基于神经网络的粉丝品质预测方法、系统和介质技术方案

本发明专利技术公开了一种基于神经网络的粉丝品质预测方法、系统和介质，包括以下步骤：采用神经网络算法构建粉丝品质预测模型，所述粉丝品质预测模型包括输入层、隐含层和输出层；输入自变量到所述输入层；由所述输出层得到多个粉丝品质评价指标，根据多个所述粉丝品质评价指标综合计算得到粉丝品质结果。相较于常规的用感官品尝来评价粉丝品质的方法，本发明专利技术有助于粉丝类制品机械控制参数标准的出台，也便于掌握挤压工艺中螺杆挤压的各种参数的较优值，提升生产的粉丝质量，提升生产效益。提升生产效益。提升生产效益。

【技术实现步骤摘要】
基于神经网络的粉丝品质预测方法、系统和介质


[0001]本专利技术涉及神经网络
，尤其是涉及一种基于神经网络的粉丝品质预测方法、系统和介质。

技术介绍

[0002]传统粉丝的生产多以谷物胚乳或谷物淀粉为原料营养组成单一。挤压工艺制作粉丝，既提高了生产效率又最大程度的保留了营养物质。双螺杆挤压设备主要由螺杆、腔体、加热组件和模头组成，加热组件位于套筒上方，冷却组件位于模头处。粉状物料由进料口进入，在挤压机腔体内受到双螺杆的搅拌剪切和轴向推力向出口处运动，运动过程中加热套筒对物料加热，物料性质发生改变，达到模头出冷却并得到丝状凝胶体。影响挤压效果的因素有很多，包括原料种类、挤压机械参数、产品的工艺参数等，其中最难掌握的是挤压工艺中螺杆挤压各种参数，而且目前国家并没有统一的粉丝类制品机械控制参数标准的出台，大多数企业都是凭借经验进行相关参数的控制。目前，生产上常用感官品尝来评价其品质，但是感官品尝受感官评分人员主观性影响太大，目前很难通过大量的感官实验来弥补这一缺点。

技术实现思路

[0003]本专利技术的目的在于克服上述技术不足，提出一种基于神经网络的粉丝品质预测方法、系统和介质，解决现有技术中在生产中常用感官品尝来评价粉丝品质，感官品尝受感官评分人员主观性影响太大的技术问题。
[0004]为达到上述技术目的，第一方面，本专利技术的技术方案提供一种基于神经网络的粉丝品质预测方法，包括以下步骤：
[0005]采用神经网络算法构建粉丝品质预测模型，所述粉丝品质预测模型包括输入层、隐含层和输出层；
[0006]输入自变量到所述输入层；
[0007]由所述输出层得到多个粉丝品质评价指标，根据多个所述粉丝品质评价指标综合计算得到粉丝品质结果。
[0008]与现有技术相比，本专利技术提供的基于神经网络的粉丝品质预测方法的有益效果包括：
[0009]基于神经网络的粉丝品质预测方法，首先采用神经网络算法构建粉丝品质预测模型，粉丝品质预测模型包括输入层、隐含层和输出层，向输入层输入自变量，自变量可以是挤压设备的螺杆转速和压缩段温度，根据自变量的数值的不同可以得到不同的多个粉丝品质评价指标，在经过多次迭代学习后，粉丝品质预测模型的准确率也会稳步提升，直到可以较好地对粉丝生产品质进行预测，由输出层得到多个粉丝品质评价指标，根据多个粉丝品质评价指标综合计算得到粉丝品质结果。可以是根据不同粉丝品质评价指标合理设置不同的权值，综合计算得到粉丝品质结果，相较于常规的用感官品尝来评价粉丝品质的方法，本
专利技术有助于粉丝类制品机械控制参数标准的出台，也便于掌握挤压工艺中螺杆挤压的各种参数的较优值，提升生产的粉丝质量，提升生产效益。
[0010]根据本专利技术的一些实施例，所述输入层包括两个输入神经元，分别为挤压设备的螺杆转速和压缩段温度；
[0011]所述隐含层包含五个隐含神经元；
[0012]所述输出层包含九个输出神经元，所述输出神经元即为粉丝品质评价指标，分别为糊化度、柔软性、口感、感官总分、硬度、弹性、蒸煮损失率、断条率和出口压力。
[0013]根据本专利技术的一些实施例，所述输入层还包括两个输入神经元，分别为挤压设备的导程变化范围和模头孔径。
[0014]根据本专利技术的一些实施例，在所述由所述输出层得到多个粉丝品质评价指标之前，包括步骤：
[0015]提取所述输入层到所述隐含层的权值、所述隐含层的阈值、所述隐含层到所述输出层的权值、所述输出层的阈值；
[0016]利用所述输入层到所述隐含层的权值、所述隐含层的阈值、所述隐含层到所述输出层的权值、所述输出层的阈值训练神经网络。
[0017]根据本专利技术的一些实施例，所述神经网络的激活函数为sigmoid函数。
[0018]根据本专利技术的一些实施例，所述输出层的计算公式为：
[0019][0020]其中，Y1为输出层，X1为第一个输入层，X2为第二个输入层，为所述隐含层的第一个节点到所述输出层的第一个节点的权值，为所述输入层的第一个节点到隐含层的第一个节点的权值，为所述隐含层的第一个节点的阈值，为所述输出层的第一个节点的阈值。
[0021]根据本专利技术的一些实施例，所述神经网络包括：训练集、验证集和测试集。
[0022]第二方面，本专利技术的技术方案提供了一种基于神经网络的粉丝品质预测系统，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项所述的基于神经网络的粉丝品质预测方法。
[0023]根据本专利技术的一些实施例，基于神经网络的粉丝品质预测系统，还包括：粉丝挤压机，所述粉丝挤压机设置有用户交互界面，所述用户交互界面用于与用户交互和显示粉丝品质预测结果。
[0024]第三方面，本专利技术的技术方案提供了一种计算机可读存储介质，其特征在于，所述
计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面中任意一项所述的基于神经网络的粉丝品质预测方法。
[0025]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0026]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中摘要附图要与说明书附图的其中一幅完全一致：
[0027]图1为本专利技术一个实施例提供的基于神经网络的粉丝品质预测方法的流程图；
[0028]图2为本专利技术另一个实施例提供的基于神经网络的粉丝品质预测方法的流程图。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0030]需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0031]本专利技术提供了一种基于神经网络的粉丝品质预测方法，相较于常规的用感官品尝来评价粉丝品质的方法，本专利技术有助于粉丝类制品机械控制参数标准的出台，也便于掌握挤压工艺中螺杆挤压的各种参数的较优值，提升生产的粉丝质量，提升生产效益。
[0032]下面结合附图，对本专利技术实施例作进一步阐述。
[0033]参照图1，图1为本专利技术一个实施例提供的基于神经网络的粉丝品质预测方法的流程图，基于神经网络的粉丝品质预测方法包括但是不仅限于步骤S110至步骤S130。
[0034]步骤S110，采用神经网络算法构建粉丝品质预测模型，粉丝品质预测模型包括输入层、隐含层和输出层；
[0035]步骤S120，输入自变量到输入层；
...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的粉丝品质预测方法，其特征在于，包括以下步骤：采用神经网络算法构建粉丝品质预测模型，所述粉丝品质预测模型包括输入层、隐含层和输出层；输入自变量到所述输入层；由所述输出层得到多个粉丝品质评价指标，根据多个所述粉丝品质评价指标综合计算得到粉丝品质结果。2.根据权利要求1所述的一种基于神经网络的粉丝品质预测方法，其特征在于，所述输入层包括两个输入神经元，分别为挤压设备的螺杆转速和压缩段温度；所述隐含层包含五个隐含神经元；所述输出层包含九个输出神经元，所述输出神经元即为粉丝品质评价指标，分别为糊化度、柔软性、口感、感官总分、硬度、弹性、蒸煮损失率、断条率和出口压力。3.根据权利要求2所述的一种基于神经网络的粉丝品质预测方法，其特征在于，所述输入层还包括两个输入神经元，分别为挤压设备的导程变化范围和模头孔径。4.根据权利要求2所述的一种基于神经网络的粉丝品质预测方法，其特征在于，在所述由所述输出层得到多个粉丝品质评价指标之前，包括步骤：提取所述输入层到所述隐含层的权值、所述隐含层的阈值、所述隐含层到所述输出层的权值、所述输出层的阈值；利用所述输入层到所述隐含层的权值、所述隐含层的阈值、所述隐含层到所述输出层的权值、所述输出层的阈值训练神经网络。5.根据权利要求4所述的一种基于神经网络的粉丝品质预测...

【专利技术属性】
技术研发人员：张宾佳，刘姝含，乔冬玲，赵思明，薛健翼，牛猛，贾才华，许燕，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：