一种基于BP神经网络和电子舌的酸类物质的酸度和浓度预测方法技术

本发明专利技术公开了一种基于BP神经网络和电子舌的酸类物质的酸度量化及其浓度预测方法，包括如下步骤：(1)以乳酸为参比物，基于浓度建立酸度标尺；(2)利用电子舌技术对参比物乳酸进行测定，得到标尺浓度区间不同浓度乳酸的电子舌响应值；(3)基于BP神经网络，构建电子舌响应

【技术实现步骤摘要】
一种基于BP神经网络和电子舌的酸类物质的酸度和浓度预测方法


[0001]本专利技术属于味觉预测方法
，具体涉及一种基于BP神经网络和电子舌的酸类物质的酸度和浓度的预测方法。

技术介绍

[0002]许多食品如水果、醋、酸菜等均因含有酸类物质而富有宜人爽口的酸味，深受人们喜爱。因此，针对不同酸味物质的定量评价具有重要意义。以往针对酸味强度的预测方法是通过人工感官，但易受人群年龄、性别、口味嗜好等的影响，因此结果误差较大。相对于人工感官而言，电子舌避免了不特定人群的感官因素的影响，仪器的灵敏性与准确度明显提高，是一种快速、经济、便捷的感官检测技术。利用BP神经网络模型的构建以及电子舌技术对酸类物质进行评价，构建有效且与现实符合的酸度评价系统，能够有效克服人工感官评定产生的误差，更为客观。
[0003]联用BP神经网络和电子舌技术对酸类物质进行酸度评价，可以建立客观有效的酸度评价体系，其优点是有效克服了人工感官误差较大，对酸度难以重现的问题。为此提出本专利技术。

技术实现思路

[0004]为了解决人工感官误差较大，对酸度难以重现的问题，本专利技术提供了一种利用BP神经网络和电子舌的酸类物质的酸度量化及其浓度预测方法。
[0005]为了实现上述目的，本专利技术提供的技术方案为：
[0006]一种利用BP神经网络模型和电子舌的酸类物质的酸度量化及其浓度预测方法，包括如下步骤：
[0007](1)以乳酸为参比物，基于浓度建立酸度标尺；
[0008](2)利用电子舌对参比物乳酸进行测定，得到标尺浓度区间不同浓度乳酸的电子舌响应值；
[0009](3)基于BP神经网络，以步骤(2)得到不同浓度乳酸的电子舌响应值为输入层，以步骤(1)中浓度对应的标尺为输出层，构建电子舌响应
‑
酸度值的关系模型；
[0010](4)以其他酸类物质的电子舌响应值为输入，基于步骤(3)的关系模型，获得其对应的其他酸类物质的量化酸度值；
[0011](5)将步骤(4)获得的量化酸度值作为输入层，步骤(1)的标尺浓度区间内的浓度范围作为输出层，建立酸的量化酸度值与浓度之间的BP神经网络关联预测模型；
[0012](6)以其他酸类物质的量化酸度值为输入，通过步骤(5)中的预测模型，对酸类物质进行浓度预测。
[0013]优选地，所述其他酸类物质为一元酸、二元酸或三元酸；所述一元酸包括但不限于丁酸、乙酰丙酸；所述二元酸包括但不限于苹果酸；所述三元酸包括但不限于柠檬酸。
[0014]优选地，步骤(1)中，以乳酸为参比物，浓度范围为0
‑
5000mg/L，基于浓度建立酸度标尺为0
‑
8。
[0015]优选地，步骤(2)电子舌测试过程为：电子舌先在参比液中清洗90s，然后于另两组参比液中分别清洗120s，传感器稳定30s，达到平衡条件后，开始测试，测试时间30s，循环测试三次并舍去首次不稳定数据。
[0016]优选地，所述参比液为电子舌基质液，其组分为0.045g酒石酸、2.24g氯化钾，用5v/v％乙醇溶解并定容至1L；电子舌酸度值测定选用酸味传感器GL1+参比电极。
[0017]优选地，步骤(3)中，基于BP神经网络构建电子舌响应
‑
酸度值的关系模型的建立步骤如下：使用MATLAB软件对参比物乳酸不同浓度的电子舌响应值与0
‑
8标尺构建BP神经网络预测模型；BP神经网络隐含层神经元个数为15，输入层为乳酸不同浓度的电子舌响应值，输出层为0
‑
8标尺范围，定义神经网络循环次数为50000，训练目标的最小误差为1e
‑
25，设置显示频率为1000，学习速率为0.05，然后将训练好的网络模型对酸类物质进行酸度量化。
[0018]优选地，步骤(4)以其他酸类物质不同浓度的电子舌样本数据输入到步骤(3)中建立的基于BP神经网络预测模型中，得到其他酸类物质的量化酸度值。
[0019]优选地，步骤(5)中，基于酸度值与浓度之间构建的BP网络关联预测模型设置参数如下：将其他酸类物质的酸度值作为输入层，输出层为浓度范围，隐含层神经元个数设置为18，神经网络的循环次数为50000，训练目标的最小误差为0.005，设置显示频率为1000，学习速率为0.05，采用Levenberg
‑
Marquardt算法，对各酸类物质进行浓度的预测。
[0020]优选地，将其他酸类物质的量化酸度值为输入，通过步骤(5)创建的BP神经网络关联预测模型，得到各酸类物质的浓度预测值。
[0021]专利技术具有以下有益效果：
[0022]1、本专利技术为一种联用BP神经网络和电子舌技术对酸类物质的酸度量化及其浓度预测方法，以各种酸类物质的电子舌响应均值为输入，以乳酸为参比物的0
‑
8标尺为输出以及基于酸类物质的酸度值与酸浓度范围所建立的BP神经网络预测模型，能够对酸类样品较准确地预测其酸度值以及浓度范围的计算。
[0023]2、实施例的验证结果表明各种酸类物质酸度值的预测效果较高，有效克服了人工感官误差较大，对酸度难以重现的问题。
具体实施方式
[0024]下面将结合实施例对本专利技术作进一步详细说明。
[0025]一种基于BP神经网络和电子舌的酸类物质的酸度和浓度的预测方法，包括如下步骤：
[0026]步骤(1)，以乳酸为参比物，基于浓度建立酸度0
‑
8标尺；其中，参比物的浓度(mg/L)：0、20、50、100、200、500、1000、2000、5000；浓度标尺为0、1、2、3、4、5、6、7、8；
[0027]步骤(2)，使用电子舌仪器对样品酸度进行测试，电子舌酸度值测定选用酸味传感器GL1+蓝色参比电极。电子舌测试过程为传感器先在参比液中清洗90s，接着于另两组参比液中分别清洗120s，传感器稳定30s，达到平衡条件后，开始测试，测试时间30s，循环测试四次并舍去首次不稳定数据。参比液为电子舌基质液，电子舌基质液组分为0.045g酒石酸、
2.24g氯化钾，用5v/v％乙醇溶解并定容至1L；其中，所用电子舌设备为日本Insent公司TS
‑
5000Z智能味觉分析系统的电子舌；
[0028]步骤(3)，基于BP神经网络，以步骤(2)得到不同浓度乳酸的电子舌响应值为输入层，以步骤(1)中浓度对应的标尺为输出层，构建电子舌响应
‑
酸度值的关系模型；即使用MATLAB软件对参比物乳酸不同浓度的电子舌响应值与0
‑
8标尺构建BP神经网络预测模型；BP神经网络隐含层神经元个数为15，输入层为乳酸不同浓度的电子舌响应值，输出层为0
‑
8标尺范围，定义神经网络循环次数为50000，训练目标的最小误差为1e
‑
25，设置显示频率为1000，学习速率为0.05，然后将训练好的网络模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络和电子舌的酸类物质的酸度量化及其浓度预测方法，其特征在于，包括如下步骤：(1)以乳酸为参比物，基于浓度建立酸度标尺；(2)利用电子舌技术对参比物乳酸进行测定，得到标尺浓度区间不同浓度乳酸的电子舌响应值；(3)基于BP神经网络，以步骤(2)得到不同浓度乳酸的电子舌响应值为输入层，以步骤(1)中浓度对应的标尺为输出层，构建电子舌响应
‑
酸度值的关系模型；(4)以其他酸类物质的电子舌响应值为输入，基于步骤(3)的关系模型，获得其对应的其他酸类物质的量化酸度值；(5)将步骤(4)获得的量化酸度值作为输入层，步骤(1)的标尺浓度区间内的浓度范围作为输出层，建立酸的量化酸度值与浓度之间的BP神经网络关联预测模型；(6)以其他酸类物质的量化酸度值为输入，通过步骤(5)中的预测模型，对酸类物质进行浓度预测。2.根据权利要求1所述的预测方法，其特征在于，所述其他酸类物质为一元酸、二元酸或三元酸；所述一元酸包括丁酸、乙酰丙酸；所述二元酸包括苹果酸；所述三元酸包括柠檬酸。3.根据权利要求1所述的预测方法，其特征在于，步骤(1)中，以乳酸为参比物，浓度范围为0
‑
5000mg/L，基于浓度建立酸度标尺为0
‑
8。4.根据权利要求1所述的预测方法，其特征在于，步骤(2)电子舌测试过程为：电子舌先在参比液中清洗90s，然后于另两组参比液中分别清洗120s，传感器稳定30s，达到平衡条件后，开始测试，测试时间30s，循环测试四次并舍去首次不稳定数据。5.根据权利要求4所述的预测方法，其特征在于，所述参比液为电子舌基质液，其组分为0.045g酒石酸、2....

【专利技术属性】
技术研发人员：杨乾栩，刘泽，张伟，马宁，杨洪明，周国福，朱保昆，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：