随着社会的发展和人民生活水平的不断提高,人们对新鲜、营养、卫生的新鲜食品需求越来越大,因此对生鲜食品的保鲜就提出了更高的要求,而生鲜食品的贮藏、加工、运输过程中均伴随着热量的交换和传递,这些加工工艺及其设备的设计,都需了解食品的热物性参数,同时食品的热物性参数还是食品冷库和食品加工制冷装置设计的重要参数,也是确定食品冷藏、冻结和干燥加工时间的重要依据。目前国内外已有不少研究热物性的文献,但是有关果蔬的热物性与其生理生化指标关系的研究较少,并且在各类文献上给出的各种食品的热物性参数值十分有限,由于食品的热物性参数(包括热导率、比热容和冰点等)不仅与温度有关,还与食品材料的含水量、密度、可溶性固形物含量等保鲜理化特性有关,鉴于此,很有必要对这一课题展开深入的研究。人工神经网络是近年来为工程界广泛重视的一种系统分析方法,它能解决复杂的非线性问题,并能较大程度上克服统计经验方法的不适应性,善于从大量统计资料中提取分析宏观统计规律,其主要特点是非线性映射能力,这种能力使其能够对任意非线性函数进行很好的逼近,从而得到较为准确的预测模型。本文以新鲜成熟的上海市场果蔬为研究对象,通过对不同种类的果蔬的热导率、比热容、冰点进行测试,来探讨果蔬的热物性参数与果蔬不同状态的生理生化指标包括密度、可溶性固形物含量、含水量的内在相关性。对不同种类的果蔬我们拟选取新鲜成熟的上海市场果蔬为研究对象,如红蛇果、火龙果、香蕉、雪莲果、白萝卜、番茄、丝瓜等35种四季果蔬,按照顺序测量法同步测量果蔬的热物性参数(如热导率、比热容、冰点)以及生理生化指标(如密度、含水量、可溶性固形物含量),其中比热容、冰点、含水率和可溶性固形物含量的取样部位为果肉中部,每种果蔬样品取3个,取其平均值。在得到的大量测试数据基础上,再通过计算机进行数据分析和处理,以期发现影响果蔬组织热物性参数的主要因素,进而来确定热物性参数与其生理生化指标之间的关系,并得到了影响果蔬热物性参数的预测方程。研究结果表明:果蔬的热导率随温度的增大而增大,但是不是很明显;果蔬的热导率与含水量、密度呈正相关;果蔬的热导率与可溶性固形物呈负相关,并分别建立了果蔬热导率与含水量、密度、可溶性固形物的单因素回归方程,同时通过DPS软件分别得到5℃、15℃、25℃条件下含水量、可溶性固形物含量和密度对果蔬热导率影响的预测方程。5℃、15℃、25℃条件下的预测方程分别为:λ=-0. 5152+0.5771d +0.0044w+0.0014s;λ=-0 .4886+0.5558d +0.0045w+0.0016s;λ=-0 .5275+0.5198d +0.0053w+0.0025s;果蔬冰点随着含水量的增大而增大,随着可溶性固形物含量的增大而减小,与密度没有明显的关系,并分别建立了果蔬冰点与含水量和可溶性固形物的单因素回归方程,同时通过DPS软件得到含水量和可溶性固形物含量对果蔬冰点影响的预测方程。预测方程为: T = -4.8755+0.0429w -0.3379s。果蔬比热容随着温度升高而缓慢增大,并且随着温度的升高,果蔬比热容的增长率逐渐减小直至比热容的不再变化,比热容与含水量呈正相关,与可溶性固形物呈负相关,与密度没有明显的关系,并分别建立果蔬比热容与含水量和可溶性固形物的单因素回归方程,同时通过DPS软件分别得到10℃、15℃、20℃条件下含水量和可溶性固形物含量对果蔬比热容影响的预测方程。10℃、15℃、20℃条件下的预测方程分别为: Cp = 1. .3070+0.0219w-0.0096s; Cp = 1 .2475+0.0219w-0.0089s;Cp = 1. 1674+0.0253w-0.0061s。最后本文简要介绍了BP人工神经网络以及人工神经网络的建立,并利用BP人工神经网络建立了通过温度、含水量、密度、可溶性固形物含量等参数对果蔬热物性参数进行预测的模型,经过误差的比较分析得到最优的预测模型,再与实际的检测结果进行比较,来验证模型的可靠性。结果证明,模型用于果蔬热物性参数的预测精度很好,可以应用于果蔬热物性参数的预测。在实际应用中,由于温度、含水率、密度、可溶性固形物含量等参数较易测得,可根据优化的BP神经网络模型就可预测得到果蔬的热物性参数值,且预测速度快,操作简便,从而可为食品贮藏加工业等提供可靠的理论和数据参考。