一种馒头加工过程中面团发酵状态的智能化监测方法技术

本发明专利技术公开了一种馒头加工过程中面团发酵状态的智能化监测方法，属于粮食及粮食制品加工或质量控领域。该方法的步骤为：采用近红外光谱仪对发酵过程中面团的光谱信息进行采集，采集的光谱信息进行Savizky‑Golay卷积平滑法降噪处理，然后采用CARS‑Si‑PLS算法对采集的所有光谱变量进行筛选，经过50次五折交互优化模型，筛选出最优的能反应发酵过程中面团特征变化的特征变量，最后，采用这些变量建立面团发酵状态的SVM监测模型。该方法可以实现在线监测，且快速准确，利于实现馒头工业化生产中面团发酵的在线实时监测。可广泛在馒头及面包等生产线。

An intelligent monitoring method of dough fermentation state in the processing of steamed bread

【技术实现步骤摘要】
一种馒头加工过程中面团发酵状态的智能化监测方法
本专利技术涉及馒头加工过程中的品质监测方法，特别是一种面团发酵过程中发酵状态检测的方法，属于粮食及粮食制品加工或质量控制领域。
技术介绍
据统计，我国米面主食产业的市场容量约为1万亿，其中面制主食的市场容量达到6000多亿元，我国小麦产量的80％用作面制食品。我国传统面制品多以蒸煮加工为主，而馒头其中的典型代表，不同于西方的烘焙类面制品，馒头将小麦粉和面后经发酵、蒸制而成，具有色白、暄软、光润、膨松、口味平淡、后味香甜等特点，更适合中国人的口味。据统计，当前我国制作馒头消费的面粉量占总消费面粉量的40％。因此，无论是在我国主食产业结构中，还是在我国人民的膳食结构中，馒头都占有十分重要的地位。长期以来，我国馒头主要以作坊式生产为主，卫生设施简陋，生产方式落后；当前，我国馒头的工业化之路业已起步，业内也出现了规模化的馒头生产企业，但占比依然很低，且生产的机械化和自动化程度不高，各主要生产环节的监测和控制还需靠人工完成。面团发酵是加工馒头的关键步骤，发酵是否适度决定了产品的香气、口感、外观、质地等品质。当前，面团发酵的判断全靠人工评价，在一些规模化的工厂根据经验设定固定的发酵参数，这种传统的方式已经严重制约了馒头的工业化发展进程。如何满足食品工业的发展需求，开发一种能实现面团发酵过程的智能化监测方法，是一个亟需解决的问题。本专利技术针对上述的现实问题，开发了一种馒头加工过程中面团发酵状态的智能化监测方法，可以实现对馒头制作过程中面团发酵状态的实时监测，契合了现代食品工业自动化、智能化的发展需求。
技术实现思路
本专利技术的目的是提供一种馒头加工过程中面团发酵状态的智能化监测方法，按照下述步骤进行：(1)采用手持式NIRquest-512型近红外光谱仪(美国OceanOptics公司)采集面团的近红外反射光谱，光谱采集参数经优化设置为：积分时间100ms，平均采集次数为3，平滑窗口为5。光谱范围900-1700nm，设有512个数据点。(2)在采集样品的近红外光谱信息时，由于受到样品形状、背景，以及仪器及采集环境的众多因素的影响，所采集到的光谱信息会存在噪声等无效信息，同时基线漂移和平移等，这些均会造成光谱分析的误差，为了降低误差，提高最终所建模型的准确性和精度，本专利技术采用Savizky-Golay卷积平滑法对对采集到的光谱信息进行预处理，平滑窗口为15。(3)采用近红外仪采集到的光谱信息共有512个数据点，这些数据信息除样品的自身信息外，还包含了其它无关信息和噪音，如电噪音、样品背景等，这些信息很难在预处理中全部消除；其次有些区域样品的信息很弱，与样品的组成或性质间缺乏相关关系。如果将所有这些数据用来分析用于面团发酵状态的监测，不但计算量大、模型复杂，而且精度也不一定高。因此，本专利技术采用CARS-Si-PLS方法对光谱信息进行筛选，具体方法为：先采用联合区间偏最小二乘法(SynergyintervalPLS，Si-PLS)，将光谱区间分成6、7、8、……、25个子区间，然后分别联合2、3、4个子区间，建立面团发酵状态的PLS判别模型，并对不同区间划分及联合方法的模型性能进行对比，从而筛选最优的光谱区间。(4)为了进一步筛选有效光谱信息，在采用Si-PLS筛选出的光谱区间，再采用竞争性自适应重加权抽样偏最小二乘法(competitiveadaptivereweightedsamplingPLS，CARS-PLS)对变量进行筛选，蒙特卡罗采样次数为50次，采用5折交互验证优化模型，根据最低的交互验证均方根误差(Rootmeansquareerrorofcross-validation,RMSECV)确定最佳的模型。将CARS-PLS运行50次，从中选出RMSECV最低的一次，以此次筛选出的信息作为建立面团发酵监测的特征变量。采集一定发酵面团样本量的近红外光谱信息，以是选出来的特征变量构建面团的发酵状态的支持向量机(supportvectormachine，SVM)监测模型。本专利技术突破了传统的体积置换法形成的定向思维禁锢，创造性的采用光学与高等数学相结合的方法，可以在不接触馒头的情况下，完成对馒头比容的测定，而且该方法可以利用计算机语言进行计算机编程，形成智能的馒头比容检测系统，最终可以实现该方法与生产线的结合，形成馒头的工业化在线比容检测系统，契合当代食品工业自动化、智能化的发展需求。说明书附图图1为经Savizky-Golay卷积平滑处理后的近红外光谱图。图2为经Si-PLS方法筛选后的近红外光谱区间。图3为运行50次CARS-PLS方法筛选出来的变量分布。图4为运行最优的一次CARS-PLS结果：(a)筛选变量数，(b)交互验证均方根误差，(c)变量回归系数。图5面团发酵状态的SVM监测模型：(a)训练集，(b)预测集。具体实施方式：实施例1：称取面粉，酵母用量为面粉的0.8％，加水量按常规方法测得的粉质吸水率的70-80％，先将酵母用水溶解后加入到面粉中和面、揉成面团，将面团在封闭状态下静置3min后揉至面团表面光滑不粘手，将揉好的面团等分成12份60.0±1.0g的面团，成型后置于恒温恒湿箱中(温度30℃，湿度80-90％)发酵，发酵过程中每隔5分钟采集面团的近红外光谱信息。之后采用Savizky-Golay卷积平滑法对对采集到的光谱信息进行预处理，平滑窗口为15，处理后的光谱如图1所示。采用Si-PLS法对预处理后的近红外光谱信息的特征变量进行筛选，筛选时，将经过SG预处理的全光谱区域划分成为6、7、8、……、25个子区间，然后分别联合2、3、4个子区间，建立面团发酵状态的PLS判别模型，并对不同区间划分及联合方法的模型性能进行对比，从而筛选最优的光谱区间，综合对比选取区间划分为10个，联合区间为[1、3、6、9]时所选的光谱区间为变量，光谱范围为900-981.83nm，1070.47-1152.04nm，1310.7-1399.14nm，1563.91-1643.58nm，如图2所示，所筛选区间的总变量数为205个。为了进一步筛选有效光谱信息，在采用Si-PLS筛选出的光谱区间，再采用竞争性自适应重加权抽样偏最小二乘法(competitiveadaptivereweightedsamplingPLS，CARS-PLS)对变量进行筛选，蒙特卡罗采样次数为50次，采用5折交互验证优化模型，根据最低的RMSECV值确定最佳的模型。将CARS-PLS运行50次，从中选出RMSECV最低的一次，以此次筛选出的信息作为建立面团发酵监测的特征变量。运行50次筛选出的变量分布如图3所示，运行最优一次的结果如图4所示，(a)筛选变量数，(b)交互验证均方根误差，(c)变量回归系数。图4显示了RMSECV随采样次数的的变化趋势，当采样次数达到30次时，RMSECV值最低，然后逐渐增加，表明运行30次以后，CARS开始剔除本文档来自技高网...

【技术保护点】
1.一种馒头加工过程中面团发酵状态的智能化监测方法，其特征在于按照下述步骤进行：/n(1)采用近红外光谱仪采集发酵过程中面团的近红外反射光谱信息；/n(2)并通过Savizky-Golay卷积平滑法对光谱信息进行预处理；/n(3)采用CARS-Si-PLS方法对光谱信息进行筛选；/n(4)以筛选出的近红外光谱信息作为建立面团发酵监测的特征变量，以一定量的的样本量数据建立面团发酵状态的支持向量机(SVM)监测模型。/n

【技术特征摘要】
1.一种馒头加工过程中面团发酵状态的智能化监测方法，其特征在于按照下述步骤进行：
(1)采用近红外光谱仪采集发酵过程中面团的近红外反射光谱信息；
(2)并通过Savizky-Golay卷积平滑法对光谱信息进行预处理；
(3)采用CARS-Si-PLS方法对光谱信息进行筛选；
(4)以筛选出的近红外光谱信息作为建立面团发酵监测的特征变量，以一定量的的样本量数据建立面团发酵状态的支持向量机(SVM)监测模型。


2.根据权利要求1所述的一种馒头加工过程中面团发酵状态的智能化监测方法，其特征在于，步骤(1)中光谱采集参数经优化设置为：积分时间100ms，平均采集次数为3，平滑窗口为5；光谱范围900-1700nm，设有512个数据点。


3.根据权利要求1所述的一种馒头加工过程中面团发酵状态的智能化监测方法，其特征在于步骤(2)中采用Savizky-Golay卷积平滑法对对采集到的光谱信息...

【专利技术属性】
技术研发人员：常宪辉，黄星奕，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32