CN106290749A - 基于特定气味指纹对水果进行货架期预测的方法及装置 - Google Patents
基于特定气味指纹对水果进行货架期预测的方法及装置 Download PDFInfo
- Publication number
- CN106290749A CN106290749A CN201610586606.7A CN201610586606A CN106290749A CN 106290749 A CN106290749 A CN 106290749A CN 201610586606 A CN201610586606 A CN 201610586606A CN 106290749 A CN106290749 A CN 106290749A
- Authority
- CN
- China
- Prior art keywords
- fruit
- shelf life
- signal
- eigenvalue
- freshness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 239000003550 marker Substances 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims description 10
- 238000009774 resonance method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 7
- 239000007789 gas Substances 0.000 description 19
- 230000035943 smell Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Food Science & Technology (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于特定气味指纹对水果进行货架期预测的方法及装置,能够预测处于冷链运输过程中、波动温湿度环境下水果的剩余货架期。所述方法包括:S1、在冷链运输环节利用气味传感器获取待预测的水果释放的多种标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值;S2、将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
Description
技术领域
本发明涉及货架期预测技术领域,具体涉及一种基于特定气味指纹对水果进行货架期预测的方法及装置。
背景技术
水果属鲜活农产品,显著的特点是生鲜易腐,需要明确了解其可食用期,才能在其最大限度地保持原有新鲜度、风味和营养的期限内进行运输和销售。目前在水果冷链运输中已有搭载温湿度传感器的保温箱投入使用,可以检测记录运输过程中箱内温度和湿度的变化。但水果的品质和货架期是水果价值的决定因素,新鲜程度越高,剩余货架期较长的水果具有较高的价格。仅仅单纯监测温湿度变化,并不能准确了解水果的品质变化和剩余的可食用期。此外,温湿度的波动对水果的货架期有显著影响,经历温度波动后水果剩余货架期也会随之变化。因水果剩余货架期未知而导致运输和上架销售批次分配不合理,往往会出现之前水果品质较好价格较高,之后水果急剧腐败无人问津的情况,这就使得水果的销售利润较低。因此该方法有待改进。
由上可知,水果货架期预测是易腐水果冷链运输中所面临的主要问题,目前主要通过一些温度、湿度传感器记录环境温湿度履历,而对于水果在冷链运输环境下货架期的波动预测却没有研究。
发明内容
有鉴于此,本发明实施例提供一种基于特定气味指纹对水果进行货架期预测的方法及装置,能够预测处于冷链运输过程中、波动温湿度环境下水果的剩余货架期。
一方面,本发明实施例提出一种基于特定气味指纹对水果进行货架期预测的方法,包括:
S1、在冷链运输环节利用气味传感器获取待预测的水果释放的多种标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值;
S2、将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
另一方面,本发明实施例提出一种基于特定气味指纹对水果进行货架期预测的装置,包括:
气味传感器阵列,用于在冷链运输环节获取待预测的水果释放的多种标志性气体的浓度;
计算模块,用于根据所述浓度计算所述水果的信噪比谱特征值,将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
本发明实施例提供的基于特定气味指纹对水果进行货架期预测的方法及装置,通过采集水果产生的标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值,并将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期,能够预测处于运输过程中、波动温湿度环境下水果的剩余货架期,从而有助于优化订单分配,提高运输效率,为合理制定销售计划提供指导。
附图说明
图1为本发明一种基于特定气味指纹对水果进行货架期预测的方法一实施例的流程示意图;
图2为本发明一种基于特定气味指纹对水果进行货架期预测的装置一实施例的结构示意图;
图3为本发明一种基于特定气味指纹对水果进行货架期预测的装置另一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参看图1,本实施例公开一种基于特定气味指纹对水果进行货架期预测的方法,包括:
S1、在冷链运输环节利用气味传感器获取待预测的水果释放的多种标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值;
S2、将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
本发明实施例中,可以通过电子鼻和气象色谱-质谱连用的方法筛选出水果从新鲜到腐败过程中的标志性气体。因水果腐败过程中产生的气味是复合型的,由多种气体组成,为了便于后续分析,可以利用主成分分析法等分析方法选定影响较大且浓度变化较明显的几大类气体进行研究。
本实施例提供的基于特定气味指纹对水果进行货架期预测的方法,通过采集水果产生的标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值,并将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期,能够预测处于运输过程中、波动温湿度环境下水果的剩余货架期,从而有助于优化订单分配,提高运输效率。
可选地,在本发明基于特定气味指纹对水果进行货架期预测的方法的另一实施例中,所述根据所述浓度计算所述水果的信噪比谱特征值,包括:
对所述浓度进行模数转换,并提取所述传感器的响应特征值,其中,所述响应特征值包括初始值、信噪比谱特征值计算周期的稳 定值、从所述初始值至稳定值的上升时间以及从所述初始值至稳定值的上升速率;
将所述响应特征值输入DSP(数字信号处理器),采用非线性随机共振法计算所述水果的信噪比谱特征值,其中,所述非线性随机共振法所使用的双稳态系统的特征描述如下:
式中,a和b为势函数参数,x为布朗运动粒子的位置,A为输入信号强度,f0为调制信号频率,为实参数,D为噪声强度,ξ(t)为高斯白噪声,t表示时间,
所述信噪比谱特征值EIGSNR的计算公式为
式中,ω为功率谱尖峰对应的频率,Ω为随机共振噪声对应的频率,S(ω)为信号功率谱密度,SN(Ω)为噪声在信号频率区域内的强度。
本发明实施例中,可以使用气味传感器阵列采集待预测的水果释放的多种标志性气体。气味传感器阵列中有多种传感器,每种传感器对不同气体有交叉响应,被检测气体的浓度转变为电信号,再经过模数转换得到数字信息。需要说明的是,气味传感器阵列采集待预测的水果释放的多种标志性气体的浓度为实时采集,而计算水果的信噪比谱特征值为周期性计算。在一个计算周期内,信噪比谱特征值计算周期的稳定值为气味传感器阵列采集的混合气体浓度的稳定值。若初始值表示为Vs,稳定值表示为Ve,上升时间表示为Ti, 则上升速率为非线性随机共振法包括三个因素:双稳态系统、外加噪声源和输入信号,其中,输入信号即为响应特征值。将所述响应特征值输入DSP,采用非线性随机共振法即可计算出所述水果的信噪比谱特征值,采用非线性随机共振法计算信噪比谱特征值的过程为现有技术,此处不再赘述。
可选地,在本发明基于特定气味指纹对水果进行货架期预测的方法的另一实施例中,所述S2,包括:
S20、根据预先确定的所述水果的新鲜度预测模型计算所述水果的新鲜度Tq,其中,所述新鲜度预测模型为Tq=(EIGSNR+m)/n,m和n为预先计算出的参数;
S21、通过将所述新鲜度Tq与预先计算出的多个不同品质阶段的新鲜度进行比较,确定出所述水果所处的品质阶段;
S22、根据所述水果所处的品质阶段确定出所述水果的剩余货架期。
本发明实施例中,因水果种类的不同,m和n的数值也有所不同,可以由实验数据拟合得出具体可以通过计算多组不同新鲜度水果样品的信噪比谱特征值,并对所述多组不同新鲜度水果样品的信噪比谱特征值进行数据拟合,得到所述新鲜度预测模型。
可选地,在本发明基于特定气味指纹对水果进行货架期预测的方法的另一实施例中,所述S21,包括:
将所述新鲜度Tq与所述多个不同品质阶段的新鲜度进行比较,若Tq≤T1,则确定出所述水果所处的品质阶段为T1所对应的品质阶段,或者若Tq∈(Ti,Ti+1],则确定出所述水果所处的品质阶段为Ti+1所对应的品质阶段,或者若Tq>Tn-1,则确定出所述水果所处的品质阶段为Tn所对应的品质阶段,其中,所述多个不同品质阶段包括n个阶段,新鲜度从新鲜至不可食用分别为T1,T2,…,Tn,1≤i≤n-2。
本发明实施例中,可根据水果种类确定出多个品质阶段,比如可以确定苹果的品质阶段包括新鲜、次新鲜、不新鲜、可食用和不可食用。多个不同品质阶段的新鲜度的计算方法与所述水果的新鲜度的计算方法一致,此处不再赘述。
可选地,在本发明基于特定气味指纹对水果进行货架期预测的方法的另一实施例中,所述S22,包括:
通过查找预先确定的品质阶段与剩余货架期的对应关系确定出所述水果所处的品质阶段对应的剩余货架期,并将所述剩余货架期作为所述水果的剩余货架期。
本发明实施例中,可以采用理化分析手段与感官评价方法追踪监测水果样品品质随时间的变化,并划定出多个不同品质阶段的时间范围。假设多个不同品质阶段包括新鲜、次新鲜、不新鲜、可食用和不可食用五个阶段,时间范围分别为采摘后三天内、采摘后从第四天至第十天、采摘后从第十一天至第二十天、采摘后从第二十一天至第三十天、采摘后第三十一天开始往后。水果样品某一品质阶段的剩余货架期可以为该阶段的下一个阶段至不可食用阶段所经历的时间,比如新鲜阶段的剩余货架期为二十七天。
参看图2,本实施例公开一种基于特定气味指纹对水果进行货架期预测的装置,包括:
气味传感器阵列1,用于在冷链运输环节获取待预测的水果释放的多种标志性气体的浓度;
计算模块2,用于根据所述浓度计算所述水果的信噪比谱特征值,将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
本实施例提供的基于特定气味指纹对水果进行货架期预测的装 置,通过采集水果产生的标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值,并将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期,能够预测处于运输过程中、波动温湿度环境下水果的剩余货架期,从而有助于优化订单分配,提高运输效率。
图3示例了一种基于特定气味指纹对水果进行货架期预测的装置另一实施例的结构示意图,如图3所示,该装置可以包括:温湿度传感器101、气味传感器阵列102、主控制器103、货架期预测子模块104、存储器105、显示器106、电源107和人机交互子模块108,其中,温湿度传感器101用于对箱体内部环境温湿度进行实时监测,并将数据传输至主控制器;气味传感器阵列102用于对多种标志性气体的浓度进行实时监测,并将数据传输至主控制器;主控制器103用于调度各个模块,提供管理控制平台,对传感器阵列采集的数据进行处理(包括对传感器阵列采集的数据进行模数转换,提取响应特征值),然后存储在存储器105中并将数据发送至货架期预测子模块104;货架期预测子模块104用于货架期的预测,并将预测结果传输给主控制器103;存储器105用于数据信息存储;显示器106用于温度、湿度数据和货架期预测结果的显示;电源107用于提供装置电源和进行充电管理;人机交互子模块108用于用户对装置主控器的操作(包括开启、关闭),进行货架期预测模型类型的选择。
下面对本发明基于特定气味指纹对水果进行货架期预测的装置的实施过程进行说明。
水果放入箱中后即启动该装置,并根据运输保存的水果种类通过人机交互子模块选择激活相应的剩余货架期预测模型。之后采用温湿度传感器获得运输过程中温湿度的实时数据,并将数据传送到主控制器,通过气味传感器阵列获得特定气体在运输过程中的浓度变化数据,传送到主控制器。然后利用主控制器对传感器采集的数 据进行处理,存储在存储器中,并将特定气体浓度数据发送至货架期预测子模块进行剩余货架期预测。而后货架期预测子模块根据所述浓度计算所述水果的信噪比谱特征值,将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期,并将得到的剩余货架期发送至主控制器中。接着主控制器将温湿度数据和货架期预测结果发送至显示器,并将货架期预测结果信息存储至存储器中。最后显示器显示箱内环境温湿度和预测的水果剩余货架期。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种基于特定气味指纹对水果进行货架期预测的方法,其特征在于,包括:
S1、在冷链运输环节利用气味传感器获取待预测的水果释放的多种标志性气体的浓度,根据所述浓度计算所述水果的信噪比谱特征值;
S2、将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
2.根据权利要求1所述的方法,其特征在于,所述根据所述浓度计算所述水果的信噪比谱特征值,包括:
对所述浓度进行模数转换,并提取所述传感器的响应特征值,其中,所述响应特征值包括初始值、信噪比谱特征值计算周期的稳定值、从所述初始值至稳定值的上升时间以及从所述初始值至稳定值的上升速率;
将所述响应特征值输入DSP,采用非线性随机共振法计算所述水果的信噪比谱特征值,其中,所述非线性随机共振法所使用的双稳态系统的特征描述如下:
式中,a和b为势函数参数,x为布朗运动粒子的位置,A为输入信号强度,f0为调制信号频率,为实参数,D为噪声强度,ξ(t)为高斯白噪声,t表示时间,
所述信噪比谱特征值EIGSNR的计算公式为
式中,ω为功率谱尖峰对应的频率,Ω为随机共振噪声对应的频率,S(ω)为信号功率谱密度,SN(Ω)为噪声在信号频率区域内的强度。
3.根据权利要求2所述的方法,其特征在于,所述S2,包括:
S20、根据预先确定的所述水果的新鲜度预测模型计算所述水果的新鲜度Tq,其中,所述新鲜度预测模型为Tq=(EIGSNR+m)/n,m和n为预先计算出的参数;m,n具体值随预测水果的种类不同而不同;
S21、通过将所述新鲜度Tq与预先计算出的多个不同品质阶段的新鲜度进行比较,确定出所述水果所处的品质阶段;
S22、根据所述水果所处的品质阶段确定出所述水果的剩余货架期。
4.根据权利要求3所述的方法,其特征在于,在所述S20之前,还包括:
计算多组不同新鲜度水果样品的信噪比谱特征值,并对所述多组不同新鲜度水果样品的信噪比谱特征值进行数据拟合,得到所述新鲜度预测模型。
5.根据权利要求4所述的方法,其特征在于,所述S21,包括:
将所述新鲜度Tq与所述多个不同品质阶段的新鲜度进行比较,若Tq≤T1,则确定出所述水果所处的品质阶段为T1所对应的品质阶段,或者若Tq∈(Ti,Ti+1],则确定出所述水果所处的品质阶段为Ti+1所对应的品质阶段,或者若Tq>Tn-1,则确定出所述水果所处的品质阶段为Tn所对应的品质阶段,其中,所述多个不同品质阶段包括n个阶段,新鲜度从新鲜至不可食用分别为T1,T2,…,Tn,1≤i≤n-2。
6.根据权利要求4所述的方法,其特征在于,所述S22,包括:
通过查找预先确定的品质阶段与剩余货架期的对应关系确定出所述水果所处的品质阶段对应的剩余货架期,并将所述剩余货架期作为所述水果的剩余货架期。
7.一种基于特定气味指纹对水果进行货架期预测的装置,其特征在于,包括:
气味传感器阵列,用于在冷链运输环节获取待预测的水果释放的多种标志性气体的浓度;
计算模块,用于根据所述浓度计算所述水果的信噪比谱特征值,将所述信噪比谱特征值输入预设的剩余货架期预测模型,计算得到所述水果的剩余货架期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586606.7A CN106290749A (zh) | 2016-07-22 | 2016-07-22 | 基于特定气味指纹对水果进行货架期预测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586606.7A CN106290749A (zh) | 2016-07-22 | 2016-07-22 | 基于特定气味指纹对水果进行货架期预测的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106290749A true CN106290749A (zh) | 2017-01-04 |
Family
ID=57652195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610586606.7A Pending CN106290749A (zh) | 2016-07-22 | 2016-07-22 | 基于特定气味指纹对水果进行货架期预测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106290749A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005933A (zh) * | 2018-08-15 | 2018-12-18 | 四川省农业科学院农产品加工研究所 | 红阳猕猴桃的采收方法及采收期的检测方法 |
CN109632001A (zh) * | 2018-12-29 | 2019-04-16 | 浙江大学 | 一种物流运输过程中草莓机械伤害的监测方法 |
CN109696528A (zh) * | 2017-10-20 | 2019-04-30 | 上海瑞玢智能科技有限公司 | 一种基于味觉指纹信息预测酱油鲜度的方法 |
CN110084409A (zh) * | 2019-04-10 | 2019-08-02 | 北京农业信息技术研究中心 | 智能指示标签的制备方法、剩余货架期预测方法及装置 |
CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2352100C2 (ru) * | 2006-12-15 | 2009-04-20 | Владимир Григорьевич Вержук | Способ прогнозирования сроков хранения плодов |
CN101769884A (zh) * | 2009-12-21 | 2010-07-07 | 上海海洋大学 | 冷鲜猪肉货架期预测指示器 |
CN102590283A (zh) * | 2012-01-17 | 2012-07-18 | 浙江工商大学 | 利用电子鼻检测草鱼新鲜度的方法 |
CN102621192A (zh) * | 2012-03-17 | 2012-08-01 | 浙江工商大学 | 一种利用电子鼻检测芒果新鲜度的方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN102879432A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测罗非鱼新鲜度的方法 |
CN103424524A (zh) * | 2013-08-22 | 2013-12-04 | 浙江工商大学 | 番荔枝储存时间的检测方法 |
CN103995965A (zh) * | 2014-05-14 | 2014-08-20 | 东南大学 | 一种基于微生物预测模型的货架期预警系统及方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
-
2016
- 2016-07-22 CN CN201610586606.7A patent/CN106290749A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2352100C2 (ru) * | 2006-12-15 | 2009-04-20 | Владимир Григорьевич Вержук | Способ прогнозирования сроков хранения плодов |
CN101769884A (zh) * | 2009-12-21 | 2010-07-07 | 上海海洋大学 | 冷鲜猪肉货架期预测指示器 |
CN102590283A (zh) * | 2012-01-17 | 2012-07-18 | 浙江工商大学 | 利用电子鼻检测草鱼新鲜度的方法 |
CN102621192A (zh) * | 2012-03-17 | 2012-08-01 | 浙江工商大学 | 一种利用电子鼻检测芒果新鲜度的方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN102879432A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测罗非鱼新鲜度的方法 |
CN103424524A (zh) * | 2013-08-22 | 2013-12-04 | 浙江工商大学 | 番荔枝储存时间的检测方法 |
CN103995965A (zh) * | 2014-05-14 | 2014-08-20 | 东南大学 | 一种基于微生物预测模型的货架期预警系统及方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696528A (zh) * | 2017-10-20 | 2019-04-30 | 上海瑞玢智能科技有限公司 | 一种基于味觉指纹信息预测酱油鲜度的方法 |
CN109005933A (zh) * | 2018-08-15 | 2018-12-18 | 四川省农业科学院农产品加工研究所 | 红阳猕猴桃的采收方法及采收期的检测方法 |
CN109632001A (zh) * | 2018-12-29 | 2019-04-16 | 浙江大学 | 一种物流运输过程中草莓机械伤害的监测方法 |
CN109632001B (zh) * | 2018-12-29 | 2020-05-12 | 浙江大学 | 一种物流运输过程中草莓机械伤害的监测方法 |
CN110084409A (zh) * | 2019-04-10 | 2019-08-02 | 北京农业信息技术研究中心 | 智能指示标签的制备方法、剩余货架期预测方法及装置 |
CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bang et al. | Fuzzy Logic based Crop Yield Prediction using Temperature and Rainfall parameters predicted through ARMA, SARIMA, and ARMAX models | |
CN106290749A (zh) | 基于特定气味指纹对水果进行货架期预测的方法及装置 | |
Cleland et al. | Shifting plant phenology in response to global change | |
Wu et al. | Widespread decline in winds delayed autumn foliar senescence over high latitudes | |
Zhao et al. | Ensemble forecasting of monthly and seasonal reference crop evapotranspiration based on global climate model outputs | |
CN106779188A (zh) | 一种种植设备中植物病虫害预测方法及装置 | |
Yahia et al. | Postharvest losses and waste | |
Musavi et al. | The imprint of plants on ecosystem functioning: A data-driven approach | |
Bannayan et al. | A stochastic modelling approach for real-time forecasting of winter wheat yield | |
Ma et al. | Considerations of constructing quality, health and safety management system for agricultural products sold via e-commerce. | |
Ansorena et al. | Application of the General Stability Index method to assess the quality of butter lettuce during postharvest storage using a multi-quality indices analysis | |
Kumar et al. | Multiparameter optimization system with DCNN in precision agriculture for advanced irrigation planning and scheduling based on soil moisture estimation | |
Fraisse et al. | AgroClimate-tools for managing climate risk in agriculture | |
Ogawa | Time-trajectory of mean phytomass and density during a course of self-thinning in a sugi (Cryptomeria japonica D. Don) plantation | |
Woodward et al. | Relationships between ‘Hayward’kiwifruit weight and dry matter content | |
Nugraha et al. | Prediction of oil palm production using the weighted average of fuzzy sets concept approach | |
Efrosinin et al. | The fourier series model for predicting sapflow density flux based on treetalker monitoring system | |
Šuštar-Vozlič et al. | Development of sampling approaches for the determination of the presence of genetically modified organisms at the field level | |
Srivastava et al. | Critical Review on Artificial Intelligence and Robotic Vision in Food Industry | |
Mania et al. | VICMOTO: Physical modeling and numerical simulation applied to vineyard | |
Lagrazon et al. | A Comparative Analysis of the Machine Learning Model for Crop Yield Prediction in Quezon Province, Philippines | |
Ahmed et al. | Micronutrient classification in IoT based agriculture using machine learning (ML) Algorithm | |
Júnior et al. | A simple procedure for a national wheat yield forecast | |
Haque et al. | Wheat Production Forecasting in Bangladesh Using Deep Learning Techniques | |
Bostancı et al. | Decision Support Tools for Barley Yield: The Case of Menemen-Turkey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |