在不同的运输环境中对松竹的质量指标进行预测建模分析
Yangfeng Wang1, Xinyi Jin1, Lin Yang2
1Beijing Laboratory of Food Quality and Safety, College of Engineering, China Agricultural University, Beijing 100083, China.
Foods (Basel, Switzerland)
|September 28, 2023
概括
开发松竹质量的预测模型对于延长保质期至关重要. 一个优化的人工神经网络 (ANN) 模型准确地预测了质量变化,有助于这种高价值的保护策略.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 生物技术是生物技术.
背景情况:
- 松竹的价值很高,但由于季节性和短暂的保质期,在收获后面临挑战.
- 需要有效的保存方法来保持松竹的质量和市场可用性.
研究的目的:
- 开发和比较松竹质量的预测模型.
- 确定预测储存期间质量变化的最佳方法.
主要方法:
- 质量指标 (硬度,颜色,气味,pH,SSC,MC) 在两个保存情况 (温度控制/密封和气体成分变化) 下进行了监测.
- 开发了三种预测模型:多重线性回归 (MLR),支持向量回归 (SVR) 和人工神经网络 (ANN).
- 通过使用莱文伯格-马奎特,贝叶斯规范化和缩放联梯度算法来优化ANN模型性能.
主要成果:
- 人工神经网络 (ANN) 模型与MLR和SVR相比显示出更高的性能.
- 优化的ANN模型实现了高精度,R-Square值为0.988 (案例A) 和0.981 (案例B).
- 平均平方误差 (MSE) 值较低,表明精确的质量预测 (A案例为0.099,B案例为0.164).
结论:
- 优化的ANN模型对于预测松竹质量指标非常有效.
- 这些发现支持开发松竹的先进保存技术.
- 改善保存将有助于确保市场持续供应高质量的松竹.
更多相关视频
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.4K
13:02The Terroir Concept Interpreted through Grape Berry Metabolomics and Transcriptomics
Published on: October 5, 2016
10.5K
