论文部分内容阅读
利用气体传感信息,提出了一种蓝莓货架期预测方法。将蓝莓贮藏在0、5、22℃下,对贮藏微环境中的3种气体含量(氧气、二氧化碳、乙烯)进行了监测,同时将蓝莓5种理化指标(腐败率、硬度、pH值、可溶性固形物含量、失重率)作为传统的品质指示指标进行了获取,分析了贮藏微环境中气体含量变化和理化指标变化的相关性,并利用BP神经网络从气体角度建立了蓝莓的货架期预测模型。结果表明:蓝莓品质的变化受到贮藏温度的影响;气体含量的变化与蓝莓品质的变化存在明显相关性;利用BP神经网络建立的蓝莓货架期预测模型具有良好的预测效果。其中,0℃的预测误差为0.091~0.191 d,5℃的预测误差为0.069~0.302 d,22℃的预测误差为0.094~0.338 d,基本满足货架期预测需要。