保活運輸河蟹品質感知生物信號檢測與建模

王 想 高乾鐘 肖新清 傅澤田 張小栓

(1.中國農業大學工學院， 北京 100083； 2.中國農業大學食品質量與安全北京實驗室, 北京 100083；3.廣安市前鋒區農業農村局， 廣安 638019)

0 引言

河蟹是一種重要的水產品，含有豐富的甲殼質，具有降低膽固醇、調節腸內代謝等優點，也是重要的工業原料來源[1-5]。在保活運輸過程中，振動、細菌、微生物等應激源使河蟹產生強烈的應激反應，導致品質快速下降[6-7]。因此，需要對河蟹品質進行監測，以便及時進行調控。

圖1 河蟹檢測裝置總體設計圖Fig.1 Conceptual diagram of overall design of crab detection device

水產品品質是一個抽象的指標，而生物信號(如感官評價、物理化學信號、電信號等)可直觀反映生物體的生命活動狀態，常被用作品質變化的指示指標[8-10]。如文獻[11]將感官評價、pH值、揮發性鹽基氮(TVB-N)含量作為縊蟶、文蛤品質變化的指示指標，文獻[12-13]分別對海灣扇貝和南極磷蝦進行了類似的研究。傳統上利用的化學指標(如揮發性鹽基氮含量、微生物菌落總數等)和某些物理指標(如感官評價、硬度等)來表征品質變化的方法已被廣泛接受，并運用在實際生活中。而利用微環境和生物電信號反映品質變化的理念也逐漸被認可，并進行了一些嘗試。如文獻[14-16]利用電子鼻系統分析了南美白對蝦、三疣、中華絨螯蟹的新鮮度；文獻[17]使用電容方法與傳統平板計數法進行對比，檢測蝦中微生物數量；文獻[18]利用生物阻抗技術對豬肉的新鮮度進行檢測。在有關河蟹品質的研究中，以電子鼻[5，16]、氣相色譜-質譜聯用法(GC-MS)[1-2,19]等無損檢測的方式居多，而從保活運輸中微環境和生物阻抗角度進行河蟹品質變化的研究較少。

從無損檢測的角度獲取品質變化規律需要建立品質耦合模型來實現[20-22]，包括基于溫度變化的模型[23-26]、微生物預測模型[27-28]、化學反應動力學預測模型[29-30]、智能算法的品質預測模型[31-32]等。河蟹品質耦合模型是通過選取基于智能算法的預測模型，建立無損檢測指標與傳統化學指標之間的擬合模型，通過微環境和電信號的變化評估河蟹品質的變化，進而證明微環境和生物電信號指示品質變化的可行性和實用性。

本文基于STM32芯片設計河蟹生物信號的檢測裝置，實時獲取河蟹微環境中的氣體含量、阻抗信息和河蟹品質變化過程中的揮發性鹽基氮(TVB-N)含量，分析和探討氣體、阻抗信號與揮發性鹽基氮(TVB-N)之間的變化關系，利用遺傳算法(GA)優化后的BP神經網絡(GA-BP)建立氣體、阻抗信息與揮發性鹽基氮(TVB-N)之間的耦合模型，以期實現河蟹保活運輸中品質感知的生物信號檢測與建模。

1 總體設計

圖1是河蟹檢測裝置總體設計圖。河蟹的生物信號檢測裝置用來對運輸中的河蟹進行連續生物信號監測。從環境控制變量、氣體變量和生物電信號3方面對河蟹運輸過程進行檢測，利用STM32單片機作為核心，搭載不同傳感器實現氧氣、醛類、醇類氣體含量測量，結合AD5933和生物電極構成生物阻抗采集模塊連接在單片機上，最后單片機將數據存儲在外設SD卡中。

其中AD5933是ADI公司生產的一款針對阻抗分析的核心芯片，原理是使用AD5933中的頻率發生器產生一定頻率的激勵信號，利用生物電極的信號輸出端進行輸出，激勵信號經過河蟹后，響應信號通過信號接收電極進行接收，由AD5933中的ADC進行采樣，片上DSP對數據進行離散傅里葉變換,STM32進行讀取。本文從微環境和電信號兩個角度獲取河蟹品質變化。

1.1 微環境傳感器選擇

微環境包括溫濕度和氧氣、醇類、醛類等氣體含量。傳感器選型如表1所示。

表1 傳感器型號及部分參數Tab.1 Sensor model and partial parameters

1.2 生物電極設計

在生物電信號測量中，使用實驗室設計的電極來測量河蟹阻抗。電極的設計參照文獻[33-37]，從3個主要的部分設計了河蟹阻抗檢測電極，包括微針前端、膠黏層以及電極封裝。電極實物見圖2。

圖2 生物電極實物圖Fig.2 Bioelectrode physical picture

2 實驗方案

2.1 生物檢測裝置

從蘇州陽澄湖挑選質量(150±5) g，肥碩、肢體無殘缺、新鮮及生命力旺盛的河蟹12只作為實驗樣本，捆綁加冰后迅速運往蘇州大學進行實驗，路程約1 h，保證河蟹的生命體征基本未變。在實驗室中，松開河蟹進行暫養，打開生物信號檢測裝置進行預熱。30 min后，挑選出蟹蓋較寬、生命力強的河蟹9只作為實驗樣本。將河蟹均分為A、B、C 3組，每組用3只河蟹作平行實驗，對每只河蟹樣本進行如下操作：擦拭干凈河蟹表面，不要留有雜質和過多的水分，將生物電極分別貼于河蟹的胸甲和背甲上，胸甲電極做輸出，背甲電極做阻抗信息采集接收端；再次捆綁好之后，將河蟹及電極放入2 000 mL的容量瓶中，傳感器安裝在容器的上半部，并進行密封；將A、B、C 3組分別保存在4、15、25℃下，持續進行5 d的數據采集，每天進行電池的更換。重復多次該方案測量后以穩定的結果作為最終實驗結果進行分析。實驗裝置見圖3。

圖3 河蟹檢測裝置實物圖Fig.3 Detection device of crab1.核心板 2.傳感器 3.河蟹 4.生物電極 5.電源

2.2 揮發性鹽基氮含量檢測

與2.1節中河蟹來源及處理方式一致，在實驗室中，對河蟹進行如下處理：

(1)挑選生命力強、適應性好和無損傷的45只河蟹作為實驗樣本。

(2)按質量將河蟹均分為3組，分別標號為A1、A2、A3，放入自封袋中進行封存，減小其與外界的空氣交換，模擬運輸的封閉環境。

(3)將標號為A1、A2、A3的河蟹分別保存在4、15、25℃下，每天分別從A1、A2、A3中各取出3只河蟹作為當天的實驗樣本，共持續5 d。

(4)對每天的實驗對象取出蟹膏、蟹肉等可食部分，進行揮發性鹽基氮含量的測量，測量方法按照國標GB 5009.228—2016中的自動凱氏定氮儀法要求進行，對測量結果取均值后作為當天的揮發性鹽基氮結果。

3 品質模型構建

3.1 模型選擇

本文構建的河蟹品質模型是對一定運輸環境中的河蟹，通過測量生物信號來反映其品質變化的方法。在模型構建中，作為輸入量的生物信號包括氣敏傳感器信息和阻抗信息2部分，輸出量則是與河蟹新鮮度密切相關的揮發性鹽基氮含量，其可以作為可靠的品質指示指標。因此本文的河蟹品質模型實質上是研究河蟹在新鮮度發生變化時的氣體變化規律、阻抗變化規律與揮發性鹽基氮之間的變化關系。利用氣體信息和阻抗信息來反映和預測揮發性鹽基氮含量的變化是河蟹品質模型需要達到的目的。

圖4 河蟹品質模型構建流程圖Fig.4 Flow chart of crab quality model construction

品質建模的方法很多，通常水產品品質模型根據不同因素對品質變化的影響進行分類，在運用過程中，因為溫度測量的便利性和可控性，在進行品質建模時基于溫度的模型運用較多，常用的模型包括化學動力學方程、Arrhenius模型；微生物對水產品品質變化有直接的影響，因此基于微生物建立的品質預測模型可靠性較高，但是微生物的測量對實驗人員要求較高，設備更專業，成本高，在運用中受到一定的限制；而基于統計學的模型主要是數據的統計學分析，常與其他模型結合來實施，且威布爾危害分析的缺陷十分明顯，需依靠可靠的感官評價結果，而感官評價主觀性較強，因此其使用也受限[23-30]。

人工神經網絡建模時不局限于溫度、微生物等種類不同的生物信號，而是直接對多種數據進行并行處理和不斷地學習，具有較強的適應性和精度。文獻[38]綜述了神經網絡在生鮮農產品供應鏈管理中的特點、優勢和未來發展的必然趨勢；文獻[39]利用小波變換和BP神經網絡對水稻冠層4種重金屬含量構建反演模型，具有良好的效果。因此，本文選用人工神經網絡的建模方法，研究氣體傳感信息、阻抗信息與品質的關系。BP神經網絡研究河蟹阻抗信息對品質的反映情況，建立阻抗和揮發性鹽基氮含量之間的擬合關系，實現阻抗對品質變化的預測。利用Matlab實現GA-BP的算法仿真，在建立中需要對算法中的一些主要參數進行設置，通過不斷調試獲得預期結果。

3.2 模型構建流程

河蟹品質模型構建流程如圖4所示。BP神經網絡模型可以很好地表達非線性關系，構建預測模型。但是BP模型的關鍵在于神經元閾值的選取，本文利用遺傳算法(GA)進行優化。

3.3 模型訓練

根據模型構建流程設置模型訓練參數：學習速率為0.1，最大訓練次數為100，訓練精度為0.000 1，其他保持默認設置，使用train函數訓練網絡，sim網絡仿真，交叉概率0.6，變異概率0.3，采用Newff作為訓練函數，MSE作為網絡的性能函數。種群規模、進化次數和隱含層數在本文不進行確定性設計，參數不同對迭代時間和迭代結果影響不同，表2是訓練過程中的部分結果。初代種群隨機產生，導致每次獲得的結果有所差異。在訓練時種群規模在100～200間調節，進化次數在10～13間調節，隱含層數在10～32間調節來獲得結果。本文為獲取和檢驗模型的擬合和預測能力，針對不同溫度采用不同的訓練和檢驗方案：4℃下將河蟹的576組數據作為訓練樣本進行模型的訓練，144組數據作為模型的檢驗樣本；15、25℃下按照品質階段性變化的時間節點S1、S2、S3進行訓練和檢驗，每個階段訓練和檢驗數據樣本均等。15、25℃下S1階段分別是216組和144組數據作訓練和檢驗，S2階段分別是108組和72組數據作訓練和檢驗，S3階段分別是36組和144組數據作訓練和檢驗。

表2 部分訓練結果Tab.2 Partial training results

4 結果與分析

4.1 不同溫度下河蟹生物信號和揮發性鹽基氮含量的變化

河蟹品質變化基本過程如圖5所示。大致可分為新鮮→瀕死(S1)、瀕死→死亡(S2)、死亡→腐敗(S3)3個階段。新鮮的河蟹生命力強、對環境具有較強的適應能力、新陳代謝快，同時河蟹帶有自身獨有的香氣，蟹殼帶有明顯光澤；隨著實驗時間的延長，河蟹未得到能量的補充，且體內自身能量物質被大量消耗，使河蟹生命力下降，抵抗力減弱，進入瀕死階段，在微生物等因素的影響下，河蟹體內蛋白質分解、脂質氧化等反應的發生使河蟹香氣發生變化，隨著該過程不斷加劇，河蟹死亡；同時由于病菌等微生物的作用，河蟹中蛋白水解、組織自溶等現象加劇，自身特有香氣完全消失，產生腐敗類刺激性氣體。

圖5 河蟹品質變化基本過程圖Fig.5 Basic process diagram of crab quality change

4.1.1不同溫度下河蟹氣體變化

圖6是醇類氣體含量的采集結果。結果中醇類氣體含量持續上升，但是其變化速率并不相同。溫度越高，上升速度越快，采集終值越高，可見溫度對其的影響明顯。對不同變化區間進行分類，粗略將其分為平滑段、突變段和快速上升段。在0～2 000 min內，各溫度下醇類都未有明顯的變化，在該階段認為處于新鮮階段，河蟹氣味變化較小；在2 000～3 500 min內，不同溫度下產生不同的變化，醇類氣體含量發生速率突變，其中25℃直接出現了快速上升，并一直持續，這與感官分析的死亡階段的變化相對應，而15℃和4℃變化較小，但是也開始出現了不同速率的變化，溫度作用明顯；在大于3 500 min后，不同溫度下的醇類氣體均開始上升，上升速度受溫度影響，其中25℃最為明顯，4℃較為平緩。該時間節點位于發生明顯腐敗階段之前，實際上分析認為4℃下的河蟹未進入腐敗，甚至死亡階段，其氣體的變化是新鮮到死亡階段的正常變化，相當于25℃下的0～3 500 min內的變化，從氣體的上升終點也可以看出結果。15℃下也有類似的分析。因此，25℃下的氣體變化3個階段更接近河蟹新鮮到腐敗的3個階段，15℃和4℃下分析的品質終點與25℃下存在差異。

圖6 醇類氣體采集結果Fig.6 Alcohols acquisition result

圖7是CH2O的采集結果。類似醇類氣體的分析過程，也可將其分為3個變化階段，但時間節點分別變為2 000 min和4 000 min。在突變段CH2O的變化更為明顯，明顯看出了不同溫度的差異。4℃的上升速度高于15℃的速度，25℃的CH2O在突變段的后部分快速上升，分析認為是氣體擴散速度、傳感器自身和河蟹個體差異帶來的影響。

圖7 CH2O采集結果Fig.7 CH2O acquisition result

圖8是O2的采集結果。O2的變化與CH2O、醇類氣體的變化結果相反，也將其對應分為3個階段(快速下降段、區分段和平滑段)進行分析，對應的時間節點分別為2 500、5 000 min，低于2 500 min的時間里，河蟹處于新鮮階段，代謝旺盛，對O2需求量大，溫度越高，河蟹的活動越劇烈，O2消耗也越嚴重；在2 500～5 000 min內，河蟹對環境產生適應或缺少能量降低其生命活動，O2消耗減弱，結合圖5的分析，河蟹將經過瀕死階段，發生死亡，進入腐敗階段；在5 000 min后，河蟹開始腐敗，氧氣的消耗主要用于微生物的腐敗反應。4℃下的河蟹O2下降速度較為恒定，認為是河蟹未完全進入瀕死和腐敗階段。

圖8 O2采集結果Fig.8 O2 acquisition results

綜上分析，河蟹品質變化的3個階段可粗略對應氣體變化的3個階段，該結果在25℃表現最為明顯。新鮮階段的氣體變化較穩定，主要是自身香氣的影響；新鮮階段到瀕死階段的變化是氣體變化的主要分界區間，該過程河蟹自身香氣逐漸消失，異味氣體開始產生；死亡到腐敗階段，臭味氣體產生速度加快。O2作為一種消耗氣體，參與河蟹的有氧呼吸作用和腐敗的生化反應，隨河蟹生命力的變化而變化。溫度作為一個重要環境變量對河蟹品質變化的速度有重要影響。

4.1.2不同溫度下河蟹阻抗響應結果

圖9是4、15、25℃下河蟹阻抗隨時間變化結果。阻抗變化中，未出現氣體變化時的3個明顯的階段，4℃的阻抗變化較小，15、25℃測量的阻抗變化各出現了一個變化節點，分別對應2 000 min和4 000 min，節點之前阻抗變化較小，節點之后的阻抗出現了快速下降。結合感官評價分析時間節點，25℃的2 000 min和15℃的4 000 min都發生在河蟹瀕死階段，下降階段出現在死亡之后過程，結合4.1.1節的分析結果，4℃的河蟹未明顯進入死亡階段，因此阻抗未出現明顯的下降。該結果說明該阻抗測量方法對河蟹死亡及以后的阻抗變化測量效果較好，對新鮮的河蟹阻抗測量效果較差。而生物阻抗產生是由于細胞內外的濃度差異導致，生物體可以看作是一個巨大的細胞模型，因此隨著河蟹的品質下降會導致其組織發生腐敗、溶解，導致細胞之間的濃度差減小，使得測量的阻抗減小，利于測量。而未發生組織變化時，對河蟹個體的測量受到蟹殼和環境因素的影響，效果較差。

圖9 4、15、25℃下河蟹阻抗變化結果Fig.9 Resistance changes of crabs at 4℃, 15℃ and 25℃

綜上，在阻抗結果的分析中，認為溫度對河蟹品質變化有重要的影響；在正常生理情況下，河蟹的阻抗基本保持不變，從新鮮到死亡阻抗出現緩慢下降，直至出現明顯腐敗過程時會產生快速下降階段。阻抗結果中沒有明顯體現出河蟹品質變化的3個階段，對死亡及以后的河蟹有較強的指示作用，可以與氣敏傳感器獲取的信息相互補充。

4.1.3不同溫度下河蟹揮發性鹽基氮含量變化

圖10 4、15、25℃下揮發性鹽基氮含量變化結果Fig.10 Results of volatile base nitrogen changes at 4℃, 15℃ and 25℃

圖10是揮發性鹽基氮含量變化結果。國標上認定蟹肉的揮發性鹽基氮含量的標準為低于20 mg/(100 g)。從結果看，25℃遠超上限，臨界點A出現在約1.75 d的位置，該節點河蟹處于新鮮到瀕死階段(S1)，即將進入瀕死到死亡階段(S2)，在該溫度，河蟹品質變化較快，對品質指示不十分明顯。從河蟹在不同溫度下揮發性鹽基氮分析結果中，15、4℃中品質變化較穩定，對死亡前的河蟹品質變化具有更明顯的指示作用；對15、4℃的結果進行分析，4℃下河蟹揮發性鹽基氮含量在5 d內未超標，但在第5天已十分接近，該情況下，從感官分析上河蟹生命力減弱，無明顯香氣，該階段河蟹已不再適合食用；而15℃下河蟹在第5天揮發性鹽基氮含量超標，根據品質分階段分析，河蟹進入瀕死到死亡階段，品質下降加速,揮發性鹽基氮也加速產生。分析認為河蟹雖然未進入瀕死到死亡階段，但是在新鮮到瀕死的后期,河蟹也不能食用。從擬合效果看，25、15、4℃下揮發性鹽基氮線性相關結果分別是0.978 7、0.899 4、0.968 5，對河蟹品質有明顯的指示作用。

4.2 耦合模型結果與分析

4.2.1基于GA-BP的阻抗信息與品質耦合結果

圖11a是4℃下的模型檢驗結果，計算出最大相對誤差是3.07%，平均相對誤差是1.007%，最低預測精度是96.93%，從第106個采集點后誤差值超過平均誤差，并快速增加，在短期預測內效果明顯，可以滿足預測的需要。

圖11 基于阻抗信息的4、15、25℃下河蟹品質模型預測結果Fig.11 Prediction results of crab quality model at 4℃, 15℃ and 25℃ based on impedance information

圖11b是15℃下的模型檢驗結果，計算出模型對S1的預測相對誤差最大值為13.68%，預測精度最低為86.32%；S2預測相對誤差最大為12.96%，預測精度最低為87.04%；S3預測相對誤差最大為7.72%，預測精度最低為92.28%。對S1、S2和S3階段的預測精度逐漸提升，與阻抗變化基本一致。

圖11c是25℃下的模型檢驗結果，計算出模型對S1的預測相對誤差最大值為11.14%，預測精度最低為88.86%；S2預測相對誤差最大為13.68%，預測精度最低為86.32%；S3預測相對誤差最大為10.19%，預測精度最低為89.81%。從效果上看，對S1段預測波動較小，S3段波動較大，這與阻抗和河蟹品質的變化規律相關，當河蟹腐敗后，個體差異等因素對結果影響較大，未知因素較多，預測結果波動較大。

綜上，基于阻抗信息的模型對4、15、25℃下的揮發性鹽基氮含量預測結果基本滿足需要，說明阻抗對品質具有較好的指示作用。

4.2.2基于GA-BP的氣體信息與品質耦合結果

將河蟹氣敏傳感信息作為輸入變量，揮發性鹽基氮含量作為輸出變量，對模型參數設置和訓練方法如3.3節中所述。圖12a是4℃下的模型檢驗結果。計算出最大相對誤差是13.68%，平均相對誤差是1.811%，最低預測精度是86.32%，低于阻抗的預測效果，但是從相對誤差變化值看，在前100個數據點預測效果理想，預測的數據點越多對網絡的要求越高，且氣體需要分析的變量數多于阻抗。

圖12b是15℃下的模型檢驗結果，模型對S1的預測相對誤差最大值為8.77%，預測精度最低為86.32%；S2預測相對誤差最大為11.14%，預測精度最低為88.86%；S3預測相對誤差最大為3.80%，預測精度最低為96.20%。對S1、S2和S3階段的預測精度逐漸提升，與阻抗預測結果變化一致。

圖12c是25℃下的模型檢驗結果。模型對S1的預測相對誤差最大值為12.96%，預測精度最低為87.04%；S2預測相對誤差最大為12.28%，預測精度最低為87.72%；S3預測相對誤差最大為10.65%，預測精度最低為89.35%。對S1、S2和S3階段的預測精度逐漸提升。

圖12 基于氣體傳感信息的河蟹品質模型預測結果Fig.12 Prediction results of crab quality model based on gas sensing information

綜上，對S1、S2和S3階段的預測精度逐漸提升，說明氣體的3個變化階段與河蟹的3個品質變化階段對應效果明顯，對品質具有較好的指示作用。

4.2.3基于GA-BP的阻抗結合氣體信息與品質耦合結果

將阻抗和氣敏傳感器采集的數據作為輸入變量，揮發性鹽基氮含量作為輸出。對模型參數設置和訓練方法如3.3節中所述。圖13a是4℃下的模型檢驗結果。計算出最大相對誤差是1.23%，平均相對誤差是0.28%，最低預測精度是98.77%，高于只使用阻抗或單獨使用氣敏信息進行預測時的預測精度，說明阻抗和氣體在對品質變化的反映上實現了相互補充，與上述分析結果一致。

圖13b是15℃下的模型檢驗結果，模型對S1的預測相對誤差最大值為12.96%，預測精度最低為87.04%；S2預測相對誤差最大為10.19%，預測精度最低為89.81%；S3預測相對誤差最大為6.21%，預測精度最低為93.79%。對S1、S2和S3階段的預測精度逐漸提升，與4.2.1、4.2.2節的預測結果變化一致。

圖13c是25℃下的模型檢驗結果，模型對S1的預測相對誤差最大值為8.77%，預測精度最低為91.23%；S2預測相對誤差最大為6.21%，預測精度最低為93.79%；S3預測相對誤差最大為13.68%，預測精度最低為86.32%。對S1、S2的預測精度逐步升高，而S3的預測精度較低，原因可能與基于阻抗信息建立的預測模型相同，S3階段過多的輸入變量反而會增加對揮發性鹽基氮含量變化規律的分析難度，使模型產生過度學習或學習不夠的問題，從而導致預測精度下降。

圖13 基于阻抗與氣體傳感信息的河蟹品質模型預測結果Fig.13 Prediction result of crab quality model based on impedance and gas sensing information

綜上，阻抗和氣體結合后對揮發性鹽基氮含量的預測結果會有一定程度的提升，說明氣體和阻抗信息可以實現互補。通過對3種情形下的模型預測結果進行分析，說明氣體信息和阻抗信息能有效反映河蟹品質的變化，對品質具有明顯的指示作用，所構建的模型能用于河蟹品質變化的預測。

5 結論

(1)針對河蟹保活運輸過程存在的問題設計了一套河蟹生物信號檢測裝置，實現了對河蟹貯藏環境中的氣體含量和河蟹阻抗信息進行數據實時獲取。利用GA-BP方法將揮發性鹽基氮含量作為主要品質指示指標，分別建立了氣體含量、生物電信號與河蟹品質之間的耦合模型。

(2)獲取了4、15、25℃下的河蟹阻抗和環境氣體信息，結果分析表明：溫度對采集結果有明顯的影響；河蟹氣體變化存在與品質變化相關的3個階段，即平滑段、突變段和快速上升段；阻抗對河蟹死亡及之后的品質有較強的指示作用，與氣體信息可以相互補充。

(3)利用遺傳算法(GA)對BP神經網絡進行了參數優化，分別建立了阻抗-揮發性鹽基氮含量、氣體-揮發性鹽基氮含量、阻抗-氣體-揮發性鹽基氮含量的耦合模型，并檢驗了模型的預測精度。結果表明，4℃下預測精度分別為96.93%、86.32%、98.77%；15℃下S1的預測精度分別為86.32%、86.32%、87.04%，S2的預測精度為87.04%、88.86%、89.81%，S3的預測精度最低為92.28%、96.20%、93.79%；25℃下S1的預測精度最低為88.86%、87.04%、91.23%，S2的預測精度最低為86.32%、87.72%、93.79%，S3的預測精度最低為89.81%、89.35%、86.32%。說明該模型基本滿足基于生物阻抗和氣體信息對品質預測的需求，阻抗、氣體信息對品質都有較強的指示作用，結合后其預測精度都有所提高。