CN109978364A - 苹果感官品质数据处理系统和处理方法 - Google Patents
苹果感官品质数据处理系统和处理方法 Download PDFInfo
- Publication number
- CN109978364A CN109978364A CN201910212088.6A CN201910212088A CN109978364A CN 109978364 A CN109978364 A CN 109978364A CN 201910212088 A CN201910212088 A CN 201910212088A CN 109978364 A CN109978364 A CN 109978364A
- Authority
- CN
- China
- Prior art keywords
- apple
- data
- group
- fruit
- analysis
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 23
- 235000013399 edible fruits Nutrition 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 23
- 239000000796 flavoring agent Substances 0.000 claims description 13
- 235000019634 flavors Nutrition 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 6
- 238000004040 coloring Methods 0.000 claims description 5
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 5
- 239000000843 powder Substances 0.000 claims description 5
- 238000010186 staining Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 20
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003205 fragrance Substances 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013074 reference sample Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- -1 scale in appearance Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种苹果感官品质数据处理方法和处理系统。其中，对于该处理方法，包括：接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，向客户端推送展示数据。本发明方法中，通过处理包含反映苹果状态的指标和苹果品质的指标，可以更加客观体现苹果品质。
Description
技术领域
本发明属于农产品品质评价技术领域，具体涉及一种苹果感官品质数据处理系统和处理方法。
背景技术
苹果种类繁多，品质差异巨大，如何评价苹果的品质，目前市面上的苹果分级大部分是针对特定品种，按照果实大小及果形齐整性进行划分的，不同品种之间，特别是对口感、质地等均无涉及，如何确定一套适用于不同品种间，并包含外观、口感、质地、香味等指标的评价方法，对消费者购买苹果有一定指导作用，是需要解决的。而且，如何准确、详细地评价苹果的感官品质电是中亟待解决问题之一。
发明内容
(一)要解决的技术问题
有鉴于此，本发明的目的在于提供一种苹果感官品质数据处理系统和处理方法，以至少部分解决上述技术问题。
(二)技术方案
根据本发明的一方面，提供一种苹果感官品质数据处理方法，包括：
接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
向客户端推送展示数据。
进一步的，所述苹果状态数据包括：重量、形状、果皮颜色、果面光滑程度、果粉、果面光泽度、锈斑、蜡质情况、果点情况、果面棱起情况和果肉颜色。
进一步的，所述苹果品质数据包括：着色均匀性、果皮厚度、果心大小、皮孔密集度、质构、滋味和气味。
进一步的，所述分析筛选出具有一致性的若干组数据包括对苹果状态数据进行描述性分析以及对苹果品质数据进行定量评分。
进一步的，所述对苹果状态数据进行描述性分析包括：根据属性词对应的多个可选项的描述词，确定属性词中至少一个选项的描述词。
进一步的，所述对苹果品质数据进行定量评分包括：分别根据属性词对应的评价方法和多个选项的描述词，确定评价结果和至少一个选项的描述词。
进一步的，所述分析筛选出具有一致性的若干组数据包括：采用Friedman检验统计方法确定F值，从而确定各组数据代表的品评员的区分能力；采用MSE值确定各组数据代表的品评员两次评分结果的重复性；采用Profile Plots方法确定整体数据代表的评价小组整体的一致性。
进一步的，对所述数据进行筛选时，对各组中单项评分特征给出品评结果的品评员样品数比例大于60％时，对该组的该单项评分进行统计。
进一步的，所述展示数据包括文字和图像，所述图像包括风味轮。
根据本发明的一方面，提供一种苹果感官品质数据处理系统，包括：
分析筛选处理器，接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
推送单元：向客户端推送展示数据。
进一步的，所述苹果状态数据包括：重量、形状、果皮颜色、果面光滑程度、果粉、果面光泽度、锈斑、蜡质情况、果点情况、果面棱起情况和果肉颜色。
进一步的，所述苹果品质数据包括：着色均匀性、果皮厚度、果心大小、皮孔密集度、质构、滋味和气味。
进一步的，所述分析筛选出具有一致性的若干组数据包括对苹果状态数据进行描述性分析以及对苹果品质数据进行定量评分。
进一步的，所述对苹果状态数据进行描述性分析包括：根据属性词对应的多个可选项的描述词，确定属性词中至少一个选项的描述词。
进一步的，所述对苹果品质数据进行定量评分包括：分别根据属性词对应的评价系统和多个选项的描述词，确定评价结果和至少一个选项的描述词。
进一步的，所述分析筛选处理器包括：组间数据区分单元：采用Friedman检验统计方法确定F值，从而确定各组数据代表的品评员的区分能力；组内数据区分单元：采用MSE值确定各组数据代表的品评员两次评分结果的重复性；小组数据区分单元：采用ProfilePlots系统确定整体数据代表的评价小组整体的一致性。
进一步的，对所述数据进行筛选时，对各组中单项评分特征给出品评结果的品评员样品数比例大于60％时，对该组的该单项评分进行统计。
进一步的，所述展示数据包括文字和图像，所述图像包括风味轮。
(三)有益效果
本发明提供了的苹果感官品质处理系统和处理方法，能全面准确地对苹果的感官品质进行评价。主要表现在以下几个方面：
通过处理包含反映苹果的苹果状态的指标和苹果品质的指标，可以更加客观体现苹果质量；
描述性分析是针对产品的感官特征进行定性描述和定量评分的一种检验方法，其结果能够精确描述不同产品的感官特征差异，提供产品的详细信息及改善产品品质的依据；
通过向客户端推送含图片和文字的展示数据，提高消费者对于特定品种苹果的直观感受。
附图说明
图1是本发明实施例的苹果感官品质处理方法流程图。
图2是本发明实施例的风味轮示意图。
图3是本发明实施例的苹果状态数据剖面图。
图4是本发明实施例的苹果品味特征数据剖面图。
图5是本发明实施例的苹果感官品质处理系统原理方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
现有技术的问题在于，苹果种类繁多，品质差异巨大，如何评价苹果的品质，目前市面上的苹果分级大部分是针对特定品种，按照果实大小及果形齐整性进行划分的，不同品种之间，特别是对口感、质地等均无涉及。
根据本发明的基本构思，提供一种苹果感官品质数据处理方法，包括对包含反映苹果状态的指标和苹果品质的指标进行处理，可以更加客观体现苹果质量。本发明实施例确定了一套适用于不同品种间，并包含外观、口感、质地、香味等指标的评价方法，对消费者购买苹果有一定指导作用。
图1是本发明实施例的苹果感官品质处理方法流程图。如图1所示，本发明实施例提供一种苹果感官品质数据处理方法，包括：
S10：接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
S20：向客户端推送展示数据。
对于S10中的苹果感官品质数据，在苹果的多项指标中，有的指标是和苹果品质有关，有的指标仅仅是反映苹果状态，苹果感官评价方法就是将苹果的评价指标分为两类，一类是仅反映苹果状态指标，可以仅做描述性分析；另一类是反映苹果品质指标，可以进行评价性分析，包括定量评分，可以更加客观的反映苹果的质量。
一些实施例中，苹果感官品质数据可以包括苹果状态数据和苹果品质数据，例如共计27项，通过消费者调查，将这27项指标分为两类，反映苹果状态指标和反映苹果品质指标，在反映苹果品质指标中，通过专业感官品评员确定评分的标准及香气的种类等，然后进行后期样品的分析。可选的，所述苹果状态数据包括：重量、形状、果皮颜色、果面光滑程度、果粉、果面光泽度、锈斑、蜡质情况、果点情况、果面棱起情况和果肉颜色。可选的，所述苹果品质数据包括：着色均匀性、果皮厚度、果心大小、皮孔密集度、质构、滋味和气味。
其中，对于描述性分析，是针对产品的感官特征进行定性描述和定量评分的一种检验方法，其结果能够精确描述不同产品的感官特征差异，提供产品的详细信息及改善产品品质的依据。其中可以采用Spectrum描述方法，要求经过筛选和培训的评价小组会使用标准术语、参照样、标度等描述产品在外观、风味和质构上的差异，因培训时间长，对品评员一致性要求高，所以得到的数据较为精确，在食品行业中应用较为广泛。对苹果状态数据进行描述性分析包括：根据属性词对应的多个可选项的描述词，确定属性词中至少一个选项的描述词。
一些实施例中，对于数据的分析筛选，在确定未评价的苹果感官品质数据时，可以提供一种关于苹果的标准词库列表。对于该列表，评价小组组长通过查阅苹果的相关文献并收集Spectrum标准词库中的术语，提供给品评员一张供参考的标准词库列表。对苹果品质数据进行定量评分包括：分别根据属性词对应的评价系统和多个选项的描述词，确定评价结果和至少一个选项的描述词。
一些实施例中，对于多组经评价的苹果感官品质数据，可以一一对应多个品评员的填写的数据，品评员嗅闻并品尝样品后，从标准词库中挑选或者自行生成能区分样品差异的描述词。待外观、气味、滋味和质构的描述词初步确定后，小组成员经过一致性讨论，确定每个描述词的定义和评价方法，对其中喜好类、重复性词汇，以及品评员理解难以达成一致的描述词另行列表，作为备注选项，综合确定最终的描述性词汇库，然后经过讨论为了减少品评员的感官疲劳，每次培训时间不超过2h，具体见表1。经过以上培训，品评员已基本熟悉样品属性及各属性定义，下一步品评小组需要经过一致性讨论，确定每个属性的标准参照样来对所有属性进行精确定量。标准参照样是指能很好体现样品该属性的稳定参考样。在评分前，品评员要记住每个标准参考样在该属性上对应的强度，然后以参照样为基准，将样品与参照样比较，根据两者在该属性上的倍数差距以量值估计法在15cm的线性标度上对样品进行打分。
表1
对于步骤S10，从各组中分析筛选出具有一致性的数据，实际是对品评员的数据进行分析和筛选。例如包括采用方差分析的F值、MSE值以及Profile Plots图评估品评员的品评能力，用Panel Check v1.4.0软件处理；采用蛛网图及轮盘图直观呈现样品各性质。
一些实施例中，可以采用Panel Check软件中(Friedman检验统计方法)的F值考查品评员的区分能力。F值即组间方差与组内方差的比值，值越大，说明品评员对样品间各属性的区分能力越好。
一些实施例中，可以采用MSE值考查品评员两次评分结果的重复性。MSE值代表组内方差，值越小说明单个品评员的重复性越好。但MSE值很小，也可能是由于品评员没有将样品区分开，所以应结合F值，在品评员能区分样品间差异的基础上，讨论品评员的重复性。当品评员具有较高的F值和较低的MSE值，表明品评员具有良好的评估样品的能力。
一些实施例中，可以采用Profile Plots方法来考察品评小组整体的一致性。该方法既能反映品评小组在品评某个属性时的表现是否一致，又能反映单个品评员与整体水平的差距。在Profile Plots属性图中，每张图代表一个属性，每条线代表一个品评员。所有的线越聚拢，则品评小组对该属性评价的一致性越高，反之，则一致性越差。
一些实施例中，对所述数据进行筛选时，对各组中单项评分特征给出品评结果的品评员样品数比例大于60％时，对该组的该单项评分进行统计。
一些实施例中，上述展示数据可以包括文字和图像，所述图像包括图2所示的风味轮、图3所示的苹果状态数据剖面图和图4所示的苹果品味特征数据剖面图。
基于同一发明构思，与上述苹果感官品质处理方法相对应的，如图5所示，根据本发明实施例的另一方面，还提供一种苹果感官品质数据处理系统500，包括：
分析筛选处理器510，接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
推送单元520：向客户端推送展示数据。
对于具体的处理器和推送单元实现功能可以参照上述方法，在此不予赘述。
一些实施例中，分析筛选处理器包括：组间数据区分单元：采用Friedman检验统计方法确定F值，从而确定各组数据代表的品评员的区分能力；组内数据区分单元：采用MSE值确定各组数据代表的品评员两次评分结果的重复性；小组数据区分单元：采用ProfilePlots系统确定整体数据代表的评价小组整体的一致性。
本发明所提供的实施例中，应理解到，所揭露的相关系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如所述部分或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个部分或模块可以结合或者可以集成到一个系统，或一些特征可以忽略或者不执行。已描述了各种操作和方法。已经以流程图方式以相对基础的方式对一些方法进行了描述，但这些操作可选择地被添加至这些方法和/或从这些方法中移去。另外，尽管流程图示出根据各示例实施例的操作的特定顺序，但可以理解，该特定顺序是示例性的。替换实施例可以可任选地以不同方式执行这些操作、组合某些操作、交错某些操作等。设备的此处所描述的组件、特征，以及特定可选细节还可以可任选地应用于此处所描述的方法，在各实施例中，这些方法可以由这样的设备执行和/或在这样的设备内执行。
本发明中各功能模块都可以是硬件，比如该硬件可以是电路，包括数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于物理器件，物理器件包括但不局限于晶体管，忆阻器等等。所述存储模块可以是任何适当的磁存储介质或者磁光存储介质，比如RRAM，DRAM，SRAM，EDRAM，HBM，HMC等等。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (18)
1.一种苹果感官品质数据处理方法，其特征在于包括：
接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
向客户端推送展示数据。
2.根据权利要求1所述的方法，其特征在于，所述苹果状态数据包括：
重量、形状、果皮颜色、果面光滑程度、果粉、果面光泽度、锈斑、蜡质情况、果点情况、果面棱起情况和果肉颜色。
3.根据权利要求1所述的方法，其特征在于，所述苹果品质数据包括：
着色均匀性、果皮厚度、果心大小、皮孔密集度、质构、滋味和气味。
4.根据权利要求1所述的方法，其特征在于，所述分析筛选出具有一致性的若干组数据包括对苹果状态数据进行描述性分析以及对苹果品质数据进行定量评分。
5.根据权利要求4所述的方法，其特征在于，所述对苹果状态数据进行描述性分析包括：根据属性词对应的多个可选项的描述词，确定属性词中至少一个选项的描述词。
6.根据权利要求4所述的方法，其特征在于，所述对苹果品质数据进行定量评分包括：分别根据属性词对应的评价方法和多个选项的描述词，确定评价结果和至少一个选项的描述词。
7.根据权利要求1所述的方法，其特征在于，所述分析筛选出具有一致性的若干组数据包括：
采用Friedman检验统计方法确定F值，从而确定各组数据代表的品评员的区分能力；
采用MSE值确定各组数据代表的品评员两次评分结果的重复性；
采用Profile Plots方法确定整体数据代表的品评小组整体的一致性。
8.根据权利要求7所述的方法，其特征在于：
对所述数据进行筛选时，对各组中单项评分特征给出品评结果的品评员样品数比例大于60％时，对该组的该单项评分进行统计。
9.根据权利要求1所述的方法，其特征在于，所述展示数据包括文字和图像，所述图像包括风味轮。
10.一种苹果感官品质数据处理系统，其特征在于包括：
分析筛选处理器，接收多组经评价的苹果感官品质数据，从各组中分析筛选出具有一致性的数据，确定展示数据，其中，所述苹果感官品质数据包括苹果状态数据和苹果品质数据，
推送单元：向客户端推送展示数据。
11.根据权利要求10所述的系统，其特征在于，所述苹果状态数据包括：
重量、形状、果皮颜色、果面光滑程度、果粉、果面光泽度、锈斑、蜡质情况、果点情况、果面棱起情况和果肉颜色。
12.根据权利要求10所述的系统，其特征在于，所述苹果品质数据包括：
着色均匀性、果皮厚度、果心大小、皮孔密集度、质构、滋味和气味。
13.根据权利要求10所述的系统，其特征在于，所述分析筛选出具有一致性的若干组数据包括对苹果状态数据进行描述性分析以及对苹果品质数据进行定量评分。
14.根据权利要求13所述的系统，其特征在于，所述对苹果状态数据进行描述性分析包括：根据属性词对应的多个可选项的描述词，确定属性词中至少一个选项的描述词。
15.根据权利要求13所述的系统，其特征在于，所述对苹果品质数据进行定量评分包括：分别根据属性词对应的评价系统和多个选项的描述词，确定评价结果和至少一个选项的描述词。
16.根据权利要求10所述的系统，其特征在于，所述分析筛选处理器包括：
组间数据区分单元：采用Friedman检验统计方法确定F值，从而确定各组数据代表的品评员的区分能力；
组内数据区分单元：采用MSE值确定各组数据代表的品评员两次评分结果的重复性；
小组数据区分单元：采用Profile Plots系统确定整体数据代表的评价小组整体的一致性。
17.根据权利要求16所述的系统，其特征在于：
对所述数据进行筛选时，对各组中单项评分特征给出品评结果的品评员样品数比例大于60％时，对该组的该单项评分进行统计。
18.根据权利要求10所述的系统，其特征在于：所述展示数据包括文字和图像，所述图像包括风味轮。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910212088.6A CN109978364A (zh) | 2019-03-20 | 2019-03-20 | 苹果感官品质数据处理系统和处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910212088.6A CN109978364A (zh) | 2019-03-20 | 2019-03-20 | 苹果感官品质数据处理系统和处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109978364A true CN109978364A (zh) | 2019-07-05 |
Family
ID=67079583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910212088.6A Pending CN109978364A (zh) | 2019-03-20 | 2019-03-20 | 苹果感官品质数据处理系统和处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978364A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047154A (zh) * | 2019-11-22 | 2020-04-21 | 大连海事大学 | 一种基于图像的苹果主观口感鉴定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424542A (zh) * | 2013-08-23 | 2013-12-04 | 贵州省烟草科学研究院 | 一种基于感官评吸的烟叶质量评价方法 |
| CN107202863A (zh) * | 2017-04-17 | 2017-09-26 | 上海盛评检测技术有限公司 | 一种乳霜感官评价方法 |
| CN108918765A (zh) * | 2018-04-18 | 2018-11-30 | 南京果库农业科技有限公司 | 一种苹果的口感评级方法 |
| CN109409635A (zh) * | 2018-08-27 | 2019-03-01 | 中化现代农业有限公司 | 农产品感官数据处理、获取方法与装置、系统 |
| CN109444355A (zh) * | 2018-09-28 | 2019-03-08 | 中化现代农业有限公司 | 葡萄感官品质评价系统和评价方法 |
| CN109444357A (zh) * | 2019-01-03 | 2019-03-08 | 中化现代农业有限公司 | 荔枝感官品质评价系统和评价方法 |
-
2019
- 2019-03-20 CN CN201910212088.6A patent/CN109978364A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424542A (zh) * | 2013-08-23 | 2013-12-04 | 贵州省烟草科学研究院 | 一种基于感官评吸的烟叶质量评价方法 |
| CN107202863A (zh) * | 2017-04-17 | 2017-09-26 | 上海盛评检测技术有限公司 | 一种乳霜感官评价方法 |
| CN108918765A (zh) * | 2018-04-18 | 2018-11-30 | 南京果库农业科技有限公司 | 一种苹果的口感评级方法 |
| CN109409635A (zh) * | 2018-08-27 | 2019-03-01 | 中化现代农业有限公司 | 农产品感官数据处理、获取方法与装置、系统 |
| CN109444355A (zh) * | 2018-09-28 | 2019-03-08 | 中化现代农业有限公司 | 葡萄感官品质评价系统和评价方法 |
| CN109444357A (zh) * | 2019-01-03 | 2019-03-08 | 中化现代农业有限公司 | 荔枝感官品质评价系统和评价方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047154A (zh) * | 2019-11-22 | 2020-04-21 | 大连海事大学 | 一种基于图像的苹果主观口感鉴定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Del Ponte et al. | Standard area diagrams for aiding severity estimation: scientometrics, pathosystems, and methodological trends in the last 25 years | |
| CN102870136B (zh) | 年龄估计方法 | |
| CN109444357A (zh) | 荔枝感官品质评价系统和评价方法 | |
| Valentin et al. | Projective mapping & sorting tasks | |
| CN109444355A (zh) | 葡萄感官品质评价系统和评价方法 | |
| Shahin et al. | Lentil type identification using machine vision | |
| CN108303503A (zh) | 葡萄酒味觉的评价方法 | |
| CN109816216A (zh) | 柑橘感官品质评价系统和评价方法 | |
| Running | High false positive rates in common sensory threshold tests | |
| US20230187030A1 (en) | Rapid quantitative evaluation method for taste characteristics of fried rice | |
| CN109978364A (zh) | 苹果感官品质数据处理系统和处理方法 | |
| CN109961220A (zh) | 樱桃感官品质数据处理系统和处理方法 | |
| CN107607419A (zh) | 一种阿胶枣质地品质的鉴别方法 | |
| Brentari et al. | A hedonic price analysis for the Italian wine in the domestic market | |
| Brand et al. | Comparison of pivot profile© to frequency of attribute citation: Analysis of complex products with trained assessors | |
| CN104568639B (zh) | 一种水果糖度的确定方法和装置 | |
| Iswari | Fruitylicious: Mobile application for fruit ripeness determination based on fruit image | |
| CN110763806B (zh) | 一种用于评定鸭脖辣味等级的方法 | |
| Bárcenas et al. | Comparison of free choice profiling, direct similarity measurements and hedonic data for ewes’ milk cheeses sensory evaluation | |
| CN109992607A (zh) | 芒果感官品质数据处理系统和处理方法 | |
| CN109739954A (zh) | 桃感官品质评价系统和评价方法 | |
| Bashkansky et al. | Some metrological aspects of the comparison between two ordinal measuring systems | |
| Bianchi et al. | Short‐term training and assessment for performance of a sensory descriptive panel for the olfactometric analysis of aroma extracts | |
| CN109978366A (zh) | 百香果感官品质数据处理系统和处理方法 | |
| MacKay | Chemometrics, econometrics, psychometrics—How best to handle hedonics? |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |