梨感官品质评价系统及评价方法与流程

本发明属于农产品品质评价技术领域，具体涉及一种梨感官品质评价系统和评价方法。

背景技术：

梨种类繁多，可生吃也可入菜，颜色形状各异，果肉口感差异较大，对梨进行品评描述有助于消费者对梨的选择。

描述性分析是针对产品的感官特征进行定性描述和定量评分的一种检验方法，其结果能够精确描述不同产品的感官特征差异，提供产品的详细信息及改善产品品质的依据。然而品评员的评分差异，可能会造成推送给客户的品评结果不准确。

技术实现要素：

(一)要解决的技术问题

有鉴于此，本发明的目的在于提供一种梨感官品质评价系统及评价方法，以解决以上所述的至少部分技术问题。

(二)技术方案

根据本发明的一方面，提供一种梨感官品质评价方法，其中包括：

建立梨感官品质的品评词汇数据库，各品评词汇包括一类属性词，所述一类属性词中包括二类属性词，以及该二类属性词对应的品评方法和参照样；

获取品评员对梨样品中品评词汇的打分数据，确定品评员的评价能力；

根据品评员的评价能力以及对应品评员对梨样品的打分数据，确定梨的感官品质评价结果。

在进一步的实施方案中，品评员的评价能力包括以下至少一种：梨样品间区分能力、梨样品中一类属性词和/或二类属性词的区分能力，以及品评员所在小组整体的一致性。

在进一步的实施方案中，梨样品间区分能力的确定方式包括：获取品评员对梨样品中各一类属性词和/或二类属性词的打分数据，确定组内方差mse值，该mse值越小，品评员的重复性越好。

在进一步的实施方案中，梨样品中一类属性词和/或二类属性词的区分能力的确定方式包括：获取品评员对各梨样品的打分数据，确定组间方差和组内方差的比值f，f值越大，则品评员对梨样品各属性的区分能力越好。

在进一步的实施方案中，品评员所在小组整体的一致性的确定方式包括：获取品评员所在小组的打分数据，确定profileplots属性图，每张图代表一个属性，每条线代表一个品评员，其中各条线越聚拢，则评价小组对该属性评价的一致性越高，反之，则一致性越差。

在进一步的实施方案中，各一类属性词中还包括各二类属性词对应的标度。

在进一步的实施方案中，一类属性词包括以下至少一种：果肉特征、果皮特征和果核。

在进一步的实施方案中，果肉特征包括的二类属性词含以下至少一种：果肉颜色、硬度、脆性、汁水量、果肉甜度、果肉酸度、果肉涩度、果肉化渣程度、纤维感、石细胞多少、梨直接香气和梨咀嚼香气。

在进一步的实施方案中，果皮特征包括的二类属性词含以下至少一种：果皮颜色、果皮光滑度、果实大小、果点大小、果点多少、锈斑、果皮厚度、果皮剥离难易程度、果皮韧性和蜡质多少。

在进一步的实施方案中，品评词汇数据库为初始品评词汇数据库或者根据品评员反馈后调整后的品评词汇数据库。

根据本发明的另一方面，提供一种梨感官品质评价系统，其中包括：

梨感官品评词汇确定模块，品建立梨感官品质的品评词汇数据库，各品评词汇包括一类属性词，所述一类属性词中包括二类属性词，以及该二类属性词对应的品评方法和参照样；

评价模块，获取品评员对梨样品中品评词汇的打分数据，确定品评员的评价能力；

梨感官品质决定模块，根据品评员的评价能力以及对应品评员对梨样品的打分数据，确定梨的感官品质评价结果。

在进一步的实施方案中，评价模块中，所述品评员的评价能力包括以下至少一种：梨样品间区分能力、梨样品中一类属性词和/或二类属性词的区分能力，以及品评员所在小组整体的一致性。

在进一步的实施方案中，评价模块中，所述梨样品间区分能力的确定方式包括：获取品评员对梨样品中各一类属性词和/或二类属性词的打分数据，确定组内方差mse值，该mse值越小，品评员的重复性越好。

在进一步的实施方案中，梨样品中一类属性词和/或二类属性词的区分能力的确定方式包括：获取品评员对各梨样品的打分数据，确定组间方差和组内方差的比值f，f值越大，则品评员对梨样品中各属性的区分能力越好。

在进一步的实施方案中，品评员所在小组整体的一致性的确定方式包括：获取品评员所在小组的打分数据，确定profileplots属性图，每张图代表一个属性，每条线代表一个品评员，其中各条线越聚拢，则评价小组对该属性评价的一致性越高，反之，则一致性越差。

在进一步的实施方案中，各一类属性词中还包括各二类属性词对应的标度。

在进一步的实施方案中，一类属性词包括以下至少一种：果肉特征、果皮特征和果核。

在进一步的实施方案中，果肉特征包括的二类属性词含以下至少一种：果肉颜色、硬度、脆性、汁水量、果肉甜度、果肉酸度、果肉涩度、果肉化渣程度、纤维感、石细胞多少、梨直接香气和梨咀嚼香气。

在进一步的实施方案中，果皮特征包括的二类属性词含以下至少一种：果皮颜色、果皮光滑度、果实大小、果点大小、果点多少、锈斑、果皮厚度、果皮剥离难易程度、果皮韧性和蜡质多少。

在进一步的实施方案中，品评词汇数据库为初始品评词汇数据库或者根据品评员反馈后调整后的品评词汇数据。

(三)有益效果

本发明中，通过采用方差分析的f值、mse值以及profileplots图评估品评员的评价能力，提高了判定品评员评价能力的效率；

通过多种方式展示梨的感官品质，提高了品评数据的易识性。

附图说明

图1是本发明实施例的梨感官品质评价方法流程图。

图2是本发明实施例的品评词汇的轮盘图。

图3是本发明实施例的品评员对梨样品中品评词汇的打分数据的蜘蛛网展示示意图。

图4是一具体实施例的f值展示示意图。

图5是一具体实施例的mse值展示示意图。

图6是一具体实施例的各二类属性词的示意图。

图7是本发明实施例的梨感官品质评价系统方框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

根据本发明的基本构思，提供了一种梨感官品质评价系统和评价方法，能高效的对品评员的评分结果进行评价。

图1是本发明实施例的梨感官品质评价方法流程图。如图1所示，本发明实施例提供一种梨感官品质评价方法，其中包括：

s101：建立梨感官品质的品评词汇数据库，各品评词汇包括一类属性词，所述一类属性词中包括二类属性词，以及该二类属性词对应的品评方法和参照样；

s102：获取品评员对梨样品中品评词汇的打分数据，确定品评员的评价能力；

s103：根据品评员的评价能力以及对应品评员对梨样品的打分数据，确定梨的感官品质评价结果。

参见图2所示，梨感官品质的品评词汇可以包括一类属性词，以及二类属性词，对于二类属性词，还可以具有该二类属性词对应的品评方法和参照样。优选的，各一类属性词中还包括各二类属性词对应的标度。

在一些实施例中，一类属性词包括以下至少一种：果肉特征、果皮特征和果核。

进一步的，所述果肉特征可以包括的二类属性词含以下至少一种：果肉颜色、硬度、脆性、汁水量、果肉甜度、果肉酸度、果肉涩度、果肉化渣程度、纤维感、石细胞多少、梨直接香气和梨咀嚼香气。

进一步的，所述果皮特征可以包括的二类属性词含以下至少一种：果皮颜色、果皮光滑度、果实大小、果点大小、果点多少、锈斑、果皮厚度、果皮剥离难易程度、果皮韧性和蜡质多少。

此外，对于参照样以及标度，具体内容可以参照下表所描述的参照样中内容以及可用描述词(也即标度)。

表1

一些实施例中，所述品评词汇数据库为初始品评词汇数据库或者根据品评员反馈后调整后的品评词汇数据库。举例来说，spectrum是传统描述性法中最经典的方法之一，要求经过筛选和培训的评价小组会使用标准术语、参照样、标度等描述产品在外观、风味和质构上的差异，因培训时间长，对品评员一致性要求高，所以得到的数据较为精确，在食品行业中应用较为广泛。

进一步的，评价小组组长通过查阅梨的相关文献并收集spectrum标准词库中的术语，提供给品评员一张供参考的标准词库列表。品评员嗅闻并品尝样品后，从标准词库中挑选或者自行生成能区分样品差异的描述词。待外观、气味、滋味和质构的描述词初步确定后，小组成员经过一致性讨论，确定每个描述词的定义和评价方法，对其中喜好类、重复性词汇，以及品评员理解难以达成一致的描述词另行列表，作为备注选项，综合确定最终的描述性词汇库，然后经过讨论为了减少品评员的感官疲劳，每次培训时间不超过2h，具体见表1.

经过以上培训，品评员已基本熟悉样品属性及各属性定义，下一步评价小组需要经过一致性讨论，确定每个属性的标准参照样来对所有属性进行精确定量。标准参照样是指能很好体现样品该属性的稳定参考样。在评分前，品评员要记住每个标准参考样在该属性上对应的强度，然后以参照样为基准，将样品与参照样比较，根据两者在该属性上的倍数差距以量值估计法在15cm的线性标度上对样品进行打分。

在一些实施例中，对于步骤s102，品评员的评价能力包括以下至少一种：梨样品间区分能力、梨样品中一类属性词和/或二类属性词的区分能力，以及品评员所在小组整体的一致性。

其中，所述梨样品中一类属性词和/或二类属性词的区分能力的确定方式包括：获取品评员对各梨样品的打分数据，确定组间方差和组内方差的比值f，f值越大，则品评员对梨样品内的各个属性区分能力越好。

其中，所述梨样品间区分能力的确定方式可以包括：获取品评员对梨样品中各一类属性词和/或二类属性词的打分数据，确定组内方差mse值，该mse值越小，品评员的重复性越好。

其中，所述品评员所在小组整体的一致性的确定方式包括：获取品评员所在小组的打分数据，确定profileplots属性图，每张图代表一个属性，每条线代表一个品评员，其中各条线越聚拢，则评价小组对该属性评价的一致性越高，反之，则一致性越差。

举例来说，可以采用方差分析的f值、mse值以及profileplots图评估品评员的评价能力，用panelcheckv1.4.0软件处理。

图4是一具体实施例的f值展示示意图。参照图4采用panelcheck软件中的f值考查品评员的区分能力。f值即组间方差与组内方差的比值，值越大，说明品评员对样品间各属性的区分能力越好。图4中反映了13名评价员(横坐标表示)的f值(纵坐标表述)。每名评价员对应的一簇线从左往右依次代表外观、气味、滋味和质构在内的32个属性。可以看出，每个评价员的各个属性的f值都达到了5％显著水平，绝大多数达到了1％水平，说明评价员均能很好地区分样品间的各个属性。

图5是一具体实施例的mse值展示示意图。采用mse值考查品评员两次评分结果的重复性。mse值代表组内方差，值越小说明单个品评员的重复性越好。但mse值很小，也可能是由于品评员没有将样品区分开，所以应结合f值，在品评员能区分样品间差异的基础上，讨论品评员的重复性。当品评员具有较高的f值和较低的mse值，表明品评员具有良好的评估样品的能力。图5中反映了13名评价员(横坐标表示)的mse值(纵坐标表述)。每名评价员对应的一簇线从左往右依次代表外观、气味、滋味和质构在内的32个属性。可以看出，每个评价员各属性的mse值都小于1.0，说明评价员的重复性均较好。考虑到所有评价员都具有较高的f值和较低的mse值，说明评价员既能很好的区分样品间各属性的差异，又能保证每次评分结果的一致性，因此从单个评价员的评估能力来看，所有评价员的数据均有效。

图6是一具体实施例的各二类属性词的示意图。采用profileplots方法来考察评价小组整体的一致性。该方法既能反映评价小组在评价某个属性时的表现是否一致，又能反映单个品评员与整体水平的差距。在图6中(也即profileplots属性图)中，每各子图代表一个属性，每条线代表一个品评员。所有的线越聚拢，则评价小组对该属性评价的一致性越高，反之，则一致性越差。图6反映了13名评价员整体的一致性结果。可以看出，多数属性对应的线条比较聚拢，评价小组一致性较好。从而说明这13名评价员对属性的理解及标度的使用均比较一致，得到的评分数据较为可靠。

步骤s103中，根据品评员的评价能力以及对应品评员对梨样品的打分数据，确定梨的感官品质评价结果。这里可以考虑采用评价能力优于设定值的品评员的打分数据，当然该打分数据可以是步骤s102的打分数据，也可以是品评员重新对梨样品打分的数据；然后对该打分数据进行统计分析，确定出最终的感官品质评价结果，最后还可以采用采用蛛网图直观呈现样品各性质。图3是本发明实施例的品评员对梨样品中品评词汇的打分数据的蜘蛛网展示示意图。可以看出，通过该展示方式，该梨品种的品质可以很直观的展示给用户。

基于相同的构思，本发明实施例还提供一种梨感官品质评价系统700，其中包括：

梨感官品评词汇确定模块710，品建立梨感官品质的品评词汇数据库，各品评词汇包括一类属性词，所述一类属性词中包括二类属性词，以及该二类属性词对应的品评方法和参照样；

评价模块720，获取品评员对梨样品中品评词汇的打分数据，确定品评员的评价能力；

梨感官品质决定模块730，根据品评员的评价能力以及对应品评员对梨样品的打分数据，确定梨的感官品质评价结果。

对于上述模块所实现功能，上述梨感官品质评价系统中对应的有所介绍，在此不予赘述。

本发明所提供的实施例中，应理解到，所揭露的相关系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如所述部分或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个部分或模块可以结合或者可以集成到一个系统，或一些特征可以忽略或者不执行。已描述了各种操作和方法。已经以流程图方式以相对基础的方式对一些方法进行了描述，但这些操作可选择地被添加至这些方法和/或从这些方法中移去。另外，尽管流程图示出根据各示例实施例的操作的特定顺序，但可以理解，该特定顺序是示例性的。替换实施例可以可任选地以不同方式执行这些操作、组合某些操作、交错某些操作等。设备的此处所描述的组件、特征，以及特定可选细节还可以可任选地应用于此处所描述的方法，在各实施例中，这些方法可以由这样的设备执行和/或在这样的设备内执行。

本发明中各功能模块都可以是硬件，比如该硬件可以是电路，包括数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于物理器件，物理器件包括但不局限于晶体管，忆阻器等等。所述存储模块可以是任何适当的磁存储介质或者磁光存储介质，比如rram，dram，sram，edram，hbm，hmc等等。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。