一种主成分-模糊评价结合的杂柑品质评价方法及系统
本技术涉及农产品品质评价,尤其涉及一种主成分-模糊评价结合的杂柑品质评价方法及系统。
背景技术:
1、杂柑类水果因其风味独特、营养丰富,在市场上具有较高的经济价值。其品质评价通常依赖于传统的理化指标检测和感官评价方法。当前技术中,常见的评价方法包括:
2、主成分分析法(principal component analysis,pca):通过降维提取核心指标,构建客观、科学的评价体系,但需测量大量指标,成本高、耗时长;
3、模糊评价法:基于专家或消费者感官评分,快速简便,但主观性强,缺乏数据支撑,难以系统化、标准化;
4、层次分析法(analytic hierarchy process,ahp):结合九级标度法确定权重,结构清晰,但仍需依赖专家主观判断,且未充分考虑指标间的信息重复问题。
5、上述方法存在以下缺陷:纯pca方法指标繁多、测量成本高;纯模糊评价法或ahp法主观性过强,缺乏客观数据支持;目前方法未能有效结合客观数据与主观感受,难以构建既科学又实用的综合评价体系;且针对不同品种柑橘,缺乏一套可复用、可扩展的核心指标库与评价框架。
技术实现思路
1、本技术的目的在于提供一种主成分-模糊评价结合的杂柑品质评价方法及系统,解决当前技术中评价指标冗余、主客观结合不足、评价体系缺乏系统性与可扩展性的问题。
2、为实现上述目的,本技术提供了一种主成分-模糊评价结合的杂柑品质评价方法,包括以下步骤:
3、采集杂柑的外观品质指标、感官品质指标、营养品质指标和食用品质指标;所述外观品质指标和感官品质指标中包含模糊评价指标和客观测量指标;所述营养品质指标和食用品质指标均为客观测量指标;
4、对模糊评价指标进行打分,将打分结果作为模糊评价指标的测量值;
5、对模糊评价指标的测量值和客观测量指标分别进行标准化处理,并采用主成分分析法分别提取每类品质指标的核心指标;
6、分别确定每类品质指标中各核心指标的权重;
7、外观品质指标和感官品质指标的核心指标采用模糊评价矩阵法,营养品质指标和食用品质指标的核心指标采用数值向量法,分别计算每类品质指标的单项评分;
8、确定外观品质指标、感官品质指标、营养品质指标和食用品质指标之间的权重,将每类品质指标的单项评分加权整合,得到杂柑品质的最终综合评分。
9、优选地,所述外观品质指标包括:果重、横径、纵径、果型指数、颜色参数、色泽、饱满度、光滑度和果实形态;所述颜色参数包括:l值、a值和b值;所述色泽、饱满度、光滑度和果实形态为模糊评价指标;
10、所述感官品质指标包括:硬度、咀嚼性、胶黏性、粘附性、内聚性、弹性、香气、化渣性、口感、果肉质地、风味协调性、余味、汁水、酸甜度、软硬程度和果皮易剥度;所述香气、化渣性、口感、果肉质地、风味协调性、余味、汁水、酸甜度、软硬程度和果皮易剥度为模糊评价指标;
11、所述营养品质指标包括:维生素c含量、果皮总酚含量、果肉总酚含量、果皮类黄酮含量、果肉类黄酮含量、果皮类胡萝卜素含量和果肉类胡萝卜素含量;
12、所述食用品质指标包括可食率、出汁率、总糖含量、可滴定酸含量、可溶性固形物含量、糖酸比、甜酸比、甜度值和固酸比。
13、优选地,对模糊评价指标进行打分,得到模糊评价得分的具体内容包括:
14、构建包含优、良、中、差四个等级的评语集,且对应分数分别为4、3、2、1;
15、对色泽、饱满度、光滑度、果实形态、香气、化渣性、口感、果肉质地、风味协调性、余味、汁水、酸甜度、软硬程度和果皮易剥度分别进行投票,统计每个模糊指标在各等级上的得票数,形成票数集;
16、根据票数集,计算各模糊指标的加权得分。
17、优选地,所述标准化处理采用z-score法;所述主成分分析法包括:构建协方差矩阵,进行特征值分解,筛选特征值大于1的主成分因子,按方差贡献率从高到低排序,提取累积贡献率达到85%以上的前若干个因子作为核心指标。
18、优选地,所述每类品质指标的核心指标的数量为4个。
19、优选地,所述各核心指标的权重采用问卷调查的方式,通过收集消费者对各核心指标的偏好,整理各核心指标的权重。
20、优选地,外观品质指标和感官品质指标的核心指标采用模糊评价矩阵法,营养品质指标和食用品质指标的核心指标采用数值向量法,分别计算每类品质指标的单项评分的具体内容包括:
21、将票数集归一化,构建模糊评价矩阵;
22、将外观品质指标和感官品质指标的核心指标的权重与模糊评价矩阵相乘,得到综合评价向量;
23、采用加权平均原则,根据综合评价向量,计算外观品质指标和感官品质指标的单项评分;
24、将营养品质指标和食用品质指标的核心指标的测量数据进行标准化处理,构建数值向量;
25、将营养品质指标和食用品质指标的核心指标的权重与数值向量的转置相乘,得到营养品质指标和食用品质指标的单项评分。
26、优选地,所述外观品质指标、感官品质指标、营养品质指标和食用品质指标之间的权重通过层次分析法确定,具体包括:
27、邀请专家采用九级标度法对外观品质指标、感官品质指标、营养品质指标和食用品质指标的重要性进行两两比较,构造判断矩阵,计算判断矩阵的权重向量,并计算一致性比率;
28、当一致性比率小于0.1时,判断矩阵具有满意的一致性,权重分配有效;当一致性比率大于等于0.1时,需请专家重新进行比较并修正判断矩阵。
29、优选地,所述杂柑的品种包括春见、晴姬、阳光1号、明日见、媛红椪柑、媛小春、爱媛46、华美7号、爱媛43、春香、大雅柑和黄美人。
30、本技术还提供了一种主成分-模糊评价结合的杂柑品质评价系统,用于实现上述的主成分-模糊评价结合的杂柑品质评价方法,包括:
31、数据采集模块,用于采集杂柑的外观品质指标、感官品质指标、营养品质指标和食用品质指标;所述外观品质指标和感官品质指标中包含模糊评价指标;
32、模糊评价模块,用于对模糊评价指标进行打分,得到模糊评价得分;
33、指标提取模块,用于对外观品质指标、感官品质指标、营养品质指标和食用品质指标分别进行标准化处理,并采用主成分分析法分别提取每类品质指标的核心指标;
34、核心权重模块,用于分别确定每类品质指标中各核心指标的权重;
35、单项评分模块,用于外观品质指标和感官品质指标的核心指标采用模糊评价矩阵法,营养品质指标和食用品质指标的核心指标采用数值向量法,分别计算每类品质指标的单项评分;
36、品质计算模块,用于确定外观品质指标、感官品质指标、营养品质指标和食用品质指标之间的权重,将每类品质指标的单项评分加权整合,得到杂柑品质的最终综合评分。
37、综上所述,本技术提供的一种主成分-模糊评价结合的杂柑品质评价方法及系统,相比传统技术,有益效果如下:
38、(1)本技术将品质指标划分为外观、感官、营养、食用四大类,并分别进行主成分分析提取核心指标,而非笼统地对所有指标统一降维,可强调其在指标筛选上的合理性和针对性,通过主成分分析法筛选核心指标,避免了冗余测量,降低了后续评价成本;
39、(2)本技术将模糊评价指标的打分结果与客观测量值经同一标准化处理后,统一纳入主成分分析框架,使主观感受与客观数据在同一体系下计算权重,实现了真正意义上的主客观深度协同,权重分配更加科学;
40、(3)本技术采用模糊评价矩阵法计算外观和感官类单项评分,用数值向量法计算营养和食用类单项评分,两者结合,并通过层次分析法确定类别间权重,避免了单一方法的局限性,这种协同机制提高了评价结果的稳定性和可信度,尤其在处理模糊性较强的感官指标时更具优势,既保留了理化指标的客观性,又通过模糊评价法捕捉感官、风味等难以量化的品质特征,实现了主客观结合;
41、(4)本技术分层评价结构清晰,适用于不同品种、不同用途的柑橘品质评价;既减少了测量负担,又保留了评价的全面性与准确性,适用于快速品质筛查与品种选育。
42、下面通过附图和实施例,对本技术的技术方案做进一步的详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com