一種雞精調(diào)味料風(fēng)味質(zhì)量控制方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及香料香精技術(shù)領(lǐng)域，特別涉及一種雞精調(diào)味料風(fēng)味質(zhì)量控制方法及系 統(tǒng)。
【背景技術(shù)】
[0002] 食品風(fēng)味是構(gòu)成食品美感的最重要因素，人工感官評定作為最基礎(chǔ)的評級食品質(zhì) 量的方法，已經(jīng)廣泛的應(yīng)用于雞肉香精及雞肉制品的感官質(zhì)量以及風(fēng)味品質(zhì)的評價，是評 定調(diào)味料的感官質(zhì)量無可替代的方法。但是感官評定具有一定的主觀性，易受評定人員身 體狀況、心理狀況等因素的影響，重復(fù)性差，有疲勞適應(yīng)以及時間順序效應(yīng)，無法在生產(chǎn)過 程中實(shí)時監(jiān)測質(zhì)量，不能保證每批產(chǎn)品風(fēng)味質(zhì)量的穩(wěn)定性。
[0003] 為了應(yīng)對感官評價的受主觀性影響以及花費(fèi)高等缺點(diǎn)，近些年發(fā)展采用電子鼻等 儀器理化分析的手段，利用儀器分析得到的風(fēng)味數(shù)據(jù)應(yīng)用主成分分析（PCA)、聚類分析 (CA)、因子分析(DFA)等統(tǒng)計(jì)學(xué)方法對產(chǎn)品質(zhì)量進(jìn)行分析，這些方式往往只限建立特征風(fēng)味 的指紋數(shù)據(jù)庫和無監(jiān)督的分類識別模型，其所得數(shù)據(jù)只是淺層次的分析比較。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對上述現(xiàn)有技術(shù)中存在的問題，提出一種雞精調(diào)味料風(fēng)味質(zhì)量控制方法 及系統(tǒng)，采用主成分分析算法和人工神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方法，能夠?qū)﹄u精樣本進(jìn)行快 速分類和鑒別，在生產(chǎn)中檢測效果良好，解決了現(xiàn)有技術(shù)的人工感官評價的主觀性以及一 起分析所得數(shù)據(jù)只是淺層次的分析比較等缺點(diǎn)。
[0005] 為解決上述技術(shù)問題，本發(fā)明是通過如下技術(shù)方案實(shí)現(xiàn)的：
[0006] 本發(fā)明提供一種雞精調(diào)味料風(fēng)味質(zhì)量控制方法，其包括以下步驟：
[0007] S11:將電子鼻米集到的標(biāo)準(zhǔn)風(fēng)味樣本的風(fēng)味感官數(shù)據(jù)歸一化；
[0008] S12:利用主成分分析得到歸一化后的所述風(fēng)味感官數(shù)據(jù)中的各主成分的貢獻(xiàn)率；
[0009] S13:將所述風(fēng)味感官數(shù)據(jù)中的主成分按照貢獻(xiàn)率從大到小的順序排序，若前N個 所述主成分的累積貢獻(xiàn)率達(dá)到預(yù)設(shè)值以上，則把前N個所述主成分作為人工神經(jīng)網(wǎng)絡(luò)的輸 入變量；
[0010] S14:將前N個所述主成分的數(shù)據(jù)導(dǎo)入所述人工神經(jīng)網(wǎng)絡(luò)，通過所述人工神經(jīng)網(wǎng)絡(luò) 進(jìn)行訓(xùn)練，保存所述標(biāo)準(zhǔn)風(fēng)味樣本的人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)；
[0011] S15:根據(jù)所述標(biāo)準(zhǔn)風(fēng)味樣本的人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)對待測風(fēng)味樣本進(jìn)行訓(xùn)練，判 斷所述待測風(fēng)味樣本的種類是否正確。
[0012] 較佳地，所述步驟S14具體包括：
[0013] S141:網(wǎng)絡(luò)初始化，確定所述人工神經(jīng)網(wǎng)絡(luò)的各層網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)、各層節(jié)點(diǎn)之間的連 接權(quán)值及閾值；
[0014] S142:計(jì)算所述人工神經(jīng)網(wǎng)絡(luò)的輸出，得到輸出與實(shí)際值之間的誤差；
[0015] S143:判斷所述誤差是否滿足目標(biāo)精度，若不滿足，則進(jìn)入步驟S144;若滿足，則訓(xùn) 練結(jié)束；
[0016] S144:根據(jù)所述誤差反饋調(diào)整各層節(jié)點(diǎn)之間的連接權(quán)值及閾值，重復(fù)步驟S142~ S143,直到所述誤差滿足目標(biāo)精度。
[0017] 較佳地，所述步驟S14中的所述人工神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層以及輸出層;所 述輸入層的節(jié)點(diǎn)數(shù)為N。
[0018] 較佳地，所述隱含層的激活函數(shù)為：
[0019] 所述輸出層的傳遞函數(shù)為
[0020] 根據(jù)所述誤差反饋調(diào)整各層節(jié)點(diǎn)之間的連接權(quán)值及閾值的訓(xùn)練函數(shù)為:X(k+l) = xaM/j+ylP/e，其中，e是誤差值，x(k)為k次迭代各層節(jié)點(diǎn)之間的連接權(quán)值或閾值，J 為誤差函數(shù)對權(quán)值或閾值的一階倒數(shù)雅克比矩陣，μ為常數(shù)系數(shù)變量。
[0021 ]較佳地，所述步驟S15中若所述待測風(fēng)味樣本的種類不正確，還包括:判斷該待測 風(fēng)味樣本的位置、原屬種類以及應(yīng)屬種類。
[0022]較佳地，所述目標(biāo)精度為0.0009~0.001之間的任一值。
[0023]較佳地，所述步驟S13中的所述預(yù)設(shè)值為85%~95%之間的任一值。
[0024] 本發(fā)明提供一種雞精調(diào)味料風(fēng)味質(zhì)量控制系統(tǒng)，其包括：
[0025] 歸一化單元，用于將電子鼻采集到的標(biāo)準(zhǔn)風(fēng)味樣本的風(fēng)味感官數(shù)據(jù)歸一化；
[0026] 主成分分析單元，用于對主成分的貢獻(xiàn)率進(jìn)行分析，得到歸一化后的所述風(fēng)味感 官數(shù)據(jù)中的各主成分的貢獻(xiàn)率；
[0027] 人工神經(jīng)網(wǎng)絡(luò)單元，用于將前Ν個所述主成分的數(shù)據(jù)導(dǎo)入所述人工神經(jīng)網(wǎng)絡(luò)，通過 所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，保存所述標(biāo)準(zhǔn)風(fēng)味樣本的人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)；
[0028] 風(fēng)味種類檢測單元，用于根據(jù)所述標(biāo)準(zhǔn)風(fēng)味樣本的人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)對待測風(fēng) 味樣本進(jìn)行訓(xùn)練，判斷所述待測風(fēng)味樣本的種類是否正確。
[0029] 較佳地，所述人工神經(jīng)網(wǎng)絡(luò)單元依次包括:輸入層、隱含層以及輸出層。
[0030] 較佳地，所述雞精調(diào)味料風(fēng)味質(zhì)量控制系統(tǒng)還包括:風(fēng)味種類判斷單元，用于當(dāng)所 述待測風(fēng)味樣本的種類不正確時，判斷該待測風(fēng)味樣本的位置、原屬種類以及應(yīng)屬種類。
[0031] 相較于現(xiàn)有技術(shù)，本發(fā)明具有以下優(yōu)點(diǎn)：
[0032] (1)本發(fā)明提供的雞精調(diào)味料風(fēng)味質(zhì)量控制方法及系統(tǒng)，采用主成分分析算法和 人工神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方法，減少了人為參與，進(jìn)而減少了認(rèn)為感官的主觀性，提高了 檢測準(zhǔn)確性；
[0033] (2)本發(fā)明采用主成分分析算法對主成分的貢獻(xiàn)率進(jìn)行分析，只將貢獻(xiàn)率比較大 的主成分導(dǎo)入人工神經(jīng)網(wǎng)絡(luò)，計(jì)算簡單，檢測速度快；
[0034] (3)本發(fā)明將風(fēng)味感官數(shù)據(jù)歸一化到0到1的范圍內(nèi)，電子鼻系統(tǒng)的傳感器響應(yīng)值 的范圍不同，或者對某種樣本的風(fēng)味較為敏感，造成該變量取值較大，對其他變量因子起到 決定性的影響，歸一化能消除數(shù)據(jù)自身帶來的影響，能夠使取值較小的變量在PCA分析中得 以體現(xiàn)；
[0035] ( 4)本發(fā)明的人工神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值的訓(xùn)練函數(shù)采用LM(1 e venberg- marquardt)算法，同時具有梯度下降法和牛頓法的優(yōu)點(diǎn)，收斂速度快，進(jìn)一步提高了檢測速 度，且權(quán)值和閾值在訓(xùn)練過程中穩(wěn)步的收斂。
[0036] 當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時達(dá)到以上所述的所有優(yōu)點(diǎn)。
【附圖說明】
[0037] 下面結(jié)合附圖對本發(fā)明的實(shí)施方式作進(jìn)一步說明：
[0038] 圖1為本發(fā)明的雞精調(diào)味料質(zhì)量控制方法的流程圖；
[0039]圖2為本發(fā)明的BP神經(jīng)網(wǎng)絡(luò)模型圖；
[0040] 圖3為本發(fā)明的原始數(shù)據(jù)經(jīng)過PCA計(jì)算后得到的第一主成分和第二主成分投影圖；
[0041] 圖4為本發(fā)明的導(dǎo)入訓(xùn)練樣本后BP神經(jīng)網(wǎng)絡(luò)收斂特性曲線圖；
[0042] 圖5為本發(fā)明的訓(xùn)練樣本輸出值與實(shí)際值的差值曲線圖；
[0043] 圖6為本發(fā)明的雞精調(diào)味料質(zhì)量控制系統(tǒng)的結(jié)構(gòu)示意圖。
[0044] 標(biāo)號說明：1-歸一化單元，2-主成分分析單元，3-BP網(wǎng)絡(luò)單元，4風(fēng)味種類檢測單 J L· 〇
【具體實(shí)施方式】
[0045] 下面對本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。
[0046] 實(shí)施例1:
[0047] 結(jié)合圖1-圖5，本實(shí)施例對本發(fā)明的雞精調(diào)味料風(fēng)味質(zhì)量控制方法進(jìn)行詳細(xì)描述， 如圖1所示為其流程圖，其包括以下步驟：
[0048] S11:將電子鼻采集到的標(biāo)準(zhǔn)風(fēng)味樣本的風(fēng)味感官數(shù)據(jù)進(jìn)行歸一化，將其映射到0 到1的范圍內(nèi)；
[0049] S12:利用主成分分析(PCA)得到歸一化后的風(fēng)味感官數(shù)據(jù)中的各主成分的貢獻(xiàn) 率；
[0050] S13:將風(fēng)味感官數(shù)據(jù)中的主成分按照貢獻(xiàn)率從大到小的順序排序，若前N個所述 主成分的累積貢獻(xiàn)率達(dá)到預(yù)設(shè)值85 %以上，則把前N個所述主成分作為人工神經(jīng)(BP)網(wǎng)絡(luò) 的輸入變量；
[0051] S14:將前N個主成分的數(shù)據(jù)導(dǎo)入人工神經(jīng)網(wǎng)絡(luò)，通過BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，保存標(biāo)準(zhǔn)風(fēng) 味樣本的BP網(wǎng)絡(luò)的數(shù)據(jù)；
[0052] S15:根據(jù)標(biāo)準(zhǔn)風(fēng)味樣本的BP網(wǎng)絡(luò)的數(shù)據(jù)對待測風(fēng)味樣本進(jìn)行訓(xùn)練，判斷待測風(fēng)味 樣本的種類是否正確。
[0053] 其中，步驟S14具體包括以下步驟：
[0054] S141:網(wǎng)絡(luò)初始化，確定BP網(wǎng)絡(luò)的各層網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)、各層節(jié)點(diǎn)之間的連接權(quán)值以及 閾值;本實(shí)施例中，人工神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層三層，輸入層和隱含層之間 的連接權(quán)值為ω ij，閾值為a，隱含層和輸出層之間的連接權(quán)值為ω jk，閾值為b，BP網(wǎng)絡(luò)模型 圖如圖2所示；
[0055] S142:計(jì)算BP網(wǎng)絡(luò)的輸出，得到輸出與實(shí)際值之間的誤差，具體又包括：（a)隱含層 輸出，根據(jù)輸入層變量X、權(quán)值ωυ、閾值a和隱含層的激勵函數(shù)，計(jì)算隱含層的輸出H;(b)輸 出層輸出，根據(jù)隱含層的輸出H、權(quán)值閾值b和輸出層的傳遞函數(shù)，計(jì)算輸出層的輸出0; (c)誤差計(jì)算，根據(jù)輸出0與實(shí)際值Y，計(jì)算BP網(wǎng)絡(luò)的誤差e;
[0056] S143:判斷誤差e是否滿足目標(biāo)精度0.0001，若不滿足，則進(jìn)入步驟S144;若滿足， 則訓(xùn)練結(jié)束，保存BP網(wǎng)絡(luò)的權(quán)值和閾值；
[0057] S144:根據(jù)誤差和權(quán)值、閾值訓(xùn)練函數(shù)調(diào)整各層節(jié)點(diǎn)之間的連接權(quán)值及閾值，重復(fù) 步驟S142~S143,直到誤差e滿足目標(biāo)精度。
[0058] 本實(shí)施例中，隱含