CN101706490A - 一种建立契达干酪产品感官品评专家系统的方法 - Google Patents

Abstract

本发明提供了一种建立契达干酪产品感官品评专家系统的方法，该方法将Kohonen自组织特征映射、BP网络相结合，对契达干酪产品进行理化指标测试，并由品评专家进行品评，得到其感官品评得分和理化指标等样本数据，通过聚类完成对契达干酪产品理化指标的分类，并用契达干酪产品感官品评得分和理化指标等样本数据分别训练各自对应的BP网络，通过建立契达干酪产品理化指标和感官品评指标的映射关系，建立契达干酪产品感官品评专家系统。该方法可以有效减少人工品评的不确定性，确保契达干酪产品质量。

Description

一种建立契达干酪产品感官品评专家系统的方法

技术领域

本发明涉及一种建立契达干酪产品感官品评专家系统的方法，特别是一种建立高效率、自动化的契达干酪产品感官品评专家系统的方法。

背景技术

干酪相当于将原料乳中的蛋白质和脂肪浓缩了10倍左右，含有乳中的全部营养成分，另外，在干酪成熟过程中微生物的代谢活动将大分子的营养物质降解成小分子的营养成分，从而更利于人体吸收利用，其中某些化合物具有明显的保健功效，因而干酪具有较好的功能性。

干酪中的蛋白质以酪蛋白为主，含有所有种类的人体必须氨基酸。酪蛋白在发酵成熟过程中经凝乳酶、发酵剂及其它微生物蛋白酶的作用，逐步被分解形成胨、大肽、小肽、氨基酸以及其它有机或无机化合物等小分子物质。这些小分子物质很容易被人体吸收，使干酪的蛋白质消化率高达96％～98％。干酪中还含有大量的必需氨基酸，其含量完全满足人体正常代谢的需要，与其他动物性蛋白比较质优而量多。

在干酪成熟过程中，少量的脂肪发生水解，生成多种挥发性脂肪酸，其中共轭亚油酸的含量可以达到3.6～7.1mg/g脂肪，而最近研究表明共轭亚油酸的异构体能明显降低人体心脏病和某些癌症的发病率，提高人体免疫系统功能，均衡人体重量和脂肪含量的比例。

因为干酪工艺中有发酵步骤，所以食用干酪不会出现乳糖不耐受症和蛋白质过敏反应，而且蛋白质的消化率和生物学价值极高。可以说，干酪是营养价值极高的食品。除了直接食用外，还可以作为儿童营养食品和老年人保健食品的优选原料。

另外干酪中还含有糖类、有机酸、钙、磷、钠、钾、镁微量矿物元素，铁、锌以及脂溶性维生素A，胡萝卜素和水溶性维生素B1、B2、B6、B12、烟酸、泛酸、生物素等多种营养成分。是典型的高营养低热量的健康食品。

从1851年在美国出现了第一家干酪制造厂开始，干酪的工业化生产迅速发展。近年来，世界干酪的产量一直保持上升的势头。1975年世界干酪产量为939.8万吨，1989年就达到了1444.4万吨，1994年1488万吨，2003年1580万吨，在过去的30年里，干酪的产量每年以4％速度增长，是乳制品中唯一在全世界保持产量持续增长的产品，其产量已大大超过其它乳制品产量。

在我国，由于经济、技术、饮食习惯等方面的原因，干酪工业化尚处于起步阶段，专业性干酪厂家很少，干酪产量也很低。因此在我国市场上销售的干酪主要来源是进口，1996年干酪进口量为345.2吨，2000年2029.5吨，2004年7200吨，八年时间增加了20多倍。这说明我国已具有干酪消费的市场，因此增大干酪的生产就迫在眉睫。

契达干酪是以牛乳为原料，经细菌成熟的天然硬质干酪，是世界上比较著名的干酪品种之一。这种干酪原产于英国cheddar村，因而得名。契达干酪成品水分39％以下，脂肪含量在32％左右，脂肪占总干物质含量的42％以上，蛋白质25％，食盐1.6-1.8％。

目前契达干酪在美国产量最大，其他国家也有生产，由于地域影响和市场偏好，发展出了许多稍有不同的契达干酪品种，如传统的英国式、新西兰式、美国式和加拿大式契达干酪，但有一点是相同的，即所有的这些干酪都在生产中经历了堆积工艺，正是这种特殊的工艺赋予了这种干酪独特的质地和功能性。堆积是指对凝块进行加压，这个工艺在很大程度上促进了干酪微观颗粒之间的凝聚和融合。传统上，堆积是将乳凝块反复压成片状并聚堆的过程。堆积是延用至今的契达干酪工艺中不可缺少的程序。

由感官品评专家对契达干酪产品进行感官品评，是目前主要采用的方法，但是，专家的评定结果受到主观因素的影响，随情绪、年龄、性别、识别能力的不同而有所差异，具有较大的不确定性，同时，人工品评过分依赖专家经验，不利于实现自动化操作。很明显，契达干酪产品的各项理化指标，例如脂肪、干物质、蛋白等，与契达干酪产品的感官品评之间存在密切联系。目前，对于契达干酪产品理化指标和感官品评指标之间的相关性，尚没有定量的分析研究。

Kohonen自组织特征映射，通过网络学习、使输出层中枢神经元的权向量逼近输入特征向量，将具有相同或相近特征的输入向量，映射到位置相同或相邻的输出节点，从而实现对输入数据的特征的聚类，提取了某种内在规律性。而BP网络是目前应用最广泛的人工神经网络模型之一，其权值和阈值调整采用反向传播的学习算法，可以实现从输入到输出的任意非线形映射。经过训练的BP网络，对于不是样本集中的输入样本也能给出合适的输出，因此可以对未知样本进行预测。

目前，在运用上述模型建立食品感官品评系统方面，已有一些研究，但主要应用于酒类、烟类，而契达干酪产品的成分更加复杂，且风味不象烟、酒类那样突出和典型，人工品评的难度和不确定度更大。上述因素给建立契达干酪产品感官品评专家系统带来了困难。目前，在契达干酪产品感官品评应用方面，还没有相关的方法或者系统。

发明内容

本发明旨在提供一种建立契达干酪产品感官品评专家系统的方法，由契达干酪产品理化指标判定感官品评，减少人工品评的不确定度，提高契达干酪产品感官品评效率和自动化程度。

为实现上述目的，本发明提供了一种建立契达干酪产品感官品评专家系统的方法，该系统主要包括Kohonen自组织特征映射聚类和BP网络两个模块，包括：

获取各个产地、各类饲养条件、各种奶牛品种和不同季节的契达干酪产品样本，组织品评专家对契达干酪产品进行感官品评，品评项目包括：整体风味、色泽、组织状态、纹理图案。根据品评得分，把契达干酪产品划分成合格和不合格两组；并将所得感官品评得分和理化指标等样本数据录入数据库；

去除错误、不一致或不完整的契达干酪产品感官品评得分和理化指标样本数据，并对数据库中的契达干酪产品样本数据进行归一化，从而实现各契达干酪产品理化指标参数的量纲统一，便于后续处理的进行；

构建Kohonen阵列，依据专家经验确定Kohonen阵列的初始领域半径、学习率和学习次数；

应用Kohonen自组织特征映射对契达干酪产品理化指标样本数据进行聚类，完成数据库中所有契达干酪产品样本数据的分类，并建立分类库；

对不同类契达干酪产品的理化指标样本，分别建立对应的BP网络，并依专家经验确定BP网络的系统允许误差限、初始学习率、初始动量系数、初始化网络权重、最大学习次数、误差调整参数；

将契达干酪产品感官品评得分和理化指标等样本数据送入对应的BP网络进行训练，在最大学习次数内达到指定误差精度后停止，上述步骤即完成契达干酪产品感官品评专家系统的建立，否则，更换契达干酪产品样本数据，重新进行训练，直到算法收敛。

根据本发明的再一种建立契达干酪产品感官品评专家系统的方法，其中，作为本专家系统输入的契达干酪产品理化指标，包括：脂肪、蛋白、干物质、灰分、酸度、pH、蛋白水解度、非蛋白氮、酪蛋白、乳酸菌总数、干酪流变学特性。

根据本发明的另一种建立契达干酪产品感官品评专家系统的方法，其中，BP网络的输入数据是契达干酪产品的各项理化指标，输出数据是契达干酪产品感官品评得分。

根据本发明的又一种建立契达干酪产品感官品评专家系统的方法，其中，BP网络的初始学习率为0.32-0.52。

根据本发明的又一种建立契达干酪产品感官品评专家系统的方法，其中，BP网络的初始领域半径为0.56-0.69。

根据本发明的又一种建立契达干酪产品感官品评专家系统的方法，其中，BP网络的学习次数为33次。

根据本发明的又一种建立契达干酪产品感官品评专家系统的方法，其中，契达干酪产品感官品评专家系统的使用管理过程为：

测定待评价契达干酪产品的各项理化指标，并将所得数据输入该系统；

根据契达干酪产品理化指标进行自组织特征提取，确定其所属类别；

如果输入的契达干酪产品理化指标属于未知类，不在该契达干酪产品感官品评专家系统的已有BP网络中训练过，则以契达干酪产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；

如果输入的契达干酪产品理化指标是已知类的样本数据，则根据其类别读取从分类库中读取对应的BP网络，并计算出契达干酪产品感官品评指标预测值。

附图说明

以下附图仅对本发明做示意性说明和解释，并不限定本发明的范围，其中：

图1是本发明的契达干酪产品感官品评专家系统的流程图；

图2是图1所示的契达干酪产品感官品评专家系统的使用管理示意图。

具体实施方式

本发明的契达干酪产品感官品评专家系统主要包括Kohonen自组织特征映射聚类和BP网络两个模块，首先利用Kohonen自组织特征映射将输入契达干酪产品样本数据进行聚类，将聚类结果保存到Kohonen知识库，然后建立各个聚类子空间的BP网络。

本发明的契达干酪产品感官品评专家系统的流程图如图1所示，具体来说包括：

取不同地理位置、饲养条件、饲料种类、奶牛品种、季节、生产设备以及生产工艺的契达干酪产品，测定其理化指标：脂肪、蛋白、干物质、灰分、酸度、pH、蛋白水解度、非蛋白氮、酪蛋白、乳酸菌总数、干酪流变学特性.

同时，组织品评专家对契达干酪产品进行品评，品评项目包括：整体风味、色泽、组织状态、纹理图案。评分标准见表1，根据得分将契达干酪产品分成两组：合格：四个感官指标均在3分以上；不合格：有一个指标为2分或1分。最后将所得样本数据录入数据库，针对每个理化指标，选择不同的值，本实施例所选用的范围如下：检出限以下、检出限至国标规定最高值、国标规定最高值以上。这样才能保证所建立的系统能够客观准确的控制契达干酪产品质量，从而使乳制品质量得到保证。

表1  契达干酪产品评分标准

运用Matlab完成Kohonen和BP网络的建立，去除错误、不一致或不完整的契达干酪产品感官品评得分和理化指标等样本数据，并用线性函数对契达干酪产品的样本数据进行归一化，契达干酪产品的理化指标是高维向量，且各指标量纲并不相同，在聚类之前必须进行归一化，从而方便后续处理的进行.

构建Kohonen网络阵列，依据专家经验确定所述Kohonen网络的初始领域半径、学习率和学习次数，其中，初始学习率为(0.32-0.52)，初始领域半径为0.56-0.69，学习次数为33。

应用Kohonen自组织特征映射对契达干酪产品理化指标数据实现聚类，将各组契达干酪产品的理化指标样本空间细分为多个子空间，从而完成数据库中所有契达干酪产品的最终分类。

对不同类契达干酪产品各项理化指标样本的各子空间，分别建立对应的BP网络，其输入数据是契达干酪产品理化指标，输出数据是契达干酪产品感官品评得分。每个BP网络仅在一个子空间内实现理化指标与感官品评得分之间的映射关系，降低了问题的复杂度，大大提高了网络学习的速度和精度，更利于完成每个输出参数与理化指标之间的函数映射。为克服BP网络学习易陷入局部最小值问题，采用了自适应学习率和带有平滑项的目标函数，使网络收敛效果与推广性能大大改善。BP网络的初始学习率、误差调整参数、初始动量系数、网络结构等参数由专家经验确定，本实施例中，初始学习率为0.32-0.52，误差为0.001。

采用SAS6.0将契达干酪产品样本数据归一化，并将完成归一化的契达干酪产品样本数据送入对应的BP网络，按照当前的BP算法进行训练，达到指定误差精度(0.001)后停止，上述步骤即完成本发明的契达干酪产品感官品评专家系统的建立。

本发明所建立的契达干酪产品感官品评专家系统的使用管理过程如图2示，包括：

测定待评价契达干酪产品的多项理化指标，并将所得数据输入已经建立的契达干酪产品感官品评专家系统；

根据系统输入的契达干酪产品理化指标进行Kohonen自组织特征提取，确定其类别；

如果系统输入的契达干酪产品理化指标属于未知类，不在已建立的契达干酪产品感官品评专家系统的已有BP网络中训练过，则以该契达干酪产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；

如果输入契达干酪产品理化指标是已知类的样本数据，则根据其类别读取从所述分类库中读取对应的所述BP网络，并计算出契达干酪产品感官品评指标预测值，如果输入契达干酪产品理化指标与已学样本靠近，则系统预测结果可信度高；否则，系统将根据样本在原始输入空间中的偏离程度，指出所预测结果的参考价值。

表2提供了本实施例的契达干酪产品感官品评专家系统得到的实验数据，该表将预测数据与专家品评结果进行了对比，可以看出，本系统根据契达干酪产品理化指标的感官品评预测结果，与契达干酪产品品评专家的基本相符，在可接受的误差范围内。

表2  契达干酪产品感官品评数据与专家品评结果比较

本系统将专家经验分类与由数据驱动的智能等级评定方法相结合，把复杂问题分解，分别送入各自的BP网络求解，最终类的知识都保存在各类的BP网络知识库中。当有新的预测工作要做时，只需根据分类神经网络计算出对应的BP网络，便可利用已训练好的网络映射模型预测出此样本的感官品评指标。

如上所述，根据本发明的一种建立契达干酪产品感官品评专家系统的方法，集成了Kohonen网络、BP网络，对契达干酪产品进行测试、品评，在得到品评指标和理化指标的基础上，由Kohonen网络自组织特征映射，完成聚类，并用各类契达干酪产品感官品评得分和理化数据等样本数据分别训练各自对应的BP网络，获取各类契达干酪产品理化指标与感官品评得分之间的映射关系，从而建立契达干酪产品感官品评专家系统。该系统充分利用了契达干酪产品品评专家的经验、减少了人工品评的不确定性、提高了契达干酪产品感官品评的工作效率和自动化程度。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。

Claims (7)

1.一种建立契达干酪产品感官品评专家系统的方法，包括：

品评专家对契达干酪产品进行感官品评，并测定所述契达干酪产品的理化指标，将所得感官品评得分和理化指标等样本数据录入数据库；

去除错误、不一致或不完整的所述契达干酪产品的感官品评得分和理化指标样本数据，对所述数据库中的所述样本数据进行归一化；

构建Kohonen阵列，依据专家经验确定所述Kohonen阵列的初始领域半径、学习率和学习次数；

应用Kohonen自组织特征映射对所述契达干酪产品理化指标进行聚类，完成所述数据库中所有契达干酪产品理化指标的分类，并建立分类库；

对不同类契达干酪产品的所述理化指标，分别建立对应的BP网络，并依专家经验确定所述BP网络的系统允许误差限、初始学习率、初始动量系数、初始化网络权重、最大学习次数、误差调整参数；

将所述契达干酪产品的感官品评得分和理化指标等样本数据送入对应的所述BP网络进行训练，在所述最大学习次数内达到指定误差精度后停止，上述步骤即完成契达干酪产品感官品评专家系统的建立，否则，更换所述契达干酪产品样本数据，重新进行训练，直到算法收敛；

其特征在于，所述契达干酪产品感官品评的品评项目包括：整体风味、色泽、组织状态、纹理图案。

2.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，作为所述系统输入的所述契达干酪产品理化指标，包括：脂肪、蛋白、干物质、灰分、酸度、pH、蛋白水解度、非蛋白氮、酪蛋白、乳酸菌总数、干酪流变学特性。

3.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，所述BP网络的输入数据是所述契达干酪产品理化指标，所述BP网络的输出数据是所述契达干酪产品感官品评得分。

4.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，所述BP网络的初始学习率为0.32-0.52。

5.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，所述BP网络的初始领域半径为0.56-0.69。

6.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，所述BP网络的学习次数为33次。

7.如权利要求1所述的建立契达干酪产品感官品评专家系统的方法，其中，所述契达干酪产品感官品评专家系统的使用管理过程为：

测定待评价契达干酪产品的所述理化指标，并将所得数据输入所述契达干酪产品感官品评专家系统；

根据所述契达干酪产品理化指标进行Kohonen自组织特征提取，确定其所属类别；

如果所述契达干酪产品理化指标属于未知类，不在所述契达干酪产品感官品评专家系统的已有BP网络中训练过，则以所述契达干酪产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；如果所述契达干酪产品理化指标是已知类的样本数据，则根据其类别读取从所述分类库中读取对应的所述BP网络，计算出契达干酪产品感官品评指标预测值.

Images