随着我国农业的蓬勃发展和居民生活水平的提高,人们更加关注鲜食葡萄的品质。如何站在消费者角度构建一套评价指标体系来合理地评价鲜食葡萄的品质,已成为当下研究的热点。传统的统计学方法大多分析葡萄检测数据,具有明显的局限性,主要有以下两点:第一,仅仅分析客观检测数据,未能兼顾消费者主观偏好,评价结果不能契合消费者的喜好;第二,仅仅简单地对鲜食葡萄各指标含量进行分析,未考虑到各指标间存在的复杂交互影响。为解决上述问题,本文提出了两个方案:第一,以调查问卷结果作为消费者主观偏好因素,并结合客观检测数据,采用组合赋权法分析,使评价更加合理;第二,利用机器学习方法在多因素非线性拟合方面的优势,来兼顾各风味指标的交互影响,从而更加精准地对鲜食葡萄风味进行评价。本文主要工作如下:（1）为使鲜食葡萄指标权重更加准确,本文首先采用德尔菲法对1154份问卷的结果进行分析,得出影响葡萄品质的3项一级指标权重。然后使用改进熵值法对58种葡萄样品的检测数据进行分析,并结合一级指标权重,得出各二级指标权重。最后采用MIV＿BPNN算法对权重结果的可靠性进行检验。结果表明,由德尔菲法和改进熵值法确定的指标权重具有良好的可靠性。（2）为更加精准地评价鲜食葡萄风味,本文设计了一种基于深度神经网络的鲜食葡萄风味评价模型。该模型将鲜食葡萄检测数据作为输入,品评打分作为输出。由于上述问卷结果中消费者对口味与香味的重视程度有明显差异,本文在全连接层与卷积层作为隐藏层的基础上增加了注意力模块来提高模型的拟合能力。同时嵌入了残差模块来解决梯度消失问题,使模型预测效果更好。结果显示,本文模型相比其他模型准确率提升了2%～15%。（3）为更加便捷直观地对鲜食葡萄品质进行评价与分析,本文基于上述研究工作设计并实现了基于B/S架构的鲜食葡萄评价分析平台。该平台以Vue.js作为前端框架,Spring Boot作为后端框架,My SQL作为数据库,并使用Echarts框架对鲜食葡萄数据分析结果进行可视化展示。