CN103713051B - 一种球形水果质地预测模型的建模方法 - Google Patents

Abstract

本发明公开了一种球形水果质地预测模型的建模方法。包括如下步骤：建模样品集的采集；试验样本的准备；质量的测定；果形系数的测定；振动信号的采集；振动特征参数的提取；质地指标的测定；周期试验；初始质地预测模型的建立；修正质地预测模型的建立和验证。本发明通过对振动特征参数的提取与筛选，可得到与质地最紧密相关的多个振动参数，从而使振动频谱的有益信息得到充分表达；同时，用果形系数对模型进行修正，提高了模型的预测精度和适应性。

Description

一种球形水果质地预测模型的建模方法

技术领域

本发明涉及一种水果质地预测模型的建模方法，尤其涉及基于激光多普勒测振技术和多特征参数提取的一种球形水果质地预测模型的建模方法。

背景技术

水果在采后贮存过程中不断软化。在微观上表现为细胞间粘合力下降，这与细胞膜和细胞壁物质的降解密切相关；在宏观上，则表现为质地的变化，通常为由硬变软，由脆变绵。随着科技进步和人民生活水平不断提高，人们对于水果的品质要求越来越高，因此，质地作为一项关键品质指标被广泛运用于水果生产与加工过程中，包括确定最佳收获期、采后保存以及评估可食用期等。

水果质地的评价可分为主观和客观评价两种方式。主观评价又叫感观评定，但这种方法受人为主观因素和环境因素影响较大，且过程繁琐。客观评价包括了有损检测和无损检测，Magness-Taylor戳穿试验法是目前最常用的一种客观评价方法，通过探头压入果肉得到“力-位移”曲线，并从中得到质地指标，如压入过程的最大力（M-T硬度）、破裂点后力的平均值（果肉硬度）和破裂点前“力-位移”曲线的斜率（果肉弹性率）等。不同品种水果以及不同贮存方式下的最佳质地参数不尽相同，常以感观评定作为依据。由于有损检测方法只能抽样检测，因此检测率低，无法重复并造成浪费。

水果的振动特性与其质地密切相关，因此声学振动法是最常用的质地无损检测手段之一。振动信息采集方式包括了接触式测量和非接触式测量。激光多普勒测振技术作为一种非接触式的测量手段于近十年才逐渐应用于农产品无损检测，其具有不干扰物体振动、不受环境噪声影响、测量精度高等优点，已被证明在水果振动测试中比接触式测量方法（如加速度传感器）具有更高的检测精度。

基于振动特性的传统建模方式通常是通过样本的共振频率和质量计算弹性指数，再与质地指标进行相关性分析，建立的通常是一元回归模型，包含信息少，预测精度有限。但实际上振动特性还包含着除了共振频率以外的其它丰富的信息，如幅频特性和相频特性，且果形对振动特性也有一定影响。因此，本发明首先从幅频特性和相频特性提取多个特征参数，通过化学计量学方法筛选出与质地指标密切相关的特征参数并建立质地指标的预测模型，然后利用水果果形系数对预测模型进行修正，提高模型的预测精度和适应性，从而达到精确预测水果质地的目的。

发明内容

为了解决基于振动特性水果质地检测过程中，由于提取的振动指标单一而造成的检测精度低等问题，本发明的目的在于提供一种球形水果质地预测模型的建模方法。该方法首先建立多振动指标的球形水果质地预测模型，然后利用果形系数进行修正，提高模型的预测精度和适应性，达到质地的无损检测。

本发明采用的技术方案，包括以下步骤：

步骤1）建模样品集的采集：挑选同一批次，无虫蛀，无畸形的球形水果作为待测样本，存放过程中剔除腐烂、表面变质等样本；

步骤2）试验样本的准备：随机从已采集的待测样本中选择不少于3个试验样本，提前24小时放入待测环境中；

步骤3）质量的测定：用电子天平逐一称重试验样本；

步骤4）果形系数的测定：分别沿“果梗-果萼”方向和水果赤道测量水果的高h和直径d各3次，每次间隔120°，分别取平均值作为该试验样本的高h和直径d，再用高和直径平均值的比值作为果形系数SI：

$\mathrm{SI}=\stackrel{\‾}{h}/\stackrel{\‾}{d}$

步骤5）振动信号的采集：试验样品置于振动台中心位置，振动台在激励信号的控制下进行振动，用加速度传感器和激光多普勒测振仪分别测量振动台和水果上表面顶点的振动，加速度传感器和激光多普勒测振仪采集到的两路振动信号通过数据采集卡送至计算机并保存，采样频率是扫频终止频率的2.56倍；

步骤6）振动特征参数的提取：对采集到的两路振动信号通过信号处理软件进行滤波、积分、快速傅里叶变换处理，再求幅频响应和相频响应，并提取振动特征参数；

步骤7）质地指标的测定：采用Magness-Taylor戳穿实验法，在水果赤道处每隔360/a度选取一个点，a=2～4，共选取a个点，将a个点的质地指标值取平均作为每个试验样本的质地指标；

步骤8）周期试验：按m天为一个实验周期，共进行k个实验周期，每个周期重复步骤2）～7）；

步骤9）初始质地预测模型的建立：将待测样本划分为校正组和验证组，基于校正组采用逐步多元线性回归方法，从步骤6）提取的振动特征参数中筛选出与质地指标关系最为密切的特征参数，并建立多元线性回归模型：

Y＝f₁(x₁,x₂,…,x_n)

式中，Y为质地指标的预测值，x₁,x₂,…,x_n为筛选出的振动特征参数；

步骤10）修正质地预测模型的建立和验证：将步骤4）得到的果形系数SI作为修正因子加入步骤9）得到的初始质地预测模型，进行线性回归，得到修正质地预测模型：

Y'＝C₀f₁(x₁,x₂,…,x_n)+C₁(SI)+C₂

式中，Y'为修正后的质地指标预测值，SI为果形系数，C₀-C₂为回归系数；

基于验证组对建立的修正质地预测模型进行验证。

所述的球形水果为苹果、梨、猕猴桃或李。

上述步骤5）中，所述的激励信号指由计算机发出后通过振动控制器输出并经功率放大器放大后控制振动发生机工作的信号，该信号是正弦扫频振动信号，扫频方式是线性扫频，扫频速率400～6000Hz/min，起始频率5～200Hz，终止频率1000～2000Hz，5-31.5Hz区间振幅恒定为0.5mm，31.5～2000Hz区间加速度幅值恒定为1g。

上述步骤5）中，所述的用加速度传感器和激光多普勒测振仪分别测量振动台和水果上表面顶点的振动的具体方式为，激光头竖直向下固定于三脚架上，调节激光头，使激光束聚焦于水果上表面顶点，反射回的激光由激光头接收，经激光多普勒测振控制器处理后获得水果上表面振动信息；加速度传感器通过安装螺钉固定在振动台上测量振动台面的振动信息。

上述步骤6）中，所述的振动特征参数包含各阶共振频率、共振频率处幅值和相移。

上述步骤6）中，所述的对采集到的信号通过信号处理软件进行滤波、积分、快速傅里叶变换处理，再求幅频响应和相频响应的具体步骤为，首先将采集到的信号通过低通滤波滤去高频干扰信号，截止频率为扫频终止频率；然后将加速度传感器测得的振动台信号进行一次积分作为输入信号，激光多普勒测振模块测得的水果上表面振动信号作为输出信号，分别对两路信号进行快速傅里叶变换；最后求得幅频响应和相频响应。

上述步骤7）中，所述的质地指标，包括M-T硬度、果肉硬度和果肉弹性率。

上述步骤8）中，所述的m和k应根据具体某种球形水果的贮藏特性合理选择，但应满足m≥1，k≥1。

上述步骤9）中，所述的待测样本中校正组和验证组的比例为3:1。

与背景技术相比，本发明具有的有益效果是：

本发明通过对振动特征参数的提取与筛选，可得到与质地最紧密相关的多个振动参数，从而使振动频谱的有益信息得到充分表达；同时，用果形系数对模型进行修正，提高了模型的预测精度和适应性。

附图说明

图1是本发明的建模方法流程图。

图2是本发明实施例中皇冠梨的一个典型幅频响应图。

图3是本发明实施例中皇冠梨的一个典型相频响应图。

图4是本发明实施例中校正组中修正后皇冠梨果肉弹性率预测值与实际值的相关关系图。

图5是本发明实施例中验证组中修正后皇冠梨果肉弹性率预测值与实际值的相关关系图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明提供的水果质地预测模型的建模方法对于球形水果具有通用性，以皇冠梨为例，介绍本发明用于皇冠梨质地预测模型建立的实施过程，其它球形水果可参照该实施例，建立相应的质地预测模型，即可实现不同种类的球形水果的质地预测。

1、皇冠梨样品的采集：

在市场采集同一批次，重量接近，无虫蛀，无畸形的皇冠梨作为待测样本，试验期间待测样本放置在20℃，相对湿度50%的恒温恒湿培养箱中保存，存放过程中剔除腐烂、表面变质等样本，最终总共用于实验的样本为135个。

2、试验样本的准备

随机从已采集的待测样本中选择7～12个样本，提前24小时放入待测环境中；

3、质量的测定

用精度为0.01g的电子天平逐一称重待测样本；

4、果形系数的测定

用游标卡尺分别沿皇冠梨的“果梗-果萼”方向和赤道测量水果的高h和直径d各3次，每次间隔120°，分别取平均值作为该样本的高和直径再用高和直径平均值的比值作为果形系数SI：

$\mathrm{SI}=\stackrel{\‾}{h}/\stackrel{\‾}{d}$

5、振动信号的采集

计算机发出激励信号并通过振动控制模块输出，激励信号经功率放大器放大后控制振动发生机工作。激励信号是正弦扫频振动信号，扫频方式是线性扫频，扫频速率600Hz/min，起始频率100Hz，终止频率2000Hz，5～31.5Hz区间振幅恒定为0.5mm，31.5～2000Hz区间加速度幅值恒定为1g。皇冠梨置于振动台中心位置，振动台在激励信号的控制下进行振动。激光头竖直向下固定于三脚架上，调节激光头，使激光束聚焦于皇冠梨上表面顶点，反射回的激光由激光头接收，经激光多普勒测振控制器处理后获得水果上表面振动信息。加速度传感器通过安装螺钉固定在振动台上测量振动台面的振动信息。加速度传感器和激光多普勒测振仪采集到的两路振动信号均通过数据采集卡采集并送至计算机保存。采样频率为5120Hz。

6、振动特征参数的提取

首先将采集到的信号通过低通滤波滤去高频干扰信号，截止频率为2000Hz；然后将加速度传感器测得的振动台信号进行一次积分作为输入信号，激光多普勒测振模块测得的皇冠梨上表面振动信号作为输出信号，分别对两路信号进行快速傅里叶变换；最后求得幅频响应和相频响应。图2和图3分别是本实施例中皇冠梨的一个典型幅频响应图和一个典型相频响应图。从幅频响应曲线中提取第二共振频率和第二共振频率处幅值，从相频响应图中提取400，800，1200和1600Hz处相移。此外，计算弹性系数EI作为另一振动特征参数，计算公式如下：

EI＝f₂ ²m^2/3

式中，EI为弹性系数，Hz²kg^2/3；f₂为第二共振频率，Hz；m为样本质量，kg。

7、质地指标的测定

采用Magness-Taylor戳穿实验法，在水果赤道处每隔90度选取一个点，共选取4个点，将4个点的质地指标值取平均作为每个样本的质地指标。在所选点处，用直径为5mm的圆柱形探头以1mm/s的速度压入果肉10mm，得到该点的“力-位移”曲线。质地指标选择为破裂点前“力-位移”曲线的斜率，即果肉弹性率。果肉弹性率e计算公式如下：

$e=\frac{\mathrm{\ΔF}}{\mathrm{\Δd}}$

式中，e为果肉弹性率，N/mm；ΔF为破裂点处的受力，N；Δd为破裂点处的位移，mm。

8、周期试验

试验共进行13个周期，前7个周期为3天一个周期，后6个周期为6天一个周期，每个周期重复步骤2～7。

9、初始质地预测模型的建立

通过Chauvenet检验剔除1个异常样本，因此最后用于建模的样本为134个。将134样本按果肉弹性率大小进行排序，其中果肉弹性率最大值和最小值的样本作为校正组样本，其余样本按顺序每4个选一个作为验证组样本，其它作为校正组样本。划分后校正组和验证组各项指标统计值如下：

表1校正组与验证组样本的果肉弹性率统计值

基于校正组采用逐步多元线性回归方法，从步骤7提取的振动特征参数中筛选出与皇冠梨果肉弹性率关系最为密切的特征参数，并建立多元线性回归模型，得到初始皇冠梨果肉弹性率预测模型如下：

Y＝f₁(x₁,x₂,x₃)＝3.057×10^-5x₁+2.327×10^-3x₂-8.629×10^-3x₃+1.163

式中，Y为初始果肉弹性率的预测值，N/mm；x₁为弹性系数EI，Hz²kg^2/3；x₂为1600Hz处相移，-deg；x₃为400Hz处相移，-deg。

10、修正质地预测模型的建立和验证

将步骤4得到的果形系数SI作为修正因子加入步骤9得到的初始皇冠梨果肉弹性率预测模型，进行线性回归，得到修正后的皇冠梨果肉弹性率预测模型：

Y'＝0.989f₁(x₁,x₂,x₃)+2.884SI-2.633

式中，Y'为修正后的皇冠梨果肉弹性率预测值，N/mm。

基于验证组对建立的修正皇冠梨果肉弹性率预测模型进行验证。

初始皇冠梨果肉弹性率预测模型和修正果肉弹性率预测模型的建模结果见表2。从表2可知，校正组中果肉弹性率预测值与实际值的相关系数r从0.812上升至0.815，校正均方根误差RMSEC从1.048N/mm下降至1.042N/mm；验证组中相关系数r从0.717上升至0.732，预测均方根误差RMSEP从1.243N/mm降低至1.202N/mm。建模结果表明，该建模方法能够用于皇冠梨果肉弹性率预测模型的建立，同时经果形系数修正后的预测模型精度有一定提高。图4和图5分别为校正组和验证组中修正后果肉弹性率预测值与实际值的相关关系图。

表2不同模型的性能对比分析表

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (9)

1.一种球形水果质地预测模型的建模方法，其特征在于，包括以下步骤：

步骤1)建模样品集的采集：挑选同一批次，无虫蛀，无畸形的球形水果作为待测样本，存放过程中剔除腐烂、表面变质样本；

步骤2)试验样本的准备：随机从已采集的待测样本中选择不少于3个试验样本，提前24小时放入待测环境中；

步骤3)质量的测定：用电子天平逐一称重试验样本；

步骤4)果形系数的测定：分别沿“果梗-果萼”方向和水果赤道测量水果的高h和直径d各3次，每次间隔120°，分别取平均值作为该试验样本的高和直径再用高和直径平均值的比值作为果形系数SI：

$SI=\stackrel{\‾}{h}/\stackrel{\‾}{d}$

步骤5)振动信号的采集：试验样品置于振动台中心位置，振动台在激励信号的控制下进行振动，用加速度传感器和激光多普勒测振仪分别测量振动台和水果上表面顶点的振动，加速度传感器和激光多普勒测振仪采集到的两路振动信号通过数据采集卡送至计算机并保存，采样频率是扫频终止频率的2.56倍；

步骤6)振动特征参数的提取：对采集到的两路振动信号通过信号处理软件进行滤波、积分、快速傅里叶变换处理，再求幅频响应和相频响应，并提取振动特征参数；

步骤7)质地指标的测定：采用Magness-Taylor戳穿实验法，在水果赤道处每隔360/a度选取一个点，a＝2～4，共选取a个点，将a个点的质地指标值取平均作为每个试验样本的质地指标；

步骤8)周期试验：按m天为一个实验周期，共进行k个实验周期，每个周期重复步骤2)～7)；

步骤9)初始质地预测模型的建立：将待测样本划分为校正组和验证组，基于校正组采用逐步多元线性回归方法，从步骤6)提取的振动特征参数中筛选出与质地指标关系最为密切的特征参数，并建立多元线性回归模型：

Y＝f₁(x₁,x₂,…,x_n)

式中，Y为质地指标的预测值，x₁,x₂,…,x_n为筛选出的振动特征参数；

步骤10)修正质地预测模型的建立和验证：将步骤4)得到的果形系数SI作为修正因子加入步骤9)得到的初始质地预测模型，进行线性回归，得到修正质地预测模型：

Y'＝C₀f₁(x₁,x₂,…,x_n)+C₁(SI)+C₂

式中，Y'为修正后的质地指标预测值，SI为果形系数，C₀-C₂为回归系数；

基于验证组对建立的修正质地预测模型进行验证。

2.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：所述的球形水果为苹果、梨、猕猴桃或李。

3.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤5)中，所述的激励信号指由计算机发出后通过振动控制器输出并经功率放大器放大后控制振动发生机工作的信号，该信号是正弦扫频振动信号，扫频方式是线性扫频，扫频速率400～6000Hz/min，起始频率5～200Hz，终止频率1000～2000Hz，5～31.5Hz区间振幅恒定为0.5mm，31.5～2000Hz区间加速度幅值恒定为1g。

4.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤5)中，所述的用加速度传感器和激光多普勒测振仪分别测量振动台和水果上表面顶点的振动的具体方式为，激光头竖直向下固定于三脚架上，调节激光头，使激光束聚焦于水果上表面顶点，反射回的激光由激光头接收，经激光多普勒测振控制器处理后获得水果上表面振动信息；加速度传感器通过安装螺钉固定在振动台上测量振动台面的振动信息。

5.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤6)中，所述的振动特征参数包含各阶共振频率、共振频率处幅值和相移。

6.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤6)中，所述的对采集到的信号通过信号处理软件进行滤波、积分、快速傅里叶变换处理，再求幅频响应和相频响应的具体步骤为，首先将采集到的信号通过低通滤波滤去高频干扰信号，截止频率为扫频终止频率；然后将加速度传感器测得的振动台信号进行一次积分作为输入信号，激光多普勒测振模块测得的水果上表面振动信号作为输出信号，分别对两路信号进行快速傅里叶变换；最后求得幅频响应和相频响应。

7.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤7)中，所述的质地指标，包括泰勒硬度、果肉硬度和果肉弹性率。

8.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤8)中，所述的m和k应根据具体某种球形水果的贮藏特性合理选择，但应满足m≥1，k≥1。

9.根据权利要求1所述一种球形水果质地预测模型的建模方法，其特征在于：上述步骤9)中，所述的待测样本中校正组和验证组的比例为3:1。