10个鲜食葡萄品种在陕西渭南地区的引种表现及评价

为了筛选适宜在陕西省渭南地区栽培的优良鲜食葡萄品种,以优化当地现有鲜食葡萄品种的种植结构,对新郁、弗雷无核、紫脆无核、早黑宝、夏黑、紫甜无核、户太八号、巨玫瑰、阳光玫瑰、金手指共10个鲜食葡萄品种进行引种试验。试验采用田间观察与室内测试相结合的方法,包括观察记录各供试品种的物候期、植物学性状,测定果实的理化成分含量,评价果实的感官质量,最后利用主成分分析法对葡萄果实品质进行综合评价和排序。结果表明,在渭南地区简易避雨栽培条件下,10个鲜食葡萄品种在物候期、植物学性状、果实理化成分含量、感官评分等方面存在差异。综合评价发现新郁、户太八号的品质较好,早黑宝、阳光玫瑰、紫甜无核的品质中等,其余品种的品质较差。本研究为渭南地区鲜食葡萄引种栽培和品种结构优化提供了一定的理论依据。     

基于模糊数学感官评价和混料设计的低度甜糯玉米酒原料配方优化

为了优化以鲜食甜糯玉米为主要原料制备甜糯玉米酒的原料配方。试验运用模糊数学原理,将甜糯玉米酒感官品质数学抽象量化,以量化后的感官品质为指标,通过混料试验设计,建立原料配方与感官品质之间的回归模型。结果表明:该模型的拟合程度好(R=0.984 4,P0.001),可用于预测和分析甜糯玉米酒的感官品质。经模型优化可得,感官品质评价为"好"的甜糯玉米酒原料配方为鲜食糯玉米(66%)、鲜食甜玉米(17%)和糯米(17%)。本研究酿造的甜糯玉米酒的酒精度仅为4.75%,远低于一般低度酒,符合现代人的饮酒需求。     

近红外光谱技术结合人工神经网络判别普洱茶发酵程度

为了实现对普洱茶发酵程度快速判别,该研究提出了利用近红外光谱结合人工神经网络的方法。普洱茶是中国特有的茶类,发酵是普洱熟茶品质形成的关键工序,目前对于发酵程度的评价主要依赖感官审评,缺乏客观的量化依据。试验以轻度发酵、适度发酵和过度发酵3个不同发酵程度的普洱茶为研究材料。首先对采集得到的原始光谱进行标准归一化（SNV）预处理,利用人工神经网络（ANN）模式识别方法构建普洱茶发酵程度鉴别模型,在模型建立过程中,通过交互验证的方法对模型的最佳主成分因子数（PCs）进行优化。当主成分因子数为9时,ANN模型所得到的结果最佳,模型交互验证识别率和预测识别率分别为98.9%和97.8%。研究结果表明,近红外光谱技术结合模式识别能够实现对普洱茶发酵质量的快速判别,评判结果具有较高的准确性,优于感官审评。     

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。     

上海青蔬菜的品质变化动力学模型及货架期预测

为探讨上海青蔬菜不同储藏温度下的货架期预测方法,试验测定了在5、10、15和20℃ 4个温度下贮藏的上海青(Brassica rapa var. chinensis)的还原型抗坏血酸、叶绿素、颜色参数L*（亮度）、b*(黄度)、△E（色差）和感官评价,并对这些指标进行了动力学分析。研究表明,在测定温度范围内,上海青储藏的温度越低,其品质指标变化越慢。动力学分析显示,零级动力学比一级动力学更适合表现所测品质的变化规律,并且除b*外的指标拟合较好。研究还采用Arrhenius 方程对品质变化速率常数k和温度T进行非线性拟合,得到还原型抗坏血酸、叶绿素、L*和ΔE活化能Ea分别为68.130、57.024、46.685和42.581 kJ/mol。最终得到以时间、温度和品质指标值为变量的上海青货架期预测方程,拟定不同的品质终点值能得到对应的货架期。同时,Arrhenius方程与依赖于感官终点的动态品质终点拟合方程结合预测的货架期曲线与感官寿命曲线能得到更好的契合。验证试验结果证明前者能较好地预测上海青不同剩余品质指标对应的货架期,另一方面,测量温度范围内,后者能较好地通过品质指标预测感官寿命（两者绝对差值小于0.3 d）。两者结合能得到较为全面的货架期预测参数,为上海青流通过程中的货架期预测提供理论基础。     

基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树（classification and regression tree,CART）对气象因子进行重要度排序。基于排序结果,选取排序前3～5项气象因子,基于极限学习机（extreme learning machine,ELM）模型对蒸散进行预测。同时,使用遗传算法（genetic algorithm,GA）,粒子群算法（particle swarm optimization,PSO）,麻雀搜索算法（sparrow search algorithm,SSA）对ELM模型进行优化,并使用这3种优化算法（GA-ELM、PSO-ELM、SSA-ELM）构建少因子混合优化蒸散预测模型。结果表明：1）基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2）3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d,纳什效率系数为0.824～0.998,R²为0.908～0.995,平均绝对误差为5.075～16.677 mm/d。3）ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果为中国九大农业区域的作物需水量计算提供参考。     

伊犁河谷冰葡萄最佳延迟采收时间探讨

2018−2019年对伊宁县观测区的冰葡萄进行分期采收试验,并测定不同延迟采收时间果实的总糖、总酸、糖酸比,利用相关分析、偏回归分析和多元线性回归分析,探寻不同延迟采收期冰葡萄的品质变化、品质年际变化以及品质与气象因子关系的变化规律,并以此判别当冰葡萄达到“最优品质”时的最佳采收时间,为优化冰葡萄品质、合理化区域管理提供参考依据。结果表明：（1）2018年及2019年随着冰葡萄成熟后采收时间的推迟,总糖和总酸含量的整体变化趋势基本一致,均表现为总糖含量随采收时间推迟逐渐增大,总酸含量随采收时间推迟呈先减后增的变化特点。（2）影响冰葡萄总糖含量的主要气象因子有采摘前120d平均气温（T120）、采摘前120d平均最低气温（Tmin120）、采摘前30d平均气温日较差（ΔT30）;影响冰葡萄总酸含量的主要气象因子有采摘前120d平均气温（T120）、采摘前120d平均最低气温（Tmin120）、采摘前120d平均相对湿度（RH120）、采摘前60d平均相对湿度（RH60）。（3）形成“最优品质”所需的气象条件适宜区间为7.5℃≤T120≤18.3℃,4.8℃≤Tmin120≤9.6℃,48%≤RH60≤70%,52.3%≤RH120≤64.8%,研究区采收期气象条件满足上述范围时,冰葡萄达到最佳采收时间。2018年最佳采收时间为11月21日,2019年最佳采收时间为12月1日。根据此气象条件,对2020年伊宁县冰葡萄最佳采收期进行验证,结果与实际相符,说明研究结果可以用于实际推广。     

近红外光谱快速检测马铃薯全粉还原糖

还原糖含量是评价马铃薯全粉品质的重要指标之一,该文研究基于近红外光谱技术结合最小二乘支持向量机（least squares support vector machine,LSSVM）算法的马铃薯全粉还原糖含量非线性数学模型。采用移动窗口偏最小二乘法（moving windows partial least square,MWPLS）和连续投影算法（successive projections algorithm,SPA）组合方法筛选出20个特征变量,作为LSSVM的输入向量。优化径向基函数（radial basis function,RBF）的惩罚因子和核参数,训练LSSVM校正模型。经比较,LSSVM校正模型预测结果最优,预测相关系数为0.984,预测标准差为0.223%,相对分析误差（standard deviation ratio,SDR）为5.62。结果表明：近红外光谱结合LSSVM算法提高了马铃薯全粉还原糖含量的预测精度。     

茶多酚对生鲜面品质及抗氧化特性的影响

为探究茶多酚对生鲜面品质及抗氧化性的影响,利用质构仪、扫描电子显微镜、感官评价和抗氧化模型,分别研究添加0、0.1%、0.5%、1.0%茶多酚的生鲜面的蒸煮特性、质构特征、微观结构、感官品质、贮藏品质以及自由基清除率。结果表明,添加茶多酚后,面条的硬度和咀嚼性均显著增强,面条整体的面筋网状结构变得致密、均匀,内部结构得到明显改善;此外,茶多酚的添加可以有效抑制微生物的生长。在本试验条件下,茶多酚添加量为0.5%时,感官评价总分最高,且DPPH和ABTS自由基清除率较对照均提高了1.5倍,表明在面条中添加0.5%茶多酚可生产出具有一定生理功能的生鲜面产品。本研究结果为功能性生鲜面产品的加工提供了理论依据。     

基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。     

基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型

为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。     

基于注意力机制神经网络的荒漠区蒸散量模拟

该研究对基于注意力机制的长短期记忆（Attention-Based Long Short Term Memory，AT-LSTM）模型对蒸散量（Evapotranspiration，ET）模拟的可行性和有效性进行验证，以提高环境数据缺失情况下的蒸散量模拟精度。基于盐池县2012-2017年的每30 min环境数据，利用不同环境因子组合构建基于注意力机制的LSTM模型，并将其与极限学习机（Extreme Learning Machine，ELM）模型、支持向量机（Support Vector Machine，SVM）模型、长短期记忆（Long Short Term Memory，LSTM）模型在日尺度、月尺度和季节尺度上进行对比分析。结果表明：与其他3种模型相比，当输入环境因子变化时，AT-LSTM模型模拟精度变化很小，模拟效果均较好。当输入空气温度、净辐射、相对湿度、土壤温度、土壤含水率所有环境因子时，基于AT-LSTM模型的模拟效果最好，均方根误差（Root Mean Square Error，RMSE）为0.013 mm/30 min，平均绝对误差（Mean Absolute Error，MAE）为0.006 mm/30 min，相关系数（Correlation Coefficient，R）值为0.905。且无论是从小时尺度、日尺度和月尺度来看，AT-LSTM模型的模拟效果均优于其他3种模型。在环境因子缺失的情况下，净辐射对盐池县ET的模拟贡献程度最大，仅输入净辐射时，AT-LSTM模型模拟得到的RMSE和MAE分别为0.014、0.007 mm/30 min，R为0.892，模型模拟精度较高，AT-LSTM模型模拟精度高，模型稳定性强，对蒸散量模拟预测具有一定的适用性，仅输入净辐射的AT-LSTM模型可以作为环境数据缺失条件下的蒸散量预测模型。     

融合IDA-GRU和IIDW的水产养殖溶解氧时空预测模型

为了提高大面积水产养殖中养殖效率、降低养殖风险、提高溶解氧(dissolved oxygen,DO)时空预测精度,该研究基于双重注意力机制改进的门控循环单元(improved gated recurrent unit based on dual attention mechanism,IDA-GRU)和改进逆距离加权插值算法(improved inverse distance weighting interpolation algorithm,IIDW),提出了一种改进的水产养殖溶解氧时空预测模型。首先在门控循环单元(gated recurrent unit,GRU)的基础上,引入特征和时间双重注意力机制(dual attention,DA),实现溶解氧时间序列预测,其中特征注意力机制实时计算各环境特征的贡献率,不断修正各环境特征的权重,时间特征注意力机制自主地提取关键历史时刻信息;然后在溶解氧时间序列的基础上,利用IIDW算法实现溶解氧空间预测,该算法中提出的距离权重校正系数,能够实时调整插值权重。最后,在上海城市电力公司数字化生态养殖基地对该模型进行了试验验证。试验结果表明,对于溶...     

主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。     

便携式微型保鲜冷库研究

可折叠、便携式新型微型冷库研究，以新型聚乙烯基发泡材料为试材，以经典硬质聚苯乙烯泡沫保温材料为对照，明确便携式微型保鲜冷库的热功性能及其苹果、葡萄的保鲜效果。结果表明，便携式微型保鲜冷库的最佳制冷设备工作时间系数为0.24，对照0.32，库体导热系数为0.95，对照1.00。尺寸受热变形率-3.5%，压缩率7%，延伸率150%，压缩强度3.14 N/cm²，使富士苹果和巨峰葡萄的保鲜效果显著地优于对照。     

基于数字高程模型的复杂地形下的黑龙江平均气温空间插值

空间化的气象资源被广泛应用于生态系统模拟与农业区划中,但常规插值模型对地形复杂、气象站点稀少的地区气象要素空间分布模拟的精度不高。本文在定量分析海拔高度、经纬度等因子对气温空间分布影响的基础上,选取黑龙江1957-2004年1月、4月、7月和10月的平均气温数据,利用DEM模型和相关辅助信息进行复杂地形条件下的气象资源空间分布模拟。精度交叉验证的结果表明,基于DEM辅助相关信息的插值精度明显高于常规的逆距离权重法、样条函数法、普通克里格法,插值精度提高了0.5-0.9℃。气温的空间分布趋势也更加合理,更好的体现出气温分布的空间异质性。     

采用多源信息融合的妊娠猪舍环境质量评价方法

妊娠猪舍作为养殖场猪只繁育的基础条件,其环境质量对母猪的生产性能有显著影响。为合理评价妊娠猪舍环境质量,该研究提出一种基于模拟退火的粒子群算法（Simulated Annealing-Particle Swarm Optimization,SA-PSO）、套索算法（Least Absolute Shrinkage and Selection Operator,LASSO）和反向传播（Back Propagation,BP）神经网络的环境质量评价模型。利用卡尔曼滤波和分批估计自适应加权融合算法,实现多节点环境数据的时间与空间数据融合;构建猪舍环境质量非线性评价模型,采用LASSO算法,筛选得出与环境质量强相关的特征参数,实现输入降维;融合SA-PSO算法实现网络初始权值和阈值的优化,形成SA-PSO-LASSO-BP神经网络评价模型。通过对数据采集系统获取的实际妊娠猪舍环境数据进行验证,结果表明：提出的环境质量模型决定系数为0.918、总准确率为95.85%,相比单纯使用BP神经网络,加入LASSO和SA-PSO算法后决定系数与总准确率分别提高了37.43%、11.09%,具有更高的评价精度和性能,可更好地拟合复杂环境参数与环境质量间的非线性关系,为妊娠猪舍环境质量评价提供参考。     

Associations between the sensory attributes and volatile composition of Cabernet Sauvignon wines and the volatile composition of the grapes used for their production

The sensory properties of wine are influenced by the chemical composition of the grapes used to produce them. Identification of grape and wine chemical markers associated with the attributes perceived by the consumer of the wine will enable better prediction of the potential of a parcel of grapes to produce wine of a certain flavor. This study explores the relationships between Cabernet Sauvignon grape volatile composition and wine volatile profiles with the sensory properties of wines. Twenty grape samples were obtained from nine vineyard sites across three vintages and wines vinified from these parcels using controlled winemaking methods. The volatile composition of the grapes were analyzed by SBSE-GCMS, the wines were analyzed by SPME-GCMS, and these data sets were compared to that obtained from the sensory analysis of the wines. Statistical treatment of the data to account for vintage and region effects allowed underlying relationships to be seen between wine sensory attributes and wine or grape volatile components. The observed associations between grape or wine volatile compounds and wine sensory attributes has revealed target compounds and pathways whose levels may reflect the biochemical effects on grape composition by differing growth conditions during berry development and ripening. The compounds identified in this study may be useful grape or wine markers for potential wine sensory characteristics.     

Grapevine selection for improving nutrient content and composition and the associated quality indices—a review

Genotype selection is an essential step in breeding programs determining nutrient content and composition and, thereby, the quality indices of grapevines and their products. The grapevine bioactive compounds, particularly flavonoids, are determinants of grape quality and possess strong health-promoting effects in grapevine and humans. Grapevine nutrient content and composition depends on genotype–environmental interaction in which genotype selection and stress conditions, particularly severity, time, and combination of stresses play significant roles in determining grape and wine quality. This review article aims to provide information required for appropriate genotype selection of grapevines for production of high-quality fruits. The influence of interacting factors, including genotype selection, grapevine metabolites, and environmental conditions, and their interrelationships on the quality of grapevines (flavor, aroma, pigmentation, color stability, and stress tolerance of red and white grapes) and their products (organoleptic properties and storage life of wine/must and juice) are discussed.