基于BP人工神經(jīng)網(wǎng)絡(luò)算法的蘋果制干適宜性評(píng)價(jià)

張彪，劉璇，畢金峰，吳昕燁，金鑫，李旋，李瀟

?

基于BP人工神經(jīng)網(wǎng)絡(luò)算法的蘋果制干適宜性評(píng)價(jià)

張彪，劉璇，畢金峰，吳昕燁，金鑫，李旋，李瀟

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所/農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品加工重點(diǎn)實(shí)驗(yàn)室，北京 100193）

【目的】建立蘋果原料制干適宜性評(píng)價(jià)模型，實(shí)現(xiàn)基于蘋果原料指標(biāo)預(yù)測(cè)干制品品質(zhì)的目標(biāo)，為蘋果制干專用化原料的篩選提供方法依據(jù)，為明確蘋果干制品品質(zhì)形成的基礎(chǔ)物質(zhì)提供數(shù)據(jù)支持?！痉椒ā恳詠?lái)自7個(gè)不同主產(chǎn)區(qū)的21個(gè)主栽品種，共34份蘋果鮮果樣本為研究對(duì)象，運(yùn)用多種數(shù)據(jù)處理方法建立蘋果脆片品質(zhì)綜合評(píng)價(jià)模型與蘋果原料制干適宜性評(píng)價(jià)模型。（1）利用壓差閃蒸干燥方法制備34份蘋果鮮果的脆片樣本，測(cè)定蘋果脆片17項(xiàng)品質(zhì)指標(biāo)，采用因子分析進(jìn)行降維并篩選得到蘋果脆片品質(zhì)評(píng)價(jià)核心指標(biāo)，運(yùn)用層次分析法得到脆片核心指標(biāo)權(quán)重值，構(gòu)建脆片品質(zhì)綜合評(píng)價(jià)模型并計(jì)算得到脆片綜合評(píng)價(jià)得分。（2）測(cè)定34份蘋果鮮果樣本22項(xiàng)品質(zhì)指標(biāo)，與脆片核心指標(biāo)進(jìn)行相關(guān)性分析并篩選出與脆片品質(zhì)相關(guān)的果實(shí)特征指標(biāo)。選用29個(gè)樣本以果實(shí)特征指標(biāo)為輸入，對(duì)應(yīng)脆片綜合評(píng)價(jià)得分為輸出，利用誤差反向傳播（Error Back Propagation, BP）神經(jīng)網(wǎng)絡(luò)算法構(gòu)建學(xué)習(xí)模型；其余5個(gè)樣本為驗(yàn)證樣本，評(píng)價(jià)學(xué)習(xí)模型的預(yù)測(cè)準(zhǔn)確性。變換3組學(xué)習(xí)樣本構(gòu)建3個(gè)學(xué)習(xí)模型，對(duì)比3個(gè)模型的預(yù)測(cè)準(zhǔn)確性，驗(yàn)證建模方法的合理性與穩(wěn)定性?！窘Y(jié)果】蘋果脆片值、脆度、膨化度、可滴定酸含量、可溶性糖含量和粗蛋白含量被確定為不同樣本脆片品質(zhì)綜合評(píng)價(jià)的核心指標(biāo)，構(gòu)建的蘋果脆片品質(zhì)綜合評(píng)價(jià)模型為Y綜合得分=值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。34個(gè)蘋果鮮果樣本制得的脆片綜合得分范圍為0.2069—0.7933，存在較大差異，得分排名前3的蘋果樣本為‘遼寧華紅’‘遼寧華金’和‘山東煙富6號(hào)’，排名最后的蘋果樣本為‘陜西秦冠’。基于脆片核心指標(biāo)與蘋果果實(shí)品質(zhì)指標(biāo)相關(guān)性分析結(jié)果，篩選出蘋果果實(shí)的果形指數(shù)、果肉值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉值、密度、可溶性固形物含量、粗纖維含量、總糖含量12項(xiàng)指標(biāo)作為果實(shí)制干適宜性評(píng)價(jià)的特征指標(biāo)。以果實(shí)特征指標(biāo)值為輸入層，對(duì)應(yīng)蘋果脆片綜合評(píng)分為輸出層，建立BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型，可實(shí)現(xiàn)蘋果原料制干適宜性的定量預(yù)測(cè)。該方法建立的學(xué)習(xí)模型有較高的預(yù)測(cè)準(zhǔn)確性與穩(wěn)定性，變換學(xué)習(xí)樣本得到的3個(gè)學(xué)習(xí)模型的預(yù)測(cè)值與實(shí)際值相對(duì)誤差均不超過(guò)10%，實(shí)際值與模型預(yù)測(cè)值線性擬合后決定系數(shù)2均大于0.95?！窘Y(jié)論】蘋果制干適宜性可由果實(shí)的果形指數(shù)、果肉值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉值、密度、可溶性固形物含量、粗纖維含量、總糖含量12項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià)，建立的適宜性評(píng)價(jià)模型可實(shí)現(xiàn)基于蘋果原料指標(biāo)定量預(yù)測(cè)其制干適宜性。

蘋果；脆片；干制；適宜性評(píng)價(jià)；BP神經(jīng)網(wǎng)絡(luò)

0 引言

【研究意義】蘋果是中國(guó)產(chǎn)量最大的果品，至2016年，中國(guó)蘋果產(chǎn)量和產(chǎn)值分別達(dá)到4.39×107t和2 000億元，占中國(guó)水果產(chǎn)量的15.5%、農(nóng)林產(chǎn)值的4.7%[1]。中國(guó)蘋果加工產(chǎn)業(yè)發(fā)展迅猛，產(chǎn)品消費(fèi)量年均增長(zhǎng)8.5%。目前濃縮汁已經(jīng)成為蘋果最主要的加工品和出口產(chǎn)品，但加工能力已趨于飽和[2]。蘋果脆片作為一種新型的休閑食品，可以補(bǔ)充蘋果加工產(chǎn)業(yè)的空白，具有較好的發(fā)展前景。構(gòu)建蘋果原料制干適宜性評(píng)價(jià)模型不僅可以指導(dǎo)企業(yè)對(duì)蘋果品種進(jìn)行制干專用化篩選，還有利于明確蘋果干制品品質(zhì)形成的物質(zhì)基礎(chǔ)?！厩叭搜芯窟M(jìn)展】果品原料品質(zhì)是生產(chǎn)優(yōu)質(zhì)加工品的基礎(chǔ)，因此，對(duì)于原料加工適宜性評(píng)價(jià)尤為重要。近年來(lái)，針對(duì)多種果蔬原料加工適宜性評(píng)價(jià)的研究已有許多報(bào)道。焦藝等[3]采集了北京地區(qū)7個(gè)蟠桃品種，制汁后測(cè)定多項(xiàng)指標(biāo)，采用層次分析法賦予桃汁核心指標(biāo)權(quán)重后得到7個(gè)品種蟠桃汁品質(zhì)得分。郭春苗等[4]測(cè)定了新疆36個(gè)品種綠色葡萄果實(shí)多項(xiàng)指標(biāo)，采用灰色關(guān)聯(lián)分析法篩選出10個(gè)適宜加工葡萄干的品種。沈月等[5]收集了我國(guó)20個(gè)青辣椒主栽品種，分析了20余項(xiàng)果實(shí)指標(biāo)差異，結(jié)合層次分析法與灰色關(guān)聯(lián)度分析法得到了20個(gè)青辣椒品種鮮切加工適宜性排序。國(guó)外學(xué)者在研究原料加工適宜性方面偏重對(duì)制品的營(yíng)養(yǎng)成分分析及感官評(píng)價(jià)。A??am等[6]測(cè)定了3個(gè)柑橘品種的多種營(yíng)養(yǎng)指標(biāo)，分析了其制汁適宜性。Lamureanu等[7]收集了11個(gè)品種的桃原料，加工成桃泥后進(jìn)行感官評(píng)價(jià)，對(duì)11個(gè)品種加工桃泥適宜性進(jìn)行排序并分析影響桃泥口感的關(guān)鍵指標(biāo)。FUJIWARA等[8]對(duì)不同成熟階段日本梨果實(shí)制得的干果進(jìn)行感官評(píng)價(jià)后排序，并測(cè)定相關(guān)果實(shí)指標(biāo)，明確了日本梨適宜制干的成熟期。上述研究對(duì)不同果蔬品種的原料品質(zhì)或制品品質(zhì)進(jìn)行分析，僅可以評(píng)價(jià)所研究品種加工適宜性，無(wú)法預(yù)測(cè)未知樣品的加工性能。原料加工適宜性評(píng)價(jià)應(yīng)關(guān)聯(lián)原料指標(biāo)與制品品質(zhì)，實(shí)現(xiàn)基于原料指標(biāo)預(yù)測(cè)制品品質(zhì)的目標(biāo)，目前國(guó)內(nèi)已有一些學(xué)者對(duì)此進(jìn)行了初步的探索。聶繼云等[9]對(duì)蘋果果汁品質(zhì)指標(biāo)與原料指標(biāo)進(jìn)行相關(guān)性分析，篩選出果實(shí)特征指標(biāo)，運(yùn)用判別分析對(duì)122個(gè)蘋果品種制汁適宜性進(jìn)行簡(jiǎn)單分類。張小燕等[10]收集了74個(gè)品種的馬鈴薯原料，采用逐步回歸分析的方法關(guān)聯(lián)原料指標(biāo)與制品品質(zhì)，實(shí)現(xiàn)了基于馬鈴薯原料指標(biāo)定量預(yù)測(cè)薯片綜合品質(zhì)，預(yù)測(cè)值與真實(shí)值的相關(guān)系數(shù)為0.502?！颈狙芯壳腥朦c(diǎn)】目前，對(duì)果蔬原料加工適宜性評(píng)價(jià)研究多集中在對(duì)原料品質(zhì)或制品品質(zhì)的單一評(píng)價(jià)，缺少基于原料指標(biāo)預(yù)測(cè)加工制品品質(zhì)的方法?，F(xiàn)有的少數(shù)關(guān)聯(lián)方法多利用線性模型定性或定量關(guān)聯(lián)原料特性與制品品質(zhì)，存在制品品質(zhì)評(píng)價(jià)不合理、原料特征指標(biāo)篩選不全面、模型關(guān)聯(lián)性差等問(wèn)題，預(yù)測(cè)準(zhǔn)確率較低。【擬解決的關(guān)鍵問(wèn)題】利用因子分析篩選出脆片核心評(píng)價(jià)指標(biāo)后，通過(guò)層次分析法確定脆片核心指標(biāo)權(quán)重，進(jìn)而得到脆片樣本的綜合得分并以此作為蘋果原料制干適宜性得分；為明確對(duì)脆片綜合品質(zhì)起主要作用的原料指標(biāo)，本研究測(cè)定34個(gè)鮮果樣本22項(xiàng)指標(biāo)，與脆片核心指標(biāo)進(jìn)行相關(guān)性分析，篩選出與脆片核心指標(biāo)顯著相關(guān)的原料特征指標(biāo)；為實(shí)現(xiàn)基于蘋果果實(shí)指標(biāo)客觀、準(zhǔn)確地預(yù)測(cè)脆片品質(zhì)的目的，本研究以果實(shí)特征指標(biāo)為輸入，對(duì)應(yīng)脆片綜合評(píng)價(jià)得分為輸出，利用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建學(xué)習(xí)模型，可客觀、定量、準(zhǔn)確地預(yù)測(cè)蘋果原料制干適宜性。

1 材料與方法

試驗(yàn)于2016年10月至2017年5月在中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所進(jìn)行。

1.1 試驗(yàn)原料

本研究中34個(gè)蘋果樣本均為主產(chǎn)區(qū)主栽品種，樣品名稱及采樣地點(diǎn)、時(shí)間見(jiàn)表1。蘋果于9成熟時(shí)采摘，每個(gè)品種采集3株果樹，每株從樹冠中部外圍隨機(jī)采集40個(gè)果實(shí)。取樣果實(shí)大小均一、無(wú)病蟲害與機(jī)械損傷。果實(shí)采摘后于4℃冷庫(kù)貯藏備用。

表1 蘋果原料名稱及采收地點(diǎn)、時(shí)間

1.2 主要儀器與設(shè)備

DHG-9123A型電熱恒溫鼓風(fēng)箱（上海精宏設(shè)備有限公司）、QDPH1021型果蔬變溫壓差膨化干燥設(shè)備（天津市勤德新材料科技有限公司）、FA-200型切片機(jī)（廣東南海市德豐電熱設(shè)備廠）、Volscan Prodiler VSP 3000045型食品體積自動(dòng)測(cè)定儀（英國(guó) Stable Micro System 公司）、D25LT型色差儀（美國(guó)Hunterlab 公司）、TA.XT 2i/50 型物性分析儀（英國(guó)Stable Micro System公司）、UV-1800 型紫外分光光度計(jì)（日本島津公司）、WZB 45數(shù)顯折光儀（上海精密科學(xué)儀器有限公司）。

1.3 蘋果脆片制備

蘋果原料—清洗—去梗、去核、去皮—切片—預(yù)干燥—均濕—壓差閃蒸干燥—成品。脆片于室溫條件下（溫度為22—26℃，濕度為40%—60%）干燥器內(nèi)貯藏備用，待測(cè)定完脆片物理指標(biāo)后，打粉，過(guò)40目篩，裝袋后凍存于-40℃冰箱，以測(cè)定脆片化學(xué)指標(biāo)。

脆片制備的工藝參數(shù)為：

（1）切片：切片厚度為5 mm；

（2）預(yù)干燥（熱風(fēng)干燥）：溫度為70℃，烘至蘋果片含水量約為30%；

（3）均濕：預(yù)干燥后樣品裝于自封袋中于4℃冰箱中均濕12 h；

（4）壓差閃蒸干燥：樣品在溫度為95℃的膨化罐中停滯10 min，在壓差為0.09 MPa的條件下閃蒸1次，真空干燥溫度為60℃，真空干燥時(shí)間為3 h。

1.4 蘋果果實(shí)和脆片品質(zhì)指標(biāo)測(cè)定方法

（1）鮮果質(zhì)量與體積：鮮果質(zhì)量與體積分別使用電子天平與食品體積自動(dòng)測(cè)定儀測(cè)定，單位分別為‘g’與‘cm3’。每個(gè)品種隨機(jī)取10個(gè)果實(shí)，分別測(cè)定取平均值。

（2）鮮果密度：鮮果密度為質(zhì)量與體積的比值，單位為g?cm-3。

（3）鮮果果形指數(shù)：鮮果果形指數(shù)為果實(shí)縱徑與橫徑的比值，其中果實(shí)縱徑與橫徑由游標(biāo)卡尺測(cè)得。每個(gè)品種隨機(jī)取10個(gè)果實(shí)，分別測(cè)定后取平均值。

（4）鮮果果核比例：鮮果果核比例為果實(shí)最大橫切面處果核直徑與果實(shí)直徑的比值，其中果核直徑與果實(shí)直徑由游標(biāo)卡尺測(cè)得。每個(gè)品種隨機(jī)取10個(gè)果實(shí)，分別測(cè)定后取平均值。

（5）鮮果pH：鮮果打漿后使用pH計(jì)測(cè)得。每個(gè)品種隨機(jī)取3個(gè)果實(shí)，分別測(cè)定后取平均值。

（6）顏色[11]：顏色采用色差儀（國(guó)際照明委員會(huì)（Commission Internationale de L’Eclairage，CIE）測(cè)色系統(tǒng)）測(cè)定。結(jié)果以、、數(shù)值表示。

（7）硬度、脆度[12]：采用英國(guó)Stable Micro System公司生產(chǎn)的Ta.XT2i/50 型物性分析儀。參數(shù)設(shè)置如下：探頭為0.25S型，測(cè)試距離為3 mm，刺入深度為4 mm，測(cè)試前1 mm?s-1，測(cè)試中1 mm?s-1，測(cè)試后2 mm?s-1，觸發(fā)力10 N。產(chǎn)品斷裂時(shí)所需的最大應(yīng)力為該樣品的硬度值，數(shù)值越大表示硬度越大，單位為g；探頭與樣品接觸至樣品斷裂時(shí)探頭行進(jìn)距離為該樣品的脆度值，值越小代表產(chǎn)品越脆，單位為mm。每個(gè)品種隨機(jī)取5片，每片測(cè)兩次，分別測(cè)定后取平均值。

（8）可滴定酸[13]：可滴定酸含量的測(cè)定參照GB/T 12456—2008《食品中總酸的測(cè)定》。

（9）可溶性固形物[14]：可溶性固形物含量的測(cè)定參照NY/T 2637—2014《水果和蔬菜可溶性固形物含量的測(cè)定折射儀法》。

（10）含水率[15]：含水率的測(cè)定參照GB 5009.3—2010《食品中水分的測(cè)定》。

（11）粗纖維、蛋白質(zhì)[16-17]：粗纖維、蛋白質(zhì)的測(cè)定分別參照GB/T 5009.10—2003《植物類食品中粗纖維的測(cè)定》和GB 5009.5—2016《食品中蛋白質(zhì)的測(cè)定》。

（12）VC[18]：VC含量的測(cè)定參照GB 5009.86—2016《食品安全國(guó)家標(biāo)準(zhǔn)食品中抗壞血酸的測(cè)定》（第一法）。

（13）還原糖與總糖[19]：還原糖與總糖含量的測(cè)定參照斐林試劑法。

（14）總酚含量[20]：總酚含量的測(cè)定參照福林酚法。

（15）果膠含量[21]：果膠含量的測(cè)定參照NY／T 2016—2011《水果及其制品中果膠含量的測(cè)定分光光度法》。

（16）可溶性糖含量[22]：可溶性糖含量的測(cè)定參照NY／T 2742—2015《水果及制品可溶性糖的測(cè)定3,5-二硝基水楊酸比色法》。

（17）糖酸比：糖酸比為可溶性糖與可滴定酸的比值。

（18）脆片復(fù)水比[23]：稱量蘋果脆片質(zhì)量，記作m1，室溫下按1﹕50（m﹕v）加蒸餾水，浸泡30 min后取出，瀝干，稱重，記為m2。復(fù)水比按公式計(jì)算。平行復(fù)水比=，測(cè)定3次，取平均值。

（19）脆片出品率[24]：每個(gè)品種鮮果切片后隨機(jī)選出9片進(jìn)行編號(hào)，分別稱量其質(zhì)量記作m1，稱量后的蘋果片進(jìn)行變溫壓差干燥制成蘋果脆片，電子天平分別測(cè)定其質(zhì)量記作m2，出品率按公式（出品率=）計(jì)算，結(jié)果取平均值。

（20）脆片膨化度[25]：每個(gè)品種鮮果切片后隨機(jī)選出5片進(jìn)行編號(hào)，壓差閃蒸前的厚度記作H1，壓差閃蒸后的厚度記作H2，膨化度按公式計(jì)算，膨化度=，取平均值。

1.5 建模思路

原料加工適宜性評(píng)價(jià)實(shí)質(zhì)上是基于原料的多指標(biāo)對(duì)制品綜合品質(zhì)的評(píng)價(jià)，即多個(gè)描述不同方面且量綱不同的原料指標(biāo)轉(zhuǎn)化為無(wú)量綱的相對(duì)評(píng)價(jià)值，并且綜合這些評(píng)價(jià)值對(duì)制品綜合品質(zhì)做出定性或定量評(píng)價(jià)的方法[26]。因此，對(duì)蘋果原料進(jìn)行制干適宜性評(píng)價(jià)，要解決的主要問(wèn)題為評(píng)價(jià)脆片綜合品質(zhì)，篩選與脆片品質(zhì)相關(guān)的原料特征指標(biāo)，構(gòu)建原料特征指標(biāo)與脆片綜合品質(zhì)關(guān)聯(lián)模型。為評(píng)價(jià)脆片綜合品質(zhì)，本研究測(cè)定34個(gè)脆片樣本17項(xiàng)品質(zhì)指標(biāo)，利用因子分析篩選出核心指標(biāo)，運(yùn)用層次分析法確定核心指標(biāo)權(quán)重，建立脆片品質(zhì)綜合評(píng)價(jià)模型，進(jìn)而得到脆片綜合得分；為篩選原料特征指標(biāo)，測(cè)定34個(gè)蘋果鮮果樣本22項(xiàng)指標(biāo)，將其與脆片核心指標(biāo)進(jìn)行相關(guān)性分析，篩選出顯著相關(guān)的原料指標(biāo)作為特征指標(biāo)；為構(gòu)建原料特征指標(biāo)與脆片綜合品質(zhì)關(guān)聯(lián)模型，本研究選用29個(gè)蘋果樣本采用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建學(xué)習(xí)模型，其中輸入層為果實(shí)特征指標(biāo)，輸出層為脆片品質(zhì)綜合得分，剩余5個(gè)樣本為驗(yàn)證樣本，評(píng)價(jià)學(xué)習(xí)模型的預(yù)測(cè)準(zhǔn)確性。為優(yōu)化建模樣本同時(shí)驗(yàn)證建模方法的穩(wěn)定性，變換3組學(xué)習(xí)樣本（29個(gè)）構(gòu)建3個(gè)學(xué)習(xí)模型，對(duì)比三個(gè)模型的預(yù)測(cè)準(zhǔn)確性。若預(yù)測(cè)準(zhǔn)確率均在合理范圍內(nèi)，則說(shuō)明該建模方法合理、穩(wěn)定。

1.6 數(shù)據(jù)分析方法

采用SPSS 22.0（SPSS Inc.，Chicago，IL，USA）軟件進(jìn)行描述性分析、主成分分析、相關(guān)性分析，采用RapidMiner 7.5軟件進(jìn)行BP神經(jīng)網(wǎng)絡(luò)建模。

2 結(jié)果

2.1 蘋果果實(shí)和脆片品質(zhì)指標(biāo)水平分析

34個(gè)品種蘋果果實(shí)樣本22項(xiàng)指標(biāo)測(cè)定值如表2所示，果實(shí)及脆片樣本品質(zhì)指標(biāo)均值、變幅、標(biāo)準(zhǔn)差、變異系數(shù)如表3所示。對(duì)于不同蘋果果實(shí)樣本，22項(xiàng)品質(zhì)指標(biāo)變異程度不同，變異范圍為2.85%—122.83%（絕對(duì)值）。其中密度、果形指數(shù)、果肉值、果肉值、pH和含水率5項(xiàng)指標(biāo)的變異系數(shù)均小于10%，說(shuō)明離散程度較?。黄溆?7項(xiàng)指標(biāo)變異系數(shù)均較大，說(shuō)明不同蘋果果實(shí)樣本品質(zhì)指標(biāo)差異較大，果皮值和果肉值兩項(xiàng)指標(biāo)變異系數(shù)分別高達(dá)100.12%和122.83%，數(shù)據(jù)離散程度大，各個(gè)樣本間指標(biāo)測(cè)定值差異大。不同果實(shí)樣本果皮值差異大與試驗(yàn)選用果皮顏色有接近全紅（如紅星）和全綠（如青蘋）的品種有關(guān)，果肉值差異大則與不同果實(shí)樣本褐變速率不同有關(guān)。

對(duì)于不同蘋果脆片樣本，17項(xiàng)品質(zhì)指標(biāo)變異范圍為7.03%—51.58%。其中，脆片值、值、可溶性固形物含量、可溶性糖含量和膨化度5項(xiàng)指標(biāo)的離散程度小，變異系數(shù)均小于10%；其余12項(xiàng)品質(zhì)指標(biāo)變異系數(shù)均較大，數(shù)據(jù)離散程度大，說(shuō)明采用壓差閃蒸制得的蘋果脆片品質(zhì)由于品種和產(chǎn)地不同存在較大差異。

2.2 蘋果脆片核心指標(biāo)的篩選

對(duì)脆片17項(xiàng)指標(biāo)進(jìn)行因子分析，結(jié)果見(jiàn)表4。由表4可知，前6個(gè)因子的特征值大于1，累計(jì)方差貢獻(xiàn)率為77.402%。因子1主要綜合了可滴定酸和糖酸比的信息，兩者表現(xiàn)出極顯著相關(guān)性（=-0.849），且可滴定酸的權(quán)重值更高，因此篩選可滴定酸作為因子1的代表性指標(biāo)。因子2主要綜合了值、脆度和總酚的信息，其中脆度與總酚含量顯著相關(guān)（=0.426），與值極顯著相關(guān)（=-0.472），且脆度是衡量蘋果脆片加工品質(zhì)的重要感官指標(biāo)，因此篩選脆度作為因子2的代表性指標(biāo)。因子4主要綜合了值、值的信息，值代表明暗程度，值代表紅綠程度，均體現(xiàn)脆片色澤品質(zhì)，并表現(xiàn)出極顯著相關(guān)性（=-0.865），此處篩選權(quán)重值較高的值作為因子4的代表性指標(biāo)。同時(shí)，因子3、因子5和因子6中膨化度、可溶性糖和粗蛋白的權(quán)重值明顯高于其他指標(biāo)，因此分別篩選膨化度、可溶性糖和粗蛋白作為因子3、因子5和因子6的代表性指標(biāo)。綜上，17項(xiàng)品質(zhì)指標(biāo)中篩選出可滴定酸、脆度、膨化度、值、可溶性糖和粗蛋白作為不同品種脆片品質(zhì)評(píng)價(jià)的核心指標(biāo)。

2.3 蘋果脆片綜合品質(zhì)評(píng)價(jià)模型的建立

根據(jù)篩選得到的6項(xiàng)核心指標(biāo)對(duì)脆片綜合品質(zhì)的重要程度，采用1—9標(biāo)度法建立Y—P判斷矩陣（表5），計(jì)算其一致性比率（consistency ratio，CR）為0.03，小于0.1，認(rèn)為判斷矩陣一致性可接受。對(duì)矩陣特征向量歸一化處理后得到脆片核心指標(biāo)值、脆度、膨化度、可滴定酸、可溶性糖和粗蛋白的權(quán)重分別為0.3724、0.2665、0.1583、0.0890、0.0569和0.0569，因此，蘋果脆片品質(zhì)綜合評(píng)價(jià)模型可表示為Y綜合得分=值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。

表2 34個(gè)品種蘋果果實(shí)22項(xiàng)指標(biāo)數(shù)據(jù)

1—34為蘋果品種編號(hào)，順序與表1相同；X1—X22為果實(shí)指標(biāo)編號(hào)。下同 1—34 is the apple variety number, the order is the same as table 1; X1-X22is the fruit index number. The same as below

表3 蘋果果實(shí)和脆片品質(zhì)指標(biāo)水平分析

表4 脆片指標(biāo)旋轉(zhuǎn)成分矩陣

PC1—PC6分別表示第 1 至第6個(gè)主因子 PC1-PC6 represent the first to the sixth main factors, respectively

表5 判斷矩陣Y—P

Y代表脆片綜合品質(zhì)，P代表脆片核心指標(biāo)，P1—P6 分別表示脆片的值、脆度、膨化度、可滴定酸、可溶性糖和粗蛋白

Y represents the comprehensive quality of chips and P represents the core indexes of chips. P1-P6 represent thevalue, crispness, puffing degree, titratable acid, soluble sugar and crude protein of chips，respectively

由于脆片核心指標(biāo)量綱不同，為消除量綱的影響，計(jì)算脆片品質(zhì)綜合得分時(shí)需對(duì)6項(xiàng)核心指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。其中脆度值越大脆片脆度越小，因此作為負(fù)向指標(biāo)（成本型指標(biāo)）；其余核心指標(biāo)值越大脆片品質(zhì)越好，因此均為正向指標(biāo)（效益型指標(biāo)）。各指標(biāo)計(jì)算公式如下:

其中Xij指第i個(gè)樣本第j個(gè)指標(biāo)的原始測(cè)定值。

根據(jù)構(gòu)建的蘋果脆片品質(zhì)綜合評(píng)價(jià)模型，計(jì)算34個(gè)蘋果脆片樣本品質(zhì)綜合得分，并對(duì)其進(jìn)行排名，結(jié)果見(jiàn)表6。由表6可知，34個(gè)蘋果脆片樣本綜合得分范圍為0.2069—0.7933，差異較大，品質(zhì)排名前3的蘋果品種為‘遼寧華紅’‘遼寧華金’和‘山東煙富6號(hào)’，品質(zhì)排名最后的為‘陜西秦冠’。

表6 脆片綜合品質(zhì)排序與得分

2.4 蘋果制干適宜性評(píng)價(jià)模型的構(gòu)建

對(duì)蘋果脆片核心指標(biāo)與蘋果果實(shí)品質(zhì)指標(biāo)進(jìn)行相關(guān)性分析，結(jié)果如表7所示。由表7可知，脆片值與果實(shí)可滴定酸含量和pH極顯著相關(guān)，與果肉值、果形指數(shù)和VC含量顯著相關(guān)；脆片脆度與果核比例和粗蛋白含量顯著相關(guān)；脆片膨化度與各項(xiàng)果實(shí)指標(biāo)無(wú)顯著相關(guān)性，可能與其變異系數(shù)小，各品種間測(cè)量值差異不大有關(guān)；脆片可滴定酸含量與果實(shí)果核比例和果肉值極顯著相關(guān)；脆片可溶性糖含量與果實(shí)密度極顯著相關(guān)，與果實(shí)可溶性固形物含量、粗纖維含量顯著相關(guān)；脆片粗蛋白含量與果實(shí)總糖含量顯著相關(guān)。綜上可以得到果形指數(shù)、果肉值、pH、可滴定酸含量、VC含量、果核比例、粗蛋白含量、果肉值、密度、可溶性固形物含量、粗纖維含量、總糖含量12項(xiàng)指標(biāo)可作為與蘋果脆片綜合品質(zhì)相關(guān)的果實(shí)特征指標(biāo)。

通過(guò)訓(xùn)練樣本建立映射關(guān)系用于預(yù)測(cè)研究是人工神經(jīng)網(wǎng)絡(luò)的重要用途之一[27]。34個(gè)蘋果樣本中篩選出29個(gè)樣本作為學(xué)習(xí)樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型構(gòu)建，剩余5個(gè)樣本作為預(yù)測(cè)樣本驗(yàn)證模型準(zhǔn)確性，其中BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型結(jié)構(gòu)如圖1所示。由圖1可知，該模型包含輸入層、隱含層和輸出層3層，其中模型輸入為蘋果果實(shí)果形指數(shù)、果肉值、pH等12項(xiàng)果實(shí)特征指標(biāo)值，因此有12個(gè)神經(jīng)元。模型輸出為蘋果果實(shí)對(duì)應(yīng)的脆片綜合得分，因此輸出層神經(jīng)元有1個(gè)。隱含層神經(jīng)元在BP神經(jīng)網(wǎng)絡(luò)中扮演特征檢驗(yàn)算子的角色，起到?jīng)Q定性作用，一般按經(jīng)驗(yàn)公式估算節(jié)點(diǎn)數(shù)[28]，本研究中模型最優(yōu)隱含層數(shù)由RapidMiner軟件自動(dòng)生成，層數(shù)為8個(gè)。其余各訓(xùn)練參數(shù)選擇如下：最大循環(huán)次數(shù)1 000，學(xué)習(xí)率0.3，動(dòng)量因子0.2，誤差值0.01。

本研究從34個(gè)蘋果樣本中隨機(jī)篩選29個(gè)樣本建立學(xué)習(xí)模型，剩余5個(gè)樣本進(jìn)行制干適宜性得分預(yù)測(cè)。為評(píng)價(jià)模型預(yù)測(cè)準(zhǔn)確性及建模方法穩(wěn)定性，變換29個(gè)學(xué)習(xí)樣本構(gòu)建了3個(gè)學(xué)習(xí)模型，其預(yù)測(cè)結(jié)果如表8所示。由表8可知，3個(gè)學(xué)習(xí)模型共15個(gè)驗(yàn)證樣本脆片預(yù)測(cè)得分與實(shí)際得分相對(duì)誤差均小于10%，最小相對(duì)誤差僅為0.62%，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果較好。將脆片實(shí)際得分與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得分進(jìn)行回歸分析，以脆片實(shí)際得分作為橫坐標(biāo)，模型預(yù)測(cè)值作為縱坐標(biāo)進(jìn)行線性擬合，3組預(yù)測(cè)結(jié)果的決定系數(shù)2分別為0.9536、0.9822、0.9676（圖2），預(yù)測(cè)值與實(shí)際值相符程度均較高，證明神經(jīng)網(wǎng)絡(luò)模型能夠較準(zhǔn)確、穩(wěn)定地評(píng)價(jià)蘋果原料是否適宜脆片加工。不同蘋果樣本構(gòu)建的學(xué)習(xí)模型預(yù)測(cè)效果存在較大差異，說(shuō)明用于建立學(xué)習(xí)模型的樣本數(shù)量仍較少，變換少量學(xué)習(xí)樣本對(duì)預(yù)測(cè)效果產(chǎn)生較大影響。同時(shí)，學(xué)習(xí)模型所需的樣本應(yīng)具有典型性與代表性，部分蘋果樣本與其他樣本差異較大也可能對(duì)預(yù)測(cè)效果產(chǎn)生較大影響。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

表7 原料指標(biāo)與脆片核心指標(biāo)相關(guān)性分析

表8 基于BP神經(jīng)網(wǎng)絡(luò)算法蘋果制干適宜性得分預(yù)測(cè)結(jié)果

圖2 蘋果制干適宜性模型穩(wěn)定性驗(yàn)證

3 討論

3.1 建模蘋果樣本篩選及樣本容量問(wèn)題

本研究展開之前課題組已對(duì)興城資源圃部分蘋果品種進(jìn)行指標(biāo)測(cè)定，并進(jìn)行脆片品質(zhì)評(píng)價(jià)，在此基礎(chǔ)上篩選出本研究所用試驗(yàn)原料。篩選原則為：一是屬于蘋果主產(chǎn)區(qū)代表性品種，二是品種間品質(zhì)差異大。選取主產(chǎn)區(qū)主栽蘋果品種有利于提高蘋果制干適宜性評(píng)價(jià)模型的適用性；篩選品質(zhì)差異大的品種則有利于定位影響脆片品質(zhì)的果實(shí)指標(biāo)，提高模型預(yù)測(cè)準(zhǔn)確性。從模型整體預(yù)測(cè)效果來(lái)看，各樣本預(yù)測(cè)偏差均在合理范圍內(nèi)，說(shuō)明本模型選取的建模樣本較為合理。從模型穩(wěn)定性及適用性方面考慮，本研究建模樣本的選取仍可進(jìn)一步優(yōu)化：首先可增加建模的總樣本量，提高樣本預(yù)測(cè)的容錯(cuò)率，從而減小變換學(xué)習(xí)樣本對(duì)預(yù)測(cè)效果產(chǎn)生的影響；其次可進(jìn)一步提高建模樣本的全面性，如增加主產(chǎn)區(qū)中、早熟樣本采集，提高建模樣本的適用性。模型建立應(yīng)盡量有足夠大的樣本容量，同時(shí)在建模樣本的選取上應(yīng)有針對(duì)性、代表性、廣泛性，當(dāng)模型預(yù)測(cè)準(zhǔn)確性高且穩(wěn)定時(shí)，可更好地應(yīng)用于多品種蘋果原料制干適宜性預(yù)測(cè)。

3.2 蘋果脆片品質(zhì)綜合評(píng)價(jià)模型構(gòu)建與果實(shí)特征指標(biāo)篩選問(wèn)題

為得到果實(shí)制干適宜性評(píng)分，即脆片品質(zhì)綜合評(píng)價(jià)得分，本研究采用采用層次分析法構(gòu)建了蘋果脆片綜合品質(zhì)評(píng)價(jià)模型。層次分析法不僅可以解決傳統(tǒng)最優(yōu)化評(píng)價(jià)方法無(wú)法量化綜合品質(zhì)的問(wèn)題，還可以改善客觀品質(zhì)指標(biāo)無(wú)法完全代表人體感官的不足。但層次分析法作為一種主觀賦權(quán)法，也存在一些缺點(diǎn)：指標(biāo)過(guò)多時(shí)易造成判斷混亂，定性成分多、主觀性強(qiáng)，對(duì)判斷矩陣的合理性考慮不足等[29]。為減小指標(biāo)過(guò)多對(duì)判斷的影響，本研究首先運(yùn)用因子分析對(duì)脆片17項(xiàng)品質(zhì)指標(biāo)進(jìn)行降維，篩選出值、脆度、膨化度、可滴定酸、可溶性糖和粗蛋白作為核心指標(biāo)，基本涵蓋了脆片色澤、質(zhì)構(gòu)和口味等品質(zhì)，可以比較全面地反映脆片綜合品質(zhì)。在核心指標(biāo)標(biāo)度問(wèn)題上，本研究?jī)H從消費(fèi)者角度出發(fā)按照脆片色澤、質(zhì)構(gòu)、口感、營(yíng)養(yǎng)由高到低重要程度對(duì)脆片核心指標(biāo)進(jìn)行重要性標(biāo)度，所得出的核心指標(biāo)權(quán)重值缺乏一定的說(shuō)服力。為降低模型的主觀性影響，在后續(xù)的研究中需要結(jié)合有關(guān)專家經(jīng)驗(yàn)進(jìn)行標(biāo)度，同時(shí)應(yīng)將多個(gè)專家的評(píng)價(jià)結(jié)果進(jìn)行綜合以使判斷矩陣更加合理。

明確與脆片綜合品質(zhì)相關(guān)的原料特征指標(biāo)是保證模型預(yù)測(cè)準(zhǔn)確率的基礎(chǔ)。蘋果果實(shí)感官、理化、加工等指標(biāo)眾多，全部用做評(píng)價(jià)指標(biāo)顯然不現(xiàn)實(shí)，需從中選取對(duì)脆片品質(zhì)起主要作用的特征指標(biāo)。在蘋果果實(shí)特征指標(biāo)的篩選上，本研究將6項(xiàng)脆片核心指標(biāo)與蘋果原料22項(xiàng)品質(zhì)指標(biāo)進(jìn)行相關(guān)性分析，篩選出果形指數(shù)、果肉值、pH、可滴定酸含量、VC含量、果核比例、蛋白質(zhì)、果肉值、密度、可溶性固形物含量、粗纖維含量、總糖含量共12個(gè)顯著相關(guān)的原料指標(biāo)，為避免信息遺漏影響預(yù)測(cè)結(jié)果準(zhǔn)確性，保留以上所有指標(biāo)作為與蘋果脆片綜合品質(zhì)相關(guān)的果實(shí)特征指標(biāo)。由預(yù)測(cè)結(jié)果來(lái)看，上述蘋果果實(shí)特征指標(biāo)可以較好地反映脆片綜合品質(zhì)。本研究目前所測(cè)定的果實(shí)指標(biāo)多為基礎(chǔ)指標(biāo)，后續(xù)試驗(yàn)可補(bǔ)充單體類物質(zhì)如糖單體、酚單體、酸單體、氨基酸，酶，果膠等特征指標(biāo)進(jìn)行模型關(guān)聯(lián)以提高準(zhǔn)確率，同時(shí)也可根據(jù)該模型更好地 定位脆片品質(zhì)形成相關(guān)的基礎(chǔ)物質(zhì)。

3.3 關(guān)于BP神經(jīng)網(wǎng)絡(luò)模型在蘋果制干適宜性評(píng)價(jià)中的應(yīng)用問(wèn)題

BP人工神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[30]，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。其模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層，運(yùn)算方式是一個(gè)權(quán)重參數(shù)不斷調(diào)整以達(dá)到期望值的過(guò)程。與灰色關(guān)聯(lián)、層次分析法、線性回歸等傳統(tǒng)適宜性評(píng)價(jià)方法相比，BP人工神經(jīng)網(wǎng)絡(luò)無(wú)需經(jīng)驗(yàn)公式與數(shù)學(xué)模型，在客觀定量地尋求變量間復(fù)雜的非線性對(duì)應(yīng)關(guān)系的同時(shí)有較高的準(zhǔn)確性。近年來(lái)，BP神經(jīng)網(wǎng)絡(luò)模型在食品工業(yè)領(lǐng)域的應(yīng)用日漸增多，包括識(shí)別、分類與分級(jí)、加工過(guò)程仿真與控制、單一指標(biāo)值預(yù)測(cè)等[31]，取得了較好的效果，但在食品品質(zhì)綜合評(píng)價(jià)特別是品質(zhì)綜合得分預(yù)測(cè)方面的研究較少，在加工適宜性評(píng)價(jià)應(yīng)用方面更是未見(jiàn)報(bào)道。從本研究模型的預(yù)測(cè)結(jié)果來(lái)看，綜合得分預(yù)測(cè)值與實(shí)際值相對(duì)誤差小，預(yù)測(cè)精度高，說(shuō)明輸入層與輸出層的選取較為合理，可較好地實(shí)現(xiàn)基于蘋果原料指標(biāo)預(yù)測(cè)干制品品質(zhì)。

本研究討論了一種基于BP人工神經(jīng)網(wǎng)絡(luò)算法的蘋果制干適宜性評(píng)價(jià)方法，取得了較好的效果，但仍有許多需要優(yōu)化與改進(jìn)的地方。從方法應(yīng)用方面考慮，在未來(lái)的工作中，一方面要提高模型預(yù)測(cè)準(zhǔn)確性與穩(wěn)定性，優(yōu)化該評(píng)價(jià)方法；另一方面可以與軟件結(jié)合，形成實(shí)用型蘋果制干適宜性預(yù)測(cè)工具。從理論層面考慮，通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型關(guān)聯(lián)原料與制品品質(zhì)，在提高預(yù)測(cè)準(zhǔn)確性的基礎(chǔ)上可以逐步鎖定影響脆片品質(zhì)的關(guān)鍵性原料指標(biāo)甚至關(guān)鍵性物質(zhì)，可為果蔬制品品質(zhì)形成的物質(zhì)基礎(chǔ)研究提供方法支持，但神經(jīng)網(wǎng)絡(luò)作為一種輸入、輸出的黑匣子無(wú)法以直觀的公式等形式表現(xiàn)處理過(guò)程，也是未來(lái)工作需要克服的難點(diǎn)。

4 結(jié)論

不同品種蘋果制干適宜性可由原料果形指數(shù)、果肉值、pH、可滴定酸含量、VC含量、果核比例、粗蛋白含量、果肉值、密度、可溶性固形物含量、粗纖維含量、總糖含量共12個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。本研究利用BP人工神經(jīng)網(wǎng)絡(luò)建立的蘋果果實(shí)制干適宜性評(píng)價(jià)模型預(yù)測(cè)準(zhǔn)確性高，可實(shí)現(xiàn)基于蘋果原料指標(biāo)定量預(yù)測(cè)脆片品質(zhì)。

[1] 中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù). [2018-3-24]. http://www.stats. gov.cn/

National Bureau of Statistics of the People’s Republic of China. [2018-3-24]. http://www.stats.gov.cn/

[2] 宋哲, 王宏, 里程輝, 于年文, 張秀美, 李宏建. 我國(guó)蘋果產(chǎn)業(yè)存在的主要問(wèn)題、發(fā)展趨勢(shì)及解決辦法. 江蘇農(nóng)業(yè)科學(xué), 2016, 44(9): 4-8. doi: 10.15889/j.issn.1002-1302.2016.09.002.

Song Z, Wang H, Li C H, Yu N W, Zhang X M, Li H J. The main problems, development trends and solutions of apple industry in China., 2016, 44(9): 4-8. doi: 10.15889 /j.issn.1002-1302.2016.09.002. (in Chinese)

[3] 焦藝, 劉璇, 畢金峰, 吳昕燁, 周沫, 曾目成. 蟠桃品種用于加工鮮榨汁的適宜性評(píng)價(jià). 食品科學(xué), 2015, 36(1): 41-45. doi: 10.7506/ spkx1002-6630-201501008.

Jiao Y, Liu X, Bi J F, Wu X Y, Zhou M, Zeng M C. Suitability evaluation of flat peach cultivars for fresh juice-processing., 2015, 36(1): 41-45. doi: 10.7506/spkx1002-6630-201501008. (in Chinese)

[4] 郭春苗, 周曉明, 張?chǎng)? 樊丁宇, 謝輝, 閏鵬, 盧春生. 不同葡萄品種加工綠葡萄干的適宜性分析. 食品科學(xué), 2012, 33(19): 62-66.

GUO C M, ZHOU X M, ZHANG W, FAN D Y, XIE H, RUN P, LU C S. Suitability analysis of different grape varieties for preparing green raisins., 2012, 33(19): 62-66. (in Chinese)

[5] 沈月, 高美須, 楊麗, 趙鑫, 陳雪, 王志東, 李淑榮, 王麗. 中國(guó)主栽青辣椒品種鮮切加工適宜性評(píng)價(jià). 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(s2): 359-368. doi: 10.11975/j.issn.1002-6819.2016.z2.051.

SHEN Y, GAO M X, YANG L, ZHAO X, CHEN X, WANG Z D, LI S R, WANG L. Suitability analysis of fresh-cut vegetable processing for twenty main green capsicum cultivars in China., 2016, 32(s2): 359-368. doi: 10.11975/j.issn.1002-6819.2016.z2.051. (in Chinese)

[6] AGCAM E, AKYILDIZ A. A study on the quality criteria of some mandarin varieties and their suitability for juice processing., 2014, 2014(12): 1-8. doi: 10.1155/2014/982721.

[7] LAMUREANU G, ALEXE C, VINTILA M. Suitability for processing as puree of some fruit varieties of peach group., 2014, 18(3): 51-57.

[8] FUJIWARA T, KUBO T. Suitability of unripe Japanese pear for semi-dried fruit processing., 2017, 64(11): 533-541. doi: 10.3136/nskkk.64.533.

[9] 聶繼云, 毋永龍, 李海飛, 王昆, 李靜, 李志霞, 徐國(guó)鋒. 蘋果品種用于加工鮮榨汁的適宜性評(píng)價(jià). 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(17): 271-278. doi: 10.3969/j.issn.1002-6819.2013.17.035.

NIE J Y, WU Y L, LI H F, WANG K, LI J, LI Z X, XU G F. Suitability evaluation of apple cultivars for fresh juice-processing., 2013, 29(17): 271-278. doi: 10.3969/j.issn.1002-6819.2013.17.035. (in Chinese)

[10] 張小燕, 趙鳳敏, 興麗, 劉威, 楊延辰, 楊炳南. 不同馬鈴薯品種用于加工油炸薯片的適宜性. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(8): 276-283. doi: 10.3969/j.issn.1002-6819.2013.08.033.

ZHANG X Y, ZHAO F M, XING L, LIU W, YANG Y C, YANG B N. Suitability evaluation of potato varieties used for chips processing., 2013, 29(8): 276-283. doi: 10.3969/j.issn.1002-6819.2013.08.033. (in Chinese)

[11] ONSEKIZOGLU P, BAHCECI K S, ACAR M J. Clarification and the concentration of apple juice using membrane processes: A comparative quality assessment., 2010, 352(1/2): 160-165. doi: 10.1016/j.memsci.2010.02.004.

[12] YI J Y, ZHOU L Y, BI J F, WANG P, LIU X, Wu X Y. Influence of number of puffing times on physicochemical, color, texture, and microstructure of explosion puffing dried apple chips., 2015, 34(7): 773-782. doi:10.1080/07373937.2015. 1076838.

[13] 龔玲娣, 徐清渠. GB/T 12456-2008食品中總酸的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2008.

GONG L D, XU Q Q. GB/T 12456-2008 Determination of total acid in foods [S]. Beijing: Standards Press of China, 2008. (in Chinese)

[14] 聶繼云, 李靜, 徐國(guó)鋒, 李海飛, 毋永龍, 李志霞, 閆震, 匡立學(xué). NY/T 2637-2014水果和蔬菜可溶性固形物含量的測(cè)定折射儀法[S]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2014.

NIE J Y, LI J, XU G F, LI H F, WU Y L, LI Z X, YAN Z, KUANG L X. NY/T 2637-2014 Refractmetric method for determination of total soluble solids in fruits and vegetables [S]. Beijing: China Agriculture Press, 2014. (in Chinese)

[15] GB 5009.3-2016食品中水分的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2016.

GB 5009.3-2016 Determination of moisture in foods [S]. Beijing: Standards Press of China, 2016. (in Chinese)

[16] 衛(wèi)生部食品衛(wèi)生監(jiān)督檢驗(yàn)所. GB /T 5009.10-2003植物類食品中粗纖維的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2003.

Ministry of Health Food Hygiene Supervision and Inspection Institute. GB /T 5009.10-2003 Determination of crude fiber in vegetable foods [S]. Beijing: Standards Press of China, 2013. (in Chinese)

[17] GB 5009.5-2016食品中蛋白質(zhì)的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2016.

GB 5009.5-2016 Determination of protein in foods[S]. Beijing: Standards Press of China, 2016. (in Chinese)

[18] GB 5009.86-2016食品安全國(guó)家標(biāo)準(zhǔn)食品中抗壞血酸的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2016.

GB 5009.86-2016 Determination of Ascorbic Acid in Foods [S]. Beijing: Standards Press of China, 2016. (in Chinese)

[19] SU H K, CHOI Y J, LEE H, LEE S H, AHN J B, NOH B S, MIN S H. Physicochemical properties of jujube powder from air, vacuum, and freeze drying and their correlations., 2012, 55(2): 271-279. doi: 10.1007/s13765-012-1039-3.

[20] ABID M, JABBAR S, WU T, HASHIM M M, HU B, LEI S C, ZHANG X, ZENG X X. Effect of ultrasound on different quality parameters of apple juice., 2013, 20(5): 1182-1187. doi: 10.1016/j.ultsonch.2013.02.010.

[21] 方金豹, 龐榮麗, 何為華, 李君, 吳斯洋, 郭琳琳, 俞宏. NY／T 2016-2011水果及其制品中果膠含量的測(cè)定—分光光度法[S]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2011.

FANG J B, PANG R L, HE W H, Li J, WU S Y, GUO L L, YU H. NY/T 2016-2011 Determination of pectin content in fruits and derived products—Spectrophotometry method [S]. Beijing: China Agriculture Press, 2011. (in Chinese)

[22] 聶繼云, 李志霞, 匡立學(xué), 李靜, 李海飛, 徐國(guó)鋒, 閆震. NY／T 2742-2015 水果及制品可溶性糖的測(cè)定—3,5-二硝基水楊酸比色法. 北京: 中國(guó)農(nóng)業(yè)出版社, 2015.

NIE J Y, LI Z X, KUANG L X, LI J, LI H F, XU G F, YAN Z. NY/T 2742-2015 Determination of soluble sugars in fruits and derived products- 3,5-dinitrosalicylic acid colorimetry. Beijing: China Agriculture Press, 2015. (in Chinese)

[23] 龍映均, 劉四新, 余敏華, 陳桃, 李從發(fā)．椰纖果熱風(fēng)干燥工藝優(yōu)化研究．食品與機(jī)械, 2011, 27(4): 146-148, 162. doi: 10.3969/j.issn. 1003-5788.2011.04.043.

LONG Y J, LIU S X, YU M H, CHEN T, LI C F. Optimization of the hot-air drying processing condition of nata., 2011, 27(4): 146-148,162. doi: 10.3969/j.issn.1003- 5788.2011.04.043. (in Chinese)

[24] 王沛, 畢金峰, 白沙沙, 公麗艷, 王軒. 不同原料品種的蘋果脆片品質(zhì)評(píng)價(jià)及其相關(guān)性分析. 食品與機(jī)械, 2012, 28(2): 9-10. doi: 10.3969/j.issn.1003-5788.2012.02.003.

WANG P, BI J F, BAI S S, GONG L Y, WANG X. Determination of quality evaluation and correlation analysis of varieties apple chips., 2012, 28(2): 9-10. doi:10.3969/j.issn.1003-5788.2012.02.003. (in Chinese)

[25] 畢金峰, 王雪媛, 周林燕, 吳昕燁, 高琨, 呂健, 彭健. 脈動(dòng)壓差閃蒸處理對(duì)蘋果片水分散失特性及品質(zhì)影響．農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(2): 376-382. doi: 10.11975/j.issn.1002-6819.2016.z2.053.

BI J F, WANG X Y, ZHOU L Y, WU X Y, GAO K, LV J, PENG J. Effect of instant controlled pressure drop drying on water loss and quality in apple slices., 2016, 32(2): 376-382. doi: 10.11975/j.issn.1002-6819. 2016.z2.053. (in Chinese)

[26] 孫修東, 李宗斌, 陳富民. 基于人工神經(jīng)網(wǎng)絡(luò)的多指標(biāo)綜合評(píng)價(jià)方法研究. 鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版), 2003, 18(2): 11-14. doi:10.3969/j.issn.1004-1478.2003.02.003.

SUN X D, LI Z B, CHEN F M. Research on multiple attribute synthetical evaluation methods based on artificial neural network., 2003, 18(2): 11-14. doi: 10.3969/j.issn.1004-1478.2003.02. 003. (in Chinese)

[27] 劉俊威, 呂惠進(jìn). 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)預(yù)測(cè)中的應(yīng)用研究. 長(zhǎng)江科學(xué)院院報(bào), 2012, 29(9): 95-97. doi: 10.3969/j.issn.1001-5485.2012.09. 022.

LIU J W, LV H J. Artificial Neural Network applied in water quality prediction., 2012, 29(9): 95-97. doi: 10.3969/j.issn.1001-5485.2012.09.022. (in Chinese)

[28] 潘玉成, 葉乃興, 潘玉華, 趙仕宇. 人工神經(jīng)網(wǎng)絡(luò)在坦洋工夫紅茶感官品質(zhì)評(píng)定中的應(yīng)用研究. 茶葉科學(xué), 2015(5): 465-472. doi: 10.3969/j.issn.1000-369X.2015.05.013.

PAN Y C, YE N X, PAN Y H, ZHAO S Y. Application research of Artificial Neural Network in sensory quality evaluation of TanYang GongFu black tea., 2015(5): 465-472. doi: 10.3969/j.issn.1000-369X.2015.05.013. (in Chinese)

[29] 吳殿廷, 李東方. 層次分析法的不足及其改進(jìn)的途徑. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2004, 40(2): 264-268. doi: 10.3321/j.issn: 0476-0301.2004.02.025.

WU D T, LI D F. Shortcomings of Analytical hierarchy process and the pain to Improve the method., 2004, 40(2): 264-268. doi: 10.3321/j.issn: 0476-0301.2004.02.025. (in Chinese)

[30] XIA M, FANG J, TANG Y, WANG Z. Dynamic depression control of chaotic neural networks for associative memory., 2010, 73(4/6): 776-783. doi: 10.1016/j.neucom.2009.10.015.

[31] FUNES E, ALLOUCHE Y, BELTRAN G, JIMENEZ A. A Review: Artificial Neural Networks as tool for control food industry process., 2015, 5(1): 28.

Suitability Evaluation of Apple for Chips-processing Based on BP Artificial Neural Network

ZHANG Biao, LIU Xuan, BI JinFeng, WU XinYe, JIN Xin, LI Xuan, LI Xiao

(Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences/Key Laboratory of Agro-Products Processing, Ministry of Agriculture and Rural Affairs, Beijing 100193)

【Objective】The aim of the paper was to establish suitability evaluation model for apple chips-processing from different cultivars and to achieve the quality prediction of apple chips based on raw material indicators.【Method】34 fresh apple samples of 21 apple varieties from 7 major growing regions were selected as research objects. Factor analysis (FA) and analytic hierarchy process (AHP) were used to establish comprehensive quality evaluation model for chips, and Error Back Propagation (BP) artificial neural network was used to establish chips-processing suitability evaluation model for apple fruits. (1) Chips were prepared by instant controlled pressure drop (DIC, French for détente instantannée controlee, also known as explosion puffing) and 17 indicators were measured. The core indexes of chips were selected by FA and correlation analysis. The weights of the core indexes were determined by AHP, and then the comprehensive quality evaluation scores of chips were calculated. (2) 22 indicators of 34 fruit samples with different cultivars and regions were measured. Then the characteristic indicators of apple fruits related to chip qualities were screened out by correlation analysis between data groups of apple fruit indicators and chip core indexes. Learning model with input of fruit characteristic indicators and output of chip comprehensive evaluation scores was established by database of 29 apple samples. 5 apple samples were chosen as test samples to verify the prediction accuracy of the learning model. Modified leaning models from different sample groups were compared by prediction accuracy, which could be the evidence to evaluate rationality and stability for application of BP neural network in the present research.【Result】The results showed thatvalue, brittleness, puffing degree, titratable acid, soluble sugar and crude protein of apple chip were determined as the core indexes which the weights were 0.3724, 0.2665, 0.1583, 0.0890, 0.0569 and 0.0569, respectively. The comprehensive quality scores of chips from 34 apple samples ranged from 0.2069 to 0.7933, indicating significant variation. The top 3 apple samples with high scores were Liaoning Huahong, Liaoning Huajin and Shandong Yanfu 6, and the final ranking for Shanxi Qinguan. Correlation analysis was performed between core indexes of chips and quality indicators of apple raw materials to achieve characteristic indicators of apple fruits, including the fruit shape index,value (pulp), pH value, titratable acid content, Vc content, proportion of core, protein content,value (pulp), density, soluble solids content, crude fiber content and total sugar content. Therefore, learning models were established with input layer of the characteristic indicators value of fruit and output layer of the comprehensive quality score of apple chip, which could predict the comprehensive quality of apple chips from indicators of raw materials. Moreover, the model showed high prediction accuracy. The relative errors between the predicted and actual values of the three learning models groups did not exceed 10%, and the coefficients of determination2of linear fitting were higher than 0.95.【Conclusion】Suitability evaluation of apple fruit for chips-processing could be evaluated by fruit shape index,value (pulp), pH value, titratable acid content, Vc content, proportion of core, protein content,value (pulp), density, soluble solids content, crude fiber content and total sugar content. The established model could be used to quantitatively predict apple fruit suitability for chips-processing based on the indicators of raw fruits.

apple; chips; dehydration; suitability evaluation; BP neural network

10.3864/j.issn.0578-1752.2019.01.012

2018-05-29；

2018-09-18

“十三五”國(guó)家重點(diǎn)研發(fā)計(jì)劃（2016YFD0400201-4）

張彪，E-mail：15829685595@163.com。通信作者劉璇，E-mail：liuxuancaas@126.com

（責(zé)任編輯 趙伶俐）