本文關鍵詞：雞精風味識別及相關模型研究

  更多相關文章： 雞精 感官評價 BP神經網絡 質量模型

【摘要】：雞精是一種快速增鮮的復合調味品,其風味質量評估依靠人工感官評價和電子儀器分析。人工感官評價是通過人的視覺、嗅覺、味覺等測量、分析和解釋產品的一種科學方法。一般以食品的顏色、香味種類、口感類型等作為人工感官指標,人的感官器官會受到自身心理狀態(tài)和身體狀況的影響,而且質變期樣本不適合人工品評,于是研究用電子儀器來輔助感官評定。電子儀器主要包括電子鼻和電子舌,通過模擬人的感官功能而生成被測樣本的指紋響應圖譜,一般利用多元統(tǒng)計學對數(shù)據進行分析,最終得到分類結果,具有快速、準確的優(yōu)點。但是多元統(tǒng)計分析是研究客觀事物中多個變量之間相互依賴的統(tǒng)計規(guī)律,若樣本種類、數(shù)量較多,導致統(tǒng)計結果不精確,存在較大的誤差。另外,電子儀器采集的數(shù)據是味覺整體性信息,只能區(qū)分樣本,辨別樣本的相似程度,而不能獲取樣本各個評價指標的差異性。人工感官與電子感官相關性方面的研究,主要集中于感官指標與傳感器變量之間的相關性分析,而雞精的兩種感官評價體系的相關模型研究還比較少。針對雞精調味品的風味評價方法的不足,本文提出以下兩點解決方法：第一點,以6種不同添加成分的雞精樣本為研究對象,采集電子鼻指紋數(shù)據,建立主成分分析、聚類、標準的BP神經網絡算法、改進的BP神經網絡算法以及主成分分析結合改進的BP神經網絡算法的分類模型,對比分類結果發(fā)現(xiàn),由主成分分析與改進的BP神經網絡算法相結合,建立雞精風味的分類預測質量模型,能夠對雞精樣本進行快速準確的分類,也可以檢測出不滿足預定風味要求的樣本。第二點,以3種不同貨架期的雞精樣本為研究對象,采集人工味覺評價數(shù)據和電子舌指紋數(shù)據,利用改進的BP神經網絡建立人工味覺評價與電子舌指紋數(shù)據的相關模型,由未知樣本的電子舌數(shù)據進行樣本分類,并直接給出人工感官評價數(shù)據,同時比較該類別標準樣本與未知樣本的人工感官評價指標的差異性。該模型不僅在雞精感官評價過程中滿足客觀快速的要求,而且能夠給出雞精品質鑒定過程中的差異性信息。
【關鍵詞】：雞精 感官評價 BP神經網絡 質量模型
【學位授予單位】：上海應用技術大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TS264.23;TP183
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景10-11
• 1.1.1 雞精發(fā)展狀況10
• 1.1.2 雞精鑒定方法10-11
• 1.2 研究內容11-12
• 1.3 研究現(xiàn)狀12-15
• 1.3.1 國外研究發(fā)展12-13
• 1.3.2 國內研究發(fā)展13-15
• 1.4 章節(jié)安排15-16
• 第2章 風味評價概述16-25
• 2.1 人工感官評價16-17
• 2.2 電子感官評價17-22
• 2.2.1 電子鼻感官評價18-20
• 2.2.2 電子舌感官評價20-22
• 2.3 感官數(shù)據處理方法22-25
• 2.3.1 多元統(tǒng)計分類22-23
• 2.3.2 網絡分類23-25
• 第3章 基于多元統(tǒng)計方法的雞精分類模型25-36
• 3.1 多元統(tǒng)計類型25
• 3.2 PCA分類25-26
• 3.3 CA分類26
• 3.4 數(shù)據采集26-32
• 3.5 實驗結果分析32-36
• 第4章 基于PCA-BP算法的雞精分類模型36-49
• 4.1 人工神經網絡36-37
• 4.1.1 神經網絡概述36
• 4.1.2 BP神經網絡特點36-37
• 4.2 標準BP算法原理37-42
• 4.2.1 神經元模型37-39
• 4.2.2 最速下降法39
• 4.2.3 網絡學習過程39-42
• 4.3 PCA結合改進BP算法的分類模型42-45
• 4.4 數(shù)據采集45-46
• 4.5 實驗結果分析46-49
• 第5章 雞精人工感官與電子舌感官的相關模型49-54
• 5.1 相關模型類型49
• 5.2 改進的BP算法的相關模型49-50
• 5.3 數(shù)據采集50-51
• 5.4 實驗結果分析51-54
• 第6章 結論及展望54-55
• 6.1 本文研究所得結論54
• 6.2 本文研究不足不足及展望54-55
• 參考文獻55-59
• 致謝59-60
• 研究生期間的科研項目和成果60

，

本文編號：865808