[0059] Cj,鍵=(Xj-XM) XEtet+YMjit 1-1;
[0060] Cj,酿=(Xj-XM) XBsii+Ym,酿 1-2;
[0061] Cj,廠=(X」_Xm) ΧΒηΙ+Υμ,廠 1-3;
[0062] Cj,|*|i=(Xj-XM)XEtei±+YMj*i± 1-4；
[0063] 所述模型1-1~1-4中，Cj为第j个待测样品相应评价指标的预测值,?为第j个待测 样品的近红外吸收光谱数据值，Xm为训练集样本的近红外吸收光谱数据的平均值，B为相应 评价指标的模型的回归系数，Ym为训练集样本相应评价指标参考值的平均值；
[0065]
[0064] (3)按照以下公式分别计算4个定量预测模型的模型系数；
[0066]
[0067]
[0068]
[0069] 所述公式II-1~II-4中，Μ代表相应评价指标的模型系数，R2代表相应评价指标的 模型的测定系数，S D代表相应评价指标的训练集样本的样本标准差，RMSECV代表相应评价 指标的模型交互验证均方根误差；
[0070] (4)采集每个待测样品的近红外吸收光谱数据，分别代入各个定量预测模型获得 预测值，并按照以下公式对所述预测值进行归一化处理；
[0071]
[0072]
[0073]
[0074]
[0075] 所述公式III-1~III-4中，Cmin为相应评价指标的全部待测样品中的最小预测值， C max为相应评价指标的全部待测样品中的最大预测值，(^为第j个待测样品相应评价指标的 预测值，为第j个待测样品相应评价指标的归一化预测值；
[0076] (5)按照公式IV计算每个待测样品的综合评价值ZJ:
[00771
[0078] 根据所述综合评价值的大小对全部待测样品进行分级：当& 2 0.7时，待测样品为 一级梨;当0.4 < Zj<0.7时，待测样品为二级梨;当Zj<0.4时，待测样品为三级梨。
[0079] 在上述梨品质的综合评价方法中，所述糖度、酸度、硬度和糖酸比的权重系数以及 步骤(5)中的分级标准，是在大量实验和实践经验的基础上根据市场需要确定;在实际应用 过程中，可根据市场需求的变化和客观情况进行微调。
[0080] 作为一种优选方案，本发明提供了一种桃品质的综合评价方法，包括以下具体步 骤：
[0081] (1)确定评价指标为糖度、酸度、硬度以及糖酸比，设定各项评价指标的权重系数 分别为 K|it=〇 · 6，K酿=0 · 2，K廠=0 · 15，Κ|*?=0 · 05;
[0082] (2)采用棋盘格法选择与待测样品具有相同种植环境的相同品种的典型桃样品作 为训练集样本，训练集样本占待测样品的数量百分比为0.1~5%;以训练集样本的近红外 吸收光谱数据为自变量、各项评价指标的评价值为因变量，采用偏最小二乘回归算法进行 回归运算，建立各项评价指标的近红外吸收光谱定量预测模型，分别为：
[0083] ^,?Μ=(^-ΧΜ)Χ^Μ+ΥΜ,?Μ 1-1;
[0084] Cj,酿=(Xj-XM) XBsii+Ym,酿 1-2;
[0085] Cj，廠 =(Χ」-Χμ) ΧΒ?Ι+Υμ，廠 1-3;
[0086] Cj，繼匕=(Xj-Xm) XBw：匕+Υμ，繼匕 1-4;
[0087] 所述模型1-1~1-4中，Cj为第j个待测样品相应评价指标的预测值,?为第j个待测 样品的近红外吸收光谱数据值，Xm为训练集样本的近红外吸收光谱数据的平均值，B为相应 评价指标的模型的回归系数，Ym为训练集样本相应评价指标参考值的平均值；
[0088] i W桉眧W下公忒分別i+笪4个宙量预涮槌型的模型系数；
[0089]
[0090]
[0091]
[0092]
[0093] 所述公式II-1~II-4中，Μ代表相应评价指标的模型系数，R2代表相应评价指标的 模型的测定系数，Sd代表相应评价指标的训练集样本的标准差，RMSECV代表相应评价指标 的模型交互验证均方根误差；
[0094] (4)采集每个待测样品的近红外吸收光谱数据，分别代入各个定量预测模型获得 预测值，并按照以下公式对所述预测值进行归一化处理；
[0099] 所述公式III-1~III-4中，Cmin为相应评价指标的全部待测样品中的最小预测值，
[0095]
[0096]
[0097]
[0098] Cmax为相应评价指标的全部待测样品中的最大预测值，(^为第j个待测样品相应评价指标的 预测值，(?为第j个待测样品相应评价指标的归一化预测值；
[0100] (5)按照公式IV计算每个待测样品的综合评价值ZJ:
[0101]
[0102] 根据所述综合评价值的大小对全部待测样品进行分级：当0.55时，待测样品 为一级桃；当0.28 < Zj<0.55时，待测样品为二级桃；当Zj<0.28时，待测样品为三级桃。
[0103] 在上述桃品质的综合评价方法中，所述糖度、酸度、硬度和糖酸比的权重系数以及 步骤(5)中的分级标准，是在大量实验和实践经验的基础上根据市场需要确定;在实际应用 过程中，可根据市场需求的变化和客观情况进行微调。
[0104] 本发明所述方法中，在计算振动光谱定量预测模型的模型系数时，所述R2、Sd和 RMSECV分别按照公式V、VI、VII进行计算；
[0105]
[0106]
[0107]
[0108] 所述公式V、VI和VII中，YP为第p个训练集样本的预测值，YPR为第p个训练集样本 的参考值，Ym为训练集样本评价指标参考值的平均值，q为训练集样本容量（即训练集样本 总数）。所述公式V、VI中的Ym和公式I中的Ym的意义相同。
[0109] 本发明所述方法中，训练集样本评价指标参考值是指:采用本发明所述的振动光 谱以外的方法，测得训练集样本某项评价指标的具体数值，作为建立某项评价指标定量模 型时的参考值。确定某项评价指标相应的参考值时，优选本领域最为常规、可靠、稳定的方 法，以尽量确保所得参考值能够客观反映该项评价指标。
[0110] 以果实可溶性固形物含量，即糖度为评价指标的定量预测模型中，训练集样品的 参考值的确定方法为：用糖度仪检测果实汁液的折光度，获得果实糖度的参考值(单位为糖 度单位，即白利度，Brix)。
[0111] 以果实可滴定酸含量，即酸度为评价指标的定量预测模型中，训练集样品的参考 值的确定方法为:用酸度仪检测果实汁液的电导率，获得果实酸度的参考值(单位为电导率 单位，即西门子/米，S/m)。
[0112] 以果实成熟度，即硬度为评价指标的定量预测模型中，训练集样品的参考值的确 定方法为:用硬度计测量果实的硬度，获得果实硬度的参考值(单位为压强单位，即帕斯卡/ 平方厘米，Pa/cm2)。
[0113] 以果实糖酸比，即糖酸比为评价指标的定量预测模型中，训练集样品的参考值的 确定方法为：用所述果实可溶性固形物含量的参考值除以果实可滴定酸含量的参考值，获 得果实糖酸比的参考值。
[0114] 对于特定的农产品种植区域而言，不同年份收获的农产品综合品质的差异一般较 小。因此，在长期应用本发明所述方法的过程中，可根据年份的变化对训练集样本的容量进 行优化调整，在对模型进行校正、维护的同时，节约程序和成本。具体而言，在应用所述方法 的第一年，在当年采集的待测样品中，可选择占其总数1~5%的典型样本作为训练集样本， 建立模型；在其后的若干年内，仅需从当年采集的待测样品中选择占其总量0.1~0.5%的 典型样本，与前一年的典型样本混合后作为训练集样本，建立模型，即可实现对定量预测模 型的校正和维护。
[0115]本发明提出的农广品品质综合评价方法，可以充分考虑到农广品品质的多指标及 多指标之间的相互影响，兼顾模型的预测性能，可以实现农产品品质更为科学、合理、全面、 综合、准确、实用的分级。
【附图说明】
[0116] 图1为本发明所述农产品品质综合评价方法流程示意图；
[0117] 图2为本发明实施例1预测苹果综合评价值散点图；
[0118] 图3为本发明实施例2预测梨综合评价值散点图；
[0119] 图4为本发明实施例3预测桃综合评价值散点图。
【具体实施方式】
[0120]下面结合附图和实施例对本发明的【具体实施方式】作进一步详细描述。以下实施例 用于说明本发明，但不用来限制本发明的范围。
[0121] 以下各实施例中，训练集样品的糖度参考值的确定方法为：用糖度仪检测果实汁 液的折光度，获得果实糖度的参考值(单位为糖度单位，即白利度，Brix);
[0122] 训练集样品的酸度参考值的确定方法为：用酸度仪检测果实汁液的电导率，获得 果实酸度的参考值(单位为电导率单位，即西门子/米，S/m);
[0123] 训练集样品的硬度参考值的确定方法为：用硬度计测量果实的硬度，获得果实硬 度的参考值(单位为压强单位，即帕斯卡/平方厘米，Pa/cm 2);
[0124] 训练集样品的糖酸比参考值的确定方法为：用所述果实可溶性固形物含量的参考 值除以果实可滴定酸含量的参考值，获得果实糖酸比的参考值。
[0125] 实施例1
[0126] 以在相同条件下种植、同时收获的苹果作为待测样品，按照以下方法进行综合评 价分级：
[0127] (1)确定评价指标为糖度、酸度、硬度以及糖酸比，设定各项评价指标的权重系数 分别为 K|it=〇 · 6，K酿=0 · 3，K廠=0 · 07，Κ|*?=0 · 03;
[0128] (2)采用棋盘格法选择与待测样品具有相同种植环境的相同品种的典型苹果样品 作为训练集样本，训练集样本共375个，占待测样品的数量百分比为5%，以训练集样本的近 红外吸收光谱数据为自变量、各项评价指标的评价值为因变量，采用偏最小二乘回归算法 进行回归运算，建立各项评价指标的近红外吸收光谱定量预测模型，分别为：
[0129] (Xj-Xm) ΧΒ?Μ+ΥΜ,?Μ I~1;
[0130] Cj,酿=(Χ」-Χμ) X BsU+Y