基于数据挖掘的发酵乳检测数据与人工感官相关性模型研究

发布时间：2021-03-21 15:29

　　发酵乳是指牛乳等动物乳经过巴氏杀菌后,通过添加乳酸菌发酵,使之发生酶解的一类乳制品。由于其有独特的风味且具有保健养生的作用,近年来消费量持续增长。目前在发酵乳生产过程中,对其进行感官质量控制的方法主要为人工感官评价。人工感官评价方法由于其具有主观性,存在难以复现、量化困难等问题,限制了发酵乳生产企业进一步提升良品率。针对人工感官评价方法的不足,本文提出三点解决方法:1)针对人工感官评价不足以满足当前发酵乳生产需求的问题,采用电子鼻检测发酵乳样品,获得发酵乳检测数据,并通过人工感官评价对其进行标记。使用Bagging集成学习方法对其建模,降低单模型的方差,生成发酵乳电子鼻检测数据与人工感官指标的映射模型。实验结果表明,基于BP神经网络的Bagging集成学习方法在发酵乳电子鼻检测数据集上达到96.67%的准确率,分类性能优于传统单模型,能够对发酵乳样品进行准确的感官三分类,初步实现了对发酵乳人工感官评价的辅助和替代。2)为进一步细化发酵乳感官评价模型的分类粒度,使之能够更加精确的描述发酵乳样品的感官特征,在单电子鼻检测数据的基础上,结合多种额外检测手段,分别采用色差计和酸度滴定法对发酵乳... 

【文章来源】：上海应用技术大学上海市

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

感官质量控制的一般程序Fig.2.1Generalproceduresforsensoryqualitycontrol

衅髡罅心Ｄ舛?锏男峋跸低常?梢蕴崛〕龃?煅?返?气味特征。电子鼻的传感器根据作用机理的不同可分为有机聚合物膜气敏传感器、金属氧化物气敏传感器、质量敏感型气敏传感器、电势气敏传感器等。其中金属氧化物传感器的主要部件为P型半导体材料，通过将半导体材料进行掺杂，掺入微量3价元素，使其中电子数量远少于空穴数量。在高温下通入气体时，传感器中的金属氧化物被还原性气体还原从而引起传感器电导率发生改变，从而将气味特征转化为电信号。本文采用的AlphaMOSFOX4000电子鼻系统采用的传感器即为金属氧化物传感器。图2.2FOX4000电子鼻系统Fig2.2FOX4000electronicnosesystem该系统拥有18个金属氧化物传感器，灵敏度达到10亿分之一。该系统包含主成份分析、判别因子分析、偏最小二乘法等预设数据处理算法，能够对检测数据进行自动校正和补偿，在食品感官评价、产品鉴别、产品差别分析、食品保鲜期鉴别等领域都有较为成功的应用。

第8页上海应用技术大学硕士学位论文2.2分类方法2.2.1BP神经网络神经网络理论很早就被提出来，而人工神经网络是神经网络理论与机器学习领域的交叉成果。人工神经网络是近40年来人工智能研究领域的一个热点，由于其原理是通过模仿生物的神经网络，因此人工神经网络又可被称作连接模型[27]。神经网络的基本组成单元被称作神经元，如图所示。图2.3神经元模型Fig.2.3Neuronmodel在生物体中，神经网络中的每个神经元都和其他神经元连接。当一个神经元接受到其他神经元传递的化学物质从而使自身的电位超过阈值，它就会从初始状态转化为激活状态并向与它连接的神经元传递化学信号，产生链式传递。人工神经网络的神经元与生物体的神经元有相似的特性，其模型可以通过式（2-1）[28]表达：1()niiiyfwx（2-1）其中ix为该神经元接收到的第i个神经元输入，iw为第i个神经元的连接权值，为该神经元的阈值，f为神经元的激活函数，y为当前神经元的输出。常用的激活函数有阶跃函数、Sigmoid函数等，其中Sigmoid函数因其具有高阶可导的性质，适合神经网络参数的求解，因此被广泛使用。将神经元按同层无连接、邻层全连接的方式组合起来就形成了经典的人工神经网络模型。反向传播(BackPropagation,BP)神经网络模型是目前应用最广泛的模型之一，其按误差逆向传播算法训练多层前馈神经网络，下面针对单层隐藏层的BP神经网络，介绍其网络参数更新算法[29]：对于训练集1122{(,),(,),...,(,)}mmDxyxyxy，其中dixR，liyR，即确定神经网络的输入层神经元个数为d，输出层神经元个数为l，假设隐藏层神经元个数为q。对于样本(,)kkxy，神经网络输出为12(,,...,)kkkklyyyy，其中

【参考文献】：
期刊论文
[1]电子鼻评价不同萎凋工艺对红茶香气的影响[J]. 李晓晗,陈慧敏,王宝怡,石知钢,张新富.  茶叶通讯. 2020(01)
[2]基于Stacking集成学习的恒星/星系分类研究[J]. 李超,张文辉,李然,王俊义,林基明.  天文学报. 2020(02)
[3]基于XGBoost和自回归模型的轴承故障诊断和预警方法研究[J]. 郝俊虎,胡毅.  组合机床与自动化加工技术. 2020(02)
[4]基于SMOTE和XGBoost的贷款风险预测方法[J]. 刘斌,陈凯.  计算机与现代化. 2020(02)
[5]基于Bagging算法的盾构机故障诊断方法[J]. 史步海,许家祥,蒋通.  自动化与信息工程. 2020(01)
[6]基于BP神经网络的变压器故障诊断[J]. 孟卫东,刘杨,张伟,曲兆勇,张强.  通信电源技术. 2020(02)
[7]基于RB-XGBoost算法的智能电网调度控制系统健康度评价模型[J]. 谈林涛,李军良,任昺,何杨,高欣,徐建航,黄晴晴.  电力自动化设备. 2020(02)
[8]基于BP网络与XGBoost的质量控制方法研究[J]. 吴双,石宇强.  制造业自动化. 2019(12)
[9]集成学习在短文本分类中的应用研究[J]. 王国薇,黄浩,周刚,胡英.  现代电子技术. 2019(24)
[10]基于Stacking模型融合的工程机械核心部件寿命预测研究[J]. 梁超.  软件工程. 2019(12)

博士论文
[1]基于电子鼻、电子舌及其融合技术对柑橘品质的检测[D]. 裘姗姗.浙江大学 2016

硕士论文
[1]益生菌L.casei Zhang对发酵乳质地、风味及感官特性的影响[D]. 郭壮.内蒙古农业大学 2009



本文编号：3093103