CN110320333A - 一种基于多种苹果品质指标的可视化评定方法 - Google Patents

一种基于多种苹果品质指标的可视化评定方法 Download PDF

Info

Publication number
CN110320333A
CN110320333A CN201910376391.XA CN201910376391A CN110320333A CN 110320333 A CN110320333 A CN 110320333A CN 201910376391 A CN201910376391 A CN 201910376391A CN 110320333 A CN110320333 A CN 110320333A
Authority
CN
China
Prior art keywords
apple
quality
apple quality
radar map
index
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
Application number
CN201910376391.XA
Other languages
English (en)
Inventor
赵娟
李豪
张猛胜
张博
全朋坤
邢利博
张海辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest A&F University
Original Assignee
Northwest A&F University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest A&F University filed Critical Northwest A&F University
Priority to CN201910376391.XA priority Critical patent/CN110320333A/zh
Publication of CN110320333A publication Critical patent/CN110320333A/zh
Pending legal-status Critical Current

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于苹果品质评价技术领域，公开了一种基于多苹果品质指标的可视化评定方法；基于具有可视化强、多指标评价功能的雷达图，建立苹果品质综合评价的方法；该方法是一种将苹果品质因子指标的糖度、酸度、果皮最大力、果肉平均硬度和色泽h*作为苹果品质评价指标，利用雷达图的几何特征技术，综合计算出苹果的品质的评价方法。本发明提供的一种基于雷达图的综合评价方法将苹果品质单一、分散的评价指标集成统一，实现了苹果品质的综合评价，为富士苹果的分级和优质果品的选择提供科学技术手段与方法支撑。

Description

一种基于多种苹果品质指标的可视化评定方法
技术领域
本发明属于苹果品质评价技术领域，尤其涉及一种基于多苹果品质指标的 可视化评定方法。
背景技术
目前，最接近的现有技术：据FAO统计2017年我国苹果的总产量为4450 万吨，占世界总产量58％，苹果消费量3838万吨，占世界总额的59％，我国的 苹果产销均居世界首位(庞桂娟等2018)。但是我国苹果的品质参差不齐，导 致我国苹果及其加工产业在国内外市场都不是很占优势。导致我国苹果品质参 差不齐的原因有很多。例如，我国国家标准GB/T10651-2008《鲜苹果》和农业 行业标准NY/T2316-2013《苹果品质指标评价规范》对苹果的品质仅是从单一指 标上确定了等级分类，然而没有一套完整的苹果品质综合评价标准。在苹果品 质评价方面，很多的学者做过大量的研究，大多数文章都是对苹果品质指标进 行分散性的评价，利用单个苹果品质指标对苹果品质进行评价，忽略了苹果品 质因子指标间的关联作用。然而，雷达图综合评价的技术在苹果品质综合评价 领域还未应用，因此本发明提出了一种基于雷达图的苹果品质综合评价的方法。
综上所述，现有技术存在的问题是：
(1)现有的技术大多是采用回归模型的方式对苹果品质进行评价，忽略了 苹果品质指标内部的相互关联，没有将苹果品质单一、分散的评价指标(糖度、 酸度、果皮破裂最大力、果肉平均硬度、色泽h*等)集成统一。
(2)苹果品质评价存在一定的区域性，不同区域的人对苹果品质的评价是 不同，很难实现评价结果的统一。
解决上述技术问题的难度：
针对问题1，采用基于雷达图的综合评价方式，能够一定程度上解决苹果品 质指标间相互关联的问题，利用雷达图的几何特征，完成对苹果品质的综合评 价。问题2的解决需要大量的实验数据，时间成本和人工成本都比较大，因此， 解决起来比较困难。
解决上述技术问题的意义：通过雷达图的方式对苹果品质做出综合的评价， 将苹果品质单一、分散的评价指标(糖度、酸度、果皮破裂最大力、果肉平均 硬度、色泽h*等)集成统一，很好的实现苹果品质的综合评价，可视化的评价 结果使得人们对苹果品质认识的更加充分。
发明内容
针对现有技术存在的问题，本发明提供了一种基于多苹果品质指标的可视 化评定方法。
本发明是这样实现的，一种基于多苹果品质指标的可视化评定方法，所述 基于多苹果品质指标的可视化评定方法包括：
步骤一，基于苹果品质数据，筛选出最基本的5个苹果品质因子指标；
步骤二，基于5个最基本的苹果品质因子，采取归一化的预处理方法将数 据归一化到特定的区间并实现苹果品质因子的正向化，再者采用反正切函数对 数据进行非线性化；
步骤三，基于经过预处理的数据，将其绘制在雷达图上，计算雷达图的面 积、周长等几何特征；
步骤四，利用该样本苹果雷达图的面积比上基准雷达图的面积和该样本苹 果的面积与周长平方和的算数平方根的乘积作为苹果品质的综合评分，完成对 苹果品质的综合评价。
进一步，所述基于多苹果品质指标的可视化评定方法具体包括以下步骤：
第一步，筛选出苹果品质评价的最基本的5个苹果品质因子指标；
第二步，基于最基本的5个苹果品质因子指标，区分5个品质因子是正向 指标还是固定性指标；不同性质的苹果品质指标采用不同的处理方式，如式(1) 所示，进而，将苹果品质因子指标的数据限定在区间(a，b)内；基于在特定区间 (a，b)的数据，采用反正切函数(2)对数据进行非线性处理。经过非线性处 理的数据呈现这样的特性，数据值在苹果品质因子指标适合值附近有较大的变 化幅度，在极大值和极小值附近有较小的变化幅度。并且苹果品质因子的数值 越优秀，在雷达图上凸显的数轴越长，所代表的值就越大；
公式中a代表区间上限，b代表数据的下限，Y代表某一个指标的样本数据， Ymax、Ymin代表样本数据中的最大值和最小值，Y0代表固定性指标的适合值，Y*代 表经过公式处理的样本数据；
公式中x代表(1)的结果值，μ0表示品质因子的适合值；苹果品质因子的 适合值μ0由样本的均值和国家标准文件的标定值共同决定；
第三步，绘制多苹果品质指标的苹果品质综合评价雷达图，将多个维度的 数据量映射到坐标轴上，坐标轴起始于同一个圆心点，结束于圆周边缘；将同 一组的点使用线连接起来就称为雷达图；每一个维度的数据都分别对应一个坐 标轴，坐标轴具有相同的圆心，以相同的间距沿着径向排列，并且各个坐标轴 的刻度相同，连接各个坐标轴的网格线通常只作为辅助元素。将各个坐标轴上 的数据点用线连接起来就形成了一个多边形；坐标轴、点、线、多边形共同组 成了雷达图；基于选定的5个苹果品质指标，对雷达图的各个轴进行限定。设 定评价指标用从原点向外均等角度发散的轴表示，依据各个指标对苹果品质评价的相对重要性，设定各个轴线的顺序依次为：轴1-最重要的指标，轴2-第二 重要的指标，轴3-第三重要的指标，轴4-第四种重要的指标，轴5-第五重要的 指标；每一个评价指标的大小用坐标轴上的点表示，最后将每一维度上的点连 接起来就是苹果品质评价的雷达图；
第四步，计算雷达图的几何特征，并对苹果品质进行综合的评价；基于第 三步得到的雷达图，利用雷达图的几何特性，计算出基准雷达图的面积S0、该苹 果样本的雷达图的面积S和周长的平方L，利用(3)，计算苹果品质的综合得分， 实现对苹果品质的综合评价；
进一步，计算苹果品质综合评价基准雷达图的面积S0，当反正切函数中的x 值为μ0时，计算得到多苹果品质指标的基准雷达图每一个数轴上的基准值为1， 则将检测样本苹果雷达图的面积记做S、边长的平 方和记做L，采用形如的方式综合雷达图的面积和周长因素对苹果做出综合 的评价，雷达图面积S和边长平方和L的计算公式如下：
S＝S1+S2+S3+S4+S5 (4)
结合公式(4)、(5)、(6)、(7)、(8)、(9)得到公式(10)，公式(10)作 为最终计算雷达图面积的公式；
在求解雷达图边长的平方和时，采用余弦公式求解得到每一个边长的平方 然后再求和；具体的公式如下所示：
综合公式(11)、(12)、(13)、(14)、(15)、(16)得到求解雷达图边长平 方和的公式(17)；
本发明的另一目的在于提供一种应用所述基于多苹果品质指标的可视化评 定。
综上所述，本发明的优点及积极效果为：本发明基于雷达图的苹果品质综 合评定方法通过雷达图综合评价技术，将苹果品质单一、分散的评价指标(糖 度、酸度、果皮破裂最大力、果肉平均硬度、色泽h*等)集成统一，为苹果品 质的综合评价提供科学可靠的理论支撑。通过雷达图综合评价苹果的品质，使 评估结果能够更加直观反映苹果品质的优劣程度，有利于全面的对苹果的品质 做出科学的评价；本发明不仅能够丰富苹果品质评价体系，为实现富士苹果高 质量化和国际化开辟了新的思路、方法和理论，而且对推动现代果业快速发展， 具有重要的理论、方法意义和应用价值，促进我国苹果产业评价和分级体系发 展。
本发明在大量的实验数据和基于图像化的评价体系完善的基础上，在分析 影响苹果品质主要生理指标的基础上，通过雷达图构建苹果品质的评价模型； 针对苹果品质指标间的相互影响联系，采用归一化的数据处理方法并结合非线 性变换的方法。本发明能够丰富和完善了苹果品质评价的模型的理论内涵，为 实现富士苹果高质量化和国际化开辟了新的思路、方法和理论，而且对推动现 代果业快速发展，具有重要的理论、方法意义和应用价值。
附图说明
图1是本发明实施例提供的基于多苹果品质指标的可视化评定方法流程图。
图2是本发明实施例提供的苹果品质评价示意图。
图3是本发明实施例提供的基于雷达图的苹果品质评价的雷达图。
图4是本发明实施例提供的基于雷达图的苹果品质评定方法的9个具有代 表性的样本苹果雷达图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
针对现有的技术没有将苹果品质单一、分散的评价指标集成统一；苹果品 质的评价存在一定的区域性，不同区域的人对苹果品质的评价是不同，很难实 现评价结果的统一的问题。本发明在大量的实验数据和基于图像化的评价体系 完善的基础上，在分析影响苹果品质主要生理指标的基础上，通过雷达图构建 苹果品质的评价模型；针对苹果品质指标间的相互影响联系，采用归一化的数 据处理方法并结合非线性变换的方法。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于多苹果品质指标的可视化评定方法 包括以下步骤：
S101：基于国家标准文件和2017年苹果品质数据，筛选出最基本的5个苹 果品质因子指标；
S102：基于5个最基本的苹果品质因子，采取归一化的预处理方法将数据 归一化到特定的区间并实现苹果品质因子的正向化，再者采用反正切函数对数 据进行非线性化；
S103：基于经过预处理的数据，将其绘制在雷达图上，计算雷达图的面积、 周长等几何特征；
S104：利用该苹果雷达图的面积比上基准雷达图的面积和该苹果的面积与 周长平方和的算数平方根的乘积作为苹果品质的综合评分，完成对苹果品质的 综合评价。
本发明实施例提供的基于多苹果品质指标的可视化评定方法具体包括以下 步骤：
第一步，确定苹果品质评价最基本的5个评价指标。阅读国内外大量的参 考文献发现，对于苹果品质的评价多集中在苹果的糖度、酸度和苹果质地等方 面，国家标准文件中也分别对苹果的糖度、酸度等信息进行了描述和区分等级， 结合不同品种苹果品质评价的实际数据，筛选出苹果品质评价的最基本的5个 苹果品质因子指标。
第二步，基于最基本的5个苹果品质因子指标，区分5个品质因子是正向 指标还是固定性指标；不同性质的苹果品质指标采用不同的处理方式，如式(1) 所示，进而，将苹果品质因子指标的数据限定在区间(a，b)内；基于在特定区间 (a，b)的数据，采用反正切函数(2)对数据进行非线性处理。经过非线性处 理的数据呈现这样的特性，数据值在苹果品质因子指标适合值附近有较大的变 化幅度，在极大值和极小值附近有较小的变化幅度。并且苹果品质因子的数值 越优秀，在雷达图上凸显的数轴越长，所代表的值就越大。
公式中a代表区间上限，b代表数据的下限，的Y代表某一个指标的样本数 据，Ymax、Ymin代表样本数据中的最大值和最小值，Y0代表固定性指标的适合值， Y*代表经过公式处理的样本数据。
公式中x代表公式1的结果值，μ0表示品质因子的适合值。
苹果品质因子的适合值μ0由样本的均值和国家标准文件的标定值共同决定。
第三步，绘制多苹果品质指标的苹果品质综合评价雷达图，雷达图又叫戴 布拉图、蜘蛛网图，是一种表现多维数据的图标。将多个维度的数据量映射到 坐标轴上，这些坐标轴起始于同一个圆心点，结束于圆周边缘。将同一组的点 使用线连接起来就称为雷达图。每一个维度的数据都分别对应一个坐标轴，这 些坐标轴具有相同的圆心，以相同的间距沿着径向排列，并且各个坐标轴的刻 度相同，连接各个坐标轴的网格线通常只作为辅助元素。将各个坐标轴上的数 据点用线连接起来就形成了一个多边形。坐标轴、点、线、多边形共同组成了 雷达图。雷达图因其良好的可视化特性，在综合评价方面应用非常广泛，然而 在苹果品质综合评价方面的应用不是很多。在阅读大量参考文献的基础上，选 定与苹果品质相关最大的5个指标。基于选定的5个苹果品质指标，对雷达图 的各个轴进行限定。设定评价指标用从原点射出的轴表示，依据各个指标对苹 果品质评价的相对重要性，设定各个轴线的顺序依次为：轴1-最重要的指标， 轴2-第二重要的指标，轴3-第三重要的指标，轴4-第四种重要的指标，轴5-第 五重要的指标。每一个评价指标的大小用坐标轴上的点表示，最后将每一维度 上的点连接起来就是苹果品质评价的雷达图。结果示意图如图2所示，图中浅 黄色的区域代表大部分富士苹果的平均水平，作为所有检测苹果品质的平均水平，淡蓝色的区域代表样本的检测值。
第四步，计算雷达图的几何特征，并对苹果品质进行综合的评价。基于第 三步获得雷达图，利用雷达图的几何特性，计算出基准雷达图的面积S0、该苹果 样本的雷达图的面积S和周长的平方L，利用公式3，计算苹果品质的综合得分， 实现对苹果品质的综合评价。
基于雷达图的苹果品质综合评定方法进一步包括：苹果品质综合评价的基 准雷达图面积S0的计算，即当反正切函数中的x的值为μ0时，计算得到多苹果 品质指标的基准雷达图每一个数轴上的基准值为1，则 将检测样本苹果雷达图的面积记做S、边长的平方 和记做L，采用形如的方式综合雷达图的面积和周长因素对苹果做出综合的 评价，雷达图面积S和边长的平方和L的计算：
S＝S1+S2+S3+S4+S5 (4)
结合公式(4)、(5)、(6)、(7)、(8)、(9)可以得到公式10，公式10作为 最终的计算雷达图面积的公式。
在求解雷达图边长的平方和的时候，采用余弦公式求解得到每一个边长的 平方然后再求和。具体的公式如下所示：
综合公式(11)、(12)、(13)、(14)、(15)、(16)得到求解雷达图边长平 方和的公式(17)
下面结合附图对本发明的应用原理作进一步的描述。
本发明实施例提供的基于雷达图的苹果品质综合评价方法具体包括一下步 骤：
第一步，基于国家标准文件和2017年获取的扶风县红富士苹果的品质指标 的数据样本，通过整合国标文件中有关苹果品质的参数和2017年的样本数据， 筛选出影响苹果品质的最基本的5个品质因子指标糖度、酸度、果皮最大力、 果肉平均硬度和色泽h*。
第二步，对苹果品质因子指标样本进行数据的预处理，利用Excel2010首先 对数据进行简单的处理得到苹果品质样本的一些基本的参数，处理结果如表1 所示，
表1 2017年5个苹果品质因子指标的基本参数
苹果品质因子指标的平均值和标准差可通过该标准样本估计，即：
本实验样本中，正向指标有糖度值、果皮最大力和色泽h*，固定性指标有 酸度和果肉平均硬度。在国家标准的文件中指出苹果的酸度值为0.4的时，果品 的品质是比较好的，果肉平均硬度在6.5kgf/cm2左右是比较好的。所以酸度的适 合值Y0＝0.3×0.4+0.7×0.32＝0.344，果肉平均硬度的Y0＝0.3×6.5+0.7×9.21＝8.40。然 后，利用公式21对苹果品质因子数据进行预处理。
最后利用反正切函数对数据进行处理，将数据限定在区 间(0,2)内。
第三步，结合雷达图的特性，确定苹果品质因子指标在雷达图中的排列顺 序。设定评价指标用从原点射出的轴表示，依据各个指标对苹果品质评价的相 对重要性，设定各个轴线的顺序依次为：轴1-糖度，轴2-酸度，轴3-果皮最大 力，轴4-果肉平均硬度，轴5-色泽h*值。每一个评价指标的大小用坐标轴上的 点表示，最后将每一维度上的点连接起来就是苹果品质评价的雷达图。结果示 意图如图3所示。
第四步，基于雷达图的多苹果品质指标的苹果品质综合评价。利用雷达图 的几何特性，计算出基准雷达图的面积S0、该苹果样本的雷达图的面积S和周长 的平方L，利用公式计算苹果品质的综合得分，实现对苹果品质的综合评价。其中对于公式中的S(即该苹果样本的面积)用公式L值的大小采用公式计算获得，最终的到数据结果如表2所示：
表2基于雷达图的苹果品质综合评价方法的计算结果
编号 糖度 酸度 果皮破裂 果大肉力平均硬度 色泽h* S L Y
16 1.272463 1.737307 1.78969 1.423689603 1.316974 5.429879 21.43913 24.61568
1 1.186911 1.505851 1.565319 1.270258071 1.576773 4.758709 18.90648 18.9654
24 1.665607 1.737307 0.955978 1.731110078 0.804234 4.251775 19.31834 16.19061
23 1.330565 1.649115 1.07925 0.972616582 1.664227 4.211648 17.37235 15.13667
57 1.485743 1.574178 1.546072 1.418912254 0.553806 4.07764 17.46673 14.45913
37 1.292434 1.694673 0.86353 1.610184388 1.199665 4.05448 17.32237 14.27675
38 1.472703 1.505851 1.599553 1.49535964 0.352488 3.834885 17.46469 13.18657
67 1.186911 1.238881 1.136823 1.037413544 1.783521 3.816264 15.74627 12.42996
62 1.694001 1.64329 0.205977 1.559846266 1.26614 3.596578 18.1288 12.2023
20 0.510714 1.657539 1.626906 1.510868834 0.848948 3.669866 16.12464 11.8616
48 1.292434 1.479085 1.504591 1.557280692 0.417987 3.647896 16.25814 11.80381
10 1.272463 1.479085 1.680386 0.816236542 0.994439 3.71682 15.36374 11.80127
35 1.55429 1.192361 1.509673 1.821743723 0.261997 3.465696 17.88202 11.4635
50 0.996591 1.70545 1.585574 1.29835535 0.508036 3.627475 15.54061 11.44363
42 1.55429 1.450033 0.506133 0.737977212 1.773385 3.531399 15.78075 11.07662
64 1.71825 0.835897 1.721526 1.817221869 0.273412 3.314591 18.90664 11.02491
15 1.2091 1.479085 1.522243 1.158149551 0.757629 3.61229 14.5906 11.01878
44 1.069766 1.725008 1.786996 1.002092116 0.28917 3.479816 15.67177 10.79733
71 1.665607 1.041404 0.651616 1.264658144 1.441239 3.547654 14.7671 10.78904
18 0.996591 0.865591 1.165295 1.435079206 1.605084 3.541086 14.32163 10.59556
59 1.272463 1.418526 1.3619 0.773423875 1.24104 3.485273 14.1166 10.27172
21 0.523615 1.347585 1.657716 1.723373189 0.581325 3.377499 15.19486 10.16633
66 1.564265 1.418526 0.321523 1.142147109 1.472083 3.341218 14.98246 9.932804
75 1.2091 1.093118 1.790733 0.617611558 1.409979 3.310044 15.39058 9.926615
6 1.399529 1.737307 1.648198 0.529121151 0.320787 3.226755 15.10426 9.465025
70 1.608917 1.553226 0.330239 0.660670943 1.523549 3.180311 14.70239 9.137374
54 1.498291 1.618169 0.397554 1.087055598 1.205305 3.146137 14.28945 8.863337
76 0.160188 1.783536 1.113886 1.356897516 1.614657 2.964139 16.82828 8.796111
19 1.415281 0.835897 1.54143 1.747150118 0.370521 3.01312 15.55612 8.667591
22 1.55429 1.020525 0.714798 0.642472699 1.730205 3.126954 13.7332 8.609764
43 0.345304 1.715542 1.563647 0.893110086 1.339114 3.009985 15.21836 8.559602
77 0.184596 1.072542 1.222763 1.545159759 1.692383 3.008299 14.88504 8.458233
2 1.230775 0.788034 1.416593 0.986585096 1.370415 3.101638 12.98007 8.26891
33 1.399529 1.753176 0.262154 0.512432939 1.631984 2.932988 15.101 8.201461
30 0.996591 1.282873 1.477689 1.609871713 0.281154 2.98912 14.01529 8.129037
9 1.399529 1.282873 1.448726 0.743664573 0.794359 3.059445 12.78052 8.038246
52 1.251904 1.582099 0.200576 0.679097506 1.777088 2.789323 14.55318 7.467072
17 1.543929 1.020525 0.355208 1.36099304 1.196972 2.804982 12.76142 7.051273
12 1.230775 1.530507 1.454271 0.47522211 0.634653 2.797675 12.29254 6.893499
3 0.4983 1.694673 1.732605 0.701970353 0.512732 2.668811 12.88844 6.576579
39 0.852382 0.865591 0.635144 1.173369754 1.809173 2.709458 12.17788 6.539316
60 0.164872 1.384416 1.18503 1.191806901 1.59124 2.586851 13.76054 6.48482
53 1.616906 0.989139 0.433991 1.629797091 0.801031 2.537728 13.33348 6.202438
27 0.351941 0.989139 1.69866 1.309605638 0.78066 2.639184 11.76688 6.179569
5 1.330565 1.324153 1.601253 0.520644936 0.409456 2.60297 12.20729 6.165048
74 1.498291 0.885731 1.164407 1.4700133 0.44302 2.560788 12.65284 6.124597
11 0.537021 0.788034 1.201163 1.051776297 1.719088 2.550917 11.99851 5.929679
73 0.332686 1.418526 1.138881 1.637227129 0.597088 2.438639 12.12158 5.570883
31 1.510366 1.093118 1.112345 1.193312992 0.331241 2.42038 11.70785 5.41361
51 0.486354 1.072542 0.737769 1.197929031 1.699223 2.40555 11.72555 5.367985
45 1.093846 1.694673 1.16977 0.633353256 0.328449 2.446243 11.09675 5.355135
58 1.251904 1.56181 0.591344 1.133768329 0.649752 2.424882 11.33973 5.342693
65 0.612199 1.64329 0.86375 1.205656453 0.851158 2.384338 11.22395 5.182597
47 0.996591 1.347585 1.053322 1.318068747 0.364684 2.375216 10.80617 5.056078
55 0.550948 1.123605 1.718115 1.035859569 0.317692 2.298406 10.63697 4.774987
26 0.702111 1.307973 0.998298 0.532933373 1.537874 2.213802 10.97954 4.585886
72 1.573871 0.989139 0.433492 1.456579286 0.638196 2.164127 11.64142 4.564048
40 1.251904 1.020525 1.214225 1.022518042 0.454018 2.278229 9.929266 4.552791
14 0.972123 1.307973 1.429496 0.594599772 0.47735 2.253579 9.829141 4.456459
13 0.763285 0.835897 1.144985 1.17644689 0.865807 2.197685 8.737865 4.046447
28 0.612199 1.347585 0.352258 1.031575134 1.438447 1.915215 10.27398 3.569592
7 0.41436 1.173111 0.8435 0.802478422 1.56288 1.927921 10.06546 3.568401
41 1.292434 1.173111 0.375339 0.726322675 0.964594 1.985987 8.645593 3.457681
34 0.241768 1.418526 0.509262 0.882550525 1.832339 1.699985 12.3804 3.276862
61 0.742313 1.324153 1.024884 0.586365503 0.82066 1.917039 8.121323 3.178212
25 1.459154 1.553226 0.237765 0.588631023 0.468378 1.776 9.751023 3.105365
63 0.550948 1.553226 0.464935 0.583752029 1.541997 1.711429 10.74541 3.083706
78 0.996591 0.968234 0.835555 0.626296905 0.918381 1.80115 7.143761 2.714633
46 0.80686 1.173111 0.436975 0.541532232 1.189544 1.569131 7.34302 2.237944
79 1.510366 0.916367 0.258312 1.358754545 0.347679 1.411973 9.850727 2.21257
68 0.923505 0.835897 0.397694 0.617673075 1.24842 1.556912 6.793765 2.127524
36 1.366256 1.220562 0.257499 0.626505939 0.362464 1.362637 7.450497 1.824257
69 0.510714 1.737307 0.426012 0.479465601 0.906962 1.298047 8.604277 1.822703
8 0.596026 1.192361 0.676308 0.493678009 0.901348 1.347249 6.143274 1.628526
56 1.292434 0.788034 0.437873 1.011534428 0.284003 1.17018 6.793738 1.386297
29 0.646339 1.479085 0.419141 0.503333355 0.421688 1.08026 6.073584 1.162621
49 0.442895 1.450033 0.485736 0.44752189 0.633132 1.011769 5.942901 1.042423
32 0.829398 0.835897 0.740772 0.475557212 0.497944 1.100645 4.461319 1.024769
4 0.255978 0.788034 0.537235 0.451738832 1.488235 0.913499 6.491296 0.934653
苹果品质综合评价的部分雷达图如图4所示，浅蓝色的区域是基准雷达图， 即由各个指标的适应值绘制的，橘黄色区域为样本苹果的品质雷达图。样本苹 果的品质从左上角到右下角逐渐降低。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。

Claims (4)

1.一种基于多苹果品质指标的可视化评定方法，其特征在于，所述基于多苹果品质指标的可视化评定方法包括：
步骤一，基于苹果品质数据，筛选出最基本的5个苹果品质因子指标；
步骤二，基于5个最基本的苹果品质因子，采取归一化的预处理方法将数据归一化到特定的区间并实现苹果品质因子的正向化，再者采用反正切函数对数据进行非线性化；
步骤三，基于经过预处理的数据，将其绘制在雷达图上，计算雷达图的面积、周长等几何特征；
步骤四，利用该苹果雷达图的面积比上基准雷达图的面积和该苹果的面积与周长平方和的算数平方根的乘积作为苹果品质的综合评分，完成对苹果品质的综合评价。
2.如权利要求1所述的基于多苹果品质指标的可视化评定方法，其特征在于，所述基于基于多苹果品质指标的可视化评定方法具体包括以下步骤：
第一步，筛选出用于苹果品质评价的最基本的5个苹果品质因子指标；
第二步，基于最基本的5个苹果品质因子指标，区分5个品质因子是正向指标还是固定性指标；不同性质的苹果品质指标采用不同的处理方式，如式(1)所示，进而，将苹果品质因子指标的数据限定在区间(a，b)内；基于在特定区间(a，b)的数据，采用反正切函数(2)对数据进行非线性处理。经过非线性处理的数据呈现这样的特性，数据值在苹果品质因子指标适合值附近有较大的变化幅度，在极大值和极小值附近有较小的变化幅度。并且苹果品质因子的数值越优秀，在雷达图上凸显的数轴越长，所代表的值就越大；
公式中a代表区间上限，b代表数据的下限，Y代表某一个指标的样本数据，Ymax、Ymin代表样本数据中的最大值和最小值，Y0代表固定性指标的适合值，Y*代表经过公式处理的样本数据；
公式中x代表(1)的结果值，μ0表示品质因子的适合值；苹果品质因子的适合值μ0由样本的均值和国家标准文件的标定值共同决定；
第三步，绘制多苹果品质指标的苹果品质综合评价雷达图，将多个维度的数据量映射到坐标轴上，坐标轴起始于同一个圆心点，结束于圆周边缘；将同一组的点使用线连接起来就称为雷达图；每一个维度的数据都分别对应一个坐标轴，坐标轴具有相同的圆心，以相同的间距沿着径向排列，并且各个坐标轴的刻度相同，连接各个坐标轴的网格线通常只作为辅助元素；将各个坐标轴上的数据点用线连接起来就形成了一个多边形；坐标轴、点、线、多边形共同组成了雷达图；基于选定的5个苹果品质指标，对雷达图的各个轴进行限定；设定评价指标用从原点向外均等角度发散的轴表示，依据各个指标对苹果品质评价的相对重要性，设定各个轴线的顺序依次为：轴1-最重要的指标，轴2-第二重要的指标，轴3-第三重要的指标，轴4-第四种重要的指标，轴5-第五重要的指标；每一个评价指标的大小用坐标轴上的点表示，最后将每一维度上的点连接起来就是苹果品质评价的雷达图；
第四步，计算雷达图的几何特征，并对苹果品质进行综合的评价；基于第三步获得雷达图，利用雷达图的几何特性，计算出基准雷达图的面积S0、该苹果样本雷达图的面积S和周长的平方和L，利用(3)，计算苹果品质的综合得分，实现对苹果品质的综合评价；
3.如权利要求2所述的基于多苹果品质指标的可视化评定方法，其特征在于，基于雷达图的苹果品质综合评定方法进一步包括：计算苹果品质综合评价基准雷达图的面积S0，当反正切函数中的x值为μ0时，计算得到多苹果品质指标的基准雷达图每一个数轴上的基准值为1，则将检测样本苹果雷达图的面积记做S、边长的平方和记做L，采用形如的方式综合雷达图的面积和周长因素对苹果做出综合评价，雷达图面积S和边长平方和L的计算公式如下：
S＝S1+S2+S3+S4+S5 (4)
结合公式(4)、(5)、(6)、(7)、(8)、(9)得到公式(10)，公式(10)作为最终计算雷达图面积的公式；
在求解雷达图边长平方和时，采用余弦公式求解得到每一个边长的平方然后再求和；具体的公式如下所示：
综合公式(11)、(12)、(13)、(14)、(15)、(16)得到求解雷达图边长平方和的公式(17)；
4.一种应用权利要求1～3任意一项所述基于多苹果品质指标的可视化评定系统。
CN201910376391.XA 2019-05-07 2019-05-07 一种基于多种苹果品质指标的可视化评定方法 Pending CN110320333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910376391.XA CN110320333A (zh) 2019-05-07 2019-05-07 一种基于多种苹果品质指标的可视化评定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910376391.XA CN110320333A (zh) 2019-05-07 2019-05-07 一种基于多种苹果品质指标的可视化评定方法

Publications (1)

Publication Number Publication Date
CN110320333A true CN110320333A (zh) 2019-10-11

Family

ID=68118865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910376391.XA Pending CN110320333A (zh) 2019-05-07 2019-05-07 一种基于多种苹果品质指标的可视化评定方法

Country Status (1)

Country Link
CN (1) CN110320333A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163769A (zh) * 2020-09-29 2021-01-01 江西省蚕桑茶叶研究所(江西省经济作物研究所) 一种利用蛛网图的茶树品种综合评价方法
CN114170624A (zh) * 2021-10-05 2022-03-11 三信贸易株式会社 锦鲤品评会系统及其实施装置及方法、程序、存储介质
CN114993689A (zh) * 2022-04-26 2022-09-02 华电电力科学研究院有限公司 燃气轮机的燃烧状态评价方法、装置、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140067483A1 (en) * 2012-08-30 2014-03-06 Electronics And Telecommunications Research Institute Apparatus and method for constructing radar chart
CN105067784A (zh) * 2015-07-22 2015-11-18 中国水稻研究所 利用稻米品质的理化性状指标来判定稻米食味品质的方法
CN105675539A (zh) * 2016-01-07 2016-06-15 北京市农林科学院 一种农产品品质综合评价方法
CN106771004A (zh) * 2016-12-30 2017-05-31 南京财经大学 一种评价大蒜品质的方法
CN107085765A (zh) * 2017-04-14 2017-08-22 重庆邮电大学 一种基于无监督聚类分析与灰理论的地区经济评估方法
CN109242341A (zh) * 2018-09-29 2019-01-18 中国农业科学院农产品加工研究所 基于苹果原料指标预测果汁综合品质的方法
CN109325626A (zh) * 2018-09-29 2019-02-12 中国农业科学院农产品加工研究所 基于苹果原料指标预测干制品综合品质的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140067483A1 (en) * 2012-08-30 2014-03-06 Electronics And Telecommunications Research Institute Apparatus and method for constructing radar chart
CN105067784A (zh) * 2015-07-22 2015-11-18 中国水稻研究所 利用稻米品质的理化性状指标来判定稻米食味品质的方法
CN105675539A (zh) * 2016-01-07 2016-06-15 北京市农林科学院 一种农产品品质综合评价方法
CN106771004A (zh) * 2016-12-30 2017-05-31 南京财经大学 一种评价大蒜品质的方法
CN107085765A (zh) * 2017-04-14 2017-08-22 重庆邮电大学 一种基于无监督聚类分析与灰理论的地区经济评估方法
CN109242341A (zh) * 2018-09-29 2019-01-18 中国农业科学院农产品加工研究所 基于苹果原料指标预测果汁综合品质的方法
CN109325626A (zh) * 2018-09-29 2019-02-12 中国农业科学院农产品加工研究所 基于苹果原料指标预测干制品综合品质的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
魏春阳等: "基于雷达图的烤烟外观质量综合评价", 《烟草科技》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163769A (zh) * 2020-09-29 2021-01-01 江西省蚕桑茶叶研究所(江西省经济作物研究所) 一种利用蛛网图的茶树品种综合评价方法
CN114170624A (zh) * 2021-10-05 2022-03-11 三信贸易株式会社 锦鲤品评会系统及其实施装置及方法、程序、存储介质
CN114993689A (zh) * 2022-04-26 2022-09-02 华电电力科学研究院有限公司 燃气轮机的燃烧状态评价方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN110320333A (zh) 一种基于多种苹果品质指标的可视化评定方法
US10482093B2 (en) Data mining method
CN103164692B (zh) 一种基于计算机视觉的特种车辆仪表自动识别系统及方法
Li et al. Segmentation of touching cell nuclei using gradient flow tracking
CN105893388B (zh) 一种基于类间区分度及类内高表征度的文本特征提取方法
JP2019023937A5 (zh)
CN103984939B (zh) 一种样本有形成分分类方法及系统
Coster et al. What starch grain is that?–A geometric morphometric approach to determining plant species origin
CN105719328A (zh) 一种手绘几何图形规范化方法及系统
CN108509923A (zh) 课堂注意力检测方法、装置、设备及计算机可读介质
CN106228170A (zh) 一种指针式仪表的指针位置提取方法
CN105740750A (zh) 指纹活体检测及识别方法与装置
CN104268134A (zh) 一种主客观分类器构建方法和系统
CN103955940A (zh) 一种基于x射线背散射图像的人体隐藏物的检测方法
Maji et al. An automated method for counting and characterizing red blood cells using mathematical morphology
CN103226829A (zh) 基于边缘增强算子的图像边缘检测方法
CN109886284A (zh) 基于层次化聚类的欺诈检测方法及系统
CN103679207A (zh) 一种手写体数字识别方法及系统
CN106778754A (zh) 一种鲁棒的工业电表数字识别方法
CN110705619A (zh) 雾浓度等级判别方法及装置
CN105336035A (zh) 一种脏污冠字号图像分类的方法与系统
CN105159465B (zh) 用户阅读理解度监测方法及系统
Song et al. New morphological features for grading pancreatic ductal adenocarcinomas
CN103839272A (zh) 基于k均值聚类法的脑磁共振图像配准方法
CN109033582A (zh) 一种高速列车多参数智能阈值准则

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

Application publication date: 20191011

RJ01 Rejection of invention patent application after publication