一、如何识别蔬菜的鲜度(论文文献综述)
陈远涛,熊忆舟,薛莹莹,张涛,于伟杰,张钧煜,张希,孙启永,万浩,王平[1](2021)在《基于深度学习的电子鼻食品新鲜度检测与识别技术研究》文中研究指明实际生活中,食品储存情况复杂,对食品新鲜度的准确检测十分重要。将常见食品分为水果、蔬菜、肉类三个类别,并根据实际情况,对不同食品储存情况设计相应实验,利用设计的电子鼻系统对食品样本进行检测,将测试得到的样本数据用于建立线性判别分析(Linear Discriminant Analysis, LDA)、支持向量机(Support Vector Machine, SVM)、卷积神经网络(Convolutional Neural Network, CNN)模型,最终利用不同模型对食品样本的状态:新鲜、水果腐败、蔬菜腐败、肉类腐败,作出分类识别。对于实际测试样本,LDA、SVM、CNN识别准确率分别为:45.00%、85.00%、90.00%,结果证明基于深度学习的电子鼻系统可对不同储存情况下的食品新鲜状态作出有效判断,可在一定程度上为受主观因素影响的感官评价提供客观参考,提高食品新鲜度判断准确性。
于润湉[2](2021)在《基于行为改变理论的智能冰箱健康设计研究 ——以90后人群为例》文中认为随着生活水平的普遍提高,国民对生命质量的需求也经历了升级,广泛地关注起健康问题。2020年新冠疫情的威胁让人们的生活方式发生了巨大的变化,人们迫切地寻求更加安全和健康的生活方式。其中,饮食健康是人们格外重视的一环。冰箱担当着存储食品、保持鲜度的重要工作,是饮食生活的重要一环。为了满足用户们的健康需求,冰箱厂商也从健康场景出发,对冰箱基础的保鲜功能进行优化升级,推出食材监测、杀菌除味等健康功能。但冰箱内始终不能杜绝细菌的存在和繁衍,用户在使用冰箱时的不良行为依旧可能导致食物变质、细菌污染等不良后果,也因此引发过食物中毒等恶性事件。所以在设计冰箱时,也要考虑对用户使用冰箱的行为进行引导,避免使用行为带给健康的不良影响。行为改变理论已被证明能有效地引导人们的健康行为、促进健康生活方式,并在设计学科也得到了部分应用。因此本课题希望以行为改变理论为理论基础,探讨针对90后用户、旨在促进健康使用行为的智能冰箱健康设计策略。论文首先对于行为改变的相关理论进行研究。行为改变理论是对个体行为进行解释、预测、干预和引导的行为学和心理学研究,经历了若干年的发展和实践,衍生出了多种理论和模型。在设计学领域,Fogg教授提出了Fogg行为模型,并以此创立了行为设计学。在Fogg模型的基础上,CREATE行为模型引入了用户直觉、时间紧迫性等行为影响因素,用于解释和引导用户的行为。在理论模型的指导下,可以对用户行为触发机制进行设计,进一步干预和引导用户行为。在用户调研阶段,通过入户观察、定性和定量调研,对于90后人群的生活状态、冰箱使用场景和行为进行观察、分析、总结,提炼出用户的健康行为特征和对冰箱的需求。基于CREATE行为模型和调研结果,能得出90后人群使用冰箱行为的健康干预模型。并根据用户需求提出相应的冰箱产品设计策略。最后将干预策略和设计策略投入设计实践,得到设计产出,来验证前期研究的有效性。本课题提出了基于行为改变的冰箱产品设计策略,希望能拓展行为改变理论在设计领域的研究,为面向行为的智能冰箱产品设计和健康设计提供思路和参考。
郑煜[3](2021)在《基于光谱分析的生鲜食品新鲜度评价研究》文中研究表明生鲜食品的安全和品质问题一直以来都是人民群众迫切关心的问题,而新鲜度是生鲜食品安全和品质问题的核心。因此迫切需要开展生鲜食品新鲜度评价方法的研究。选取了生鲜食品中销量最高的猪肉、菠菜、娃娃菜、油麦菜为研究对象,分别存放在常温20℃、冷藏-4℃和冷冻-18℃(猪肉)条件下,通过ASD光谱仪采集样品的光谱信息、手机照片和蔬菜的水分含量,并结合感官评定方法对样品在存放期间的新鲜度进行评价,最后构建手机颜色光谱,建立手机颜色光谱新鲜度识别模型,为今后快速检测生鲜食品的新鲜度提供有力的科学依据。猪肉中含有肌红蛋白质,由于在存放过程中直接或间接与空气中氧气接触,逐渐被氧化导致其含量不断减少,猪肉由新鲜逐渐变质,而肌红蛋白质的含量又决定了猪肉颜色的变化。因此在肌红蛋白吸收带760nm波段构建了猪肉新鲜度光谱指数(FI)。结合猪肉新鲜度感官评定结果,对猪肉样品进行了新鲜度综合评价。分析得出,随着样品放置时间的增加,不同存放条件下猪肉FI指数均呈下降趋势。当FI≥0.5时,猪肉新鲜等级为新鲜;当0.3≤FI<0.5时,猪肉新鲜等级为次新鲜;当FI<0.3时,猪肉新鲜等级为变质。水分含量是蔬菜新鲜程度的重要因素。基于偏最小二乘法(PLS)对蔬菜光谱与相对含水率(RMC)进行相关性分析。结果表明,蔬菜RMC值与光谱反射率在水分敏感波段具有很高的相关性,相关系数绝对值均在0.85以上。结合蔬菜感官评定结果,对蔬菜样品进行了新鲜度综合评价。分析得出,当RMC≥65%时,菠菜新鲜等级为新鲜;当65%>RMC≥40%时,菠菜新鲜等级为次新鲜;当RMC<40%时,菠菜新鲜等级为腐败。当RMC≥80%时,娃娃菜新鲜等级为新鲜;当80%>RMC≥60%时,娃娃菜新鲜等级为次新鲜;当RMC<60%时,娃娃菜新鲜等级为腐败。当RMC≥70%时,油麦菜新鲜等级为新鲜;当70%>RMC≥45%时,油麦菜新鲜等级为次新鲜;当RMC<45%时,油麦菜新鲜等级为腐败。通过颜色量化模型方法得到手机照片RGB量化值,分别与FI指数和RMC值建立关系找出最佳颜色通道。同时,基于样品的ASD光谱数据与手机照片、灰度板的RGB量化值,构建了手机的颜色光谱模型,得出颜色光谱实测值和模型拟合值。将样品最佳颜色通道的实测值和拟合值,分别与FI指数和RMC值进行线性拟合分析,构建手机颜色光谱新鲜度识别模型。结果显示,最佳颜色通道的实测值和拟合值均与FI指数、RMC值满足预期的函数关系,相关系数均在0.8以上。
解妮妮[4](2021)在《考虑分品类的D生鲜电商前置仓竞争选址研究》文中进行了进一步梳理生鲜产品高频、刚需,生鲜电商市场潜力巨大且疫情加速培养消费者线上消费习惯,生鲜电商渗透率加速提升,各大资本和企业纷纷加入布局和扩张战略,市场竞争加剧,企业只有不断提高服务质量、提升客户满意度并精准地把控各项成本,才能在最终的市场上占有一席之地。D生鲜电商从上海起家,前置仓运营效果良好,逐步向一二线城市扩张,依据企业的选址战略,目前已布局到南京市场,且该市场上已存在两家主要的竞争对手,本文针对D公司的选址问题背景进行选址研究。首先,从D公司选址的内部情况、外部市场竞争情况及需求分析三个方面对其选址现状进行分析,为选址模型构建奠定基础。从企业内部看,南京市是其选址战略的下一个目标地,接着从供应链的供应侧、运输侧及需求侧三部分对整个供应链全流程进行分析;针对外部市场竞争情况,对比分析了三家竞争企业的运营模式及在目标市场的网点分布情况;最后基于其需求的不确定,对需求点、需求量确定方式的原因与原理进行介绍,需求点通过K-means聚类将10176个样本值聚类为89个需求中心,需求量通过GM(1,1)进行预测,结果显示预测精度较高。其次,本文结合企业的实际背景,充分考虑了生鲜产品特性、市场竞争因素、生鲜需求分品类、企业和消费者两个决策主体行为等对选址结果的影响,构建了竞争环境下考虑分品类的生鲜前置仓双目标选址模型。分别以企业利润最大化和消费者满意度最大化为两个决策目标进行分析,其中企业利润为年销售收入与运营、折旧、人工、运输、损耗等成本的差;消费者满意度包含配送时效满意度与产品新鲜度满意度。并选用NSGA-II算法对模型进行求解,依据本文的模型思路设计了相应的编码方式并选择合适的遗传算子。最后,针对D企业的前置仓选址背景收集模型中涉及到的相关数据并对相关参数进行合理假设,采用MATLAB R2019a软件运行求解得到12个pareto最优解,并对折中解6的选址结果、需求分配方案、人员分配方案、各项成本占比、市场份额占比情况进行分析,最终从三家企业的市场占优角度看,D企业以更少的前置仓数量获得更多的市场份额,本文的选址结果较优,可以为D企业提供一个较好的前置仓选址方案供其参考借鉴。本论文有图13幅,表18个,参考文献53篇。
李欣怡[5](2021)在《生鲜农产品跨境冷链物流运输多目标决策研究》文中研究表明“一带一路”倡议、国际国内双循环、以及习总书记最近提到的“碳综合、碳达峰”等都对我国的跨境物流的时效性、环保性等提出了更高的标准和要求,但由于我国冷链发展时间较短、现有冷链物流运输基础设施不足,却面临着发达国家对进口货物的标准越来越高的要求之下,跨境冷链物流需要进一步的发展。但物流基础设施的建设非一日之功,需要相当长的一段时间,本文立足于当下现有的基础设施条件,构建以最小运输成本和最小运输风险的运输决策模型,旨在基于现有基础设施条件之下,通过对跨境物流口岸、载运工具以及运输路径的决策,得到最优运输方案,使得产品能够更经济和更安全的到达目的地。首先,本文对生鲜农产品跨境冷链运输的概念作了辨析和界定,综述了国内外相关研究现状,虽然目前国内外学者对于运输决策问题的研究已经成果颇丰,但大多是宏观层面对于物流过程中某一环节的研究,且研究问题的方法大多与研究其他问题的方法没有太大差异,没有考虑到生鲜的特性。其次,对生鲜农产品跨境运输过程进行了分析,将生鲜农产品跨境冷链物流过程进行了风险划分和分析,并基于生鲜农产品跨境冷链物流运作特点提出了三个风险指标:通关效率、载运工具稳定性和冷链中断概率作为本文研究风险因素对跨境物流影响的依据。并且将成本作为优化的目标,根据生鲜农产品运输的特性,选取六个组成成本结合风险构建了符合本文研究特点的双目标模型,并且基于模型的复杂特性选用了遗传算法进行求解,求解过程中对算法的应用进行了一定程度上的改进,提高了求解效率,同时也为将来的复杂模型求解研究提供了一些思路。最后,以昆明出口新加坡为研究区域,选取了17个城市和口岸作为节点构造决策网络,对生鲜农产品出口的口岸、运输方式以及运输路径采用算法进行决策。从生鲜农产品的价值、考虑风险对决策系统的影响以及泛亚铁路开通后运输决策结果的变化三个方面来验证了模型和算法的有效性,且研究结果体现了铁路技术和经济优势,表明泛亚铁路开通后能够在一定的程度上改变目前现有跨境货物运输格局,提升跨境货物运输的效率,而该决策模型可以快速得出最优方案,帮助决策者制定决策提供依据。
陈远涛[6](2021)在《电子鼻结合感官评价的食品新鲜度检测研究》文中进行了进一步梳理随着生活水平的提高,人们对食物的追求不再单单局限于温饱了,对食物品质的关注度日益增加,同时,食品安全问题也越来越受到人们的重视。对于食品新鲜度的常规检测方法往往检测步骤繁琐、耗时长、部分检测结果存在主观性。电子鼻检测技术作为一种新兴的检测方法,具有便携、无损、实时的优点,而随着材料科学与计算机技术的不断发展,电子鼻技术也得到了巨大的进步,利用电子鼻的对食品新鲜度进行鉴别具有较大的应用潜力。因此,本文设计并开发了基于电子鼻的食品新鲜度检测与识别系统。本文的主要研究工作和创新性工作如下:1.对传统食品新鲜度检测方法以及食品腐败相关的特征气体进行深入研究,比较了不同种类食品在不同感官新鲜度下食品挥发性成分的区别,初步确定了与食品腐败相关的气体标志物本文通过查阅相关文献调研了常用的食品新鲜度检测方法,并深入研究了电子鼻技术在食品新鲜度中的具体应用。同时,参考现有文献对生活中常见的食品腐败过程中的特征气进行探究,通过收集食物腐败过程中的气袋顶空气体,利用固相微萃取-气相-质谱联用实验手段分析了肉类、蔬菜、水果三类常见食品在不同感官新鲜度下挥发性化合物的区别,确认了食品感官特征变化与挥发性成分之间的相关性。根据实验结果,初步确定了与食品腐败相关的气体标志物:乙醇、氨气以及硫化氢,并将这三种气体作为系统检测的主要目标气体。2.对传感器阵列进行了筛选与目标气体标定,按照模块化以及小型化的设计要求构建了基于金属氧化物半导体气体传感器的食品新鲜度检测电子鼻系统本文选择了技术成熟、应用广泛且制造成本低的金属氧化物半导体气体传感器作为电子鼻系统的检测传感器,根据实际的食品腐败相关特征气体设计气体传感器阵列,并通过配置不同浓度的目标气体对实际传感器阵列的灵敏度以及线性度进行测试。同时,按照模块化的方法,将电子鼻检测系统分为气路模块、检测及控制模块以及系统软件模块,设计的电子鼻系统能够对食品气味信息进行检测采集并通过系统软件进行数据传输,具有尺寸小、成本低以及易集成的优点。3.利用电子鼻系统完成了对常见的12种食品在单独储存下腐败过程的气味信息的检测与记录,并利用线性判别算法开发了基于电子鼻系统的单一食品新鲜度判别模型,利用实际数据对模型进行了识别效果验证选取实际生活中常见的12种肉类、蔬菜和水果类食品作为实验对象,以人为感官评价为参考,建立不同食品的感官新鲜度评价标准,将食物新鲜度划分为新鲜、次新鲜和腐败三个类别。利用电子鼻系统对12种食品进行实际测试,记录下不同食品在单一食品储存情况下从新鲜到腐败的传感器响应变化,并将实际测试数据用于建立线性判别分析模型。算法模型将感官评价新鲜度结果作为参考,结果表明,在单一食品储存情况下,线性判别分析算法可以对食品的新鲜、次新鲜以及腐败三种不同的新鲜程度做出有效区分,不同食品新鲜度的识别准确率最低为85.77%,最高为100.00%。4.针对实际生活中复杂的混合食品存放情况,设计了相应混合食品测试实验,并利用电子鼻系统对部分食品混合储存情形进行了测试,基于卷积神经网络建立了混合食品新鲜度识别模型,并与其他算法进行对比针对实际生活中食品混合储存的复杂情况,通过对食品种类进行约束以及混合方式进行简化,设计了混合食品测试相关实验,利用电子鼻系统对选取的12种食品混合情况进行测试,并根据实际情况,将混合食品的识别目标分为样本新鲜、肉类食品腐败、蔬菜食品腐败以及水果食品腐败4种情况,即在判断食品样本中是否含有腐败食品的基础上对腐败食品的种类做进一步判断。在利用实验测试数据建立混合食品线性判别分析模型无法得到理想结果的情况下,探究了卷积神经网络在混合食品新鲜度识别中的应用,通过与传统的模式识别算法进行对比,证明卷积神经网络在几种算法中识别效果最好,识别准确率可以达到93.33%,结果表明,基于卷积神经网络的识别模型能对混合食品新鲜度做出有效判断,具有较大应用潜力。
闻卉[7](2020)在《不同主体主导下生鲜农产品供应链的利润最大化策略研究》文中研究说明近几年来,随着生活水平的提高、食品安全知识的普及以及我国食品安全事件的曝光,消费者更加追求生鲜农产品的质量。生鲜农产品的质量和价格是影响消费者购买决策的重要因素,而生鲜农产品供应链节点企业任何一方的质量投入行为都会影响彼此的定价策略和利润,并且生鲜农产品流通中的损耗和产出的随机性也会影响生鲜农产品的定价,进而影响节点企业的利润。鉴于此,为了满足消费者追求生鲜农产品质优价低的需求,探讨生鲜农产品供应链中占主导地位的企业如何决策以期同时提高自身的利润和生鲜农产品供应链系统的总利润。本文以生鲜农产品供应商和单一零售商组成的两级生鲜农产品供应链为研究对象,以消费者追求生鲜农产品“质优价低”的需求为导向,结合生鲜农产品流通损耗大、易变质、需求和产出随机的特性,借助需求函数理论、价格理论、博弈论、效用理论、最优化理论、供应链的协调契约理论和数值计算等方法和研究工具,研究不同市场环境下,不同主体主导下的生鲜农产品供应链利润最大化的定价策略、双边质量控制策略和政府补贴策略。首先,考虑普通生鲜农产品和绿色生鲜农产品的质量差异对需求的影响,建立了单一零售商和两个竞争型生鲜农产品供应商组成的两级生鲜农产品供应链博弈模型,引入了受生鲜农产品的绿色度、零售价格和新鲜度影响的消费者时变效用函数,研究了零售商主导下的销售模式选择及定价策略问题。然后建立了单一零售商和单一生鲜农产品供应商组成的两级生鲜农产品供应链博弈模型,在考虑普通生鲜农产品和绿色生鲜农产品存在替代性,且市场需求受自身价格、新鲜度以及替代品价格共同影响、交货量受数量损耗影响的条件下研究了生鲜农产品供应商主导下差别定价策略以及实现生鲜农产品供应链利润最大化的协调契约。其次,针对只销售普通生鲜农产品或只销售绿色生鲜农产品的模式,基于生鲜农产品需求随机的特性,建立了单一零售商和单一生鲜农产品供应商组成的两级生鲜农产品供应链博弈模型,引入了受生鲜农产品供应链成员的双边质量控制水平、生鲜农产品的价格以及不可控的随机因素共同影响的线性需求函数,并在考虑生鲜农产品的交货量受数量损耗影响的条件下研究了生鲜农产品供应商主导下的节点企业的质量投入水平策略以及实现生鲜农产品供应链利润最大化的协调契约。最后,针对只销售普通生鲜农产品或只销售绿色生鲜农产品的模式,基于自然灾害导致生鲜农产品产出随机的特性,设计了政府以“优先保证最大化社会福利的基础上兼顾生鲜农产品供应商增收”为补贴目标的灾害年的不同补贴政策,建立了政府、单一零售商和单一生鲜农产品供应商组成的三阶段Stackelberg博弈模型,在零售商不具有合作偏好行为和具有合作偏好行为的不同背景下,研究了政府最优补贴政策的选择问题,分析了政府的补贴政策和合作偏好行为对企业决策的影响。本文的主要结论如下:1.考虑绿色生鲜农产品供应商和普通生鲜农产品供应商生产的生鲜农产品存在绿色度差异,消费者的时变效用受农产品的绿色度、零售价格和新鲜度的影响,研究了零售商主导下的销售模式选择问题和定价策略,比较了只销售普通生鲜农产品、只销售绿色生鲜农产品以及同时销售普通生鲜农产品和绿色生鲜农产品三种销售模式下的最优定价和利润水平,讨论了主要参数的变化对最优策略和利润的影响。研究结果表明:(1)当绿色度的成本系数偏高时,零售商的最优销售模式为只销售普通生鲜农产品模式;当绿色度的成本系数偏低或适中时,(1)只要绿色度的成本系数满足普通生鲜农产品和绿色生鲜农产品同时销售的条件,则零售商的最优销售模式为同时销售普通生鲜农产品和绿色生鲜农产品模式;(2)若绿色度的成本系数低于某一临界值,则零售商的最优销售模式为只销售绿色生鲜农产品模式;反之,则零售商的最优销售模式为只销售普通生鲜农产品模式;(2)两产品的最优零售价格与绿色度的成本系数和新鲜度敏感系数正相关,与价格敏感系数负相关;零售商的利润与价格敏感系数和绿色度的成本系数负相关,与新鲜度敏感系数正相关。2.针对单一生鲜农产品供应商同时供应普通生鲜农产品和绿色生鲜农产品的模式,考虑生鲜农产品的需求受自身价格、新鲜度以及替代品价格的共同影响;针对单一生鲜农产品供应商只供应普通生鲜农产品或绿色生鲜农产品的模式,考虑生鲜农产品的需求受市场价格、供应链上下游成员的质量投入水平以及不可控的随机因素的共同影响,建立了受数量损耗影响的分散式决策和集中式决策下的两级生鲜农产品供应链的利润模型,研究了生鲜农产品供应商主导下的定价策略、质量投入水平策略以及实现生鲜农产品供应链利润最大化的协调契约,讨论了主要参数的变化对最优策略和利润的影响。研究结果表明:传统的批发价格契约不能实现生鲜农产品供应链的协调,(1)在同时销售普通生鲜农产品和绿色生鲜农产品的模式下,只要生鲜农产品供应商将批发价格压低至抵消数量损耗后的生产成本,并且零售商提供给生鲜农产品供应商的利润分享比例满足一定的约束条件,则“利润共享契约”就能实现供应链的完美协调;(2)在只销售普通生鲜农产品或只销售绿色生鲜农产品的模式下,只要生鲜农产品供应商将批发价格压低至抵消数量损耗后的生产成本,并且零售商的利润共享比例和预设的保留收益分别满足一定的约束条件,则预设保留收益的利润共享契约不仅能实现供应链的完美协调,还能提高生鲜农产品供应商和零售商的质量努力水平。3.在零售商具有合作偏好行为的背景下,针对自然灾害影响产出的特性,基于政府、零售商和生鲜农产品供应商组成的三阶段Stackelberg博弈模型,研究了政府以“优先保证最大化社会福利的基础上兼顾生鲜农产品供应商增收”为补贴目标的灾害年的最优补贴政策的选择问题,对比分析了政府的不同补贴政策以及零售商的合作偏好行为对政府的最优补贴率、零售商的最优收购价格、生鲜农产品供应商的最优生产投入量和三方利益以及消费者剩余的影响。研究结果表明:当“丰收年”发生的概率适中或偏高时(若零售商具有合作偏好行为,则要求零售商的合作偏好程度低于某一临界值),政府的最优补贴政策是对生鲜农产品供应商提供补贴的政策,该补贴政策可以提高社会福利和消费者剩余,但生鲜农产品供应商不一定增收;其余情形下,政府的最优补贴政策是对零售商提供补贴的政策,该补贴政策不仅能提高社会福利和消费者剩余,也能促进生鲜农产品供应商增收。本文的创新之处主要体现在:1.同时引入产品绿色度和新鲜度来探讨质量与价格竞争对销售模式和定价策略的影响。针对生鲜农产品差异化定价策略对供应链节点企业利润的影响,已有的生鲜农产品供应链的纵向主从博弈的研究很少探讨同品种的绿色生鲜农产品和普通生鲜农产品的质量和价格竞争对零售商销售模式的选择及定价策略的影响,也尚未同时考虑生鲜农产品的绿色度、新鲜度和价格对消费者效用的影响。本文引入绿色生鲜农产品供应商和普通生鲜农产品供应商的横向竞争关系,构建生鲜农产品的绿色度、新鲜度和价格共同影响下的消费者时变效用函数,建立不同销售模式下的利润函数模型,研究问题具有创新性。2.从双边质量控制和损耗率的视角分析质量投入水平对供应链系统绩效的影响。针对生鲜农产品供应链上下游成员的纵向合作问题,已有的基于质量控制影响需求的供应链的协调契约的研究只考虑单方成员的质量努力水平对需求的影响,也没有同时考虑生鲜农产品需求随机且易损耗的特点。本文同时引入两个成员的质量投入水平这两个决策变量,构建成员双方的质量投入水平、不可控的随机因素、数量损耗以及价格共同影响的需求函数,建立更贴近现实的利润函数模型,设计契约激励成员双方共同提高质量投入水平实现供应链系统利润最大化的目标,在研究视角上具有创新性。3.针对不同的补贴对象并考虑零售商的行为偏好特性来研究生鲜供应链的政府补贴策略。针对政府补贴政策对生鲜供应链成员的利润及社会福利改善问题,已有研究大多是从政府补贴灾害年生鲜农产品供应商利润损失的视角来分析政府补贴政策的绩效问题,鲜有文献针对不同补贴对象下的补贴效果比较分析,也未考虑供应链成员的合作偏好行为。本文引入零售商的合作偏好行为,设计灾害年政府分别对生鲜农产品供应商和处于强势地位的零售商提供补贴的补贴政策,以“优先保证最大化社会福利的基础上兼顾生鲜农产品供应商增收”为补贴目标,并结合零售商的合作偏好行为,探讨政府的最优补贴政策,研究问题具有创新性。
谢忠红,徐焕良,黄秋桂,王培[8](2019)在《基于高光谱图像和深度学习的菠菜新鲜度检测》文中提出针对传统机器视觉在实现菠菜新鲜度检测精度偏低的问题,该文提出了一种基于高光谱和深度学习技术的圆叶菠菜新鲜度识别新方法。以10℃常温贮存的圆叶菠菜为研究对象,以天为单位,综合考虑影响菠菜新鲜度的6个因素:贮藏天数、外观、含水率、叶绿素a、叶绿素b和胡萝卜素,将菠菜划分为新鲜、次新鲜和腐败3个等级。拍摄菠菜叶片的高光谱图像,计算ROI(region of interest)反射率均值后,基于分组精英策略遗传算法,结合2种分组策略,筛选出含6个波长的组合。定义训练集R和测试集合T,使用SVM分类器,基于波长对应的反射率,分别进行基于光谱特性界定菠菜的新鲜度分类试验。找出了识别率均值最高的3个波长,分别是389.55、742.325和1 025.662 nm。由于基于光谱特性进行菠菜新鲜度检测时识别率偏低。尝试基于菠菜的高光谱图像特征进一步进行菠菜新鲜度识别研究。从高光谱图像集中抽取这3个波长对应的菠菜图像,构成菠菜图像样本库(Norm Img389、Norm Img742、Norm Img1025和Norm Imgmerge),基于深度学习技术建立菠菜新鲜度识别模型,对图像样本库中4类图像进行识别试验,平均识别准确率79.69%、68.75%、69.27%和80.99%。而Norm Img389测试集识别正确率接近80%,Norm Imgmerge测试集识别正确率最高达到了80.99%,说明融合3个波长对应的图像进行等级识别效果最好。该研究实现了圆叶菠菜新鲜度的无损检测,具有实践和理论意义。
王敏[9](2019)在《智能电子鼻在冰箱食品新鲜度实时检测及评价中的应用研究》文中提出食品新鲜度由于与人类健康和生命安全直接相关而备受关注。传统的食品新鲜度检测方法具有操作复杂、检测时间长、受人为主观干扰的缺点。而电子鼻(Electronic Nose)检测手段具有便携、无损、实时的优点,近年来有很多使用电子鼻进行食品新鲜度识别的研究,而电子鼻结合冰箱进行食物新鲜度判别的实例较少。因此,本文开发了用于冰箱中食物新鲜度实时原位检测的小型电子鼻。本文的主要研究内容和创新性工作如下:1.深入研究了食物腐败目标气体以及冰箱食物新鲜度检测的方法,确定了检测食物新鲜度的标志物和冰箱食物泵吸式检测方法本文通过查阅相关文献了解食物腐败过程中产生的主要挥发性有机气体化合物,然后收集食品腐败的气袋顶空气体,采用气-质联用(GC-MS)实验手段分析不同食物种类腐败产生的目标气体,确定系统检测的食物新鲜度标志物为:氨气、硫化氢和乙醇。同时,针对冰箱中食物新鲜度检测,设计了扩散式检测方法和泵吸式检测手段,分析两种检测方式的优缺点,综合考虑成本、尺寸和检测效果,以泵吸式检测方式为基础,提出了小型化的智能电子鼻系统的设计方法。2.提出了食物新鲜度检测传感器阵列的设计与优化方法,确定了MOS传感器类型并构建了用于冰箱内食物新鲜度检测的传感器阵列选择了金属氧化物半导体(MOS)气体传感器作为电子鼻的检测传感器,分析了 MOS传感器的气体敏感机理与数学模型,并设计了相应的MOS传感器信号检测电路同时对电路结构进行优化。针对三种食物新鲜度检测特征气体,使用相应的金属氧化物传感器,搭建用于食物新鲜度评级的MOS气体传感器阵列。同时测试MOS 了传感器阵列对于环境温度变化和食物腐败气体的响应,测试结果表明即使在温度较低的环境下,MOS传感器对腐败的食物也有较好的响应,可以用于冰箱中的食物新鲜度判别。3.根据实际应用中的模块化以及小型化的设计要求,本文完成了冰箱食物新鲜度实时检测电子鼻的硬件和软件设计开发了用于冰箱食物新鲜度分类的电子鼻系统,按照模块化的设计理念,同时考虑电子鼻系统的小型化,电子鼻系统设计主要分为气路模块、传感器信号检测及系统控制模块以及系统软件模块。气路模块的设计包括MOS传感器检测气室、气路动力与控制切换;检测与系统硬件电路包括传感器信号检测电路、单片机核心电路、气路元件控制电路;系统软件模块部分包括单片机的数据采集和传输、PC机显示和处理程序以及食物新鲜度分类算法。4.完成了冰箱食物新鲜度的电子鼻实际测试及其评价模型的开发,通过实际食物新鲜度检测和判别实验验证,取得了良好的测试效果使用配气仪获取不同浓度的食品新鲜度标准气体,并对设计的电子鼻系统进行了标定,标定结果表明电子鼻系统对一定范围的目标气体具有良好的浓度区分效果。针对冰箱中经常储存的肉类、蔬菜和水果,选择猪肉、韭菜和香蕉进行冰箱食品实验,食物实验结果表明,所搭建的的电子鼻检测系统对冰箱中的食物新鲜度变化具有良好的灵敏特性。同时以人为感官评价为标准,将冰箱中的食物新鲜度划分为新鲜、次新鲜和腐败,采用线性判别式分析算法建立了初步的冰箱食物新鲜度评价模型。并进行了实验验证,实验结果表明,食物新鲜度评价模型能取得较好的效果。
陈慧芝[10](2019)在《基于智能包装标签的典型生鲜配菜新鲜度无损检测的研究》文中提出生鲜食材含水量高、营养丰富,经过切割处理后其组织结构受到不同程度的破坏,更易滋生微生物,导致食材新鲜度下降,影响产品的安全性。新鲜度的常规理化检测方法耗时耗力,因此如何实现生鲜配菜新鲜度的实时、无损、便捷检测变得尤为重要。本课题选择三类典型生鲜切割配菜:鲜切蔬菜(青椒和西兰花)、冷鲜肉(猪肉)、生鲜水产品(鳙鱼)作为研究对象,制备CO2敏感型和挥发性含氮化合物敏感型智能包装标签,通过标签颜色指示包装内部环境变化反馈新鲜度信息,并结合化学计量学的方法定性判别生鲜配菜新鲜度等级和定量预测新鲜度评价指标,旨在开发一种基于智能包装标签的生鲜配菜新鲜度无损实时检测的新方法。主要内容如下:首先,采用理化、微生物和感官指标结合电子鼻检测分别对生鲜配菜(鲜切青椒、冷鲜猪肉和鳙鱼头)在冷藏过程中的品质和新鲜度进行分析,为后续新鲜度指示型智能包装标签的设计提供研究基础。通过多元统计分析方法,将鲜切青椒、冷鲜猪肉和鳙鱼头冷藏过程中的新鲜度等级分为新鲜级、次新鲜级和腐败级;建立基于常规品质指标的鲜切青椒、冷鲜猪肉和鳙鱼头新鲜度等级的Fisher判别模型,预测集的识别率依次为93.8%、81.5%和90.0%;同时结合电子鼻对生鲜配菜冷藏过程中的新鲜度等级进行分析,结果与基于常规品质指标的新鲜度划分一致。其次,采用溴百里酚蓝、甲基红、溴甲酚紫等合成指示剂及其混合指示剂制备基于pH变化的CO2敏感型和挥发性含氮化合物敏感型的智能包装标签。结果表明,不同指示剂种类和浓度、成膜基质及其酸碱性对颜色响应均有影响;增塑剂的亲水性越大,标签指示膜的吸水性越好,其颜色响应越快。(1)包装内CO2浓度与鲜切青椒的菌落总数和感官评分均有高相关性(p<0.01);MB2型CO2敏感型智能包装标签(甲基红:溴百里酚蓝=3:2(v/v),成膜基质初始pH 7.1)对冷藏鲜切青椒新鲜度的识别效果最好,标签颜色范围为黄绿色(表示可食用)到橙色(表示腐败);建立基于包装标签颜色的鲜切青椒新鲜度等级的Fisher判别模型,预测集识别率为87.5%。(2)挥发性含氮化合物敏感型智能包装标签(溴百里酚蓝:甲基红=3:2(v/v),成膜基质初始pH 5.0)对冷鲜猪肉新鲜度识别效果最好,标签颜色范围为红色(表示新鲜)、黄色(表示次新鲜)到绿色(表示腐败);建立基于包装标签颜色的冷鲜猪肉新鲜度等级的Fisher判别模型(预测集识别率为95.8%)及新鲜度评价指标的多元校正模型,其中挥发性盐基氮(TVB-N)含量的最小二乘-支持向量机(LS-SVM)预测模型效果最好,预测集决定系数(Rp2)为0.9028,剩余预测偏差(RPD)为3.1201;菌落总数的偏最小二乘回归(PLSR)预测模型效果最好,Rp2为0.8802,RPD为2.9515。(3)挥发性含氮化合物敏感型智能包装标签(溴甲酚紫,成膜基质甘油、甲基纤维素,初始pH 4.0)可实现鳙鱼肉新鲜度无损快速检测,响应时间10 min;鱼肉的新鲜度为新鲜、次新鲜和腐败,对应的标签颜色分别为绿色、蓝绿色和深蓝色(或蓝紫色);建立基于包装标签颜色的鱼肉新鲜度等级的Fisher判别模型(预测集识别率为90.5%),TVB-N含量的LS-SVM预测模型(Rp2=0.9240,RPD=3.2196)和菌落总数的多元线性回归(MLR)预测模型(Rp2=0.8191,RPD=2.4089)效果最好。再次,在合成指示剂智能包装标签基础上,结合硅窗包装,研制适用于鲜切西兰花新鲜度实时检测的智能硅窗包装标签。结果表明,4℃下150±10 g鲜切西兰花包装盒的最佳硅窗面积为0.9 cm2。根据常规品质指标,将鲜切西兰花冷藏过程中的新鲜度等级分为新鲜级、次新鲜级和腐败级,Fisher判别模型的预测集识别率为95.2%。电子鼻对鲜切西兰花的新鲜度等级分析结果与常规品质指标的分析结果一致。基于冷藏过程中的鲜切西兰花新鲜度与硅窗包装内CO2浓度的相关性分析,确定MB2型CO2敏感型智能硅窗包装标签对冷藏鲜切西兰花的新鲜度识别效果最好,标签颜色范围为黄绿色(表示可食用)到橙色(表示腐败);基于MB2型包装标签颜色的鲜切西兰花新鲜度等级的Fisher判别模型(预测集识别率为83.3%),菌落总数的MLR预测模型(Rp2=0.8622,RPD=2.7320)效果最好。B1型CO2敏感型智能硅窗包装标签(溴百里酚蓝,成膜基质初始pH 7.6)的识别效果次之,标签颜色范围为绿色(表示可食用)到黄绿色(表示腐败);基于B1型包装标签颜色的鲜切西兰花新鲜度等级的Fisher判别模型(预测集识别率为83.3%),菌落总数的MLR预测模型(Rp2=0.8496,RPD=2.6152)效果最好。结合冷藏库内光电传感器检测上述MB2型和B1型标签颜色变化,能较好地在线识别鲜切西兰花新鲜度等级,初步实现包装鲜切西兰花的智能贮藏。最后,为了替代合成指示剂,利用天然指示剂研制适用于鳙鱼头新鲜度实时检测的智能包装标签。采用姜黄素和紫薯花色苷两种天然指示剂及其混合指示剂制备基于pH变化的挥发性含氮化合物敏感型的智能包装标签。结果表明,姜黄素膜的稳定性较好,花色苷膜的稳定性较差,混合指示剂膜的稳定性介于两者之间;姜黄素-花色苷/可溶性淀粉/聚乙烯醇/甘油膜(4号膜)对贮藏过程中鳙鱼头的新鲜度指示效果较好,对颜色数据的主成分分析与传统品质指标的划分一致,可将新鲜度等级划分为新鲜级、次新鲜级和腐败级;姜黄素/可溶性淀粉/聚乙烯醇/甘油膜(2号膜)对鱼头新鲜级和腐败级的颜色指示最明显;而花色苷/可溶性淀粉/聚乙烯醇/甘油膜(3号膜)的指示颜色范围最广,不适宜肉眼判别鱼头的新鲜度。通过2号、3号和4号膜颜色数据的Fisher判别分析,对鳙鱼头新鲜度等级的预测集识别率分别为93.3%、90.0%和96.7%;通过2号、3号和4号膜颜色数据的多元校正模型预测鳙鱼头的TVB-N含量和菌落总数,3号膜拟合效果最好,4号膜拟合效果略差,2号膜介于两者之间。
二、如何识别蔬菜的鲜度(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何识别蔬菜的鲜度(论文提纲范文)
(1)基于深度学习的电子鼻食品新鲜度检测与识别技术研究(论文提纲范文)
1 材料与方法 |
1.1 实验材料 |
1.2 气体传感器 |
1.3 电子鼻检测系统 |
1.4 单一食品实验方法 |
1.4.1 单一食品感官评价 |
1.4.2 电子鼻对食品气味的检测 |
1.5 混合食品实验方法 |
1.5.1 混合食品样本处理 |
1.5.2 电子鼻对混合食品气味的检测 |
1.6 数据预处理以及深度学习模型搭建 |
①滑动窗口法划分样本: |
②数据归一化: |
③数据尺寸转换: |
2 结果与分析 |
2.1 传感器标定 |
2.2 单一食品新鲜度检测结果与分析 |
2.3 基于深度学习的食品新鲜度识别分类与数据分析 |
3 结论 |
(2)基于行为改变理论的智能冰箱健康设计研究 ——以90后人群为例(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 个体行为成为影响健康的重要因素 |
1.1.2 智能化是健康促进的有效手段 |
1.1.3 健康是冰箱当前主要设计趋势之一 |
1.2 研究现状 |
1.2.1 行为改变相关理论的研究现状 |
1.2.2 智能冰箱的研究现状综述 |
1.3 课题研究的目的及意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 课题研究的方法和框架 |
1.4.1 研究方法 |
1.4.2 研究框架 |
1.5 论文创新点 |
第二章 相关概念综述 |
2.1 健康行为概述 |
2.1.1 健康行为的定义 |
2.1.2 冰箱使用的健康行为 |
2.2 健康设计概述 |
2.3 行为改变相关理论的研究 |
2.3.1 典型理论和模型 |
2.3.2 相关理论的比较研究 |
2.3.3 在设计领域的应用研究 |
2.4 改变行为的设计 |
2.4.1 行为设计学和Fogg行为模型 |
2.4.2 改变行为的设计阶段 |
2.4.3 CREATE动作漏斗 |
2.5 本章小结 |
第三章 90 后人群的冰箱使用行为研究 |
3.1 目标对象选取 |
3.2 课题调研策略 |
3.2.1 调研目标 |
3.2.2 调研思路 |
3.2.3 调研方法和工具 |
3.3 90 后人群冰箱使用场景和使用行为研究 |
3.3.1 典型用户冰箱使用场景调研 |
3.3.2 典型用户冰箱使用行为调研 |
3.4 90 后人群用户定量研究 |
3.4.1 用户调查问卷的设计 |
3.4.2 用户调查问卷的数据采集 |
3.4.3 用户调查问卷的总结与分析 |
3.5 智能冰箱用户定性研究 |
3.5.1 用户访谈量表设计 |
3.5.2 用户访谈的数据采集 |
3.5.3 用户访谈的分析与总结 |
3.6 调研结果总结和分析 |
3.6.1 典型角色创建 |
3.6.2 基于 CREATE 行动漏斗的典型用户行为分析 |
3.6.3 典型用户需求总结 |
3.7 本章小结 |
第四章 智能冰箱健康设计策略 |
4.1 健康行为干预策略 |
4.1.1 意向培养族的行为干预方案 |
4.1.2 行为改变族的行为干预方案 |
4.1.3 健康行为族的行为干预方案 |
4.1.4 基于CREATE行动漏斗的干预模型 |
4.2 智能冰箱产品设计策略 |
4.2.1 完善产品基本结构和功能 |
4.2.2 优化空间结构提高使用效率 |
4.2.3 情感化设计提升产品体验 |
4.2.4 基于健康场景的智能功能 |
4.3 本章小结 |
第五章 基于行为改变理论的智能冰箱健康设计实践 |
5.1 冰箱产品现状研究 |
5.1.1 冰箱的基础结构和工作原理 |
5.1.2 冰箱市场竞品调研 |
5.2 基于行为改变理论的智能冰箱产品定义 |
5.2.1 基于行为改变理论的智能冰箱产品设计定义 |
5.2.2 设计任务和架构分析 |
5.2.3 应用技术分析 |
5.3 方案构思 |
5.3.1 产品意象版 |
5.3.2 设计创新点 |
5.3.3 方案尺寸分析 |
5.4 最终设计方案 |
5.4.1 产品建模图 |
5.4.2 交互效果图 |
5.4.3 最终效果图 |
5.5 设计评估 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 课题研究总结 |
6.2 课题研究的局限性和展望 |
6.2.1 课题局限性 |
6.2.2 课题展望 |
致谢 |
参考文献 |
附录 |
附录一 90 后用户的冰箱使用行为调查问卷 |
附录二 访谈提纲及报告 |
附录三 图片来源 |
附录四 作者在攻读硕士学位期间科研成果 |
(3)基于光谱分析的生鲜食品新鲜度评价研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 生鲜食品新鲜度评价方法研究现状 |
1.2.1 传统新鲜度评价方法研究现状 |
1.2.2 基于光谱分析的新鲜度评价方法研究现状 |
1.3 研究内容与论文结构 |
1.3.1 研究内容与技术路线 |
1.3.2 论文结构 |
第2章 生鲜食品光谱数据采集 |
2.1 实验设备与实验材料 |
2.1.1 实验设备 |
2.1.2 猪肉样品准备 |
2.1.3 蔬菜样品准备 |
2.2 猪肉样品数据采集 |
2.2.1 猪肉光谱数据采集 |
2.2.2 猪肉手机照片数据采集 |
2.3 蔬菜样品数据采集 |
2.3.1 蔬菜光谱数据采集 |
2.3.2 蔬菜手机照片数据采集 |
2.3.3 蔬菜水分含量测定 |
2.4 光谱预处理方法 |
第3章 猪肉新鲜度综合评价 |
3.1 猪肉光谱预处理及特征分析 |
3.2 猪肉新鲜度光谱指数构建 |
3.2.1 猪肉新鲜度光谱指数构建方法 |
3.2.2 光谱指数随放置时间的变化 |
3.3 猪肉感官评定 |
3.3.1 感官评定标准制定 |
3.3.2 感官检查与评定方法 |
3.3.3 感官评定结果与分析 |
第4章 蔬菜新鲜度综合评价 |
4.1 蔬菜光谱预处理及特征分析 |
4.2 蔬菜含水率与光谱相关性分析 |
4.2.1 相关性分析方法 |
4.2.2 菠菜含水率与光谱相关性分析 |
4.2.3 娃娃菜含水率与光谱相关性分析 |
4.2.4 油麦菜含水率与光谱相关性分析 |
4.3 蔬菜感官评定 |
4.3.1 菠菜感官评定 |
4.3.2 娃娃菜感官评定 |
4.3.3 油麦菜感官评定 |
第5章 生鲜食品手机新鲜度识别模型 |
5.1 手机照片预处理 |
5.1.1 手机照片预处理方法 |
5.1.2 手机照片预处理 |
5.2 手机颜色光谱模型构建 |
5.3 手机新鲜度识别模型 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(4)考虑分品类的D生鲜电商前置仓竞争选址研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.1.1 生鲜电商市场潜力巨大,疫情加速渗透率 |
1.1.2 生鲜电商企业竞争激烈 |
1.1.3 前置仓模式兴起 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 数据来源 |
1.4 研究方法 |
1.4.1 文献研究法 |
1.4.2 数学建模法 |
1.4.3 实地调研法 |
1.5 创新点 |
2 理论基础及研究综述 |
2.1 理论基础 |
2.1.1 前置仓相关理论 |
2.1.2 物流设施选址相关理论 |
2.1.3 竞争选址相关理论 |
2.2 研究综述 |
2.2.1 前置仓模式相关 |
2.2.2 物流设施选址问题 |
2.2.3 竞争选址问题 |
2.3 本章小结 |
3 D公司选址现状分析 |
3.1 D公司选址情况概述 |
3.1.1 D公司选址战略 |
3.1.2 D公司供应链流程现状 |
3.2 D公司市场竞争情况分析 |
3.2.1 模式对比分析 |
3.2.2 竞争对手网点分布 |
3.3 D公司选址需求的确定 |
3.3.1 需求点的确定 |
3.3.2 需求量预测方法 |
3.4 本章小结 |
4 基于前置仓的竞争选址模型构建与求解 |
4.1 选址模型说明 |
4.1.1 模型考虑要素说明 |
4.1.2 双目标模型的说明 |
4.1.3 分品类的意义 |
4.2 问题描述与模型假设 |
4.2.1 问题描述 |
4.2.2 模型假设 |
4.3 基于前置仓的竞争选址模型构建 |
4.3.1 符号定义 |
4.3.2 需求分配 |
4.3.3 生鲜电商企业利润分析 |
4.3.4 消费者满意度分析 |
4.4 基于前置仓的竞争选址模型求解 |
4.4.1 多目标优化 |
4.4.2 NSGA-II的关键优势 |
4.4.3 本文NSGA-II算法设计步骤 |
4.5 本章小结 |
5 D公司选址结果分析 |
5.1 相关数据准备 |
5.1.1 供应侧 |
5.1.2 前置仓侧 |
5.1.3 需求侧 |
5.1.4 其他参数 |
5.2 选址结果分析 |
5.2.1 pareto最优解分析 |
5.2.2 方案6中各前置仓需求分配方案 |
5.2.3 方案6的各项成本对比 |
5.2.4 方案6中各前置仓人员配置 |
5.2.5 方案6中各企业市场份额对比 |
5.3 本章小结 |
6 研究结论与展望 |
6.1 研究结论 |
6.2 展望 |
参考文献 |
附录A 2013-2019年城镇常住居民家庭平均购买商品数量 |
附录B 南京市各需求点坐标 |
附录C |
附录D GM(1,1)预测代码-以蔬菜类为例 |
附录E K-means聚类及可视化代码 |
附录F NSGA-Ⅱ程序代码 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(5)生鲜农产品跨境冷链物流运输多目标决策研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 生鲜农产品跨境冷链物流发展研究现状 |
1.2.2 运输决策问题研究现状 |
1.2.3 多目标决策问题研究现状 |
1.2.4 研究现状评述 |
1.3 研究内容及方法 |
1.3.1 研究内容 |
1.3.2 研究思路及技术路线 |
1.4 本章小结 |
第二章 相关理论基础 |
2.1 生鲜农产品跨境冷链物流概述 |
2.1.1 生鲜农产品 |
2.1.2 冷链物流基本理论 |
2.1.3 跨境物流 |
2.1.4 生鲜农产品跨境冷链物流 |
2.1.5 生鲜农产品跨境冷链物流的特点 |
2.2 生鲜农产品跨境冷链物流运作风险 |
2.2.1 风险的概念 |
2.2.2 风险管理的流程和方法 |
2.2.3 生鲜农产品跨境冷链物流风险分析与评价方法 |
2.2.4 风险评价方法 |
2.3 生鲜农产品跨境冷链物流运输决策机制 |
2.3.1 运输决策的定义 |
2.3.2 运输决策的对象和方法 |
2.3.3 决策过程 |
2.3.4 生鲜农产品跨境冷链物流运输决策 |
2.4 本章小结 |
第三章 生鲜农产品跨境冷链物流运输决策模型构建 |
3.1 生鲜农产品跨境冷链物流决策模型构建思路 |
3.2 生鲜农产品跨境冷链物流决策模型构建 |
3.2.1 风险组成 |
3.2.2 成本组成 |
3.2.3 问题描述与假设 |
3.2.4 模型构建与说明 |
3.3 模型构建风险指标选取说明与分析 |
3.3.1 生鲜农产品跨境冷链物流运作过程研究 |
3.3.2 基于物流过程研究的风险指标分析 |
3.3.3 考虑生鲜农产品跨境冷链物流运作风险的意义 |
3.4 本章小结 |
第四章 模型算法设计 |
4.1 几种智能优化算法的介绍和优缺点比较 |
4.2 基于遗传算法的求解思路 |
4.2.1 遗传算法的操作步骤 |
4.2.2 模型求解思路 |
4.2.3 基于模型求解的遗传算法改进与设计 |
4.3 设计算法的特点 |
4.4 本章小结 |
第五章 实证研究 |
5.1 案例背景 |
5.2 相关风险因素和成本的确定 |
5.2.1 相关数据收集及计算 |
5.2.2 相关因素影响分析 |
5.3 问题求解与结果分析 |
5.3.1 不考虑产品价值的运输决策结果分析 |
5.3.2 不同价值品类产品的运输决策结果 |
5.3.3 是否考虑风险对决策模型的影响分析 |
5.3.4 泛亚铁路全线贯通后对运输决策结果的影响分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 主要研究工作及总结 |
6.2 研究的创新点 |
6.3 研究展望 |
致谢 |
参考文献 |
附录 A 部分源代码 |
附录 B 攻读学位期间发表论文及科研项目 |
附录 B1 公开发表学术论文情况 |
附录 B2 参与课题及项目情况 |
(6)电子鼻结合感官评价的食品新鲜度检测研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 食品新鲜度常规检测方法概述 |
1.1.1 感官评价技术 |
1.1.2 理化检测技术 |
1.1.3 微生物检测技术 |
1.2 国内外电子鼻技术发展现状 |
1.3 电子鼻技术在食品新鲜度检测中的应用 |
1.3.1 肉类新鲜度电子鼻检测方法 |
1.3.2 蔬菜新鲜度电子鼻检测方法 |
1.3.3 水果新鲜度电子鼻检测方法 |
1.4 本文研究内容和技术 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第二章 结合感官评价的食品挥发性成分变化研究 |
2.1 食品新鲜度感官评价标准 |
2.2 固相微萃取-气-质联用技术与食品腐败特征气体研究 |
2.2.1 食品腐败特征气体研究 |
2.2.2 固相微萃取-气-质联用技术 |
2.3 不同感官评价新鲜度下的食品挥发性成分研究 |
2.3.1 实验材料及仪器 |
2.3.2 实验方法 |
2.3.3 实验结果与分析 |
第三章 电子鼻检测系统设计 |
3.1 金属氧化物半导体气体传感器 |
3.1.1 传感器的气敏机理和数学模型 |
3.1.2 传感器信号检测与调节电路 |
3.1.3 传感器结构类型与封装 |
3.2 电子鼻系统传感器阵列设计 |
3.2.1 传感器阵列选型 |
3.2.2 传感器检测特性 |
3.2.3 传感器标定 |
3.3 电子鼻系统气路模块设计 |
3.3.1 传感器阵列气室设计 |
3.3.2 检测系统气路结构设计 |
3.4 检测及控制模块电路设计 |
3.4.1 传感器阵列信号检测模块电路设计 |
3.4.2 气路元件控制模块电路设计 |
3.4.3 核心控制电路模块设计 |
3.5 系统软件设计 |
3.5.1 下位机软件设计 |
3.5.2 上位机软件设计 |
3.6 电子鼻系统测试 |
第四章 基于电子鼻技术的单一食品新鲜度检测识别 |
4.1 单一食品新鲜度感官评价标准建立 |
4.2 单一食品新鲜度电子鼻检测实验 |
4.2.1 单一食品实验步骤与评价标准 |
4.2.2 传感器稳定性测试 |
4.2.3 单一食品测试结果 |
4.3 基于线性判别分析的单一食品新鲜度判别模型建立 |
4.3.1 数据预处理与特征提取 |
4.3.2 线性判别分析 |
4.4 单一食品新鲜度识别结果分析 |
第五章 基于电子鼻技术的混合食品新鲜度检测识别 |
5.1 混合食品新鲜度电子鼻检测实验 |
5.2 基于线性判别的混合食品新鲜度分类识别 |
5.3 基于卷积神经网络的混合食品新鲜度分类识别 |
5.3.1 卷积神经网络 |
5.3.2 卷积神经网络模型构建 |
5.4 混合食品新鲜度识别结果分析 |
第六章 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简介及在硕士研究生期间的科研成果 |
致谢 |
(7)不同主体主导下生鲜农产品供应链的利润最大化策略研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与问题提出 |
1.2 研究目的和意义 |
1.3 研究内容安排 |
1.4 研究方案:思路、方法、技术路线 |
1.5 本文的创新点与不足之处 |
1.5.1 创新点 |
1.5.2 研究的不足之处 |
2 理论基础和文献综述 |
2.1 概念界定 |
2.1.1 生鲜农产品 |
2.1.2 绿色生鲜农产品 |
2.1.3 普通生鲜农产品 |
2.1.4 生鲜农产品供应链 |
2.1.5 供应商主导 |
2.1.6 零售商主导 |
2.2 理论基础 |
2.2.1 效用理论 |
2.2.2 需求函数理论 |
2.2.3 价格理论 |
2.2.4 博弈论 |
2.2.5 最优化理论 |
2.2.6 供应链的协调契约理论 |
2.3 文献综述 |
2.3.1 生鲜农产品供应链的模式及特点研究 |
2.3.2 生鲜农产品的消费者行为研究 |
2.3.3 生鲜农产品供应链的利润及其影响因素研究 |
2.3.4 政府补贴效率研究 |
2.4 本章小结与问题提出 |
3 零售商主导的生鲜农产品供应链利润最大化的定价策略 |
3.1 问题提出 |
3.2 理论模型及假设 |
3.2.1 不同市场条件下的最优定价策略 |
3.2.2 不同情形下均衡结果的分析 |
3.3 仿真分析 |
3.3.1 主要参数的变化对零售商最优销售模式选择的影响 |
3.3.2 主要参数的变化对零售商最优定价策略的影响 |
3.4 案例分析 |
3.5 主要结论 |
4 供应商主导的生鲜农产品供应链利润最大化的定价策略 |
4.1 问题提出 |
4.2 理论模型及假设 |
4.2.1 分散决策下的最优定价策略 |
4.2.2 集中决策下的最优定价策略 |
4.2.3 利润共享契约模型 |
4.2.4 敏感性分析 |
4.3 仿真分析 |
4.4 案例分析 |
4.5 主要结论 |
5 生鲜农产品供应链利润最大化的双边质量控制策略研究 |
5.1 问题的提出 |
5.2 理论模型及假设 |
5.2.1 分散决策下的最优策略 |
5.2.2 集中决策下的最优策略 |
5.2.3 基于保留收益的利润共享契约模型 |
5.2.4 敏感性分析 |
5.3 仿真分析 |
5.4 案例分析 |
5.5 主要结论 |
6 社会福利最大化视角下生鲜供应链的政府补贴策略研究 |
6.1 问题的提出 |
6.2 理论模型及假设 |
6.2.1 政府对生鲜农产品供应商的最优补贴策略 |
6.2.2 政府对零售商的最优补贴策略 |
6.3 不同模型下均衡结果的分析 |
6.3.1 合作偏好程度的变化对均衡结果的影响 |
6.3.2 不同模型下均衡结果的比较 |
6.4 仿真分析 |
6.4.1 零售商具有合作偏好行为情形 |
6.4.2 零售商不具有合作偏好行为情形 |
6.5 主要结论 |
7 研究结论、对策建议及研究展望 |
7.1 研究结论与对策建议 |
7.2 研究不足与展望 |
参考文献 |
附录 |
附录A.攻读博士学位期间发表(录用)的学术论文及主持的科研项目 |
附录B.第3章主要结论的证明 |
附录C.第4章主要结论的证明 |
附录D.第5章主要结论的证明 |
附录E.第6章主要结论的证明 |
致谢 |
(9)智能电子鼻在冰箱食品新鲜度实时检测及评价中的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 食品新鲜度现有检测方法 |
1.1.1 感官评价技术 |
1.1.2 理化检测技术 |
1.1.3 微生物学技术 |
1.2 电子鼻技术国内外发展现状 |
1.3 智能电子鼻在食品新鲜度评价领域的应用 |
1.3.1 肉类新鲜度电子鼻检测方法 |
1.3.2 蔬菜和水果新鲜度电子鼻检测方法 |
1.4 本文研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第二章 食品新鲜度特征气体及冰箱食品新鲜度研究 |
2.1 食品腐败特征气体研究 |
2.2 气-质联用仪器检测 |
2.2.1 实验原理 |
2.2.2 实验方法 |
2.2.3 实验结果 |
2.3 冰箱食品新鲜度检测研究分析 |
第三章 气体传感器阵列选型与测试 |
3.1 金属氧化物半导体气体传感器 |
3.1.1 传感器的气敏机理与数学模型 |
3.1.2 传感器信号检测与调节电路 |
3.1.3 传感器结构类型与封装 |
3.2 传感器阵列选型 |
3.2.1 传感器阵列选型 |
3.2.2 传感器检测特性 |
3.3 传感器阵列测试与分析 |
3.3.1 环境温度测试 |
3.3.2 腐败气体测试 |
第四章 食品检测电子鼻系统设计 |
4.1 气路模块设计 |
4.1.1 传感器阵列气室设计 |
4.1.2 电子鼻系统的气路结构设计 |
4.2 检测及控制模块电路设计 |
4.2.1 传感器阵列信号检测模块电路 |
4.2.2 气路元件控制模块电路设计 |
4.2.3 核心控制电路模块 |
4.3 系统软件设计 |
4.3.1 下位机软件设计 |
4.3.2 上位机软件设计 |
4.4 仪器测试 |
4.4.1 仪器基本参数测试 |
4.4.2 电阻标定测试 |
第五章 智能电子鼻在冰箱食品检测与评价中的应用 |
5.1 电子鼻传感器阵列的标定 |
5.1.1 标定气体的配制 |
5.1.2 标定实验的结果 |
5.2 冰箱食品新鲜度检测实验 |
5.2.1 冰箱食品实验步骤与评价标准 |
5.2.2 传感器响应基线测试 |
5.2.3 冰箱中单一食品测试 |
5.2.4 冰箱中混合食品测试 |
5.3 冰箱食品新鲜度判别结果 |
5.3.1 冰箱中食品新鲜度识别算法 |
5.3.2 智能电子鼻的冰箱食品新鲜度识别结果 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简介及在硕士研究生期间的科研成果 |
致谢 |
(10)基于智能包装标签的典型生鲜配菜新鲜度无损检测的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 生鲜配菜的简介 |
1.2 生鲜配菜新鲜度检测的研究进展 |
1.2.1 新鲜度的常规检测方法 |
1.2.2 新鲜度的无损检测方法 |
1.3 食品新鲜度指示型智能包装技术应用的研究进展 |
1.3.1 新鲜度指示型智能包装技术在鲜切果蔬中的应用 |
1.3.2 新鲜度指示型智能包装技术在生鲜肉、水产品中的应用 |
1.4 天然指示剂在新鲜度指示型智能包装中的应用进展 |
1.5 硅窗包装技术的研究进展 |
1.5.1 硅窗包装技术的简介 |
1.5.2 智能包装标签与硅窗包装的融合 |
1.6 立题背景和意义 |
1.7 本课题的主要研究内容 |
第二章 典型生鲜配菜贮藏过程中新鲜度评价模型的建立 |
2.1 前言 |
2.2 材料与设备 |
2.2.1 实验原料 |
2.2.2 主要试剂 |
2.2.3 主要仪器与设备 |
2.3 实验方法 |
2.3.1 生鲜配菜的贮藏实验 |
2.3.2 生鲜配菜的电子鼻测定 |
2.3.3 指标测定方法 |
2.3.4 数据分析 |
2.4 结果与讨论 |
2.4.1 基于传统品质指标的鲜切青椒新鲜度评价模型的建立 |
2.4.2 基于电子鼻的鲜切青椒新鲜度评价模型的建立 |
2.4.3 基于传统品质指标的冷鲜猪肉新鲜度评价模型的建立 |
2.4.4 基于电子鼻的冷鲜猪肉新鲜度评价模型的建立 |
2.4.5 基于传统品质指标的鳙鱼头新鲜度评价模型的建立 |
2.4.6 基于电子鼻的鳙鱼头新鲜度评价模型的建立 |
2.5 本章小结 |
第三章 合成指示剂智能包装标签的制备及其对典型生鲜配菜新鲜度检测的研究 |
3.1 前言 |
3.2 材料与设备 |
3.2.1 实验原料 |
3.2.2 主要试剂 |
3.2.3 主要仪器与设备 |
3.3 实验方法 |
3.3.1 CO_2敏感型智能包装标签的制备及其对鲜切青椒贮藏过程中新鲜度的检测.. |
3.3.2 挥发性含氮化合物敏感型智能包装标签的制备及其对冷鲜猪肉贮藏过程中新鲜度的检测 |
3.3.3 挥发性含氮化合物敏感型智能包装标签的制备及其对鳙鱼肉新鲜度的无损快速检测 |
3.3.4 指标测定方法 |
3.3.5 数据分析 |
3.4 结果与讨论 |
3.4.1 鲜切青椒包装内CO_2浓度与新鲜度评价指标的相关性分析 |
3.4.2 CO2敏感型智能包装标签对CO_2的响应分析 |
3.4.3 CO_2敏感型智能包装标签检测贮藏过程中鲜切青椒新鲜度的研究 |
3.4.4 挥发性含氮化合物敏感型智能包装标签对挥发氨的响应分析 |
3.4.5 挥发性含氮化合物敏感型智能包装标签检测贮藏过程中冷鲜猪肉新鲜度的研究 |
3.4.6 挥发性含氮化合物敏感型智能包装标签无损快速检测鳙鱼肉新鲜度的研究. |
3.5 本章小结 |
第四章 合成指示剂智能硅窗包装标签的制备及其对鲜切西兰花新鲜度检测的研究 |
4.1 前言 |
4.2 材料与设备 |
4.2.1 实验原料 |
4.2.2 主要试剂 |
4.2.3 主要仪器与设备 |
4.3 实验方法 |
4.3.1 硅窗面积的确定 |
4.3.2 CO_2敏感型智能包装标签的制备及其对硅窗包装的鲜切西兰花新鲜度的检测 |
4.3.3 基于智能包装标签和光电传感器的鲜切西兰花新鲜度在线识别智能冷藏库的搭建 |
4.3.4 指标测定方法 |
4.3.5 数据分析 |
4.4 结果与讨论 |
4.4.1 硅窗面积的确定 |
4.4.2 基于传统品质指标的硅窗包装鲜切西兰花新鲜度评价模型的建立 |
4.4.3 不同新鲜度的鲜切西兰花的挥发性风味物质分析 |
4.4.4 基于电子鼻的硅窗包装鲜切西兰花新鲜度评价模型的建立 |
4.4.5 鲜切西兰花包装内CO2浓度与新鲜度评价指标的相关性分析 |
4.4.6 CO_2敏感型智能硅窗包装标签在鲜切西兰花贮藏过程中的颜色变化 |
4.4.7 基于CO_2敏感型智能硅窗包装标签颜色的鲜切西兰花新鲜度等级的定性判别 |
4.4.8 基于CO_2敏感型智能硅窗包装标签颜色的鲜切西兰花新鲜度评价指标的定量预测 |
4.4.9 基于智能包装标签和光电传感器的智能冷藏库在线识别鲜切西兰花的新鲜度等级 |
4.5 本章小结 |
第五章 天然指示剂智能包装标签的制备及其对鳙鱼头新鲜度检测的研究 |
5.1 前言 |
5.2 材料与设备 |
5.2.1 实验原料 |
5.2.2 主要试剂 |
5.2.3 主要仪器与设备 |
5.3 实验方法 |
5.3.1 不同基底材料的姜黄素膜的制备 |
5.3.2 姜黄素-花色苷智能包装标签的制备及其对鳙鱼头贮藏过程中新鲜度的检测 |
5.3.3 指标测定方法 |
5.3.4 数据分析 |
5.4 结果与讨论 |
5.4.1 天然指示剂溶液在不同pH下的可见光谱 |
5.4.2 不同基底材料的姜黄素膜的机械性能及红外光谱分析 |
5.4.3 不同基底材料的姜黄素膜对挥发氨的响应分析 |
5.4.4 姜黄素、花色苷及其混合天然指示剂膜的机械性能及红外光谱分析 |
5.4.5 姜黄素、花色苷及其混合天然指示剂膜的稳定性分析 |
5.4.6 姜黄素、花色苷及其混合天然指示剂膜对挥发氨的响应分析 |
5.4.7 姜黄素、花色苷及其混合天然指示剂智能包装标签在鳙鱼头贮藏过程中的颜色变化 |
5.4.8 基于姜黄素、花色苷及其混合天然指示剂智能包装标签颜色的鳙鱼头新鲜度等级的定性判别 |
5.4.9 基于姜黄素、花色苷及其混合天然指示剂智能包装标签颜色的鳙鱼头新鲜度评价指标的定量预测 |
5.5 本章小结 |
主要结论与展望 |
论文创新点 |
致谢 |
参考文献 |
附录A:作者在攻读博士学位期间成果清单 |
附录B:生鲜配菜新鲜度评价指标定量预测模型实测值与预测值散点图 |
四、如何识别蔬菜的鲜度(论文参考文献)
- [1]基于深度学习的电子鼻食品新鲜度检测与识别技术研究[J]. 陈远涛,熊忆舟,薛莹莹,张涛,于伟杰,张钧煜,张希,孙启永,万浩,王平. 传感技术学报, 2021(08)
- [2]基于行为改变理论的智能冰箱健康设计研究 ——以90后人群为例[D]. 于润湉. 江南大学, 2021(01)
- [3]基于光谱分析的生鲜食品新鲜度评价研究[D]. 郑煜. 吉林大学, 2021(01)
- [4]考虑分品类的D生鲜电商前置仓竞争选址研究[D]. 解妮妮. 北京交通大学, 2021(02)
- [5]生鲜农产品跨境冷链物流运输多目标决策研究[D]. 李欣怡. 昆明理工大学, 2021(01)
- [6]电子鼻结合感官评价的食品新鲜度检测研究[D]. 陈远涛. 浙江大学, 2021(01)
- [7]不同主体主导下生鲜农产品供应链的利润最大化策略研究[D]. 闻卉. 华中农业大学, 2020(01)
- [8]基于高光谱图像和深度学习的菠菜新鲜度检测[J]. 谢忠红,徐焕良,黄秋桂,王培. 农业工程学报, 2019(13)
- [9]智能电子鼻在冰箱食品新鲜度实时检测及评价中的应用研究[D]. 王敏. 浙江大学, 2019(03)
- [10]基于智能包装标签的典型生鲜配菜新鲜度无损检测的研究[D]. 陈慧芝. 江南大学, 2019(04)