摘要
本发明涉及一种花色苷含量和剩余货架期的预测方法,包括以下步骤:步骤1、对葡萄样本进行采后处理,并采集生理生化指标数据,构建数据集;步骤2、基于步骤1所采集的生理生化指标数据,确定葡萄剩余货架期;步骤3、以步骤1中的生理生化指标数据和采后处理条件为输入,以花色苷含量为输出,构建基于XGBoost的花色苷含量预测模型,并获得预测结果;步骤4、以步骤1中获得的生理生化指标数据和采后处理条件为输入,以步骤2中的剩余货架期为输出,构建基于ANN的剩余货架期预测模型,并获得预测结果。本发明解决了传统方法因数据局限性导致的预测偏差问题,能够减小噪声,为品质控制提供高精度决策支持。
技术关键词
花色苷含量
生理生化指标
剩余货架期
巨峰葡萄
可溶性固形物含量
色氨酸
数据
矩阵
货架期终点
皮尔逊相关系数
神经网络架构
预测输出值
层次分析法
训练集
特征值
样本
系统为您推荐了相关专利信息
货架期预测方法
BP神经网络预测
变量
标志物
保持良好品质
三文鱼货架期
剩余货架期
机器学习算法
支持向量机
校正
卷积神经网络模型
偏最小二乘回归模型
可溶性固形物含量
超分辨率重构
葡萄
生理生化指标
BP神经网络模型
患者
高密度脂蛋白胆固醇
低密度脂蛋白胆固醇