測(cè)的需求。在信號(hào)處理部分，硬件設(shè)計(jì)需滿足數(shù)據(jù)預(yù)處理、數(shù)據(jù)儲(chǔ)存和遠(yuǎn)端發(fā)送的功能。利用CC2530片上系統(tǒng)對(duì)信號(hào)儲(chǔ)存發(fā)送，傳感器節(jié)點(diǎn)采集的時(shí)間間隔設(shè)置為10 min，CC2530通信模塊每1 h發(fā)送一次數(shù)據(jù)。采用3.7 V、30 A·h的鋰電池對(duì)實(shí)驗(yàn)的硬件電路進(jìn)行供電。

表1 氣體傳感器信息 Tab.1 Gas sensor information

1.3 藍(lán)莓貨架期預(yù)測(cè)模型構(gòu)建方法

1.3.1貨架期預(yù)測(cè)模型算法選取

為實(shí)現(xiàn)對(duì)藍(lán)莓貨架期的有效預(yù)測(cè)，從模型參數(shù)的數(shù)據(jù)特點(diǎn)和模型自身特點(diǎn)兩方面來(lái)選取合適的模型。在模型參數(shù)方面，本文利用氣體傳感器對(duì)與藍(lán)莓呼吸作用密切相關(guān)的3種氣體含量變化信息進(jìn)行獲取。在模型特點(diǎn)方面，需要一種能對(duì)豐富的數(shù)據(jù)量進(jìn)行充分利用，并挖掘出多種參數(shù)之間的內(nèi)在相關(guān)性，實(shí)現(xiàn)高精度預(yù)測(cè)的模型。

BP神經(jīng)網(wǎng)絡(luò)可以滿足上述需要。其通過(guò)模擬人腦的處理過(guò)程，能夠有效對(duì)多參數(shù)進(jìn)行處理，且善于處理豐富的數(shù)據(jù)量，因此在電子鼻系統(tǒng)和氣體陣列的數(shù)據(jù)處理中運(yùn)用較多。不僅其單獨(dú)使用有良好的預(yù)測(cè)效果，而且可與其他方法進(jìn)行結(jié)合來(lái)優(yōu)化預(yù)測(cè)結(jié)果，具有較好的模型拓展性[25-27]。針對(duì)藍(lán)莓的貨架期預(yù)測(cè)，傳感器采集的數(shù)據(jù)量可以滿足BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練的數(shù)據(jù)量要求，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)具有對(duì)多個(gè)因素進(jìn)行綜合分析的能力，能充分挖掘所監(jiān)測(cè)氣體與貨架期之間的相關(guān)性，提高藍(lán)莓貨架期的預(yù)測(cè)效果。綜上分析，本文使用BP神經(jīng)網(wǎng)絡(luò)建立藍(lán)莓貨架期預(yù)測(cè)模型。

1.3.2BP神經(jīng)網(wǎng)絡(luò)模型建立步驟

利用獲取的藍(lán)莓微環(huán)境內(nèi)3種氣體含量變化數(shù)據(jù)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)來(lái)建立貨架期預(yù)測(cè)模型。BP神經(jīng)網(wǎng)絡(luò)建立流程如下[22-24]：

(1) 構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)通常由輸入層、隱含層、輸出層構(gòu)成，隱含層的層數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)的精度影響較大。通常3層結(jié)構(gòu)就能滿足n維到m維的映射需求。

(2) 確定輸入層、輸出層和隱含層的節(jié)點(diǎn)數(shù)。根據(jù)藍(lán)莓品質(zhì)感知需求，輸入層為3種氣體含量，輸出層為貨架期。數(shù)據(jù)進(jìn)行歸一化處理為0～1之間的數(shù)，排除數(shù)據(jù)帶來(lái)的誤差?；窘Y(jié)構(gòu)如圖2所示。歸一化公式為

圖2 藍(lán)莓BP預(yù)測(cè)模型結(jié)構(gòu)圖 Fig.2 Structure diagram of blueberry BP prediction model

(2)

式中X——?dú)w一化數(shù)據(jù)

x——原始?xì)怏w含量數(shù)據(jù)

xmax——數(shù)據(jù)中最大值

xmin——數(shù)據(jù)中最小值

隱含層節(jié)點(diǎn)數(shù)的確定方法為

n=(n1+n0)1/2+a

(3)

式中n0——輸入節(jié)點(diǎn)數(shù)

n1——輸出節(jié)點(diǎn)數(shù)

a——1～10之間的常數(shù)

n——隱含層節(jié)點(diǎn)數(shù)

(3) 選擇網(wǎng)絡(luò)函數(shù)進(jìn)行訓(xùn)練。常用函數(shù)如表2所示。

表2 BP神經(jīng)網(wǎng)絡(luò)常用函數(shù) Tab.2 BP neural network function

2 藍(lán)莓貯藏實(shí)驗(yàn)

2.1 實(shí)驗(yàn)方案

從北京某藍(lán)莓種植基地采摘新鮮藍(lán)莓，去除過(guò)熟和已經(jīng)開(kāi)始腐敗的藍(lán)莓，選擇出果粒大小一致、表面無(wú)病斑傷痕成熟度90%以上的藍(lán)莓果實(shí)，總共約3 600 g作為實(shí)驗(yàn)樣本。將其均分為A、B兩組，A組用于氣體監(jiān)測(cè)，B組用于理化指標(biāo)測(cè)定。將A組再次均分為3組，每組600 g，然后分別放入一個(gè)18.2 cm×18.2 cm×10.8 cm的容器中，用厚度為0.02 mm的PE保鮮膜進(jìn)行密封；之后分別將其與氧氣、二氧化碳、乙烯傳感器一起放入0、5、22℃的恒溫箱中(溫度按不同貯藏需求進(jìn)行設(shè)置)，控制濕度在90%～96%之間，氣體傳感器的采集頻率為10 min/次。B組也均分為3組，每組中再將藍(lán)莓根據(jù)質(zhì)量均分為6組，每組100 g，每顆藍(lán)莓質(zhì)量為1.5～2 g不等，所以按上述標(biāo)準(zhǔn)再次精細(xì)挑選后，將45顆藍(lán)莓作為每天的實(shí)驗(yàn)樣本，放入上述密封盒的1/6大小的密封盒中，并同時(shí)用PE保鮮膜密閉(基本保證氣體含量一致)，標(biāo)號(hào)1～6。分別將樣本間隔20 min放入0、5、22℃溫度下進(jìn)行儲(chǔ)存(為做理化指標(biāo)實(shí)驗(yàn)留下時(shí)間)，并記錄初始時(shí)間。共儲(chǔ)存7 d，每天進(jìn)行一次理化指標(biāo)測(cè)定實(shí)驗(yàn)，并拷貝氣體實(shí)驗(yàn)數(shù)據(jù)。理化指標(biāo)在硬度、可溶性固溶物含量和pH值測(cè)量前先進(jìn)行失重率和腐敗率的測(cè)量，在理化指標(biāo)測(cè)量前先進(jìn)行感官評(píng)價(jià)。22℃下藍(lán)莓貯藏實(shí)驗(yàn)和結(jié)果分別如圖3和圖4所示。

圖3 22℃下藍(lán)莓貯藏實(shí)驗(yàn) Fig.3 Blueberry storage test at 22℃

圖4 22℃下7 d后藍(lán)莓實(shí)驗(yàn)結(jié)果 Fig.4 Blueberry experiment results after 7 d at 22℃

2.2 理化指標(biāo)的測(cè)定方法

2.2.1失重率

利用EK3820型天平對(duì)45個(gè)藍(lán)莓實(shí)驗(yàn)樣本進(jìn)行稱量，重復(fù)3次取平均值。

(4)

式中M0——貯藏前的質(zhì)量

M1——貯藏后的質(zhì)量

α——失重率

2.2.2腐敗率

按照實(shí)驗(yàn)方案，取每天待測(cè)量的實(shí)驗(yàn)樣本組中45個(gè)樣本統(tǒng)計(jì)腐爛果數(shù)，計(jì)算腐敗率。爛果是指果實(shí)表面至少有一處發(fā)生病變或者汁液外漏、果實(shí)軟化皺縮或腐爛現(xiàn)象。

(5)

式中m0——藍(lán)莓的總質(zhì)量

m1——腐爛果的質(zhì)量

ε——腐敗率

2.2.3硬度

利用質(zhì)構(gòu)儀測(cè)量藍(lán)莓硬度。隨機(jī)挑選15個(gè)實(shí)驗(yàn)樣本進(jìn)行測(cè)量，對(duì)每顆果取2個(gè)對(duì)稱部位測(cè)定后取平均值。出發(fā)點(diǎn)負(fù)載3 g，速率0.5 mm/s[9]。

2.2.4可溶性固形物含量

隨機(jī)選取15個(gè)實(shí)驗(yàn)樣本，用紗布擠汁，采用WYT-J型手持折光儀對(duì)可溶性固形物含量進(jìn)行測(cè)定。

2.2.5pH值的測(cè)定

用pH數(shù)顯式酸度計(jì)測(cè)定藍(lán)莓的pH值。隨機(jī)選取15個(gè)實(shí)驗(yàn)樣本，2次測(cè)定后取平均值，每次對(duì)每個(gè)樣本從藍(lán)莓果實(shí)的同一位置刺入測(cè)量pH值。

2.2.6感官評(píng)價(jià)

每次由實(shí)驗(yàn)室中相同的10位學(xué)生進(jìn)行感官評(píng)價(jià)，感官評(píng)價(jià)得分標(biāo)準(zhǔn)如表3。

表3 藍(lán)莓感官評(píng)價(jià)得分標(biāo)準(zhǔn) Tab.3 Blueberry sensory evaluation criteria

3 結(jié)果分析與模型建立

3.1 理化指標(biāo)與氣體傳感信息結(jié)果分析

3.1.1理化指標(biāo)結(jié)果與分析

對(duì)所得理化指標(biāo)和感官評(píng)價(jià)的數(shù)據(jù)取平均值后，繪制不同溫度下的雷達(dá)圖，結(jié)果如圖5所示。0、5、22℃下，藍(lán)莓硬度一直不斷下降，7 d時(shí)下降率分別是32.9%、35.6%和57.8%，說(shuō)明低溫可以減緩果實(shí)軟化，與紀(jì)淑娟等[32]的研究結(jié)果一致。腐敗率在不同溫度下速率和時(shí)間都不同，0℃和5℃腐敗率變化速率基本一致，5 d時(shí)出現(xiàn)腐敗率迅速增長(zhǎng)，而22℃中腐敗率每次上升的幅度較大，說(shuō)明藍(lán)莓的腐敗率受溫度影響明顯，溫度越高，腐敗越快；22℃下在第2天出現(xiàn)腐敗后，保持了3 d基本不變又繼續(xù)增加的現(xiàn)象，原因可能與氣體含量、空間的密閉和溫度有關(guān)?？扇苄怨绦挝?主要是可溶性糖)含量能直接反映果蔬的成熟程度和品質(zhì)狀況[33]，可溶性固形物含量和pH值在0、5、22℃下都出現(xiàn)了波動(dòng)，其中5℃的波動(dòng)較大，0℃波動(dòng)較小，基本與藍(lán)莓在貯藏中的可溶性固形物含量逐漸增加，而進(jìn)入衰老過(guò)程可能出現(xiàn)下降的生理變化規(guī)律相吻合，但各溫度下表現(xiàn)的不一致可能與采收成熟度有關(guān)[31]。感官評(píng)價(jià)是人對(duì)藍(lán)莓品質(zhì)變化的主觀反映，在感官評(píng)價(jià)結(jié)果中，22℃較0℃和5℃下的波動(dòng)較大，且感官評(píng)價(jià)得分下降較快，說(shuō)明藍(lán)莓品質(zhì)劣變速度快；按照表3感官評(píng)價(jià)得分標(biāo)準(zhǔn)，7 d后，22℃的藍(lán)莓基本不可食用，并發(fā)生了霉變；0℃和5℃下藍(lán)莓基本不影響食用，在0℃和5℃下人對(duì)藍(lán)莓品質(zhì)劣變的分辨力基本無(wú)差異。從圖5的對(duì)比中可以看出，0℃和5℃下失重率變化明顯，22℃的腐敗率變化更加明顯，說(shuō)明利用理化指標(biāo)來(lái)衡量藍(lán)莓的品質(zhì)變化時(shí)，不同溫度下對(duì)品質(zhì)有明顯指示作用的因素不同。

圖5 藍(lán)莓感官評(píng)價(jià)得分和理化指標(biāo)結(jié)果 Fig.5 Blueberry sensory evaluation and physical and chemical index results

3.1.2氣體傳感信息結(jié)果與分析

圖6是0、5、22℃下氣體傳感信息結(jié)果。在各個(gè)溫度下，O2、CO2和C2H4含量的變化規(guī)律基本相同：O2逐漸下降，CO2和C2H4逐漸上升，3種氣體變化趨勢(shì)具有一定的相關(guān)性；但氣體變化速率不同，O2在0℃和5℃下的變化基本一致，22℃時(shí)有急速下降過(guò)程和緩慢變化的過(guò)程；0℃下CO2和C2H4的變化規(guī)律接近，一直緩慢上升，說(shuō)明0℃下藍(lán)莓呼吸較為平穩(wěn)；5℃下乙烯前4 d增長(zhǎng)迅速，后接近穩(wěn)定，CO2呈現(xiàn)持續(xù)增長(zhǎng)的狀態(tài)，此處可能與傳感器的性能和密封效果有關(guān)；22℃下O2、CO2和C2H4在前3 d都有一個(gè)快速變化的過(guò)程，后C2H4穩(wěn)定，O2下降，CO2緩慢上升，這應(yīng)該與藍(lán)莓的呼吸作用無(wú)關(guān)，而是環(huán)境中的微生物反應(yīng)；從對(duì)氣體的變化結(jié)果分析也可知溫度對(duì)藍(lán)莓呼吸速率產(chǎn)生影響，溫度越高速率越快，與理化分析結(jié)果相同。但是每個(gè)溫度下的藍(lán)莓品質(zhì)變化規(guī)律，都可以通過(guò)對(duì)O2、CO2和C2H4的綜合分析獲取。

圖6 氣體傳感信息結(jié)果 Fig.6 Gas sensing information results

3.1.3理化指標(biāo)與氣體傳感信息相關(guān)性分析

表4是0、5、22℃下藍(lán)莓理化指標(biāo)與氣體間相關(guān)性分析。相關(guān)性分析的方法是：針對(duì)第1天的實(shí)驗(yàn)結(jié)果，取某種氣體數(shù)據(jù)對(duì)應(yīng)時(shí)刻前后各1 h的數(shù)據(jù)，共有12個(gè)數(shù)據(jù)點(diǎn)，取均值后作為第1天理化指標(biāo)對(duì)應(yīng)的氣體值。3種氣體均采用這樣的方法進(jìn)行取值，第2天～第7天也采用類似的方法進(jìn)行處理。將每種氣體數(shù)據(jù)轉(zhuǎn)變?yōu)榕c理化指標(biāo)數(shù)量相同的7個(gè)數(shù)據(jù)點(diǎn)后，利用Excel作相關(guān)性分析。從表中可以看出，每個(gè)溫度下失重率、腐敗率和硬度的變化與氣體含量變化相關(guān)性較高，表現(xiàn)出明顯的相關(guān)性，其中失重率和腐敗率與O2含量呈負(fù)相關(guān)，與CO2和C2H4含量呈負(fù)相關(guān)；硬度的相關(guān)性正好相反；在理化結(jié)果分析和氣體結(jié)果分析中，同一溫度下氣體變化規(guī)律與理化指標(biāo)變化呈現(xiàn)出一致性，在0℃時(shí)藍(lán)莓持續(xù)進(jìn)行呼吸作用，呼吸速率慢，O2含量持續(xù)下降，C2H4和CO2含量持續(xù)上升，對(duì)應(yīng)理化指標(biāo)變化小，主要體現(xiàn)在失重率上，5℃的結(jié)果與0℃基本相同；在22℃時(shí)藍(lán)莓呼吸作用較快，O2下降速率、C2H4和CO2上升速率大，對(duì)應(yīng)理化指標(biāo)變化主要體現(xiàn)在腐敗率上，與果蔬品質(zhì)變化規(guī)律相同；在0℃和5℃下失重率和O2、C2H4、CO2含量表現(xiàn)明顯相關(guān)性，22℃時(shí)失重率、腐敗率和硬度都與O2、C2H4、CO2含量表現(xiàn)為明顯相關(guān)性，說(shuō)明理化指標(biāo)和氣體的分析結(jié)果呈現(xiàn)出一致性。

表4 理化指標(biāo)與氣體含量間的相關(guān)性 Tab.4 Correlation between physical and chemical indicators and gas

綜上所述，氣體變化和理化指標(biāo)的變化具有明顯相關(guān)性，說(shuō)明從氣體傳感信息和理化指標(biāo)兩個(gè)角度都可以對(duì)不同溫度下貯藏的藍(lán)莓品質(zhì)變化進(jìn)行有效分析。而相較理化指標(biāo)，氣體監(jiān)測(cè)難度低，采集到的數(shù)據(jù)量豐富，各個(gè)溫度下對(duì)品質(zhì)變化進(jìn)行有效表征的指標(biāo)來(lái)源多，使分析結(jié)果更加可靠。

3.2 藍(lán)莓貨架期預(yù)測(cè)模型構(gòu)建

利用BP神經(jīng)網(wǎng)絡(luò)建模方法，分別對(duì)0、5、22℃下的藍(lán)莓建立貨架期預(yù)測(cè)模型。將O2、CO2和C2H4含量作為輸入，貨架期作為輸出。將每個(gè)溫度下的第1天、第2天、第3天、第4天共1728個(gè)樣本數(shù)據(jù)作為模型的訓(xùn)練樣本并進(jìn)行多次迭代，第5天、第6天、第7天共1296個(gè)樣本數(shù)據(jù)進(jìn)行檢驗(yàn)。相應(yīng)的參數(shù)設(shè)置為：隱含層節(jié)點(diǎn)數(shù)為10層，利用logsig函數(shù)和purelin函數(shù)分別作為輸入層和輸出層函數(shù)，trainrp作為訓(xùn)練函數(shù)，learndm作為學(xué)習(xí)函數(shù)，設(shè)置學(xué)習(xí)速率為0.001，動(dòng)量因子為0.01，誤差為1 h。

預(yù)測(cè)結(jié)果如表5所示，每個(gè)溫度下的相對(duì)誤差逐漸減小，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果與訓(xùn)練數(shù)據(jù)樣本的數(shù)量和數(shù)據(jù)之間的關(guān)聯(lián)性有關(guān)。從對(duì)氣體和理化指標(biāo)的分析中知，藍(lán)莓的品質(zhì)在低溫時(shí)變化緩慢，隨溫度升高而加快。但在出現(xiàn)腐敗之后，O2、CO2和C2H4含量的變化變得平緩，故在22℃預(yù)測(cè)的相對(duì)誤差變化小，符合實(shí)際情況。從表中可以看出，0℃的預(yù)測(cè)誤差為0.091～0.191 d，5℃的預(yù)測(cè)誤差為0.069～0.302 d，22℃的預(yù)測(cè)誤差為0.094～0.338 d，基本滿足預(yù)測(cè)需要。

表5 BP神經(jīng)網(wǎng)絡(luò)貨架期預(yù)測(cè)結(jié)果 Tab.5 BP neural network shelf life prediction results

4 結(jié)論

(1)對(duì)貯藏在0、5、22℃下的藍(lán)莓同時(shí)監(jiān)測(cè)3種氣體含量(O2、CO2和C2H4)與獲取5種理化指標(biāo)(pH值、可溶性固形物含量、失重率、腐敗率和硬度)的變化，分析藍(lán)莓在不同溫度下貯藏時(shí)的品質(zhì)變化規(guī)律，研究氣體與理化指標(biāo)在反映藍(lán)莓品質(zhì)變化時(shí)的相關(guān)性。結(jié)果表明，氣體和理化指標(biāo)都可以有效地反映藍(lán)莓品質(zhì)變化。

(2)利用BP神經(jīng)網(wǎng)絡(luò)將O2、CO2和C2H4含量作為輸入，貨架期作為輸出，分別對(duì)0、5、22℃下的藍(lán)莓建立了貨架期預(yù)測(cè)模型。0℃的預(yù)測(cè)誤差為0.091～0.191 d，5℃的預(yù)測(cè)誤差為0.069～0.302 d，22℃的預(yù)測(cè)誤差為0.094～0.338 d，基本滿足預(yù)測(cè)需要。