番茄是我国加工量最大的蔬菜,其加工制品—番茄酱是我国重要的出口优势农产品。对于番茄酱而言,粘稠度是评价产品等级和质量的重要指标,而加工番茄原料性状是影响番茄酱粘稠度的重要影响因子。目前,我国对于不同品种番茄制酱的加工适宜性评价较少,还没有提出一种基于统计学的方法实现从番茄原料品质性状到番茄酱粘稠度的预测。因此,本研究对44种加工番茄的原料品质性状和番茄酱流动品质进行深入研究,最终建立了基于人工神经网络的不同品种番茄酱粘稠度的预测模型,具体研究结果如下:（1）番茄酱流动品质研究表明,不同品种加工番茄制备番茄酱的Bostwick稠度、表观黏度、屈服应力、稠度系数和稳定性都存在较大差异。通过稳态剪切流变学研究发现,44种番茄酱样品均为剪切变稀的非宾汉（Bingham）假塑性流体,即番茄酱样品的粘度随着剪切速率的增加而减小。通过对44种番茄酱粘稠度指标的聚类分析发现,第三类样品的稠度、表观黏度、屈服应力和稳定性都较大,因此综合考虑,此类番茄酱（NDM2272、早红、新番45、H9888、H9780、H8504和H2401）的流动品质优于第一类和第二类。（2）44种加工番茄的原料品质性状存在差异,其中p H、镁、钾、可溶性固形物这4项指标的变异系数均小于10%,说明不同样品间这4项指标的差异较小;其余16项指标的变异系数均大于10%,说明不同加工番茄样本的品质指标差异较大。（3）通过5项番茄酱流动品质核心指标,建立了番茄酱流动品质评价模型:Y=0.242×A₁+0.228×A₂+0.202×A₃+0.106×A₄+0.222×A₅（A₁～A₅分别代表表观黏度、屈服应力、稠度系数、悬浮稳定性和离心沉淀率）,通过该模型得到了44种加工番茄制备的番茄酱流动品质综合得分。（4）筛选出了与番茄酱流动品质紧密相关的9项番茄原料特征指标,分别为番茄汁离心沉淀率、番茄汁黏度、钙、铁、细胞壁物质、总糖、WSP、面积平均粒径和临界粒径,通过人工神经网络算法,将上述9项指标作为模型的输入层,将番茄酱粘稠度对应的综合得分为输出层建立的基于番茄原料性状对番茄酱黏稠度的预测模型准确性较高,误差度较小,说明该人工神经网络模型能够较准确的实现由原料品质性状到最终产品—番茄酱粘稠度的预测。