Video Experimental Relacionado
Updated: Sep 9, 2025

Optimization of Processing of Tiebangchui with Highland Barley Wine Based on the Box-Behnken Design Combined with the Entropy Method
Published on: May 19, 2023
Predicción de la calidad de almacenamiento y optimización multiobjetivo de las condiciones de almacenamiento de
Xiaobin Mou1, Xiaopeng Huang1, Guojun Ma1
1College of Mechanical and Electronical Engineering, Gansu Agricultural University, Lanzhou 730070, China.
La optimización del almacenamiento de las bayas frescas (Lycium barbarum) implica predecir los cambios de calidad utilizando redes neuronales. Las condiciones óptimas incluyen la recolección al 60% de madurez y el almacenamiento a 10 °C durante 10 días para mantener la calidad de la fruta.
Área de la Ciencia:
- Ciencias Agrícolas
- Ciencias de la alimentación
- Biotecnología
Sus antecedentes:
- El control de la calidad del Lycium barbarum fresco durante el almacenamiento es difícil debido a las complejas relaciones entre las características y las condiciones.
- Comprender estas relaciones es crucial para preservar el valor nutricional y la comercialización.
Objetivo del estudio:
- Para analizar los cambios en la calidad de los wolfberry (dureza, contenido de sólidos solubles (SSC), acidez titulable (TA), vitamina C (Vc)) en diversas condiciones de almacenamiento.
- Desarrollar modelos predictivos precisos para las características de calidad de las bayas durante el almacenamiento.
- Determinar las condiciones óptimas de almacenamiento para la conservación de las bayas frescas.
Principales métodos:
- Se utilizó el muestreo hipercúbico latino optimizado para las redes neuronales de función radial (RBFNNs) y las redes neuronales de Elman.
- Se han desarrollado modelos predictivos para la dureza, SSC, TA y Vc.
- Optimización aplicada de enjambres de partículas (PSO) para la optimización multiobjetivo de los parámetros de almacenamiento.
Principales resultados:
- El modelo RBFNN demostró una alta precisión para TA (R2 = 0,99) y Vc (R2 = 0,99), con una precisión ligeramente menor para la dureza (R2 = 0,98) y SSC (R2 = 0,94).
- Se han identificado las condiciones óptimas de almacenamiento: cosecha a ≥60% de madurez, almacenamiento a 10°C durante ~10 días.
- La calidad óptima prevista es de dureza 15 N, SSC 17,5%, TA 1,22%, Vc 18,5 mg/100 g.
Conclusiones:
- Los modelos predictivos desarrollados pronostican con precisión la calidad de las bayas bajo diferentes escenarios de almacenamiento.
- Las condiciones óptimas de almacenamiento mejoran significativamente la conservación de la calidad de las bayas frescas.
- Los hallazgos ofrecen información valiosa para optimizar el almacenamiento de los wolfberries y otras frutas frescas.
Más Videos Relacionados
06:00Optimization of the Epimedii Folium Mutton-Oil Processing Technology and Testing Its Effect on Zebrafish Embryonic Development
Published on: March 17, 2023
09:16Author Spotlight: Optimization of Processing Technology for Tiebangchui with Zanba Based on CRITIC Combined with Box-Behnken Response Surface Method
Published on: May 12, 2023
Videos de Conceptos Relacionados
Cluster Sampling Method
To choose a cluster sample, divide the population into clusters (groups) and then randomly select some of the clusters. All the members from these clusters are in the cluster sample. For example, if you randomly sample four departments from your...
Pharmacokinetic Models: Comparison and Selection Criterion
Physiological models take a detailed approach by considering specific molecular processes. They can predict drug distribution, metabolism, and elimination changes, providing a comprehensive understanding of how drugs interact with the body.
Random Sampling Method
Systematic Sampling Method
Systematic sampling is one of the simplest methods...
Sampling Plans
Random sampling is a method where each member of the population has an equal chance of being selected for the sample. It involves selecting individuals randomly, often using random number generators or lottery-type methods. For example, when analyzing the properties of a...
Convenience Sampling Method
Convenience sampling is a non-random method of sample selection; this method selects individuals that are easily accessible and may result in biased data. For example, a marketing...