發(fā)酵乳是指牛乳等動物乳經(jīng)過巴氏殺菌后,通過添加乳酸菌發(fā)酵,使之發(fā)生酶解的一類乳制品。由于其有獨特的風味且具有保健養(yǎng)生的作用,近年來消費量持續(xù)增長。目前在發(fā)酵乳生產(chǎn)過程中,對其進行感官質(zhì)量控制的方法主要為人工感官評價。人工感官評價方法由于其具有主觀性,存在難以復現(xiàn)、量化困難等問題,限制了發(fā)酵乳生產(chǎn)企業(yè)進一步提升良品率。針對人工感官評價方法的不足,本文提出三點解決方法:1)針對人工感官評價不足以滿足當前發(fā)酵乳生產(chǎn)需求的問題,采用電子鼻檢測發(fā)酵乳樣品,獲得發(fā)酵乳檢測數(shù)據(jù),并通過人工感官評價對其進行標記。使用Bagging集成學習方法對其建模,降低單模型的方差,生成發(fā)酵乳電子鼻檢測數(shù)據(jù)與人工感官指標的映射模型。實驗結(jié)果表明,基于BP神經(jīng)網(wǎng)絡的Bagging集成學習方法在發(fā)酵乳電子鼻檢測數(shù)據(jù)集上達到96.67%的準確率,分類性能優(yōu)于傳統(tǒng)單模型,能夠?qū)Πl(fā)酵乳樣品進行準確的感官三分類,初步實現(xiàn)了對發(fā)酵乳人工感官評價的輔助和替代。2)為進一步細化發(fā)酵乳感官評價模型的分類粒度,使之能夠更加精確的描述發(fā)酵乳樣品的感官特征,在單電子鼻檢測數(shù)據(jù)的基礎上,結(jié)合多種額外檢測手段,分別采用色差計和酸度滴定法對發(fā)酵乳... 

【文章來源】：上海應用技術大學上海市

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

感官質(zhì)量控制的一般程序Fig.2.1Generalproceduresforsensoryqualitycontrol

釁髡罅心Ｄ舛?锏男峋蹕低常?梢蘊崛〕齟?煅?返?氣味特征。電子鼻的傳感器根據(jù)作用機理的不同可分為有機聚合物膜氣敏傳感器、金屬氧化物氣敏傳感器、質(zhì)量敏感型氣敏傳感器、電勢氣敏傳感器等。其中金屬氧化物傳感器的主要部件為P型半導體材料，通過將半導體材料進行摻雜，摻入微量3價元素，使其中電子數(shù)量遠少于空穴數(shù)量。在高溫下通入氣體時，傳感器中的金屬氧化物被還原性氣體還原從而引起傳感器電導率發(fā)生改變，從而將氣味特征轉(zhuǎn)化為電信號。本文采用的AlphaMOSFOX4000電子鼻系統(tǒng)采用的傳感器即為金屬氧化物傳感器。圖2.2FOX4000電子鼻系統(tǒng)Fig2.2FOX4000electronicnosesystem該系統(tǒng)擁有18個金屬氧化物傳感器，靈敏度達到10億分之一。該系統(tǒng)包含主成份分析、判別因子分析、偏最小二乘法等預設數(shù)據(jù)處理算法，能夠?qū)z測數(shù)據(jù)進行自動校正和補償，在食品感官評價、產(chǎn)品鑒別、產(chǎn)品差別分析、食品保鮮期鑒別等領域都有較為成功的應用。

第8頁上海應用技術大學碩士學位論文2.2分類方法2.2.1BP神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡理論很早就被提出來，而人工神經(jīng)網(wǎng)絡是神經(jīng)網(wǎng)絡理論與機器學習領域的交叉成果。人工神經(jīng)網(wǎng)絡是近40年來人工智能研究領域的一個熱點，由于其原理是通過模仿生物的神經(jīng)網(wǎng)絡，因此人工神經(jīng)網(wǎng)絡又可被稱作連接模型[27]。神經(jīng)網(wǎng)絡的基本組成單元被稱作神經(jīng)元，如圖所示。圖2.3神經(jīng)元模型Fig.2.3Neuronmodel在生物體中，神經(jīng)網(wǎng)絡中的每個神經(jīng)元都和其他神經(jīng)元連接。當一個神經(jīng)元接受到其他神經(jīng)元傳遞的化學物質(zhì)從而使自身的電位超過閾值，它就會從初始狀態(tài)轉(zhuǎn)化為激活狀態(tài)并向與它連接的神經(jīng)元傳遞化學信號，產(chǎn)生鏈式傳遞。人工神經(jīng)網(wǎng)絡的神經(jīng)元與生物體的神經(jīng)元有相似的特性，其模型可以通過式（2-1）[28]表達：1()niiiyfwx（2-1）其中ix為該神經(jīng)元接收到的第i個神經(jīng)元輸入，iw為第i個神經(jīng)元的連接權(quán)值，為該神經(jīng)元的閾值，f為神經(jīng)元的激活函數(shù)，y為當前神經(jīng)元的輸出。常用的激活函數(shù)有階躍函數(shù)、Sigmoid函數(shù)等，其中Sigmoid函數(shù)因其具有高階可導的性質(zhì)，適合神經(jīng)網(wǎng)絡參數(shù)的求解，因此被廣泛使用。將神經(jīng)元按同層無連接、鄰層全連接的方式組合起來就形成了經(jīng)典的人工神經(jīng)網(wǎng)絡模型。反向傳播(BackPropagation,BP)神經(jīng)網(wǎng)絡模型是目前應用最廣泛的模型之一，其按誤差逆向傳播算法訓練多層前饋神經(jīng)網(wǎng)絡，下面針對單層隱藏層的BP神經(jīng)網(wǎng)絡，介紹其網(wǎng)絡參數(shù)更新算法[29]：對于訓練集1122{(,),(,),...,(,)}mmDxyxyxy，其中dixR，liyR，即確定神經(jīng)網(wǎng)絡的輸入層神經(jīng)元個數(shù)為d，輸出層神經(jīng)元個數(shù)為l，假設隱藏層神經(jīng)元個數(shù)為q。對于樣本(,)kkxy，神經(jīng)網(wǎng)絡輸出為12(,,...,)kkkklyyyy，其中

【參考文獻】：
期刊論文
[1]電子鼻評價不同萎凋工藝對紅茶香氣的影響[J]. 李曉晗,陳慧敏,王寶怡,石知鋼,張新富.  茶葉通訊. 2020(01)
[2]基于Stacking集成學習的恒星/星系分類研究[J]. 李超,張文輝,李然,王俊義,林基明.  天文學報. 2020(02)
[3]基于XGBoost和自回歸模型的軸承故障診斷和預警方法研究[J]. 郝俊虎,胡毅.  組合機床與自動化加工技術. 2020(02)
[4]基于SMOTE和XGBoost的貸款風險預測方法[J]. 劉斌,陳凱.  計算機與現(xiàn)代化. 2020(02)
[5]基于Bagging算法的盾構(gòu)機故障診斷方法[J]. 史步海,許家祥,蔣通.  自動化與信息工程. 2020(01)
[6]基于BP神經(jīng)網(wǎng)絡的變壓器故障診斷[J]. 孟衛(wèi)東,劉楊,張偉,曲兆勇,張強.  通信電源技術. 2020(02)
[7]基于RB-XGBoost算法的智能電網(wǎng)調(diào)度控制系統(tǒng)健康度評價模型[J]. 談林濤,李軍良,任昺,何楊,高欣,徐建航,黃晴晴.  電力自動化設備. 2020(02)
[8]基于BP網(wǎng)絡與XGBoost的質(zhì)量控制方法研究[J]. 吳雙,石宇強.  制造業(yè)自動化. 2019(12)
[9]集成學習在短文本分類中的應用研究[J]. 王國薇,黃浩,周剛,胡英.  現(xiàn)代電子技術. 2019(24)
[10]基于Stacking模型融合的工程機械核心部件壽命預測研究[J]. 梁超.  軟件工程. 2019(12)

博士論文
[1]基于電子鼻、電子舌及其融合技術對柑橘品質(zhì)的檢測[D]. 裘姍姍.浙江大學 2016

碩士論文
[1]益生菌L.casei Zhang對發(fā)酵乳質(zhì)地、風味及感官特性的影響[D]. 郭壯.內(nèi)蒙古農(nóng)業(yè)大學 2009



本文編號：3093103