CN100451882C - 食用菌培育监控系统及监控方法 - Google Patents

Abstract

一种食用菌培育监控系统及监控方法，通过设定多组食用菌关键控制点的数据，并令控制装置根据所设定的关键控制点的数据相应设定食用菌的培育条件，再根据食用菌在各组培育条件下的生长状况比较各组关键控制点数据以获得各关键控制点的数据阈值，实现关键控制点的数据阈值的自动获得，同时通过对数据的分析可得到各关键控制点与食用菌的生长状况的关系，实现对食用菌生长状况的有效控制，提高食用菌培育的经济效益。

Description

食用菌培育监控系统及监控方法

技术领域

本发明涉及一种食用菌培育监控系统及监控方法。

背景技术

随着国际社会对农产品质量的要求越来越高，农产品的安全监控已成为各国关注的焦点。现今，为确保食品安全，联合国食品法典委员会已采纳危害分析和关键控制点(hazardanalysis critical control point，HACCP)技术体系，国际上更是将HACCP的控制体系纳入到食用菌的自动化栽培之中。

通常，食用菌的栽培工艺包括原料混合、装瓶、灭菌、冷却、接种、培养、搔菌、催蕾、子实体生长及采收包装多道工序，我国于90年代末引进食用菌的自动化生产流水线，开始使用自动化填料机、消毒设备、接种设备及人工气候设备等进行工厂化生产食用菌作业，由于起步较晚，众多生产企业未能对可能影响食用菌安全的各个关键控制点实行自动化监控，通常仍采用人工检测人工记录的方式，而关键控制点涉及到用料要求、用水安全及生产环境条件，例如温度、湿度、CO₂浓度、用料的含水量、酸碱度等，且每个关键点都需要周期性的纪录，致使人工作业量繁多，更是极易因各关键控制点的数据未能及时处理而影响后续的对各关键控制点的调控，严重时甚至会影响食用菌的品质，给消费者带来安全隐患。

再者，HACCP体系中所涉及的关键控制点多，而由于我国幅员辽阔，各地气候环境及地理条件互不相同，各食用菌栽培厂商对于前期花费了大量人力物力找寻到各关键控制点的阈值都视为商业机密不予公开，致使各食用菌栽培厂商在找寻各关键控制点的阈值时都会进行同样重复的劳动，极为不利于提高产业效率，而且由于各关键控点数据是由人工采集，过程极为繁复，且极易出错，如此也易于降低各关键控制点的数据阈值的精度，同时厂商也难以得到各关键控制点的数据与食用菌的生长状况之间的关系，因此，如果厂商想改善食用菌生长状况，仅仅参照所得到的各关键控制点的数据阈值难以进行有效调节。

因此，如何解决现有的食用菌培育中存在的诸多问题实已成为业界亟待解决的技术课题。

发明内容

本发明的目的在于提供一种食用菌培育监控系统及监控方法，实现自动获得各关键控制点的阈值，同时通过自动采集关键控制点的数据可提高工作效率，节省人力资源，并能通过对数据的分析实现对食用菌的生长状况的有效控制，提高食用菌生产者的经济效益。

为了达到上述目的及其他目的，本发明提供一种食用菌培育监控系统及监控方法，其中，所述食用菌培育监控系统至少包括：一用于控制在食用菌培育中根据危害分析和关键控制点技术体系设置的各关键控制点的控制装置；一用于在食用菌生长过程中设定多组不同的关键控制点数据，并发送至所述控制装置，并在所述控制装置根据设定的关键控制点的数据相应设定食用菌培育条件后，根据食用菌在所设定的食用菌培育条件下的生长状况比较各组关键控制点的数据，获得各关键控制点的数据阈值的计算机控制模块。

其中，还包括与所述计算机控制模块电连接的感测模块，用以感测在多组培育条件下的相应各关键控制点的实际数据；所述计算机控制模块接收所述实际数据，并用该实际数据替换所述各组关键控制点的数据中的对应数据，所述感测装置包括红外线水分测定仪、PH计、电子秤及温度计中的多个或全部，所述控制装置包括自动填料设备、温度调节设备及湿度调节设备，所述计算机控制模块还包括用于根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系的关键控制点分析模块。

该食用菌培育监控方法至少包括步骤：1)通过计算机在食用菌生长过程中设定多组不同的关键控制点数据；2)根据设定的关键控制点的数据相应设定食用菌培育条件；以及3)根据食用菌在所设定的食用菌培育条件下的生长状况比较各组关键控制点的数据，获得各关键控制点的数据阈值。

其中，在所述步骤3)之后还包括步骤：4)根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系，其在步骤2)和步骤3)之间还包括步骤：(1)感测在多组培育条件下的相应各关键控制点的实际数据；以及(2)接收所传送至的实际数据，并将该实际数据替换所述各组关键控制点的数据中的对应数据，所述步骤(1)中所感测的数据至少包括装瓶含水量、装瓶PH值、装瓶平均重量、贮藏温度及搔菌PH值。

综上所述，本发明的食用菌培育监控系统及监控方法是通过感测模块获取食用菌培育的各关键控制点的数据，实现关键控制点的数据的自动采集，提高工作效率，节省人力资源，并能通过对食用菌生长状况的分析获得各关键控制点的数据阈值及各关键控制点与食用菌的生长状况的关系，实现对食用菌的生长状况的有效控制，并可自动获得各关键控制点的数据阈值。

附图说明

图1为本发明食用菌培育监控系统的结构示意图。

图2为本发明食用菌培育监控方法的操作流程示意图。

具体实施方式

请参见图1，本发明提供了一种食用菌培育监控系统1，其中，在食用菌培育中具有多个影响食用菌安全、卫生及品质的关键控制点，这些关键控制点已由危害分析与关键控制点技术体系所提出的涉及用料要求、用水安全及生产条件等的关键控制点，包括原料年度送检情况、装瓶含水量、装瓶PH值、装瓶平均重量、搅拌温度、灭菌时间、培养防污染率、搔菌含水量、搔菌PH值、催蕾第9天感官感测值、瘤盖菇发生率、储藏温度、新风过滤情况、菌落生长情况及整齐度等共15个关键控制点(如下表1所示)。

表1关键控制点示意表

序号	1	2	3	4	5	6	7	8
									关键控制点名称	原料年度送检情况	装瓶含水量	装瓶PH值	装瓶平均重量	搅拌温度	灭菌时间	培养房污染率	搔菌含水量
序号	9	10	11	12	13	14	15
									关键控制点名称	搔菌PH值	催蕾第9天感官感测值	瘤盖菇发生率	贮藏温度	新风过滤情况	菌落生长情况	整齐度(搔菌第16天整体出菇情况)

所述食用菌培育监控系统1至少包括：一控制装置11、一计算机控制模块12以及一感测模块13(前述各组件的连接关系如图1所示)，以下将对前述各组件予以详细描述。

所述控制装置11是用于控制在食用菌培育中根据危害分析和关键控制点技术体系设置的食用菌的培育条件，所述控制装置11至少包括自动化填料机、温度调节设备及湿度调节设备，在本实施方式中，温度调节设备及湿度调节设备是由人工气候设备所代替，须注意的是，所述控制装置11并非以本实施方式为限，其可根据需要选择不同设备，例如还可包括消毒设备等。

所述感测模块13是与所述计算机控制模块12电连接，用以感测在多组培育条件下的相应各关键控制点的实际数据，在本实施方式中，所述感测模块13包括用于测试原料年度送检情况的气相色谱仪和原子荧光分光光度计、用于感测装瓶含水量和搔菌含水量的红外线水分测定仪、用于测试装瓶PH值的PH计、用于测试装瓶平均重量的电子秤、用于测试灭菌时间的机器子代自动化监控仪、用于测试搔菌PH值的PH计、用于测试储藏温度的水银温度计及用于测试新风过滤情况的机器开启频率测试装置，须请注意的是，感测模块13所设置的感测装置并非以本实施方式为限，使用者可根据实际情形选择相应的感测装置。

所述计算机控制模块12用于在食用菌生长过程中设定多组不同的关键控制点数据，并发送至所述控制装置11，并在所述控制装置11根据设定的关键控制点的数据设定相应的食用菌培育条件及感测模块13感测出相应各关键控制点实际数据后，接收所述实际数据并用该实际数据替换所设定各组关键控制点的数据中的对应数据，再根据食用菌在各组关键控制点条件下的生长状况比较各组关键控制点的数据，获得各关键控制点的数据阈值，其还包括一关键控制点分析模块121，用于根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系。在本实施方式中，计算机控制模块12设定了8组关键控制点的数据，控制装置11根据设定的关键控制点的数据调节自动化填料机及人工气候设备后，食用菌即在相应培育条件下进行培育，一段时间后即可得到食用菌的生长状况，用每75公斤培养料所得到的食用菌产量(公斤)和质量来体现，如下表2所示：其中各关键控制点的数据为已经替换过的实际数据。

表2：1-8组关键控制点数据及食用菌的产量和质量记录表

组	关键控制点值	产量	质量
				1	装瓶含水量63％，搅拌温度118℃，装瓶总重量625，灭菌时间10分钟，原料年度送检情况优......	45	1级品
2	装瓶含水量63％，搅拌温度120℃，装瓶总重量625，灭菌时间10分钟，原料年度送检情况优......	45.1	1级品
				3	装瓶含水量65％，搅拌温度121℃，瓶装总重量640，灭菌时间10分钟，原料年度送检情况优......	45.2	1级品
4	装瓶含水量64％，搅拌温度120℃，装瓶总重量625，灭菌时间10分钟，原料年度送检情况优......	45.2	1级品
				5	装瓶含水量64％，搅拌温度118℃，装瓶总重量640，灭菌时间9分钟，原料年度送检情况优......	45.2	1级品
6	装瓶含水量65％，搅拌温度118℃，装瓶总重量625，灭菌时间10分钟，原料年度送检情况优......	45	1级品
				7	装瓶含水量65％，搅拌温度118℃，装瓶总重量620，灭菌时间10分钟，原料年度送检情况优......	42	1级品
8	装瓶含水量61％，搅拌温度116℃，装瓶总重量630，灭菌时间10分钟，原料年度送检情况优......	45.1	1级品

根据上表2所得到的食用菌生长状况的数据，计算机监控模块12将各组食用菌产量和质量数据进行比较认为产量在45公斤左右、质量为1的食用菌的生长状况较佳，如此即可获得各关键控制点的数据，即装瓶含水量的阈值为61％-65％，搅拌温度阈值为116℃-121℃，装瓶总重量阈值为625-630，灭菌时间阈值为9-10分钟等等，须注意的是，由于数据过多，为简化说明，表2中省略了前述的15个关键控制点的数据中的部分数据，但这些数据都可通过相应的设备获得，相应地，该等关键控制点的数据阈值经过计算机控制模块12比较后也能获得，此外，关键控制点分析模块121根据所得到的8组数据，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系，在用人工神经网络技术进行分析之前，计算机控制模块12需要对所获得的8组数据进行预处理，即将该等不可量化的数据进行编码量化，并将各数据经过处理使其数据值在[0，1]范围之内，通常编码量化方法为将相应数据分别分为3级，每一级对应一数值，例如为0.7、0.4、0.1，若某一数据发生了变化，则在其发展方向上增加0.01，若是发生了深刻变化，则在原有基础上增加1级，而产品的质量可依据厂商对质量的要求设定相应等级，在本实施方式中，质量分为3个等级，即1级品、2级品和3级品，分别用数值0、0.5、1来表示，当计算机控制模块12将前述15个数据经过量化处理后，可得到1-8组的关键控制点数据组：

$x=\left[\begin{array}{ccccc}{x}_{11}& x_{12}& x_{13}& ......& x_{115}\\ ...& ...& ...& ......& ...\\ x_{81}& x_{62}& x_{63}& ......& x_{815}\end{array}\right]=\left[\begin{array}{ccccc}0& 0.1& 0.1& ......& 0.1\\ ...& ...& ...& ......& ...\\ 0& 0.1& 0.1& ......& 0.1\end{array}\right]$

在上式中：每一行代表每组15个关键控制点对应值，每一列代表某个控制点在各组的对应值，将上式作为输入矩阵，相应的输出矩阵则为：

$y=\left[\begin{array}{cc}{y}_{11}& y_{12}\\ ...& ...\\ y_{81}& y_{81}\end{array}\right]=\left[\begin{array}{cc}0& 0\\ ...& ...\\ 0& 0\end{array}\right]$

其中，Y₁代表食用菌的产量，Y₂代表食用菌的质量。

关键控制点分析模块121将1-7组的数据样本作为学习样本，第8组的数据样本作为检验样本，并设定神经网络的输入层神经元为15个，输出神经元为2个，设定BP网络的各训练参数为：隐层神经元的个数为16个，最大容许误差为0.001，网络各层之间的初始权值和各层阈值为[-1，1]内的随即值，学习步长为0.8，最大学习次数为2000次。

首先输入第1组样本，开始训练，训练步骤如下：

(1)计算隐层中第j个神经元的输出a1_j，采用对数饱和性(Logsig)映射函数。

(2)计算输出层输出。采用线形(purelin)变换函数，把隐层神经元的输出作为输出层神经。元的输入，可得输出层神经元的输出a2。

(3)计算误差值，设y⁽ⁱ⁾经归一化处理为y¹’，这是可以得到均方误差值：

$E=\frac{1}{2}{(a_2-y^{{\left(1\right)}^{\′}})}^2$ (公式2)

若误差值小于最大容许误差，转入(5)；若误差值大于最大容许误差，进行下一步，开始调整权值。

(4)调整权值及阈值，首先调整输出层与隐层之间的联结权值及阈值，然后调整隐层与输入层之间的连接权值及阈值。

(5)训练下一组样本，输入下一组样本，转入(1)

(6)记录学习次数，若小于预先设定值2000，训练结束，若大于预先设定值，署名训练失败，调整各可调参数，转入(1)重新训练。

用前7个样本对网络进行学习后，得输入层与隐层之间的连接权值矩阵：

${W1}_{16\×15}=\left[\begin{array}{ccccc}1.476& 2.538& ...0.113& ......& 2.071\\ ...& ...& ...& ......& ...\\ 3.401& 1.549& ...0.143& ......& 1.732\end{array}\right]$

隐层神经元的阈值矩阵：

θ1_10×1＝[0.054 0.317....1.783]^T

隐层与输出层之间的连接权值矩阵：

W2_1×10＝[4.257 0.884....5.763]

输出层神经元的阈值：

θ2＝1.097

再把第8组样本中的输入量X⁽⁸⁾输入到网络中，得到检验值：

Y⁽⁸⁾ ₁＝41.2，Y⁽⁸⁾ ₂＝0.2

与第8组食用菌产量及质量相近，证明预测准确，此时，关键控制点分析模块121即生成各关键控制点与农业的生长状况关系模型，根据所建立的关系模型可知，若各关键控制点的数据不发生变化，则在同样条件下进行培育所得到的相应的食用菌的产量仍可保持在45公斤左右，但若根据市场的需求希望将食用菌的产量提高10公斤，即达到55公斤，则关键控制点分析模块121通过对各关键控制点数据的分析，先尝试将装瓶总重量设置在660-665之间变化，则根据所得到的食用菌的产量和质量与各关键控制点之间的关系模型可预测出相应4组食用菌的产量(公斤)和质量，如下表3所示：

表3：4组关键控制点值变化预测表

组	关键控制点值	产量	质量
				9	装瓶含水量63％，搅拌温度118℃，装瓶总重量660，灭菌时间10分钟......	51	1级品
10	装瓶含水量64％，搅拌温度120℃，装瓶总重量662，灭菌时间10分钟......	51.1	1级品
				11	装瓶含水量64％，搅拌温度121℃，装瓶总重量663，灭菌时间10分钟......	51.3	1级品
12	装瓶含水量65％，搅拌温度120℃，装瓶总重量665，灭菌时间10分钟......	50.2	1级品

由上表可知，仅仅把装瓶总重量设置在660-665之间变化，则关键控制点分析模块121所预测的产量仅提高了6公斤左右，即为51公斤左右，因此还不符合要求，因此，再进一步调整装瓶含水量的值，使其在58％-60％之间变化，将该装瓶含水量的值输入人工神经网络模型，则可获得相应的食用菌的产量和质量的值，如下表4所示：

表4：4组关键控制点值变化预测表

组	关键控制点值	产量	质量
				9	装瓶含水量60％，搅拌温度118℃，装瓶总重量660，灭菌时间10分钟......	55	1级品
10	装瓶含水量59％，搅拌温度120℃，装瓶总重量662，灭菌时间10分钟......	55.1	1级品
				11	装瓶含水量58％，搅拌温度121℃，装瓶总重量663，灭菌时间10分钟......	54.8	1级品
12	装瓶含水量60％，搅拌温度120℃，装瓶总重量665，灭菌时间10分钟......	55.3	1级品

由此，经过关键控制点分析模块121分析后获得装瓶总重量阈值为[660，665]及装瓶含水量阈值为[58％，60％]，其他关键控制点阈值不发生变化，当计算机控制模块12令控制装置11调节相应控制设备使各关键控制点的数据阈值在前述范围内，即可改善食用菌的生长状况，将食用菌的产量提高10公斤。

再请参见图2，其为本发明的食用菌培育监控方法的操作流程示意图，首先执行步骤S10，计算机控制模块12在食用菌生长过程中设定8组不同关键控制点的数据，并将该8组数据送至所述控制装置11，接着进至步骤S11。

在步骤S11中，所述控制装置11根据设定的8组关键控制点的数据相应设定食用菌的培育条件，例如，通过调节自动化填料机设定食用菌的原料装瓶总重量及装瓶含水量2个关键控制点的数据，通过调节人工气候设备设定食用菌的培育温度及湿度的关键控制点的数据，接着进至步骤S12。

在步骤S12中，感测装置13感测经过调整后的各关键控制点的实际数据，其包括原料年度送检情况、装瓶含水量、装瓶PH值、装瓶平均重量、搅拌温度、灭菌时间、培养防污染率、搔菌含水量、搔菌PH值、催蕾第9天感官感测值、瘤盖菇发生率、储藏温度、新风过滤情况、菌落生长情况及整齐度等15个关键控制点数据(如上表1所示)，接着进至步骤S13。

在步骤S13中，计算机控制模块12接收所传送至的实际数据，并将该实际数据替换所述各组关键控制点的数据中的对应数据，接着进至步骤S14。

在步骤S14中，计算机控制模块12根据食用菌在各组关键控制点条件下的生长状况比较各组关键控制点的数据，获得各关键控制点的数据阈值，接着进至步骤S15。

在步骤S15中，关键控制点分析模块121根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系，并根据该关系令控制装置11调节相应关键控制点以改善食用菌的生长状况，例如，在现有关键控制点条件下，食用菌的产量为45公斤，根据所得到的关键控制点与食用菌的生长状况的关系，如想要使产量提高10公斤，则关键控制点分析模块121可分析出相应的关键控制点数据阈值，计算机控制模块12令控制装置11调节相应的关键控制点即可改善食用菌的生长状况。

综上所述，本发明之食用菌培育监控系统及监控方法通过设定多组关键控制点数据并获得食用菌在不同关键控制点条件下的生长状况进行分析以得到各关键控制点的数据阈值，实现关键控制点数据阈值的自动获得，同时通过自动采集关键控制点的数据可提高工作效率，节省人力资源，再者，通过数据分析可获得食用菌的生长状况和关键控制点的关系模型，通过该关系模型可实现对食用菌生长状况的改善，提高食用菌培育的经济效益。

Claims (9)

1.一种食用菌培育监控系统，其特征在于包括：多个控制装置和计算机控制模块，其中，所述计算机控制模块用于在食用菌生长过程中设定多组不同的食用菌培育关键控制点数据，并分别将各组数据发送至所述控制装置；所述控制装置接收所述各组数据，并根据所述各组数据设定食用菌培育条件，所述计算机控制模块根据食用菌在该条件下的培育状况比较各组关键控制点的数据，获得各培育关键控制点的数据阈值；所述计算机控制模块还包括关键控制点分析模块，用于根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系；控制装置包括自动化填料机及人工气候设备；计算机控制模块设定多组关键控制点的数据，控制装置根据设定的关键控制点的数据调节自动化填料机及人工气候设备，食用菌即在相应培育条件下进行培育，一段时间后即可得到对应所述多组关键控制点的食用菌的生长状况的多组数据样本；关键控制点分析模块将所述的多组数据样本中的一组的数据样本作为检验样本，其他数据样本作为学习样本，并设定神经网络的输入层神经元个数、输出神经元个数，同时设定BP网络的各训练参数。

2.如权利要求1所述的食用菌培育监控系统，其特征在于：还包括与所述计算机控制模块电连接的感测模块，用以感测经过调节后的各关键控制点的实际数据；所述计算机控制模块接收所述实际数据，并用该实际数据替换所述各组关键控制点的数据中的对应数据。

3.如权利要求2所述的食用菌培育监控系统，其特征在于：所述感测模块包括红外线水分测定仪、PH计、电子秤及温度计中的多个或全部。

4.如权利要求1或2或3所述的食用菌培育监控系统，其特征在于：所述关键控制点分析模块设定神经网络的输入层神经元为15个，输出神经元为2个，设定BP网络的各训练参数为：隐层神经元的个数为16个，最大容许误差为0.001，网络各层之间的初始权值和各层阈值为[-1，1]内的随即值，学习步长为0.8，最大学习次数为2000次。

5.如权利要求1所述的食用菌培育监控系统，其特征在于：所述多个控制装置包括自动填料机、温度调节设备及湿度调节设备。

6.一种食用菌培育监控方法，其特征在于包括以下步骤：

i.通过计算机在食用菌生长过程中设定多组不同的食用菌培育关键控制点数据；

ii.根据设定的关键控制点的数据相应设定食用菌培育条件；

iii.根据在设定的食用菌培育条件下的食用菌生长状况比较各组关键控制点的数据，获得各关键控制点的数据阈值；

所述步骤iii包括如下训练步骤：

(1)计算隐层中第j个神经元的输出a1_j，采用对数饱和性映射函数；

(2)计算输出层输出；采用线形变换函数，把隐层神经元的输出作为输出层神经元的输入，可得输出层神经元的输出a2；

(3)计算误差值，设y⁽ⁱ⁾经归一化处理为y¹’，这是可以得到均方误差值：

$E=\frac{1}{2}{(a_2-y^{\left(1\right)\′})}^2;$

若误差值小于最大容许误差，转入步骤(5)；若误差值大于最大容许误差，进入步骤(4)，开始调整权值；

(4)调整权值及阈值，首先调整输出层与隐层之间的联结权值及阈值，然后调整隐层与输入层之间的连接权值及阈值；

(5)训练下一组样本，输入下一组样本，转入步骤(1)；若如样本，转入步骤(6)；

(6)记录学习次数，若小于预先设定值，训练结束，若大于预先设定值，署名训练失败，调整各可调参数，转入步骤(1)重新训练。

7.如权利要求6所述的食用菌培育监控方法，其特征在于在步骤ii和步骤iii之间还包括步骤：

【1】感测在多组培育条件下的相应各关键控制点的实际数据；

【2】计算机接收所传送至的实际数据，并将该实际数据替换所述各组关键控制点数据中的对应数据。

8.如权利要求7所述的食用菌培育监控方法，其特征在于：所述步骤【1】所感测的数据至少包括装瓶含水量、装瓶PH值、装瓶平均重量、贮藏温度及搔菌PH值。

9.如权利要求6所述的食用菌培育监控方法，其特征在于在所述步骤iii之后还包括步骤：iiii根据已经得到多组关键控制点数据与相应的食用菌生长状况，通过人工神经网络技术进行分析，得到关键控制点与食用菌的生长状况的关系。

Images