基于氣體傳感信息的藍(lán)莓貯藏貨架期預(yù)測方法

傅澤田 高乾鐘 李新武 張 旭 張小栓

(1.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083; 2.中國農(nóng)業(yè)大學(xué)食品質(zhì)量與安全北京實驗室， 北京 100083; 3.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083)

0 引言

藍(lán)莓的采摘季節(jié)處在高溫期，貯藏和物流過程中生理代謝快、硬度易下降[1-3]。獲取貯藏中藍(lán)莓的貨架期信息，并計算出藍(lán)莓最佳的處理時間，可以有效保證藍(lán)莓的營養(yǎng)價值和提高其經(jīng)濟價值。

目前針對藍(lán)莓貨架期的研究中，學(xué)者將藍(lán)莓的化學(xué)指標(biāo)(如花青素等)、理化指標(biāo)(如硬度等)作為主要參數(shù)[4-6]來探究不同包裝方式[2-3]、環(huán)境溫度[7]或不同前處理方式[8-9]對藍(lán)莓品質(zhì)變化的影響，并利用動力學(xué)模型[7,10-11]、溫度模型[4]或統(tǒng)計學(xué)模型[6-9]進行貨架期預(yù)測。但是未從藍(lán)莓貯藏微環(huán)境中氣體含量變化的角度進行貨架期信息的獲取與品質(zhì)預(yù)測，而貯藏中的微環(huán)境不僅影響果蔬的品質(zhì)變化，而且果蔬的品質(zhì)變化也在微環(huán)境中有所體現(xiàn)[12]。例如果蔬的呼吸作用與其生理生化變化過程有直接或間接的聯(lián)系[13]。謝晶等[14]、曹冬潔等[15]以呼吸速率為特征建立了關(guān)于菇類的酶抑制動力學(xué)方程，說明果蔬品質(zhì)劣變也可以由呼吸作用引起的氣體含量變化來體現(xiàn)；而胡花麗等[16]也從CO2(二氧化碳)、C2H4(乙烯)的含量角度說明了氣體對果蔬貨架期的影響，但未從氣體角度建立貨架期預(yù)測模型。

由藍(lán)莓貯藏微環(huán)境中的氣體來預(yù)測貨架期的方法是對貨架期預(yù)測方法的一種有益探索。通過氣體獲取貨架期信息需要同時采集多種氣體信息并進行并行處理[17-18]，目前常見的多參量數(shù)據(jù)處理方法有統(tǒng)計學(xué)方法、支持向量機[19]、遺傳算法[20-21]、人工BP神經(jīng)網(wǎng)絡(luò)[22-24]等方法。其中，人工BP神經(jīng)網(wǎng)絡(luò)因其獨特優(yōu)勢而在氣體陣列的數(shù)據(jù)處理方面運用較多[25-27]。其通過模擬人腦的處理過程，將輸入的多維信息進行綜合分析，有效避免不精確篩選導(dǎo)致的模型預(yù)測精度降低的問題，且模型的實現(xiàn)難度低、易搭建。

鑒于以上分析，本文針對不同溫度下貯藏的藍(lán)莓提出基于氣體傳感信息的貨架期預(yù)測方法。通過選擇并采集與藍(lán)莓品質(zhì)劣變過程相關(guān)的氣體變化信息，獲取5種傳統(tǒng)理化指標(biāo)作為品質(zhì)的指示指標(biāo)，通過相關(guān)性分析證明藍(lán)莓貯藏微環(huán)境中的氣體與其品質(zhì)變化具有明顯的相關(guān)性，利用BP神經(jīng)網(wǎng)絡(luò)從多參量氣體角度針對不同溫度建立藍(lán)莓貨架期預(yù)測模型。

1 藍(lán)莓貨架期預(yù)測模型的構(gòu)建

果蔬貨架期信息是指果蔬在不同的環(huán)境中品質(zhì)劣變的時間。通過貨架期預(yù)測模型得到果蔬在特定環(huán)境下的貯藏時間，從而對果蔬及時地銷售，避免果蔬的腐敗[28-30]。通過對藍(lán)莓貯藏過程中理化指標(biāo)和氣體含量的監(jiān)測，建立藍(lán)莓的貨架期預(yù)測模型，進而實現(xiàn)對藍(lán)莓品質(zhì)變化的感知。

1.1 模型參數(shù)選取

呼吸作用是果蔬貯藏過程最主要的生理活動[13-15]。貯藏中溫度控制或氣調(diào)控制方法的基本原理就是通過調(diào)節(jié)不同溫度或者氣體含量來實現(xiàn)對果蔬呼吸作用的影響[31]，從而控制果蔬品質(zhì)劣變的速度。因此可使用與藍(lán)莓呼吸作用相關(guān)的氣體來作為建立藍(lán)莓貨架期預(yù)測模型的參數(shù)。

O2和CO2作為果蔬呼吸速率表征的主要氣體，可以反映藍(lán)莓在貯藏過程中呼吸速率的變化。果蔬中常用來反映呼吸速率的方程為

(1)

其表現(xiàn)了O2與CO2之間的轉(zhuǎn)換關(guān)系[15]。利用O2和CO2含量變化與品質(zhì)變化建立的耦合模型，可以進行藍(lán)莓貨架期的反映。

同時，藍(lán)莓的呼吸作用過程會產(chǎn)生乙烯。乙烯含量的變化在一定程度上反映了藍(lán)莓呼吸速率強弱，同時乙烯能影響藍(lán)莓的衰老、腐敗過程，進而間接地影響呼吸作用[16]。所以乙烯是獲取藍(lán)莓品質(zhì)劣變情況的一個重要氣體參數(shù)。

綜上所述，從氣體角度建立的藍(lán)莓貨架期預(yù)測模型所選擇的參數(shù)是：與呼吸作用密切相關(guān)的O2、CO2和C2H4含量。

1.2 模型參數(shù)數(shù)據(jù)獲取方法

圖1 藍(lán)莓貨架期預(yù)測模型構(gòu)建流程 Fig.1 Construction process of blueberry shelf life prediction model

如圖1所示，藍(lán)莓貨架期預(yù)測模型的建立過程為：首先獲取氣體參數(shù)信息，然后利用硬件處理設(shè)備進行傳感信號的處理并進行傳輸，最后建立貨架期預(yù)測模型。其中，模型參數(shù)信息的獲取包括氣體信息采集和信號處理兩部分。在信息采集部分，利用氧氣、二氧化碳和乙烯傳感器實現(xiàn)，使用的氣體傳感器信息如表1所示，傳感器利用電化學(xué)原理，具有體積小、占用空間小、攜帶方便、性價比高等優(yōu)點，可以滿足對氣體響應(yīng)的需要，并對貯藏環(huán)境有很好的適應(yīng)性；傳感器的供電電壓都為3.3 V，可以滿足長時間連續(xù)監(jiān)測的需求。在信號處理部分，硬件設(shè)計需滿足數(shù)據(jù)預(yù)處理、數(shù)據(jù)儲存和遠(yuǎn)端發(fā)送的功能。利用CC2530片上系統(tǒng)對信號儲存發(fā)送，傳感器節(jié)點采集的時間間隔設(shè)置為10 min，CC2530通信模塊每1 h發(fā)送一次數(shù)據(jù)。采用3.7 V、30 A·h的鋰電池對實驗的硬件電路進行供電。

表1 氣體傳感器信息 Tab.1 Gas sensor information

1.3 藍(lán)莓貨架期預(yù)測模型構(gòu)建方法

1.3.1貨架期預(yù)測模型算法選取

為實現(xiàn)對藍(lán)莓貨架期的有效預(yù)測，從模型參數(shù)的數(shù)據(jù)特點和模型自身特點兩方面來選取合適的模型。在模型參數(shù)方面，本文利用氣體傳感器對與藍(lán)莓呼吸作用密切相關(guān)的3種氣體含量變化信息進行獲取。在模型特點方面，需要一種能對豐富的數(shù)據(jù)量進行充分利用，并挖掘出多種參數(shù)之間的內(nèi)在相關(guān)性，實現(xiàn)高精度預(yù)測的模型。

BP神經(jīng)網(wǎng)絡(luò)可以滿足上述需要。其通過模擬人腦的處理過程，能夠有效對多參數(shù)進行處理，且善于處理豐富的數(shù)據(jù)量，因此在電子鼻系統(tǒng)和氣體陣列的數(shù)據(jù)處理中運用較多。不僅其單獨使用有良好的預(yù)測效果，而且可與其他方法進行結(jié)合來優(yōu)化預(yù)測結(jié)果，具有較好的模型拓展性[25-27]。針對藍(lán)莓的貨架期預(yù)測，傳感器采集的數(shù)據(jù)量可以滿足BP神經(jīng)網(wǎng)絡(luò)進行模型訓(xùn)練的數(shù)據(jù)量要求，而BP神經(jīng)網(wǎng)絡(luò)具有對多個因素進行綜合分析的能力，能充分挖掘所監(jiān)測氣體與貨架期之間的相關(guān)性，提高藍(lán)莓貨架期的預(yù)測效果。綜上分析，本文使用BP神經(jīng)網(wǎng)絡(luò)建立藍(lán)莓貨架期預(yù)測模型。

1.3.2BP神經(jīng)網(wǎng)絡(luò)模型建立步驟

利用獲取的藍(lán)莓微環(huán)境內(nèi)3種氣體含量變化數(shù)據(jù)，通過BP神經(jīng)網(wǎng)絡(luò)來建立貨架期預(yù)測模型。BP神經(jīng)網(wǎng)絡(luò)建立流程如下[22-24]：

(1) 構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)通常由輸入層、隱含層、輸出層構(gòu)成，隱含層的層數(shù)對神經(jīng)網(wǎng)絡(luò)的精度影響較大。通常3層結(jié)構(gòu)就能滿足n維到m維的映射需求。

(2) 確定輸入層、輸出層和隱含層的節(jié)點數(shù)。根據(jù)藍(lán)莓品質(zhì)感知需求，輸入層為3種氣體含量，輸出層為貨架期。數(shù)據(jù)進行歸一化處理為0～1之間的數(shù)，排除數(shù)據(jù)帶來的誤差。基本結(jié)構(gòu)如圖2所示。歸一化公式為

圖2 藍(lán)莓BP預(yù)測模型結(jié)構(gòu)圖 Fig.2 Structure diagram of blueberry BP prediction model

(2)

式中X——歸一化數(shù)據(jù)

x——原始?xì)怏w含量數(shù)據(jù)

xmax——數(shù)據(jù)中最大值

xmin——數(shù)據(jù)中最小值

隱含層節(jié)點數(shù)的確定方法為

n=(n1+n0)1/2+a

(3)

式中n0——輸入節(jié)點數(shù)

n1——輸出節(jié)點數(shù)

a——1～10之間的常數(shù)

n——隱含層節(jié)點數(shù)

(3) 選擇網(wǎng)絡(luò)函數(shù)進行訓(xùn)練。常用函數(shù)如表2所示。

表2 BP神經(jīng)網(wǎng)絡(luò)常用函數(shù) Tab.2 BP neural network function

2 藍(lán)莓貯藏實驗

2.1 實驗方案

從北京某藍(lán)莓種植基地采摘新鮮藍(lán)莓，去除過熟和已經(jīng)開始腐敗的藍(lán)莓，選擇出果粒大小一致、表面無病斑傷痕成熟度90%以上的藍(lán)莓果實，總共約3 600 g作為實驗樣本。將其均分為A、B兩組，A組用于氣體監(jiān)測，B組用于理化指標(biāo)測定。將A組再次均分為3組，每組600 g，然后分別放入一個18.2 cm×18.2 cm×10.8 cm的容器中，用厚度為0.02 mm的PE保鮮膜進行密封；之后分別將其與氧氣、二氧化碳、乙烯傳感器一起放入0、5、22℃的恒溫箱中(溫度按不同貯藏需求進行設(shè)置)，控制濕度在90%～96%之間，氣體傳感器的采集頻率為10 min/次。B組也均分為3組，每組中再將藍(lán)莓根據(jù)質(zhì)量均分為6組，每組100 g，每顆藍(lán)莓質(zhì)量為1.5～2 g不等，所以按上述標(biāo)準(zhǔn)再次精細(xì)挑選后，將45顆藍(lán)莓作為每天的實驗樣本，放入上述密封盒的1/6大小的密封盒中，并同時用PE保鮮膜密閉(基本保證氣體含量一致)，標(biāo)號1～6。分別將樣本間隔20 min放入0、5、22℃溫度下進行儲存(為做理化指標(biāo)實驗留下時間)，并記錄初始時間。共儲存7 d，每天進行一次理化指標(biāo)測定實驗，并拷貝氣體實驗數(shù)據(jù)。理化指標(biāo)在硬度、可溶性固溶物含量和pH值測量前先進行失重率和腐敗率的測量，在理化指標(biāo)測量前先進行感官評價。22℃下藍(lán)莓貯藏實驗和結(jié)果分別如圖3和圖4所示。

圖3 22℃下藍(lán)莓貯藏實驗 Fig.3 Blueberry storage test at 22℃

圖4 22℃下7 d后藍(lán)莓實驗結(jié)果 Fig.4 Blueberry experiment results after 7 d at 22℃

2.2 理化指標(biāo)的測定方法

2.2.1失重率

利用EK3820型天平對45個藍(lán)莓實驗樣本進行稱量，重復(fù)3次取平均值。

(4)

式中M0——貯藏前的質(zhì)量

M1——貯藏后的質(zhì)量

α——失重率

2.2.2腐敗率

按照實驗方案，取每天待測量的實驗樣本組中45個樣本統(tǒng)計腐爛果數(shù)，計算腐敗率。爛果是指果實表面至少有一處發(fā)生病變或者汁液外漏、果實軟化皺縮或腐爛現(xiàn)象。

(5)

式中m0——藍(lán)莓的總質(zhì)量

m1——腐爛果的質(zhì)量

ε——腐敗率

2.2.3硬度

利用質(zhì)構(gòu)儀測量藍(lán)莓硬度。隨機挑選15個實驗樣本進行測量，對每顆果取2個對稱部位測定后取平均值。出發(fā)點負(fù)載3 g，速率0.5 mm/s[9]。

2.2.4可溶性固形物含量

隨機選取15個實驗樣本，用紗布擠汁，采用WYT-J型手持折光儀對可溶性固形物含量進行測定。

2.2.5pH值的測定

用pH數(shù)顯式酸度計測定藍(lán)莓的pH值。隨機選取15個實驗樣本，2次測定后取平均值，每次對每個樣本從藍(lán)莓果實的同一位置刺入測量pH值。

2.2.6感官評價

每次由實驗室中相同的10位學(xué)生進行感官評價，感官評價得分標(biāo)準(zhǔn)如表3。

表3 藍(lán)莓感官評價得分標(biāo)準(zhǔn) Tab.3 Blueberry sensory evaluation criteria

3 結(jié)果分析與模型建立

3.1 理化指標(biāo)與氣體傳感信息結(jié)果分析

3.1.1理化指標(biāo)結(jié)果與分析

對所得理化指標(biāo)和感官評價的數(shù)據(jù)取平均值后，繪制不同溫度下的雷達(dá)圖，結(jié)果如圖5所示。0、5、22℃下，藍(lán)莓硬度一直不斷下降，7 d時下降率分別是32.9%、35.6%和57.8%，說明低溫可以減緩果實軟化，與紀(jì)淑娟等[32]的研究結(jié)果一致。腐敗率在不同溫度下速率和時間都不同，0℃和5℃腐敗率變化速率基本一致，5 d時出現(xiàn)腐敗率迅速增長，而22℃中腐敗率每次上升的幅度較大，說明藍(lán)莓的腐敗率受溫度影響明顯，溫度越高，腐敗越快；22℃下在第2天出現(xiàn)腐敗后，保持了3 d基本不變又繼續(xù)增加的現(xiàn)象，原因可能與氣體含量、空間的密閉和溫度有關(guān)。可溶性固形物(主要是可溶性糖)含量能直接反映果蔬的成熟程度和品質(zhì)狀況[33]，可溶性固形物含量和pH值在0、5、22℃下都出現(xiàn)了波動，其中5℃的波動較大，0℃波動較小，基本與藍(lán)莓在貯藏中的可溶性固形物含量逐漸增加，而進入衰老過程可能出現(xiàn)下降的生理變化規(guī)律相吻合，但各溫度下表現(xiàn)的不一致可能與采收成熟度有關(guān)[31]。感官評價是人對藍(lán)莓品質(zhì)變化的主觀反映，在感官評價結(jié)果中，22℃較0℃和5℃下的波動較大，且感官評價得分下降較快，說明藍(lán)莓品質(zhì)劣變速度快；按照表3感官評價得分標(biāo)準(zhǔn)，7 d后，22℃的藍(lán)莓基本不可食用，并發(fā)生了霉變；0℃和5℃下藍(lán)莓基本不影響食用，在0℃和5℃下人對藍(lán)莓品質(zhì)劣變的分辨力基本無差異。從圖5的對比中可以看出，0℃和5℃下失重率變化明顯，22℃的腐敗率變化更加明顯，說明利用理化指標(biāo)來衡量藍(lán)莓的品質(zhì)變化時，不同溫度下對品質(zhì)有明顯指示作用的因素不同。

圖5 藍(lán)莓感官評價得分和理化指標(biāo)結(jié)果 Fig.5 Blueberry sensory evaluation and physical and chemical index results

3.1.2氣體傳感信息結(jié)果與分析

圖6是0、5、22℃下氣體傳感信息結(jié)果。在各個溫度下，O2、CO2和C2H4含量的變化規(guī)律基本相同：O2逐漸下降，CO2和C2H4逐漸上升，3種氣體變化趨勢具有一定的相關(guān)性；但氣體變化速率不同，O2在0℃和5℃下的變化基本一致，22℃時有急速下降過程和緩慢變化的過程；0℃下CO2和C2H4的變化規(guī)律接近，一直緩慢上升，說明0℃下藍(lán)莓呼吸較為平穩(wěn)；5℃下乙烯前4 d增長迅速，后接近穩(wěn)定，CO2呈現(xiàn)持續(xù)增長的狀態(tài)，此處可能與傳感器的性能和密封效果有關(guān)；22℃下O2、CO2和C2H4在前3 d都有一個快速變化的過程，后C2H4穩(wěn)定，O2下降，CO2緩慢上升，這應(yīng)該與藍(lán)莓的呼吸作用無關(guān)，而是環(huán)境中的微生物反應(yīng)；從對氣體的變化結(jié)果分析也可知溫度對藍(lán)莓呼吸速率產(chǎn)生影響，溫度越高速率越快，與理化分析結(jié)果相同。但是每個溫度下的藍(lán)莓品質(zhì)變化規(guī)律，都可以通過對O2、CO2和C2H4的綜合分析獲取。

圖6 氣體傳感信息結(jié)果 Fig.6 Gas sensing information results

3.1.3理化指標(biāo)與氣體傳感信息相關(guān)性分析

表4是0、5、22℃下藍(lán)莓理化指標(biāo)與氣體間相關(guān)性分析。相關(guān)性分析的方法是：針對第1天的實驗結(jié)果，取某種氣體數(shù)據(jù)對應(yīng)時刻前后各1 h的數(shù)據(jù)，共有12個數(shù)據(jù)點，取均值后作為第1天理化指標(biāo)對應(yīng)的氣體值。3種氣體均采用這樣的方法進行取值，第2天～第7天也采用類似的方法進行處理。將每種氣體數(shù)據(jù)轉(zhuǎn)變?yōu)榕c理化指標(biāo)數(shù)量相同的7個數(shù)據(jù)點后，利用Excel作相關(guān)性分析。從表中可以看出，每個溫度下失重率、腐敗率和硬度的變化與氣體含量變化相關(guān)性較高，表現(xiàn)出明顯的相關(guān)性，其中失重率和腐敗率與O2含量呈負(fù)相關(guān)，與CO2和C2H4含量呈負(fù)相關(guān)；硬度的相關(guān)性正好相反；在理化結(jié)果分析和氣體結(jié)果分析中，同一溫度下氣體變化規(guī)律與理化指標(biāo)變化呈現(xiàn)出一致性，在0℃時藍(lán)莓持續(xù)進行呼吸作用，呼吸速率慢，O2含量持續(xù)下降，C2H4和CO2含量持續(xù)上升，對應(yīng)理化指標(biāo)變化小，主要體現(xiàn)在失重率上，5℃的結(jié)果與0℃基本相同；在22℃時藍(lán)莓呼吸作用較快，O2下降速率、C2H4和CO2上升速率大，對應(yīng)理化指標(biāo)變化主要體現(xiàn)在腐敗率上，與果蔬品質(zhì)變化規(guī)律相同；在0℃和5℃下失重率和O2、C2H4、CO2含量表現(xiàn)明顯相關(guān)性，22℃時失重率、腐敗率和硬度都與O2、C2H4、CO2含量表現(xiàn)為明顯相關(guān)性，說明理化指標(biāo)和氣體的分析結(jié)果呈現(xiàn)出一致性。

表4 理化指標(biāo)與氣體含量間的相關(guān)性 Tab.4 Correlation between physical and chemical indicators and gas

綜上所述，氣體變化和理化指標(biāo)的變化具有明顯相關(guān)性，說明從氣體傳感信息和理化指標(biāo)兩個角度都可以對不同溫度下貯藏的藍(lán)莓品質(zhì)變化進行有效分析。而相較理化指標(biāo)，氣體監(jiān)測難度低，采集到的數(shù)據(jù)量豐富，各個溫度下對品質(zhì)變化進行有效表征的指標(biāo)來源多，使分析結(jié)果更加可靠。

3.2 藍(lán)莓貨架期預(yù)測模型構(gòu)建

利用BP神經(jīng)網(wǎng)絡(luò)建模方法，分別對0、5、22℃下的藍(lán)莓建立貨架期預(yù)測模型。將O2、CO2和C2H4含量作為輸入，貨架期作為輸出。將每個溫度下的第1天、第2天、第3天、第4天共1728個樣本數(shù)據(jù)作為模型的訓(xùn)練樣本并進行多次迭代，第5天、第6天、第7天共1296個樣本數(shù)據(jù)進行檢驗。相應(yīng)的參數(shù)設(shè)置為：隱含層節(jié)點數(shù)為10層，利用logsig函數(shù)和purelin函數(shù)分別作為輸入層和輸出層函數(shù)，trainrp作為訓(xùn)練函數(shù)，learndm作為學(xué)習(xí)函數(shù)，設(shè)置學(xué)習(xí)速率為0.001，動量因子為0.01，誤差為1 h。

預(yù)測結(jié)果如表5所示，每個溫度下的相對誤差逐漸減小，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果與訓(xùn)練數(shù)據(jù)樣本的數(shù)量和數(shù)據(jù)之間的關(guān)聯(lián)性有關(guān)。從對氣體和理化指標(biāo)的分析中知，藍(lán)莓的品質(zhì)在低溫時變化緩慢，隨溫度升高而加快。但在出現(xiàn)腐敗之后，O2、CO2和C2H4含量的變化變得平緩，故在22℃預(yù)測的相對誤差變化小，符合實際情況。從表中可以看出，0℃的預(yù)測誤差為0.091～0.191 d，5℃的預(yù)測誤差為0.069～0.302 d，22℃的預(yù)測誤差為0.094～0.338 d，基本滿足預(yù)測需要。

表5 BP神經(jīng)網(wǎng)絡(luò)貨架期預(yù)測結(jié)果 Tab.5 BP neural network shelf life prediction results

4 結(jié)論

(1)對貯藏在0、5、22℃下的藍(lán)莓同時監(jiān)測3種氣體含量(O2、CO2和C2H4)與獲取5種理化指標(biāo)(pH值、可溶性固形物含量、失重率、腐敗率和硬度)的變化，分析藍(lán)莓在不同溫度下貯藏時的品質(zhì)變化規(guī)律，研究氣體與理化指標(biāo)在反映藍(lán)莓品質(zhì)變化時的相關(guān)性。結(jié)果表明，氣體和理化指標(biāo)都可以有效地反映藍(lán)莓品質(zhì)變化。

(2)利用BP神經(jīng)網(wǎng)絡(luò)將O2、CO2和C2H4含量作為輸入，貨架期作為輸出，分別對0、5、22℃下的藍(lán)莓建立了貨架期預(yù)測模型。0℃的預(yù)測誤差為0.091～0.191 d，5℃的預(yù)測誤差為0.069～0.302 d，22℃的預(yù)測誤差為0.094～0.338 d，基本滿足預(yù)測需要。