領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
為探究貯藏于不同溫度條件下藍(lán)莓的品質(zhì)變化及貨架期，以‘怡顆莓’藍(lán)莓為研究對(duì)象，測(cè)定其在5、10、15、20、25 ℃條件下的可溶性固形物、質(zhì)量損失率、腐敗率、質(zhì)地參數(shù)等多個(gè)品質(zhì)指標(biāo)。通過(guò)基于二元灰狼優(yōu)化算法進(jìn)行特征選擇，篩選出7 個(gè)影響貨架期的關(guān)鍵特征作為模型的輸入變量，構(gòu)建附加斑翠鳥(niǎo)優(yōu)化算法（pied kingfisher optimizer，PKO）的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)（bidirectional long short-term memory，BiLSTM）-注意力機(jī)制（attention mechanism，AT）的藍(lán)莓貨架期預(yù)測(cè)模型，利用PKO對(duì)CNN-BiLSTM-AT網(wǎng)絡(luò)進(jìn)行參數(shù)化尋優(yōu)，主要用以確定最優(yōu)學(xué)習(xí)率、正則化參數(shù)、Attention鍵值及BiLSTM神經(jīng)元數(shù)量。結(jié)果表明，與CNN-LSTM相比，PKO-CNN-BiLSTM-AT模型的平均絕對(duì)誤差、平均絕對(duì)百分比誤差、均方誤差和均方根誤差分別降低了76.13%、80.96%、92.03%和71.75%，決定系數(shù)增加了5.85%。說(shuō)明引入PKO后的CNN-BiLSTM-AT模型顯著提高了貨架期的預(yù)測(cè)性能，本研究可為藍(lán)莓在不同貯藏溫度條件下的貨架期制定提供理論支持。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
