CN107228809A - 一种适宜休闲花生加工的花生品质评价方法及装置 - Google Patents
一种适宜休闲花生加工的花生品质评价方法及装置 Download PDFInfo
- Publication number
- CN107228809A CN107228809A CN201710322742.XA CN201710322742A CN107228809A CN 107228809 A CN107228809 A CN 107228809A CN 201710322742 A CN201710322742 A CN 201710322742A CN 107228809 A CN107228809 A CN 107228809A
- Authority
- CN
- China
- Prior art keywords
- peanut
- measured
- processing
- quality
- leisure
- 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.)
- Granted
Links
- 235000020232 peanut Nutrition 0.000 title claims abstract description 373
- 235000017060 Arachis glabrata Nutrition 0.000 title claims abstract description 371
- 235000010777 Arachis hypogaea Nutrition 0.000 title claims abstract description 371
- 235000018262 Arachis monticola Nutrition 0.000 title claims abstract description 371
- 238000012545 processing Methods 0.000 title claims abstract description 76
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 43
- 241001553178 Arachis glabrata Species 0.000 title claims abstract 73
- ZQPPMHVWECSIRJ-KTKRTIGZSA-N oleic acid Chemical compound CCCCCCCC\C=C/CCCCCCCC(O)=O ZQPPMHVWECSIRJ-KTKRTIGZSA-N 0.000 claims abstract description 52
- WRIDQFICGBMAFQ-UHFFFAOYSA-N (E)-8-Octadecenoic acid Natural products CCCCCCCCCC=CCCCCCCC(O)=O WRIDQFICGBMAFQ-UHFFFAOYSA-N 0.000 claims abstract description 51
- LQJBNNIYVWPHFW-UHFFFAOYSA-N 20:1omega9c fatty acid Natural products CCCCCCCCCCC=CCCCCCCCC(O)=O LQJBNNIYVWPHFW-UHFFFAOYSA-N 0.000 claims abstract description 51
- QSBYPNXLFMSGKH-UHFFFAOYSA-N 9-Heptadecensaeure Natural products CCCCCCCC=CCCCCCCCC(O)=O QSBYPNXLFMSGKH-UHFFFAOYSA-N 0.000 claims abstract description 51
- ZQPPMHVWECSIRJ-UHFFFAOYSA-N Oleic acid Natural products CCCCCCCCC=CCCCCCCCC(O)=O ZQPPMHVWECSIRJ-UHFFFAOYSA-N 0.000 claims abstract description 51
- 239000005642 Oleic acid Substances 0.000 claims abstract description 51
- QXJSBBXBKPUZAA-UHFFFAOYSA-N isooleic acid Natural products CCCCCCCC=CCCCCCCCCC(O)=O QXJSBBXBKPUZAA-UHFFFAOYSA-N 0.000 claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000010438 heat treatment Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims description 2
- 239000002253 acid Substances 0.000 claims 1
- 244000105624 Arachis hypogaea Species 0.000 description 300
- 229930195730 Aflatoxin Natural products 0.000 description 14
- XWIYFDMXXLINPU-UHFFFAOYSA-N Aflatoxin G Chemical compound O=C1OCCC2=C1C(=O)OC1=C2C(OC)=CC2=C1C1C=COC1O2 XWIYFDMXXLINPU-UHFFFAOYSA-N 0.000 description 14
- 239000005409 aflatoxin Substances 0.000 description 14
- 235000013339 cereals Nutrition 0.000 description 12
- OYHQOLUKZRVURQ-HZJYTTRNSA-N Linoleic acid Chemical compound CCCCC\C=C/C\C=C/CCCCCCCC(O)=O OYHQOLUKZRVURQ-HZJYTTRNSA-N 0.000 description 10
- OYHQOLUKZRVURQ-IXWMQOLASA-N linoleic acid Natural products CCCCC\C=C/C\C=C\CCCCCCCC(O)=O OYHQOLUKZRVURQ-IXWMQOLASA-N 0.000 description 10
- 235000020778 linoleic acid Nutrition 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- OYHQOLUKZRVURQ-NTGFUMLPSA-N (9Z,12Z)-9,10,12,13-tetratritiooctadeca-9,12-dienoic acid Chemical compound C(CCCCCCC\C(=C(/C\C(=C(/CCCCC)\[3H])\[3H])\[3H])\[3H])(=O)O OYHQOLUKZRVURQ-NTGFUMLPSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000000050 nutritive effect Effects 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 208000006877 Insect Bites and Stings Diseases 0.000 description 1
- 244000242564 Osmanthus fragrans Species 0.000 description 1
- 235000019083 Osmanthus fragrans Nutrition 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
- G01N5/045—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Seeds, Soups, And Other Foods (AREA)
- Acyclic And Carbocyclic Compounds In Medicinal Compositions (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
Abstract
本发明的实施例公开了一种适宜休闲花生加工的花生品质评价方法及装置,该方法获取所述待测花生的百仁重、所述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油酸的比值;根据所述百仁重、水分含量和所述比值,计算与所述待测花生相关的品质评价因子;根据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适宜性该方法只需要测得待测花生的百仁重、水分含量和油酸和亚油酸的比值,即可测定出花生品质,对该待测花生是否适宜休闲花生加工做出判断,方便快捷,对花生仁无任何损伤。另一方面,根据计算得到的花生的品质评价因子,还可以采用聚类分析,快速对花生用于进行休闲花生加工的适宜性做出判断。
Description
技术领域
本发明涉及农产品加工技术领域,尤其是涉及一种适宜休闲花生加 工的花生品质评价方法及装置。
背景技术
花生属于豆科,起源于南美洲热带亚热带地区,是一种重要的油料 蛋白资源,花生品种对花生品质的影响非常大。由于花生主要用作加工 食品,并非用作榨油,因此往往只喜欢某些特定品种的花生。此外,随 着世界经济水平的发展,对进口花生的卫生、理化和营养指标的要求逐 渐升高,以前单纯地只关注花生的大小、色泽、水分含量等指标,而现在对黄曲霉毒素含量、油酸亚油酸比等营养和理化指标要求越来越高, 在一定程度上制约了我国花生产业的发展。研究表明,不同品种花生品 质差异显著,因此深入研究不同花生品种品质特性,筛选出具有适宜花 生品种是花生产业的一个重要发展方向。
目前对产品的品质进行判定时,对涉及到的卫生指标、理化指标和 营养指标进行汇总,并采用主成分分析等统计学处理,有监督主成分回 归分析在现代农业科学及相关学科中应用广泛,常用于近红外光谱波长 的选择,环境污染指标的选取及疾病影响因素的研究,确实起到了“少 而精”反应问题的作用。而目前用于是否适宜休闲花生加工的评判方法, 通常需要采集花生各个方面的指标进行评判,评判过程复杂。
在实现本发明实施例的过程中,发明人发现现有的用于是否适宜休 闲花生加工的评判方法,通常需要采集花生各个方面的指标进行评判, 评判过程复杂。
发明内容
本发明所要解决的技术问题是如何解决现有的用于是否适宜休闲 花生加工的评判方法,通常需要采集花生各个方面的指标进行评判,评 判过程复杂的问题。
针对以上技术问题,本发明的实施例提供了一种适宜休闲花生加工 的花生品质评价方法,包括:
获取去除红衣的待测花生的质量,得到所述待测花生的百仁重、所 述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油酸的比 值;
根据所述百仁重、水分含量和所述比值,计算与所述待测花生相关 的品质评价因子;
根据所述品质评价因子评价采用所述待测花生进行休闲花生加工 的适宜性。
可选地,所述根据所述百仁重、水分含量和所述比值,计算与所述 待测花生相关的品质评价因子,包括:
根据公式Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生 相关的品质评价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测花 生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述 待测花生的水分含量。
可选地,所述根据所述品质评价因子评价采用所述待测花生进行休 闲花生加工的适宜性,包括:
若Y≤50,则所述待测花生不适宜进行休闲花生加工,否则,所述 待测花生适宜进行休闲花生加工。
可选地,若所述待测花生适宜进行休闲花生加工,还包括:
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本适 宜。
可选地,所述获取所述待测花生的水分含量、以及所述待测花生中 所含的油酸和亚油酸的比值,包括:
将所述待测花生加热预设时长,计算加热前所述待测花生的质量和 加热后所述待测花生的质量的差值,将所述差值作为所述待测花生的水 分含量;
去除所述待测花生的红衣,采用近红外分析仪检测所述待测花生中 所含的油酸和亚油酸,并计算所述待测花生中所含的油酸和亚油酸的比 值。
第二方面,本发明提供了一种适宜休闲花生加工的花生品质评价装 置,包括:
获取模块,用于获取去除红衣的待测花生的质量,得到所述待测花 生的百仁重、所述待测花生的水分含量、以及所述待测花生中所含的油 酸和亚油酸的比值;
计算模块,用于根据所述百仁重、水分含量和所述比值,计算与所 述待测花生相关的品质评价因子;
评价模块,用于根据所述品质评价因子评价采用所述待测花生进行 休闲花生加工的适宜性。
可选地,所述计算模块还用于根据公式 Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生相关的品质评 价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测花 生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述 待测花生的水分含量。
可选地,所述评价模块还用于若Y≤50,则所述待测花生不适宜进 行休闲花生加工;
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本适 宜。
第三方面,本发明提供了一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调 用所述程序指令能够执行以上所述的方法。
第四方面,本发明提供了一种非暂态计算机可读存储介质,所述非 暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算 机执行以上所述的方法。
本发明的实施例提供了一种适宜休闲花生加工的花生品质评价方 法及装置,该方法只需要测得待测花生的百仁重、水分含量和油酸和亚 油酸的比值,即可测定出花生品质,对该待测花生是否适宜休闲花生加 工做出判断,方便快捷,对花生仁无任何损伤。另一方面,根据计算得 到的花生的品质评价因子,还可以采用聚类分析,快速对花生用于进行休闲花生加工的适宜性做出判断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将 对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易 见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术 人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其 他的附图。
图1是本发明一个实施例提供的适宜休闲花生加工的花生品质评价 方法的流程示意图;
图2是本发明一个实施例提供的适宜休闲花生加工的花生品质评价 装置的结构框图;
图3是本发明一个实施例提供的电子设备的实体结构示意图。
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、完整 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。
图1是本实施例提供的适宜休闲花生加工的花生品质评价方法流程 示意图。参见图1,该方法包括:
101:获取去除红衣的待测花生的质量,得到所述待测花生的百仁 重、所述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油 酸的比值;
102:根据所述百仁重、水分含量和所述比值,计算与所述待测花 生相关的品质评价因子;
103:根据所述品质评价因子评价采用所述待测花生进行休闲花生 加工的适宜性。
需要说明的是,休闲花生指的是将花生和其它原料,例如,面粉、 调味品,一起加工为具有某种口味的花生。通常,用于进行休闲花生的 品质较好,例如,颗粒饱满,不完善粒含量低等。本实施例提供了一种 适宜休闲花生加工的花生品质评价方法,该方法只需要测得待测花生的 百仁重、水分含量和油酸和亚油酸的比值,即可测定出花生品质,对该 待测花生是否适宜休闲花生加工做出判断,方便快捷,对花生仁无任何 损伤。另一方面,根据计算得到的花生的品质评价因子,还可以采用聚 类分析,快速对花生用于进行休闲花生加工的适宜性做出判断。
进一步地,在上述实施例的基础上,所述根据所述百仁重、水分含 量和所述比值,计算与所述待测花生相关的品质评价因子,包括:
根据公式Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生 相关的品质评价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测花 生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述 待测花生的水分含量。
需要说明的是,通过该公式Y=30.287+9.995×a+0.133×b-0.686×c,对 花生进行品质检测的人员只需要得到待测花生的百仁重、水分含量和油 酸和亚油酸的比值,即可对该待测花生是否适宜进行休闲花生加工进行 判断。而待测花生的百仁重、水分含量和油酸和亚油酸的比值的获取方 法简单易行,是一种方便快捷,对花生仁无任何损伤的评价方法。
进一步地,在上述各个实施例的基础上,所述根据所述品质评价因 子评价采用所述待测花生进行休闲花生加工的适宜性,包括:
若Y≤50,则所述待测花生不适宜进行休闲花生加工,否则,所述 待测花生适宜进行休闲花生加工。
进一步地,在上述各个实施例的基础上,若所述待测花生适宜进行 休闲花生加工,还包括:
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本适 宜。
例如,用SPSS软件对计算得到的品质评价因子进行K-means聚类 分析,将品质评价因子按照大小顺序排列并分为适宜、基本适宜和不适 宜三类。利用适宜加工休闲的花生品质评价模型(即公式 Y=30.287+9.995×a+0.133×b-0.686×c),将品质评价因子的值大小通过 K-means聚类分析的方法分类,分为适宜、基本适宜和不适宜。在进行 休闲花生加工时,优先选取适宜性为适宜的花生进行休闲花生的加工, 其次选取适宜性为基本适宜的花生进行休闲花生的加工,避免选取适宜 性为不适宜的花生进行休闲花生的加工。
进一步地,在上述各个实施例的基础上,所述获取所述待测花生的 水分含量、以及所述待测花生中所含的油酸和亚油酸的比值,包括:
将所述待测花生加热预设时长,计算加热前所述待测花生的质量和 加热后所述待测花生的质量的差值,将所述差值作为所述待测花生的水 分含量;
去除所述待测花生的红衣,采用近红外分析仪检测所述待测花生中 所含的油酸和亚油酸,并计算所述待测花生中所含的油酸和亚油酸的比 值。
作为一种具体的实施例,评价模型的建立过程如下:
用于进行休闲花生加工的花生包含7个主要的理化性质的指标,分 别为水份含量、黄曲霉毒素含量、油酸/亚油酸比值、不完善粒含量、红 衣残留率、半粒含量和级别。
首先,根据这些理化性质的指标对花生品质的影响,赋予其一定的 分值。各指标分值的和,即为该品种花生品质的总得分。详细评价指标 和评分标准见表一。
在表一中,花生的含水量按照传统的加热测定重量变化的方法确定 花生仁的含水量,并赋予该指标15分。
花生的不完善粒包括霉变粒、破碎粒、虫咬和鼠咬粒等。通常条件 下,各花生要求花生中的不完善粒占总量的百分比小于3%。本研究赋 予该指标15分,并按照公式:15-不完善粒含量×5,计算对应的得分值。
花生中的黄曲霉毒素一般集中在红衣上。当花生脱皮后,其黄曲霉 毒素含量会大幅下降。作为休闲花生加工的花生,对花生仁中黄曲霉毒 素含量要求相对要高一些,通常不得高于5μg/kg。因此,本研究赋予黄 曲霉毒素含量这个指标20分,并按照公式(20-黄曲霉毒素×4)计算该 黄曲霉毒素含量的得分值,当花生中黄曲霉毒素含量超过5μg/kg时,判为0分。
目前花生仁主要分两大类,一类是大花生仁、一类是小花生仁。其 中以大花生米加工休闲花生居多,占总量的80%以上。因此,在考虑适 宜加工休闲花生分级得分时,以脱皮大花生仁为主,以脱皮小花生仁为 辅。目前脱皮大花生仁和小花生仁的分级为:25/29、29/33、35/39、39/43、 41/46、46/51和51/61(粒/盎司)。经过对山东金胜粮油集团有限公司、 莒南县中盛粮油食品有限公司、山东绿地食品有限公司等花生企业进行 调研后发现,量最大的为大花生米25/29级,其次为35/39级,再次为 29/33级,其余级别较少。因此本项目赋予该指标15分。同时根据调研 所得信息,按照加工量大小,给各个级别赋予一定的分值。
花生进口商比较注重油酸/亚油酸比值,我国大部分花生品种的油酸 /亚油酸比值较低,已成为制约我国花生加工和国际贸易竞争力的主要因 素。本研究赋予该指标10分。通常条件下,我国花生品种该值大豆在 0.8以上,2.0以下,因此按照公式10×(油酸/亚油酸-0.8)计算该值的 得分值。
通常条件下商家对该指标要求不得大于2%。因此本研究赋予该指 标15分,并按照15-残留种皮率×7.5计算得分值,超过2%判为0分。
表一 花生的理化性质的指标的评价标准
将表一中的上述7个指标的得分相加,即为该品种的总得分,用来 做相关性分析。
然后,对花生品质和花生的上述7个理化性质做相关性分析,具体 见表二,表二中包括了11个指标,分别是百仁重、脂肪含量、蛋白含 量、总AA含量、必需AA含量、总糖含量、油酸/亚油酸、水分、不完 善粒、黄曲霉毒素含量和种皮颜色。将这11个指标作为评价花生加工 特性和品质的评价指标。
从表二中可以看出,百果重(r=0.350)和百仁重(r=0.396)与花生 的品质总得分相关性分析呈显著正相关性;公斤果数(r=0.387)与花生 的品质总得分呈显著负相关性。不完善粒比例(r=-0.325)和黄曲霉毒 素含量(r=-0.257)与花生的品质总得分呈正相关性。即百仁重(r=0.354)、 公斤果数(r=0.280)、油酸含量(r=0.475)、油酸/亚油酸比(r=0.460) 和黄曲霉毒素含量(r=0.163)与脱皮花生仁品质总得分呈显著或极显著正相关。出米率(r=-0.165)、脂肪含量(r=-0.176)、亚油酸含量(r=-0.460)、 水份(r=-0.147)与花生的品质综合评分之间呈显著或极显著负相关。 花生的各个理化指标也与花生的品质分项指标之间存在一定的相关性。 如表二所示。
表二 花生的理化性质与花生的品质相关性分析
以169个花生品中的百仁重、脂肪含量、蛋白含量、总AA含量、 必需AA含量、总糖含量、油酸/亚油酸、水分、不完善粒、黄曲霉毒素 含量和种皮颜色等11个指标为自变量,以脱皮花生仁的综合评分为因 变量,采用逐步回归分析后发现,百仁重、油酸/亚油酸比和水分含量3 个指标被纳入,形成最终回归方程为: Y=30.287+9.995×a+0.133×b-0.686×c,其中,Y为与所述待测花生相关的 品质评价因子,a为所述待测花生中所含的油酸和亚油酸的比值,b为 所述待测花生的百仁重,c为所述待测花生的水分含量。
从回归系数表三可以看出,百仁重、油酸/亚油酸比和水份含量的显 著水平均小于0.05,表明自变量与因变量的影响效果显著,存在显著线 性回归关系。
表三 花生品质回归模型系数表
脱皮花生仁品质回归模型的有效性是通过F检验进行判断的。因此, 对模型进行了方差分析。从方差分析(见表四)得到,回归方程的统计 量为F=32.75,意义检测结果Sig=0.000,说明多元回归方程的线性关系 显著。由此可见,本研究建立的多元线性回归模型推测脱皮花生仁品质 综合评分是有效的。
表四 方差分析表
为了对上述模型进行验证,除了在在花生品质回归模型中使用的 169个花生品种之外,另取10个花生品种,分别为HQ010、花育21、 泉花464、粤油551、HY256、贺油4号、冀花2号、花育17、桂花17 和青兰2号。这10种花生性质分析结果见表2-5。将这10种花生的3 个性质的测定结果代入休闲花生品质回归方程预测模型 Y=30.287+9.995×a+0.133×b-0.686×c,其中,Y为与所述待测花生相关的 品质评价因子,a为所述待测花生中所含的油酸和亚油酸的比值,b为 所述待测花生的百仁重,c为所述待测花生的水分含量。
将得到的预测值与实验值进行对比验证。结果显示,脱皮花生仁综 合评分与模型预测值之间的相对误差仅为10%左右,相关系数为0.748, 显著性为0.013,说明在0.01上水平上极显著相关(如表五、表六和表 七所示)。
表五 10种花生品种的预测得分
表七 花生品质预测模型验证分析
本实施例采用169个品种得到上述模型相关的3个指标,采用 10个品种对该模型(Y=30.287+9.995×a+0.133×b-0.686×c)进行验证, 预测值和真实值之间的相关系数为0.748,说明该方程预测结果较好, 采用该模型可以确花生品质的评价指标,并可以对未知品种的花生品 质进行预测,为加工企业选取适合加工的花生品种提供依据。
Y=30.287+9.995×a+0.133×b-0.686×c,其中,Y为与所述待测花生 相关的品质评价因子,a为所述待测花生中所含的油酸和亚油酸的比 值,b为所述待测花生的百仁重,c为所述待测花生的水分含量。
由表八可见,百仁重、黄曲霉毒素含量(油酸和亚油酸的比值)、 水份含量与总得分之间存在极显著相关性,表明三个指标是影响花生 品质因子的重要因素。
百仁重、油酸/亚油酸比和黄曲霉毒素含量三个指标间的相关系 数的显著度都大约0.5,表明3个指标之间相对独立,可以单独反映 与脱皮花生仁品质之间的关系。
表八 3个指标及总得分之间的相关性分析
例如,采用模型Y=30.287+9.995×a+0.133×b-0.686×c,其中,Y为 与所述待测花生相关的品质评价因子,a为所述待测花生中所含的油 酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述待测花生 的水分含量,对179个品种的花生进行休闲花生加工的适宜性评价如 表九所示。
表九 花生品种进行休闲花生加工适宜性等级表
本实施例提供的适宜休闲花生加工的花生品质评价方法,测定待 测花生的百仁重、油酸/亚油酸比、水份含量;将上述各测定值代入 至Y=30.287+9.995×a+0.133×b-0.686×c(Y为与所述待测花生相关的品 质评价因子,a为所述待测花生中所含的油酸和亚油酸的比值,b为 所述待测花生的百仁重,c为所述待测花生的水分含量)中,即得到 待测花生的品质评价因子。采用SPSS软件对休闲花生品质的综合值 进行K-means聚类分析,将其按照大小顺序排列并分为适宜、基本适 宜和不适宜三类。
另一方面,如图2所示,本实施提供了一种适宜休闲花生加工的 花生品质评价装置200,包括获取模块201、计算模块202和评价模 块203,其中,
获取模块201,用于获取去除红衣的待测花生的质量,得到所述 待测花生的百仁重、所述待测花生的水分含量、以及所述待测花生中 所含的油酸和亚油酸的比值;
计算模块202,用于根据所述百仁重、水分含量和所述比值,计 算与所述待测花生相关的品质评价因子;
评价模块203,用于根据所述品质评价因子评价采用所述待测花 生进行休闲花生加工的适宜性。
本实施例提供的适宜休闲花生加工的花生品质评价装置200适 用于上述实施例中的适宜休闲花生加工的花生品质评价方法,在此不 再赘述。
本实施例提供的一种适宜休闲花生加工的花生品质评价装置,该 装置只需要测得待测花生的百仁重、水分含量和油酸和亚油酸的比 值,即可测定出花生品质,对该待测花生是否适宜休闲花生加工做出 判断,方便快捷,对花生仁无任何损伤。另一方面,根据计算得到的 花生的品质评价因子,还可以采用聚类分析,快速对花生用于进行休 闲花生加工的适宜性做出判断。
更进一步地,在上述实施例的基础上,所述计算模块还用于根据 公式Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生相关的 品质评价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测 花生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为 所述待测花生的水分含量。
更进一步地,在上述各个实施例的基础上,所述评价模块还用于 若Y≤50,则所述待测花生不适宜进行休闲花生加工;
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本 适宜。
图3是示出本发明的实施例提供的电子设备的结构框图。
参照图3,所述电子设备,包括:处理器(processor)301、存储 器(memory)302和总线303;
其中,
所述处理器301、存储器302通过所述总线303完成相互间的通 信;
所述处理器301用于调用所述存储器302中的程序指令,以执行 上述各方法实施例所提供的方法,例如包括:获取去除红衣的待测花 生的质量,得到所述待测花生的百仁重、所述待测花生的水分含量、 以及所述待测花生中所含的油酸和亚油酸的比值;根据所述百仁重、 水分含量和所述比值,计算与所述待测花生相关的品质评价因子;根 据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适 宜性。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存 储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包 括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述 各方法实施例所提供的方法,例如包括:获取去除红衣的待测花生的 质量,得到所述待测花生的百仁重、所述待测花生的水分含量、以及 所述待测花生中所含的油酸和亚油酸的比值;根据所述百仁重、水分 含量和所述比值,计算与所述待测花生相关的品质评价因子;根据所 述品质评价因子评价采用所述待测花生进行休闲花生加工的适宜性。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算 机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行 上述各方法实施例所提供的方法,例如包括:获取去除红衣的待测花 生的质量,得到所述待测花生的百仁重、所述待测花生的水分含量、 以及所述待测花生中所含的油酸和亚油酸的比值;根据所述百仁重、 水分含量和所述比值,计算与所述待测花生相关的品质评价因子;根 据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适 宜性。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部 分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于 一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实 施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘 等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的,其中所述作为 分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元 显示的部件可以是或者也可以不是物理单元,即可以位于一个地方, 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的 部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员 在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解 到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然 也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现 有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软 件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光 盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机, 服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所 述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技 术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进 行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前 述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技 术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的 本质脱离本发明的实施例各实施例技术方案的范围。
Claims (10)
1.一种适宜休闲花生加工的花生品质评价方法,其特征在于,包括:
获取去除红衣的待测花生的质量,得到所述待测花生的百仁重、所述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油酸的比值;
根据所述百仁重、水分含量和所述比值,计算与所述待测花生相关的品质评价因子;
根据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适宜性。
2.根据权利要求1中所述的方法,其特征在于,所述根据所述百仁重、水分含量和所述比值,计算与所述待测花生相关的品质评价因子,包括:
根据公式Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生相关的品质评价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测花生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述待测花生的水分含量。
3.根据权利要求2中所述的方法,其特征在于,所述根据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适宜性,包括:
若Y≤50,则所述待测花生不适宜进行休闲花生加工,否则,所述待测花生适宜进行休闲花生加工。
4.根据权利要求3中所述的方法,其特征在于,若所述待测花生适宜进行休闲花生加工,还包括:
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本适宜。
5.根据权利要求1中所述的方法,其特征在于,所述获取所述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油酸的比值,包括:
将所述待测花生加热预设时长,计算加热前所述待测花生的质量和加热后所述待测花生的质量的差值,将所述差值作为所述待测花生的水分含量;
去除所述待测花生的红衣,采用近红外分析仪检测所述待测花生中所含的油酸和亚油酸,并计算所述待测花生中所含的油酸和亚油酸的比值。
6.一种适宜休闲花生加工的花生品质评价装置,其特征在于,包括:
获取模块,用于获取去除红衣的待测花生的质量,得到所述待测花生的百仁重、所述待测花生的水分含量、以及所述待测花生中所含的油酸和亚油酸的比值;
计算模块,用于根据所述百仁重、水分含量和所述比值,计算与所述待测花生相关的品质评价因子;
评价模块,用于根据所述品质评价因子评价采用所述待测花生进行休闲花生加工的适宜性。
7.根据权利要求6中所述的装置,其特征在于,所述计算模块还用于根据公式Y=30.287+9.995×a+0.133×b-0.686×c计算与所述待测花生相关的品质评价因子;
其中,Y为与所述待测花生相关的品质评价因子,a为所述待测花生中所含的油酸和亚油酸的比值,b为所述待测花生的百仁重,c为所述待测花生的水分含量。
8.根据权利要求7中所述的装置,其特征在于,所述评价模块还用于若Y≤50,则所述待测花生不适宜进行休闲花生加工;
若Y≥52,则所述待测花生进行休闲花生加工的适宜性为适宜;
若52≥Y≥50,则所述待测花生进行休闲花生加工的适宜性为基本适宜。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至5中任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710322742.XA CN107228809B (zh) | 2017-05-09 | 2017-05-09 | 一种适宜休闲花生加工的花生品质评价方法及装置 |
EP17198138.4A EP3401667B1 (en) | 2017-05-09 | 2017-10-24 | Method and apparatus for quality evaluation of peanuts suitable for snack peanut processing |
ES17198138T ES2758038T3 (es) | 2017-05-09 | 2017-10-24 | Procedimiento y aparato para la evaluación de la calidad de cacahuetes adecuados para el tratamiento de cacahuetes de refrigerio |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710322742.XA CN107228809B (zh) | 2017-05-09 | 2017-05-09 | 一种适宜休闲花生加工的花生品质评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107228809A true CN107228809A (zh) | 2017-10-03 |
CN107228809B CN107228809B (zh) | 2018-11-06 |
Family
ID=59933629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710322742.XA Active CN107228809B (zh) | 2017-05-09 | 2017-05-09 | 一种适宜休闲花生加工的花生品质评价方法及装置 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3401667B1 (zh) |
CN (1) | CN107228809B (zh) |
ES (1) | ES2758038T3 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738390A (zh) * | 2019-01-16 | 2019-05-10 | 中国农业科学院油料作物研究所 | 一种基于近红外光谱检测单粒花生中油酸、亚油酸和棕榈酸含量的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443043B (zh) * | 2020-01-03 | 2023-04-18 | 新疆农业科学院农业机械化研究所 | 一种基于高光谱图像的核桃仁品质检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749420A (zh) * | 2012-07-10 | 2012-10-24 | 中国农业科学院农产品加工研究所 | 一种适宜凝胶型蛋白质加工的花生品质测定及其评价方法 |
CN102809635A (zh) * | 2012-08-06 | 2012-12-05 | 中国农业科学院农产品加工研究所 | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
CN102854291A (zh) * | 2012-09-04 | 2013-01-02 | 中国农业科学院农产品加工研究所 | 一种适宜花生油加工的花生品质测定及其评价方法 |
CN104914223A (zh) * | 2015-06-02 | 2015-09-16 | 中国农业科学院农产品加工研究所 | 一种花生酱用花生的品质测定方法及其评价方法 |
CN105181642A (zh) * | 2015-10-12 | 2015-12-23 | 华中农业大学 | 一种花生品质的近红外检测方法及应用 |
CN106226484A (zh) * | 2016-08-09 | 2016-12-14 | 孙杰 | 一种高营养鲜食用花生的品质测定方法及其评价方式 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106053742B (zh) * | 2016-08-09 | 2018-09-11 | 孙杰 | 一种花生芽菜用花生的品质测定方法及其评价方法 |
-
2017
- 2017-05-09 CN CN201710322742.XA patent/CN107228809B/zh active Active
- 2017-10-24 ES ES17198138T patent/ES2758038T3/es active Active
- 2017-10-24 EP EP17198138.4A patent/EP3401667B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749420A (zh) * | 2012-07-10 | 2012-10-24 | 中国农业科学院农产品加工研究所 | 一种适宜凝胶型蛋白质加工的花生品质测定及其评价方法 |
CN102809635A (zh) * | 2012-08-06 | 2012-12-05 | 中国农业科学院农产品加工研究所 | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
CN102854291A (zh) * | 2012-09-04 | 2013-01-02 | 中国农业科学院农产品加工研究所 | 一种适宜花生油加工的花生品质测定及其评价方法 |
CN104914223A (zh) * | 2015-06-02 | 2015-09-16 | 中国农业科学院农产品加工研究所 | 一种花生酱用花生的品质测定方法及其评价方法 |
CN105181642A (zh) * | 2015-10-12 | 2015-12-23 | 华中农业大学 | 一种花生品质的近红外检测方法及应用 |
CN106226484A (zh) * | 2016-08-09 | 2016-12-14 | 孙杰 | 一种高营养鲜食用花生的品质测定方法及其评价方式 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738390A (zh) * | 2019-01-16 | 2019-05-10 | 中国农业科学院油料作物研究所 | 一种基于近红外光谱检测单粒花生中油酸、亚油酸和棕榈酸含量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107228809B (zh) | 2018-11-06 |
EP3401667B1 (en) | 2019-09-25 |
EP3401667A1 (en) | 2018-11-14 |
ES2758038T3 (es) | 2020-05-04 |
EP3401667A8 (en) | 2019-01-23 |
ES2758038T8 (es) | 2020-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vithu et al. | Machine vision system for food grain quality evaluation: A review | |
Costa et al. | Shape analysis of agricultural products: a review of recent research advances and potential application to computer vision | |
Khadivi et al. | Morphological and pomological characterization of edible fig (Ficus carica L.) to select the superior trees | |
CN107228924B (zh) | 一种适宜蛋白加工用花生原料品质测定及其评价方法 | |
CN103954734B (zh) | 一种适宜果汁加工的荔枝品质的测定和评价方法 | |
Koszela et al. | Computer image analysis in the quality in procedure for selected carrot varieties | |
CN108133328A (zh) | 大米食用品质的评价方法及其在马铃薯工程米上的应用 | |
Abdel-Sattar et al. | Fruit properties during the harvest period of eleven Indian jujube (Ziziphus mauritiana Lamk.) cultivars | |
CN107228809A (zh) | 一种适宜休闲花生加工的花生品质评价方法及装置 | |
Hongwiangjan et al. | Evaluation of pomelo maturity based on acoustic response and peel properties | |
Schatzki et al. | Distribution of aflatoxin in pistachios. 3. Distribution in pistachio process streams | |
Pathaveerat et al. | Multivariate data analysis for classification of pineapple maturity | |
CN106841053A (zh) | 一种红枣品种快速鉴定方法 | |
Mohtar et al. | Automatic classification of mangosteen ripening stages using deep learning | |
Amiryousefi et al. | Pomegranate seed clustering by machine vision | |
Sabanci et al. | Benchmarking analysis of CNN models for pits of sour cherry cultivars | |
Da Gloria | Aflatoxin contamination distribution among grains and nuts | |
CN113469208A (zh) | 玉米种子品种真实性鉴定方法及设备 | |
Alkhasawneh | Olive oil ripping time prediction model based on image processing and neural network | |
Thipsrirach et al. | Classification of durian maturity using a convolutional neural network | |
Kumar et al. | Development of a scale to measure farmers’ perceptions on quality of groundnut | |
E. Angelia et al. | Dried Robusta Coffee Bean Quality Classification Using Convolutional Neural Network Algorithm | |
CN104396593B (zh) | 一种优质蓝莓品种的筛选方法 | |
Altuntas et al. | Physico-mechanical, colour and chemical properties of selected cherry laurel genotypes of Turkey. | |
CN109978364A (zh) | 苹果感官品质数据处理系统和处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |