基于电气特性与ANFIS模型的新鲜籽瓜品质特征预测

《Agriculture》：Prediction of Fresh Seed Melon Quality Characteristics Based on Electrical Characteristics and an ANFIS Model

　　

本研究旨在分析新鲜籽瓜果肉电气特性与贮藏条件之间的关系，从而为品质评价提供一种快速的电气方法。研究人员采用平行板电极法在不同贮藏温度（4 ℃、8 ℃、12 ℃、16 ℃和20 ℃）和贮藏时间（0、2、4、6和8 h）下测定新鲜籽瓜的电气参数，并进一步探究不同频率下电气参数与品质属性之间的关系。研究人员建立自适应神经模糊推理系统（ANFIS）模型以预测新鲜籽瓜的品质特征，以电气参数作为输入变量，品质特征作为输出变量。构建了8种隶属度函数模型并进行比较，以筛选最优预测模型。结果表明：随频率升高，不同贮藏温度下新鲜籽瓜的阻抗（Z）、电容（Cp）和电阻（Rp）下降，而电导（G）和电抗（X）升高；不同贮藏时间下Z、品质因数（Q）、Cp和Rp下降，G和X升高；Z、Cp、Rp、G和X的变化幅度在高频率下逐渐减小。在163.28 kHz特征测试频率下，电气参数与品质特征显著相关。ANFIS结果显示：gauss2mf是预测内聚性（Co，R2=0.9491）的最优模型，pimf是预测咀嚼性（Ch，R2=0.9595）的最优模型，gbellmf是预测回弹性（Re，R2=0.9596）的最优模型。这些结果表明，在本实验条件下，电气特性结合ANFIS模型具有评价新鲜籽瓜品质特征的潜力。本研究为新鲜籽瓜品质检测与贮藏保鲜提供了理论基础，并为籽瓜果肉快速电气品质评价技术的开发提供了参考。

研究背景方面，籽瓜（Citrullus lanatus）作为中国甘肃等地主栽的籽用西瓜品种，鲜切后果肉在室温下极易腐败、氧化与失水，传统品质检测多依赖破坏性质地分析，难以满足快速分选需求。已有研究证实梨、苹果、桃、西瓜等果蔬的电气参数与成熟度、糖度、硬度显著相关，但多聚焦完整果实无损检测，针对鲜切籽瓜果肉在短期贮藏下电气响应与质地特征（内聚性、咀嚼性、回弹性）关联的系统研究尚属空白。鉴于电气测量具备快速、灵敏、可互补常规方法的优势，且自适应神经模糊推理系统（ANFIS，adaptive neuro-fuzzy inference system）能融合神经网络学习与模糊推理以刻画非线性关系，研究人员开展此项研究，试图建立“电气参数—ANFIS—质地品质”的预测链路，论文发表于《Agriculture》。

关键技术方法上，研究人员于2025年8—9月选用甘肃砂田栽培的‘Jingyuan No. 1’籽瓜，单果3.5–5.0 kg，取沿果轴4 cm厚瓜片经直径3 cm圆柱取样器获1 cm厚果肉柱（去籽），在4/8/12/16/20 ℃恒温恒湿下贮藏0–8 h构成样本队列。采用平行板电极法配合LCR仪（IM3536）在163.28–5387.8 kHz共33频点测阻抗Z、电导G、品质因数Q、电容C_p、电阻R_p、电抗X（夹力1 N，重复3次）；同期用质构仪P/35探头测硬度、黏附性、弹性、内聚性（Co）、咀嚼性（Ch）、回弹性（Re）。统计用SPSS 25.0做ANOVA与Pearson相关，以163.28 kHz为特性频点；MATLAB R2023a构建ANFIS（六输入Q/C_p/X/Z/G/R_p，三输出Co/Ch/Re，70训练30预测单次划分）并对比偏最小二乘回归（PLSR，partial least squares regression）参考模型，八种隶属函数（trimf/trapmf/gbellmf/gaussmf/gauss2mf/pimf/dsigmf/psigmf）择优。

研究结果部分，3.1节贮藏温度对电气参数的影响表明：在163.28–5387.8 kHz内，Z、C_p、R_p随频率升幂函数下降（4 ℃下C_p降幅99.14%），G、X随频率升幂函数/ExpDec1上升；同频下温度由4 ℃升至20 ℃时Z与R_p减小（20 ℃时Z仅为4 ℃的55.5%），G增大，非单调变化归因为样品生物学差异与膜透性/水分分布耦合效应。3.2节贮藏时间的影响显示：0–8 h内Z、Q、C_p、R_p随频率下降、G与X上升；同频163.28 kHz下Z从60.528 Ω增至77.81 Ω、R_p从67.77 Ω增至84.94 Ω，反映短期失水与膜完整性下降致离子传导减弱。3.3节特性频率筛选经单因素ANOVA确认163.28 kHz各电气参数与其余频点差异显著（p<0.05），低频下细胞膜容性屏障使参数对离子分布敏感，故定为特征频。3.4节相关分析得：163.28 kHz下C_p与Co（R=0.965）、Re（R=0.962）极显著正相关，X与Ch（R=0.944）显著正相关，Q与硬度/Re相关，Z/G/R_p无显著相关。3.5节ANFIS建模中，gauss2mf预测Co最优（预测集R²=0.9491，MSE=0.0021，RMSE=0.0458，ME=0.0118），pimf预测Ch最优（R²=0.9595，MSE=3.8316，RMSE=1.9575，ME=?0.5659），gbellmf预测Re最优（R²=0.9596，MSE=0.000146，RMSE=0.010706，ME=?0.003199）；3.6节与PLSR对比，ANFIS的R²分别高出0.1226/0.1049/0.0838，证明非线性模糊模型优于线性潜变量回归。

讨论与结论翻译：籽瓜果肉电气参数在163.28–5387.8 kHz呈明确频变规律，受贮藏温度与时间调制；163.28 kHz下C_p关联Co与Re、X关联Ch，证实电气参数可反映短期贮藏质地变化；gauss2mf/pimf/gbellmf分别为三质地指标最优ANFIS隶属函数，较PLSR决定系数更高，显示ANFIS刻画电气—质地非线性的潜力。本研究为短期贮藏籽瓜果肉快速电气评价奠基，但限于单一品种、单季、鲜切标本及单次70/30划分未做外部验证，推广至完整果实与其他产区需进一步跨批验证。