張小栓 孫格格 楊 林 郭永洪 馬常陽

(1.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083； 2.中國農(nóng)業(yè)大學(xué)食品質(zhì)量與安全北京實(shí)驗(yàn)室， 北京 100083；3.西藏農(nóng)牧學(xué)院食品科學(xué)學(xué)院， 林芝 860000； 4.中國計(jì)量大學(xué)機(jī)電工程學(xué)院， 杭州 310018；5.河南大學(xué)藥學(xué)院， 開封 475004)

葡萄冷鏈品質(zhì)的時(shí)間-溫度指示器模糊推理預(yù)測(cè)

張小栓1，2孫格格1，2楊 林3郭永洪4馬常陽2,5

(1.中國農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083； 2.中國農(nóng)業(yè)大學(xué)食品質(zhì)量與安全北京實(shí)驗(yàn)室， 北京 100083；3.西藏農(nóng)牧學(xué)院食品科學(xué)學(xué)院， 林芝 860000； 4.中國計(jì)量大學(xué)機(jī)電工程學(xué)院， 杭州 310018；5.河南大學(xué)藥學(xué)院， 開封 475004)

為了驗(yàn)證和評(píng)價(jià)變溫環(huán)境下時(shí)間-溫度指示器(TTI)響應(yīng)值預(yù)測(cè)農(nóng)產(chǎn)品品質(zhì)的適用性，構(gòu)建了TTI模糊推理預(yù)測(cè)方法。TTI模糊推理預(yù)測(cè)是依據(jù)擬合程度高的恒溫試驗(yàn)農(nóng)產(chǎn)品品質(zhì)實(shí)際變化經(jīng)驗(yàn)方程，以及盡可能準(zhǔn)確描述任意有效溫度與恒溫溫度之間關(guān)系的隸屬度函數(shù)構(gòu)建預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)任意有效溫度下農(nóng)產(chǎn)品品質(zhì)預(yù)測(cè)值計(jì)算。同時(shí)設(shè)置了高低溫變溫試驗(yàn)?zāi)M鮮食葡萄冷鏈物流溫度特征，用上述方法對(duì)Vitsab M25-2、OnVu TTI預(yù)測(cè)玫瑰香葡萄硬度進(jìn)行了參數(shù)估計(jì)與模型建立，并與TTI動(dòng)力學(xué)預(yù)測(cè)值進(jìn)行了對(duì)比。結(jié)果表明，面向鮮食葡萄品質(zhì)感知的TTI模糊推理預(yù)測(cè)在低溫下相對(duì)于TTI動(dòng)力學(xué)預(yù)測(cè)有所改進(jìn)，平均相對(duì)偏差分別減小了6.03個(gè)百分點(diǎn)和2.70個(gè)百分點(diǎn)；在高溫下沒有改進(jìn)。因此在低溫下可選擇模糊推理預(yù)測(cè)方法。

時(shí)間-溫度指示器； 預(yù)測(cè)方法； 模糊推理； 動(dòng)力學(xué)

引言

時(shí)間-溫度指示器(TTI)作為一種智能感知標(biāo)簽，能夠?qū)崟r(shí)感知農(nóng)產(chǎn)品所經(jīng)歷的時(shí)間溫度歷史，反映其品質(zhì)變化[1-3]，因此，常用于農(nóng)產(chǎn)品冷鏈物流過程品質(zhì)感知以提高冷鏈透明度[4-6]。感知，即根據(jù)TTI響應(yīng)值預(yù)測(cè)農(nóng)產(chǎn)品品質(zhì)值。預(yù)測(cè)的前提是TTI與農(nóng)產(chǎn)品的活化能和貨架期相匹配[7]，以保證兩者的有效溫度Teff相等[8-11]。TTI預(yù)測(cè)的基本原理是根據(jù)TTI某時(shí)刻響應(yīng)值、有效溫度以及農(nóng)產(chǎn)品的動(dòng)力學(xué)參數(shù)預(yù)測(cè)農(nóng)產(chǎn)品在該時(shí)刻的品質(zhì)值。

傳統(tǒng)的TTI預(yù)測(cè)模型是基于動(dòng)力學(xué)和Arrhenius方程，預(yù)測(cè)過程為：根據(jù)動(dòng)力學(xué)和Arrhenius方程推導(dǎo)農(nóng)產(chǎn)品品質(zhì)值-時(shí)間-溫度模型、TTI響應(yīng)值-時(shí)間-溫度模型[12]；根據(jù)TTI在某時(shí)刻的響應(yīng)值以及上述TTI響應(yīng)值-時(shí)間-溫度數(shù)學(xué)模型計(jì)算有效溫度；根據(jù)該時(shí)刻的有效溫度以及上述農(nóng)產(chǎn)品品質(zhì)值-時(shí)間-溫度數(shù)學(xué)模型預(yù)測(cè)農(nóng)產(chǎn)品在該時(shí)刻的實(shí)際品質(zhì)[13-16]。

TTI動(dòng)力學(xué)預(yù)測(cè)方法存在的誤差一方面來源于TTI和農(nóng)產(chǎn)品活化能差異引起的有效溫度差異，另一方面來源于動(dòng)力學(xué)、Arrhenius方程2次擬合引起的擬合優(yōu)度降低。

本文引入模糊推理方法建立預(yù)測(cè)模型。同時(shí)，以鮮食葡萄為研究對(duì)象，以酶型TTI Vitsab M25-2、化學(xué)型TTI OnVu(激活時(shí)間為4 s)為感知工具，進(jìn)行模糊推理預(yù)測(cè)值計(jì)算，并與動(dòng)力學(xué)預(yù)測(cè)進(jìn)行精確度對(duì)比，以期在特定情況下選擇合適的預(yù)測(cè)方法提高預(yù)測(cè)準(zhǔn)確度。

1 方法構(gòu)建

TTI模糊推理預(yù)測(cè)方法的提出源于模糊推理，基于一定規(guī)則和經(jīng)驗(yàn)關(guān)系，而不是理論數(shù)學(xué)模型[17]。它的特點(diǎn)是農(nóng)產(chǎn)品品質(zhì)值-時(shí)間-溫度模型的獲取很大程度上依據(jù)農(nóng)產(chǎn)品的恒溫試驗(yàn)經(jīng)驗(yàn)方程。與基于動(dòng)力學(xué)和Arrhenius方程的TTI預(yù)測(cè)方法相比較，它的區(qū)別在于農(nóng)產(chǎn)品品質(zhì)值-時(shí)間-溫度模型不是恒定的，它的預(yù)測(cè)值計(jì)算依賴于有效溫度的取值與恒溫試驗(yàn)經(jīng)驗(yàn)方程。有效溫度取值是任意連續(xù)的，但是試驗(yàn)恒溫設(shè)置是離散的、非連續(xù)的，對(duì)于聯(lián)系任意變量與不連續(xù)的或非線性的變量，模糊推理提供了一種很好的解決辦法。

TTI模糊推理預(yù)測(cè)方法采用Sugeno方法，主要通過插值法預(yù)測(cè)[18]。針對(duì)基于動(dòng)力學(xué)和Arrhenius方程的預(yù)測(cè)方法中存在的數(shù)據(jù)回歸擬合程度低的情況，Sugeno方法是最好的選擇。具體地來講，TTI模糊推理預(yù)測(cè)方法中IF-THEN規(guī)則的前提由模糊變量——溫度T組成，結(jié)果是農(nóng)產(chǎn)品品質(zhì)值-時(shí)間數(shù)學(xué)方程式fT(t)。模糊規(guī)則規(guī)定了任意貯藏溫度T與貯藏溫度變量語言值Tn之間的關(guān)系。

IFxisAT1， THENy=fT1(t)；

IFxisAT2， THENy=fT2(t)；

IFxisAT3， THENy=fT3(t)；

?

IFxisATn， THENy=fTn(t)；

其中，t是貯藏時(shí)間，x是貯藏溫度(即T)，AT1～ATn是溫度模糊集合，fT1(t)～fTn(t)分別是對(duì)應(yīng)恒溫試驗(yàn)的品質(zhì)變化經(jīng)驗(yàn)方程，鑒于n級(jí)動(dòng)力學(xué)方程擬合優(yōu)度低的情況，可選取多項(xiàng)式擬合等方法提高擬合優(yōu)度。隸屬度函數(shù)可選取三角形函數(shù)、正態(tài)函數(shù)、正弦函數(shù)等，為計(jì)算方便經(jīng)常選取三角形函數(shù)。如圖1所示，三角形隸屬度函數(shù)的中心是恒溫試驗(yàn)所選取的各個(gè)溫度，三角形的跨度是相鄰溫度間隔的2倍。隸屬度取值范圍為0～1，表示各個(gè)元素(溫度)隸屬于該溫度模糊集合的程度。

圖1 根據(jù)三角形函數(shù)定義的溫度元素隸屬度Fig.1 Membership degree diagram of temperature elements according to triangular function

TTI模糊推理預(yù)測(cè)方法如圖2所示，步驟為：根據(jù)n級(jí)動(dòng)力學(xué)方程以及Arrhenius方程推導(dǎo)TTI響應(yīng)值-時(shí)間-溫度數(shù)學(xué)模型；根據(jù)TTI響應(yīng)值-時(shí)間-溫度模型以及某時(shí)刻的TTI響應(yīng)值計(jì)算有效溫度Teff； 根據(jù)溫度模糊集合與隸屬度函數(shù)定義，確定有效溫度Teff的隸屬模糊集合AT1、AT2。根據(jù)隸屬度函數(shù)以及模糊規(guī)則確定隸屬度w1、w2以及對(duì)應(yīng)經(jīng)驗(yàn)方程fT1(t)、fT2(t)；根據(jù)模糊規(guī)則，該時(shí)刻TTI對(duì)農(nóng)產(chǎn)品品質(zhì)預(yù)測(cè)值為

(1)

圖2 TTI模糊推理預(yù)測(cè)方法流程Fig.2 Flow chart of time temperature indicator fuzzy reasoning prediction method

2 驗(yàn)證試驗(yàn)設(shè)計(jì)

2.1 材料與處理

為了驗(yàn)證所提出的TTI預(yù)測(cè)方法，選擇鮮食葡萄玫瑰香(產(chǎn)地：秦皇島；栽培方式：溫室大棚)作為監(jiān)測(cè)對(duì)象。鮮食葡萄采收時(shí)選擇剛成熟時(shí)期、果粒大小均勻、無機(jī)械損傷和病蟲害的樣品，2 h內(nèi)運(yùn)回實(shí)驗(yàn)室，預(yù)冷并裝于紙箱((5±0.5) kg/箱)。硬度是鮮食葡萄玫瑰香品質(zhì)和貨架期評(píng)價(jià)的關(guān)鍵指標(biāo)之一，當(dāng)硬度降低到初始硬度的50%時(shí)，玫瑰香葡萄達(dá)到感官拒絕點(diǎn)[7，19]。

TTI選擇酶型TTI Vitsab M25-2、化學(xué)型TTI OnVu(激活時(shí)間為4 s)為感知工具，響應(yīng)指標(biāo)分別為顏色響應(yīng)函數(shù)F(X)、總色差ΔE。Vitsab M25-2 根據(jù)標(biāo)簽指示用手?jǐn)D壓即可激活，OnVu 是在(4±0.5)℃下使用紫外光激活器激活4 s完成。

根據(jù)鮮食葡萄冷鏈物流溫度特征，設(shè)置恒溫溫度0、5、10、20、25、30℃，相對(duì)濕度保持85%～90%，分別計(jì)算玫瑰香葡萄和TTI的活化能和貨架期，驗(yàn)證理論匹配度。同時(shí)，獲取兩者各個(gè)溫度下的動(dòng)力學(xué)以及Arrhenius方程，以便推導(dǎo)相關(guān)數(shù)學(xué)模型。

根據(jù)冷庫以及冷鏈車環(huán)境、常溫運(yùn)輸銷售的實(shí)際溫度特征，設(shè)置高低溫變溫歷程進(jìn)行模擬，用于對(duì)2種預(yù)測(cè)方法準(zhǔn)確度進(jìn)行對(duì)比驗(yàn)證：高溫變溫歷程，一個(gè)溫度循環(huán)周期為20℃(2 d)-30℃(1 d)-25℃(1 d)；低溫變溫歷程，一個(gè)溫度循環(huán)周期為0℃(4 d)-5℃(2 d)-10℃(2 d)-5℃(2 d)-0℃(2 d)。

2.2 測(cè)定方法

鮮食葡萄硬度測(cè)量選用CT3型質(zhì)構(gòu)儀。測(cè)試參數(shù)設(shè)置為：探頭運(yùn)行速度1 mm/s，果實(shí)變形量25%，觸發(fā)力0.05 N。硬度(單位：N)為TPA(質(zhì)構(gòu)儀質(zhì)地多面分析)雙峰曲線第1個(gè)峰值[20]。

TTI顏色測(cè)量使用Minolta CR410型色差儀，采用Hunter Lab 顏色系統(tǒng)，測(cè)量值為L、a、b。

總色差ΔE表示2種顏色給人色彩感覺上的差別。OnVu TTI的響應(yīng)指標(biāo)ΔE測(cè)量以初始顏色作為基準(zhǔn)色。ΔE隨時(shí)間呈指數(shù)變化，用一級(jí)動(dòng)力學(xué)方程進(jìn)行擬合，公式為

ΔE=[(L-L0)2+(a-a0)2+(b-b0)2]1/2

(2)

ΔE=ΔE0exp(-kt)

(3)

式中L0、a0、b0——初始時(shí)刻的亮度、紅綠色度、黃藍(lán)色度

L、a、b——t時(shí)刻的亮度、紅綠色度、黃藍(lán)色度

ΔE0——初始時(shí)刻的總色差

k——變化速率

顏色響應(yīng)函數(shù)F(X)是經(jīng)過對(duì)色度C進(jìn)行標(biāo)準(zhǔn)化和高斯擬合后的表達(dá)式[8-9，21]。F(X)隨時(shí)間呈線性變化用零級(jí)動(dòng)力學(xué)方程擬合，公式為

(4)

F(X)=kt

(5)

式中X——標(biāo)準(zhǔn)化后的色度Cmin、Cmax——TTI響應(yīng)初始時(shí)刻、終點(diǎn)時(shí)的色度測(cè)量值

3 方法驗(yàn)證

首先對(duì)2種TTI與玫瑰香葡萄的活化能和貨架期匹配性進(jìn)行分析，然后引入動(dòng)力學(xué)預(yù)測(cè)方法，對(duì)2種預(yù)測(cè)方法的過程進(jìn)行逐步展開，得到預(yù)測(cè)結(jié)果，最后對(duì)預(yù)測(cè)誤差進(jìn)行分析。

3.1 匹配性分析

經(jīng)過恒溫試驗(yàn)獲得TTI相對(duì)于鮮食葡萄的活化能之差和貨架期相對(duì)誤差如表1所示?；罨苤罘謩e為5.86、5.60 kJ/mol，貨架期相對(duì)誤差最大分別為17.9%、15.0%，較好地符合了基于活化能和貨架期的匹配原則[7]。因此，2種TTI和玫瑰香鮮食葡萄達(dá)到了初步匹配。

表1 2種TTI相對(duì)于鮮食葡萄的活化能之差和 貨架期相對(duì)誤差Tab.1 Activation energies differences and relative errors of shelf lives of two TTIs relative to table grape

3.2 預(yù)測(cè)參數(shù)評(píng)估與模型建立

(1)動(dòng)力學(xué)預(yù)測(cè)

動(dòng)力學(xué)預(yù)測(cè)過程的關(guān)鍵步驟為獲取鮮食葡萄以及2種TTI指標(biāo)的n級(jí)動(dòng)力學(xué)方程、Arrhenius方程以及品質(zhì)值-時(shí)間-溫度數(shù)學(xué)模型，結(jié)果如表2所示，表中量符號(hào)的下角標(biāo)0、t分別表示初始時(shí)刻、t時(shí)刻，R表示Arrhenius方程常數(shù)。將某時(shí)刻的TTI響應(yīng)值代入TTI響應(yīng)值-時(shí)間-溫度數(shù)學(xué)模型得到該時(shí)刻的有效溫度，隨后將有效溫度代入玫瑰香品質(zhì)值-時(shí)間-溫度數(shù)學(xué)模型即可得該時(shí)刻的動(dòng)力學(xué)預(yù)測(cè)值。

(2)模糊推理預(yù)測(cè)

根據(jù)本文所構(gòu)建的TTI模糊推理預(yù)測(cè)方法，以及鮮食葡萄恒溫試驗(yàn)溫度0、5、10、20、25、30℃，可以得出以下模糊規(guī)則

IFxisA0℃， THENy=f0℃(t)；

IFxisA5℃， THENy=f5℃(t)；

IFxisA10℃， THENy=f10℃(t)；

IFxisA20℃， THENy=f20℃(t)；

IFxisA25℃， THENy=f25℃(t)；

IFxisA30℃， THENy=f30℃(t)；

其中，x是有效溫度，y是該有效溫度下的輸出。A0℃～A30℃是自定義的溫度模糊集合。f0℃(t)～f30℃(t)分別是對(duì)應(yīng)恒溫溫度下的鮮食葡萄硬度-時(shí)間數(shù)學(xué)方程，對(duì)于鮮食葡萄硬度動(dòng)力學(xué)方程擬合程度不高或數(shù)據(jù)點(diǎn)不充分的情況，選擇多項(xiàng)式擬合，如圖3所示，以提高擬合度(表3)。任意溫度與溫度模糊集合之間的隸屬度函數(shù)選擇三角形函數(shù)，如圖4所示，縱坐標(biāo)表示隸屬度，橫坐標(biāo)表示溫度，每一個(gè)有效溫度隸屬于2個(gè)相鄰的溫度集合，有2個(gè)隸屬度w1、w2，兩者之和為1，如表4所示，其中，wAT為有效溫度隸屬于溫度集合AT的隸屬度；由于試驗(yàn)溫度未設(shè)計(jì)15℃，因此將有效溫度在10～20℃之間的時(shí)刻不計(jì)算隸屬度，用試驗(yàn)溫度代替。

圖3 恒溫試驗(yàn)下玫瑰香葡萄硬度的擬合曲線Fig.3 Fitted curves of firmness of Muscat Hamburg grape at constant temperatures

3.3 預(yù)測(cè)結(jié)果

繪制高低溫變溫條件下，玫瑰香葡萄硬度的動(dòng)力學(xué)預(yù)測(cè)值、模糊推理預(yù)測(cè)值以及實(shí)際測(cè)量值的變化趨勢(shì)，如圖5～8所示?？梢?，圖5、7的低溫變溫情況，模糊推理預(yù)測(cè)值更接近實(shí)際測(cè)量值；圖6、8的高溫變溫情況，動(dòng)力學(xué)預(yù)測(cè)值更接近實(shí)際測(cè)量值。

表3 恒溫試驗(yàn)下玫瑰香葡萄硬度的決定系數(shù)R2Tab.3 Regression coefficients of firmness of Muscat Hamburg grapeat constant temperatures

圖4 根據(jù)三角形函數(shù)定義恒溫溫度元素的隸屬度圖示Fig.4 Membership degree diagram of constant temperature elements according to triangular function

時(shí)間/dTeff/KwA0℃wA5℃wA10℃2275.18580.5928330.407167—4275.48870.5322570.467743—6278.1935—0.9913060.0086948281.4686—0.3362790.66372110283.3250———12282.7724—0.0755110.92448914282.0433—0.2213430.77865716282.9015—0.0497030.95029718284.3941———

注：“—”表示對(duì)應(yīng)溫度集合下的隸屬度無效。

圖5 低溫變溫試驗(yàn)下Vitsab M25-2 TTI預(yù)測(cè)硬度Fig.5 Predicted firmness according to Vitsab M25-2 TTI under low and variable temperature experiment

圖6 高溫變溫試驗(yàn)下Vitsab M25-2 TTI預(yù)測(cè)硬度Fig.6 Predicted firmness according to Vitsab M25-2 TTI under high and variable temperature experiment

3.4 預(yù)測(cè)誤差分析

為了比較2種方法預(yù)測(cè)值相對(duì)于實(shí)際試驗(yàn)測(cè)量值的差異程度，以試驗(yàn)測(cè)量值為參考，引入平均相對(duì)偏差，公式為

(6)

式中D——平均相對(duì)偏差m——TTI預(yù)測(cè)值個(gè)數(shù)fi——第i個(gè)預(yù)測(cè)值所對(duì)應(yīng)時(shí)刻玫瑰香硬度的試驗(yàn)測(cè)量值

圖7 低溫變溫試驗(yàn)下OnVu TTI預(yù)測(cè)硬度Fig.7 Predicted firmness according to OnVu TTI under low and variable temperature experiment

圖8 高溫變溫試驗(yàn)下OnVu TTI預(yù)測(cè)硬度Fig.8 Predicted firmness according to OnVu TTI under high and variable temperature experiment

fTTIi——第i個(gè)預(yù)測(cè)值所對(duì)應(yīng)時(shí)刻TTI對(duì)玫瑰香硬度的預(yù)測(cè)值

2種TTI的2種變溫試驗(yàn)下的平均相對(duì)偏差計(jì)算結(jié)果以及模糊推理預(yù)測(cè)相對(duì)于動(dòng)力學(xué)預(yù)測(cè)平均相對(duì)偏差的改進(jìn)值如表5所示。其中，低溫和高溫試驗(yàn)下，Vitsab TTI的預(yù)測(cè)值個(gè)數(shù)分別為7、4，OnVu TTI的預(yù)測(cè)值個(gè)數(shù)分別為6、4。

表5 變溫試驗(yàn)下TTI預(yù)測(cè)值的平均相對(duì)偏差Tab.5 Mean relative deviations of TTI predicted value under fluctuant temperature experiment

由圖5～8以及表5可以看出，TTI模糊推理預(yù)測(cè)能夠有效(D<15%)地預(yù)測(cè)玫瑰香硬度品質(zhì)，TTI模糊推理預(yù)測(cè)在低溫變溫試驗(yàn)上對(duì)動(dòng)力學(xué)預(yù)測(cè)做了改進(jìn)，使得平均相對(duì)偏差分別減小了6.03個(gè)百分點(diǎn)和2.70個(gè)百分點(diǎn)；但是面臨高溫變溫試驗(yàn)，模糊推理預(yù)測(cè)沒有改進(jìn)。

動(dòng)力學(xué)預(yù)測(cè)準(zhǔn)確需要保證以下2個(gè)條件：TTI與農(nóng)產(chǎn)品的有效溫度相等或相近，且準(zhǔn)確；TTI與農(nóng)產(chǎn)品的品質(zhì)值-時(shí)間-溫度數(shù)學(xué)模型關(guān)鍵參數(shù)準(zhǔn)確可靠。同時(shí)，有效溫度的準(zhǔn)確依賴于關(guān)鍵參數(shù)的準(zhǔn)確可靠。根據(jù)式(5)可以看出，模糊推理預(yù)測(cè)的準(zhǔn)確度依賴于：TTI與農(nóng)產(chǎn)品的有效溫度相等或相近，且準(zhǔn)確；有效溫度的隸屬度準(zhǔn)確?？梢?，有效溫度的誤差同時(shí)存在于2種預(yù)測(cè)方法中，Teff的計(jì)算也涉及到農(nóng)產(chǎn)品和TTI的動(dòng)力學(xué)參數(shù)反應(yīng)活化能Ea和方程常數(shù)k0。Teff誤差之一來源于Arrhenius方程的局限性，具體表現(xiàn)為回歸擬合計(jì)算反應(yīng)速率常數(shù)k和二次線性回歸計(jì)算反應(yīng)活化能Ea的相關(guān)系數(shù)上。誤差之二來源于TTI和農(nóng)產(chǎn)品之間的活化能差異帶來的系統(tǒng)誤差引起的農(nóng)產(chǎn)品品質(zhì)預(yù)測(cè)值不準(zhǔn)確。

根據(jù)上述分析，影響TTI模糊推理預(yù)測(cè)準(zhǔn)確度的因素之一是恒溫下農(nóng)產(chǎn)品品質(zhì)變化方程的確定。TTI模糊推理預(yù)測(cè)中，在描述恒溫下農(nóng)產(chǎn)品品質(zhì)的變化規(guī)律時(shí)，不局限于n級(jí)動(dòng)力學(xué)方程，也采用多項(xiàng)式、指數(shù)等任意方程，旨在提高擬合程度，最大程度上貼近實(shí)際變化情況；并且避免使用Arrhenius方程。而TTI動(dòng)力學(xué)預(yù)測(cè)的誤差根本上是源于n級(jí)反應(yīng)動(dòng)力學(xué)方程以及Arrhenius方程2次擬合導(dǎo)致的擬合優(yōu)度降低，以及兩方程本身的局限性。第2個(gè)影響TTI模糊推理預(yù)測(cè)準(zhǔn)確度的因素是有效溫度的隸屬度，即隸屬度函數(shù)的選定。在該研究中，模糊推理方法在低溫預(yù)測(cè)時(shí)準(zhǔn)確度更高，說明三角形函數(shù)較好地體現(xiàn)了玫瑰香葡萄品質(zhì)低溫下變化規(guī)律與各個(gè)低溫恒溫變化規(guī)律之間的關(guān)系；在高溫下，三角形函數(shù)不能較好體現(xiàn)其關(guān)系?？梢钥紤]在高溫下選擇其他類型的隸屬度函數(shù)，或者選擇在低溫和高溫變溫試驗(yàn)下相對(duì)于動(dòng)力學(xué)預(yù)測(cè)方法都有所改進(jìn)的隸屬度函數(shù)，以優(yōu)化TTI模糊推理預(yù)測(cè)方法。理論上，在保證了TTI模糊推理預(yù)測(cè)的兩個(gè)影響因素都準(zhǔn)確的前提下，TTI模糊推理預(yù)測(cè)方法可以優(yōu)于TTI動(dòng)力學(xué)預(yù)測(cè)方法。

4 結(jié)論

(1)TTI模糊推理方法為根據(jù)TTI響應(yīng)值預(yù)測(cè)農(nóng)產(chǎn)品品質(zhì)值提供了一種新的方法。該方法特征在于根據(jù)幾個(gè)恒溫試驗(yàn)農(nóng)產(chǎn)品品質(zhì)的實(shí)際變化規(guī)律建立的不定數(shù)學(xué)模型而非由Arrhenius方程推導(dǎo)的固定數(shù)學(xué)模型進(jìn)行預(yù)測(cè)，很大程度上依據(jù)實(shí)際經(jīng)驗(yàn)進(jìn)行。關(guān)鍵在于選擇相關(guān)系數(shù)高的擬合方程以及能夠準(zhǔn)確描述任意溫度下品質(zhì)變化規(guī)律與各個(gè)恒溫下變化規(guī)律相關(guān)程度的隸屬度函數(shù)。

(2)本研究的TTI和玫瑰香葡萄對(duì)象，模糊推理預(yù)測(cè)方法在低溫下相對(duì)于動(dòng)力學(xué)預(yù)測(cè)做出了改進(jìn)，平均相對(duì)偏差分別減小了6.03個(gè)百分點(diǎn)和2.70個(gè)百分點(diǎn)，在高溫下沒有改進(jìn)。實(shí)際中，采用Vitsab TTI、OnVu TTI對(duì)玫瑰香鮮食葡萄進(jìn)行品質(zhì)預(yù)測(cè)時(shí)，低溫下可選擇模糊推理預(yù)測(cè)方法，高溫下選擇動(dòng)力學(xué)預(yù)測(cè)方法。

1 BOBELYN E, HERTOG M L, NICOLA? B M. Applicability of an enzymatic time temperature integrator as a quality indicator for mushrooms in the distribution chain[J]. Postharvest Biology and Technology, 2006, 42(1): 104-114.

2 PARK H R, KIM Y A, JUNG S W, et al. Response of microbial time temperature indicator to quality indices of chicken breast meat during storage[J]. Food Science and Biotechnology, 2013, 22(4): 1145-1152.

3 ZHANG X, SUN G, XIAO X, et al. Application of microbial TTIs as smart label for food quality: response mechanism, application and research trends[J]. Trends in Food Science & Technology, 2016, 51: 12-23.

4 VAIKOUSI H, BILIADERIS C G, KOUTSOUMANIS K P. Applicability of a microbial time temperature indicator (TTI) for monitoring spoilage of modified atmosphere packed minced meat[J]. International Journal of Food Microbiology, 2009, 133(3): 272-278.

5 GIANNAKOUROU M C, TAOUKIS P S. Kinetic modelling of vitamin C loss in frozen green vegetables under variable storage conditions[J]. Food Chemistry, 2003, 83(1): 33-41.

6 姚萌萌. 基于TTI的鮮食葡萄品質(zhì)感知研究[D].北京：中國農(nóng)業(yè)大學(xué),2013. YAO M M. Research for quality perception of table grapes based on time temperature indicator[D].Beijing：China Agricultural University，2013.(in Chinese)

7 馬常陽, 傅澤田, 姚萌萌, 等. 時(shí)間溫度指示器等量線匹配適應(yīng)性評(píng)估方法[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014,45(7):183-188. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140729&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2014.07.029. MA C Y, FU Z T, YAO M M, et al. Selection method of the time temperature indicator based on the contour lines[J/OL]. Transactions of the Chinese Society for Agricultural Machinery， 2014,45(7):183-188. (in Chinese)

8 TAOUKIS P S, LABUZA T P. Applicability of time-temperature indicators as shelf life monitors of food products[J]. Journal of Food Science, 1989, 54(4): 783-788.

9 TAOUKIS P S, LABUZA T P. Reliability of time-temperature indicators as food quality monitors under nonisothermal conditions[J]. Journal of Food Science, 1989, 54(4): 789-792.

10 GIANNAKOUROU M C, TAOUKIS P S. Systematic application of time temperature integrators as tools for control of frozen vegetable quality[J]. Journal of Food Science, 2002, 67(6): 2221-2228.

11 GIANNAKOUROU M C, TAOUKIS P S. Application of a TTI-based distribution management system for quality optimization of frozen vegetables at the consumer end[J]. Journal of Food Science, 2003, 68(1): 201-209.

12 陳曉宇, 朱志強(qiáng), 張小栓, 等. 食品貨架期預(yù)測(cè)研究進(jìn)展與趨勢(shì)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(8): 192-199. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150826&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2015.08.026. CHEN X Y, ZHU Z Q, ZHANG X S，et al. Research progress and trend of food shelf life prediction[J/OL]. Transactions of the Chinese Society for Agricultural Machinery，2015, 46(8): 192-199. (in Chinese)

13 ENDOZA T F M, WELT B A, OTWELL S, et al. Kinetic parameter estimation of time-temperature integrators intended for use with packaged fresh seafood[J]. Journal of Food Science, 2004, 69(3): FMS90-FMS96.

14 GIANNAKOUROU M C, KOUTSOUMANIS K, NYCHAS G J E, et al. Field evaluation of the application of time temperature integrators for monitoring fish quality in the chill chain[J]. International Journal of Food Microbiology, 2005, 102(3): 323-336.

15 HINDRA F, BAIK O D. Kinetics of quality changes during food frying[J]. Critical Reviews in Food Science and Nutrition, 2006, 46(3): 239-258.

16 SHIM S D, JUNG S W, LEE S J. Mathematical evaluation of prediction accuracy for food quality by time temperature integrator of intelligent food packaging through virtual experiments[J]. Mathematical Problems in Engineering, 2013(2013):Article ID950317.

17 李少遠(yuǎn),王群仙,李煥芝,等. Sugeno模糊模型的辨識(shí)與控制[J]. 自動(dòng)化學(xué)報(bào),1999,25(4): 488-492. LI S Y, WANG Q X, LI H Z, et al. Identification and control based on Sugeno’s fuzzy model[J]. Acta Automatica Sinica, 1999, 25(4): 488-492.(in Chinese)

18 SUGENO M, NISHIDA M. Fuzzy control of model car[J]. Fuzzy Sets and Systems, 1985, 16(2): 103-113.

19 傅澤田, 姚萌萌, 馬常陽, 等. 基于化學(xué)型時(shí)間溫度指示器的鮮食葡萄品質(zhì)監(jiān)測(cè)[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào), 2013，18(6): 186-191． FU Z T，YAO M M，MA C Y，et al． Applicability of a chemical time temperature indicator as a quality indicator for table grape [J]． Journal of China Agricultural University，2013，18(6): 186-191．(in Chinese)

20 李里特 . 食品物性學(xué)[M]. 北京：中國農(nóng)業(yè)出版社，2001：96-100.

21 TAOUKIS P S, KOUTSOUMANIS K, NYCHAS G J E. Use of time-temperature integrators and predictive modelling for shelf life control of chilled fish under dynamic storage conditions[J]. International Journal of Food Microbiology, 1999, 53(1): 21-31.

Time-Temperature Indicator Fuzzy Reasoning Prediction for Grape Cold Chain Quality Sensing

ZHANG Xiaoshuan1,2SUN Gege1,2YANG Lin3GUO Yonghong4MA Changyang2,5

(1.CollegeofEngineering,ChinaAgriculturalUniversity,Beijing100083,China2.BeijingLaboratoryofFoodQualityandSafety,ChinaAgriculturalUniversity,Beijing100083,China3.DepartmentofFoodScience,TibetAgricultureandAnimalHusbandryCollege，Linzhi860000,China4.CollegeofMechanicalandElectricalEngineering,ChinaJiliangUniversity,Hangzhou310018,China5.CollegeofPharmacy,HenanUniversity,Kaifeng475004,China)

With the aim to validate and accurately evaluate the applicability of time-temperature indicator (TTI) application at variable temperatures, a prediction method based on the fuzzy reasoning was built. The method was on the basis of quality experience equation of the monitored products at constant temperature experiment, which could be chosen from polynomial equation, then-th reaction kinetic equations or other equations according to the fitting coefficients. The key of this method was to build exact membership functions between arbitrate effective temperature and the constant temperature in order to obtain the predicted value at arbitrate effective temperature. The method was analyzed about Muscat Hamburg grape, Vitsab M25-2 and OnVu TTI through two fluctuant temperature experiments simulating temperature characteristics of table grape cold chain logistics. Triangle membership function was chosen in the prediction based on the fuzzy reasoning. The table grape quality predicted values based on the fuzzy reasoning and the kinetics model were compared with the actual measured values. Results showed that the TTI prediction method based on fuzzy reasoning at low fluctuant temperature made improvements (6.03 percentage points and 2.70 percentage points)vsTTI prediction method based on the reaction kinetics equations, whereas made no improvements at high fluctuant temperature. Therefore, TTI prediction method based on fuzzy reasoning could be chosen at low temperature based on the principle of merit.

time-temperature indicator; prediction method; fuzzy reasoning; kinetics

10.6041/j.issn.1000-1298.2017.08.037

2016-12-05

2017-01-12

國家自然科學(xué)基金項(xiàng)目(31371538)和杭州科技發(fā)展計(jì)劃項(xiàng)目(20140432B30)

張小栓(1978—)，男，教授，博士生導(dǎo)師，主要從事農(nóng)(漁)業(yè)系統(tǒng)工程與信息化技術(shù)研究，E-mail: zhxshuan@cau.edu.cn

馬常陽(1988—)，男，副教授，主要從事食品物流信息技術(shù)與追溯系統(tǒng)研究，E-mail: macaya1024@sina.com

TS201.1

A

1000-1298(2017)08-0315-07