基于SECA的加工番茄综合评价方法研究∗

刘晓坤，陈华

(新疆大学电气工程学院，新疆乌鲁木齐830047)

0 引言

番茄酱加工业是我国农业产业化、国际化的重要代表[1].作为中国加工番茄主产区，新疆每年番茄种植量以及番茄酱产量一直处于国内领先地位.据乌鲁木齐海关公布的数据可知，2013年全年出口番茄酱47.17万吨，贸易额达4.31亿美元；2018年全年出口番茄酱53.48万吨，贸易额为3.79亿美元.六年间番茄酱出口量有上升，但出口贸易额却逐年减少，主要是番茄品质下降和品种退化导致番茄制品的品质难以得到保证，这将直接影响新疆番茄加工产业链的健康发展，因此提高番茄品质及其可控性是目前加工番茄的研究重点.加大番茄种植业研发投入，加快品种更新换代，优化产品结构，推广合理种植方式才能保持中国加工番茄产业基础竞争力[2].

目前，国内学者针对加工番茄综合评价方法做了一些研究，韩泽群[3]通过主成分分析及聚类分析方法对22个加工番茄品种的17项农艺性状建立加工番茄品种综合多性状综合评价；刘峰娟[4]采用隶属函数法对6个加工番茄品种的5种营养品质进行综合评价；许立志[5]选择模糊数学隶属函数法对田间农艺性状及品质性状共17个指标进行19个加工番茄品种综合评价；杨禹伟[6]利用熵权赋值的DTOPSIS法对20个加工番茄品种的7项品质进行综合评价.但上述研究中加工番茄品种数量较少，所采用方法中主观影响因素较多，并且仅根据本地种植的部分数据很难客观对品种做出综合评价.针对新疆加工番茄产业链中种植品种单一，加工制品品种少等突出问题，选育加工番茄新品种成为加工番茄产业中至关重要的环节.本文选取50种加工番茄品种，提出基于SECA加工番茄品种优选方法，对其6项品质特性进行综合评价，旨在为加工番茄优质品种选育与利用提供理论依据.

1 品种特性选择

针对品种约束问题，需要进行大范围的品种筛选，以期引入较为适合后期试种推广的新品种.为解决加工番茄综合评价问题，首先从加工番茄咨询委员会公布的2017年度大田种植数据中，选取种植面积最大的50个加工番茄品种，建立加工番茄品种集合.然后结合现行《加工用番茄》[7]中有关加工番茄等级规格所要求的可溶性固形物、感官、杂质量等项目，以及《番茄酱加工技术规范》[8]中有关加工原材料的要求.针对加工番茄品种对加工制品品质影响较大的六个品质特性（分别为霉菌比、青果比、颜色值、加工局限性、固形物含量比和pH值）进行多属性综合评价.

2 综合评价方法

SECA是2018年由GHORABAEE M K 等[9]提出的一种解决多属性决策的新方法.与传统多属性决策方法[10−12]相比，不需要单独确定各个属性的客观权重之后再通过多属性决策方法进行评价.该方法的目的是同时确定各个方案的总体得分以及各个属性的客观权重.针对客观权重选取了两种类型的参考标准，第一种是基于标准差确定的属性内变异信息，第二种是基于每对属性间相关性确定的属性间差异信息.通过求解目标模型，可以同时确定属性权重并进行方案综合评价.SECA的主要步骤如下：

(1)根据所选品种及各个品质特性数据建立决策矩阵D.

式(1)中xij代表第i个品种的第j个品质特性值；m为所选品种个数；n为所选品质特性个数，i=1,2,···,m，j=1,2,···,n.

（2)为了避免数据量纲对最终结果的影响，对数据进行归一化处理，针对正向指标，使用公式(2)进行处理，负向指标则使用公式(3)进行处理，可以得到规范决策矩阵DN.

式中代表第i个品种的第j个品质特性归一化后的值；maxxj表示第j个品质特性最大值，minxj表示第j个品质特性最小值.

(3)计算确定各个品质特性内的变异信息及品质特性之间的变异信息.将这两者作为品质特性权重的参考标准.

式(5)中σj为品质特性内的变异信息，为第j个特性的平均值；式(6)中为第l个特性的平均值，rjl为每对品质特性之间的相关系数；式(7)中πj为品质特性之间的变异信息；公式(8)进行归一化处理.分别为标准品质特性内及之间的变异信息.

(4)构建数学模型.在此模型中，按照公式(9)∼(16)，可以直接求解各个品质特性的权重及各个品种的综合表现.

式(10)中，Z为目标函数，λa、λb、λc分别代表综合表现、品质特性内变异信息、品质特性间差异信息，β(β≥0)为系数；式(10)中，Si表示第i个品种的综合得分；式(11)中，ωj代表第j个品质特性的权重，权重范围在ε到1之间.

3 评价结果与分析

所选用50个品种6个品质特性的平均值经归一化处理后如表1所示.C1为霉菌比；C2为青果比；C3为颜色值；C4为加工局限性；C5为固形物含量比；C6为pH值.综合加工番茄品质特性及加工番茄制品订单情况将C1、C2、C4和C6归于负向指标，C3和C5归为正向指标.

表1 所选品种各属性的平均值归一化处理结果Tab 1 Normalized treatment of the average values of the attributes

3.1 权重分析

选取β从1到5五个正整数，可以分别得到各个品质特性权重，同时使用相同的数据，通过CRITIC(Criteria Importance Though Intercriteria Correlation)方法[13]确定各项权重，结果如图1所示.通过对比权重ω1∼ω6随β变化的情况，可明显看出，在β从4增大到5时，各权重变化率较小，由此可知β=4时，各品质特性的权重已趋于稳定.通过对比两种方法确定的权值并结合行业内订单品质要求指标，可知SECA方法确定的权重更为客观.

3.2 排序结果及分析

根据图1可知，β=4时，权重结果已明显稳定，故对50个品种进行排序.结果如表2所示.为了确保结果的准确性，调整β值分别取3和5重新排序，β值取3时，排序结果第30∼33位及第35位存在差异；β值取5时，仅有第42、43位存在差异；故可以证明SECA方法适用于加工番茄的品质特性综合评价.

结果表明，根据S值范围，可将所有选用品种划分为三级，大于0.65为特级，0.55∼0.65之间为一级，小于0.55为二级.在后期品种引入试种过程中可以优先挑选特级中综合表现优秀的27号、38号、25号、16号、3号加工番茄品种，而第二级中材料则整体表现较差.通过分析品种排序结果，为新疆加工番茄的选种和育种提供了参考.

表2 β=4时排序结果Tab 2 The result of the sorting with β=4

3.3 方法对比分析

选取β=4时的一组权重ω1∼ω6依次为0.214 9、0.209 2、0.130 9、0.202 5、0.134 4、0.108 0，进行多种传统多属性决策方法分析，结果如表3所示.通过分别对比SECA方法得出的排序结果与SAW(Simple Additive Weighting)[14]、COPRAS(Complex Proportional Assessment)[15]、TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution)[16]三种方法得到的排序结果，相关系数依次为0.975 6，0.974 7，0.980 9.结果表明，三种传统多属性决策方法得到的排序结果与SECA方法得到的排序结果保持高度一致.证明SECA方法拥有很好的加工番茄品质特性综合评价可行性.将SECA方法用于加工番茄品质特性综合评价，不仅能够确定各个品质特性的重要程度，还能比较不同品种间的优劣，且该方法克服了传统方法依赖权重的缺点.

表3 传统多属性决策方法排序结果Tab 3 The ranking results of different MCDM methods

在追求加工番茄品种高产的同时，番茄品质要求也不断提高[17].相比产量，番茄品质更能影响加工番茄制品的品质.本文选用正向和负向共六项指标，选取50种大范围种植的加工番茄品种作为研究对象，采用多属性决策方法，考虑多品质特性对番茄品种进行综合评价，避免了由于品种资源较少导致评价结果不够准确的问题，为后期选种、育种及推广种植环节提供重要的参考.

4 结论

本文选用50种大面积种植的加工番茄品种作为研究对象，建立品种集合，采用基于SECA的加工番茄品质综合评价方法对加工番茄的6个品质特性进行综合评价.该方法在确定各属性客观权重的同时，可以直接获得目标评价结果，避免了传统方法中属性权重确定的主观性，排序结果客观可信，准确度高.

综合评价结果表明，27号、38号、25号、16号、3号加工番茄品种在综合品质特性中表现优异，建议作为新品种引入，以期为新品种培育、实现面向订单的种植计划制定以及新的加工制品生产提供方法上的借鉴或支持，进一步提高加工番茄品质特性与番茄制品的产品特性一致性，提升新疆加工番茄制品的市场竞争力.