本发明专利技术提供了一种建立原奶产品感官品评专家系统的方法，该方法利用Ｋｏｈｏｎｅｎ自组织特征映射和ＢＰ网络，对原奶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Ｋｏｈｏｎｅｎ聚类对原奶产品理化指标进行分类，并用原奶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，通过建立原奶产品理化指标和感官品评指标的映射关系，建立原奶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，提高原奶产品品评效率和自动化程度，并确保原奶产品质量。
【技术实现步骤摘要】
本专利技术涉及，具体来说，为减少对品评专家的依赖，提高对原奶产品进行感官品评的自动化程度，本专利技术提供了一种建立原奶 产品感官品评专家系统的方法。
技术介绍
在中国，近年来，由于人们越来越意识到牛乳对人体健康的重要性，牛乳已经成为 许多人的生活必需品，市场对牛乳的需求量也在持续增长。目前，感官品评是一种评定原奶 感官质量的一种方式，原奶品评专家的经验是十分可贵的，但是也具有明显的不确定性。迄 今尚没有就原奶理化指标、感官质量品评指标之间的相关性、定量分析研究的报道。 神经网络是一种智能技术，适用于解决用传统数学模型方法难以解决的、非确定 性的复杂问题。它善于从不完整的、有较强干扰因素的大量数据中归纳、获取知识，建立映 射关系。Kohonen自组织特征映射，是通过网络学习、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。现在，神经网络在金融预测、工程 控制等方面有一定的应用。 根据神经元之间的相互结合关系和作用方式，神经网络模型可以分为很多种，其 中，反向传播神经网络即BP神经网络。该神经网络是目前应用最广泛、计算能力最强的人 工神经网络模型之一。由于这种网络的的权值和阈值调整采用了反向传播的学习算法，解 决了感知器所不能解决的问题，可以实现从输入到输出的任意非线形映射。在确定网络的 结构后，利用输入样本集对其进行训练，即对网络的权值和阈值进行学习和调整。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，利用这种方式可以使用该 网络对未知样本进行预测。 神经网络在食品感官品评方面已有一些研究，但主要应用于酒类。由于乳及乳制 品的风味并不象酒类那样突出和典型，其成分更加复杂，神经网络在乳制品感官品评上还 没有得到应用。 在我国，随着人民生活水平的提高，乳与乳制品的需求量逐年上升。在乳业大发展 的今天，要想生产出优质的产品，就必须保证原料奶的质量。原料奶除了受到奶牛的饲养环 境、挤奶过程中的污染等因素影响外，还受掺假的影响，如果向原奶中添加了其他物质，不 仅会破坏牛奶的营养成分，还会影响奶制品的生产加工。目前，国内各大型乳品企业为了保 证产品质量，在原奶收购时，会有专业品评员对其滋气味进行判定。但是，人工鉴别会受到 主观因素的影响，判定结果会随着人的情绪、年龄、性别、识别能力、语言文字表达能力的不 同而有所差异。 原奶会因牧场的地理位置、饲养条件、饲料种类、奶牛品种、季节、生产设备以及生 产工艺等因素的不同，具有很大差异，因此用神经网络对原奶感官指标进行预测，具有一定 难度。
技术实现思路
本专利技术旨在提供，由原奶产品理化指 标判定感官品评，减少人工品评的不确定度，提高原奶产品感官品评效率和自动化程度。 为实现上述目的，本专利技术提供了，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原奶产品样本，组织品 评专家对原奶产品进行感官品评，品评项目包括色泽、乳香味、口感和异味情况。根据品评 得分，把原奶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、不一致或不完整的原奶产品感官品评得分和理化指标样本数据，并对 数据库中的原奶产品样本数据进行归一化，从而实现各原奶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自组织特征映射对原奶产品理化指标样本数据进行聚类，完成数据 库中所有原奶产品样本数据的分类，并建立分类库； 对不同类原奶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； 将原奶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，上述步骤即完成原奶产品感官品评专家系统 的建立，否则，更换原奶产品样本数据，重新进行训练，直到算法收敛。 根据本专利技术的再，其中，作为本专家系统输入的原奶产品理化指标，包括脂肪、蛋白、干物质、乳糖、冰点、比重、非脂乳固、酸度、细菌总数、嗜冷菌、芽孢、耐热芽孢、掺碱量、亚硝酸盐、双氧水、糊精、抗生素、水解蛋白、尿素、葡萄糖、脂肪粉、蔗糖、淀粉、氨类、豆浆、硝酸盐、硫代硫酸钠、淀粉酶。 根据本专利技术的另，其中，BP网络的输入数据是原奶产品的各项理化指标，输出数据是原奶产品感官品评得分。 根据本专利技术的又，其中，BP网络的初始学习率为0. 25-0. 39。 根据本专利技术的又，其中，原奶产品感 官品评专家系统的使用管理过程为 测定待评价原奶产品的各项理化指标，并将所得数据输入该系统； 根据原奶产品理化指标进行自组织特征提取，确定其所属类别； 如果输入的原奶产品理化指标属于未知类，不在该原奶产品感官品评专家系统的已有BP网络中训练过，则以原奶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； 如果输入的原奶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，并计算出原奶产品感官品评指标预测值。 附图说明 以下附图仅对本专利技术做示意性说明和解释，并不限定本专利技术的范围，其中 图1是本专利技术的原奶产品感官品评专家系统的流程图； 图2是图1所示的原奶产品感官品评专家系统的使用管理示意图。具体实施例方式本专利技术的原奶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原奶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。 本专利技术的原奶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、季节原奶样本，进行如下处理 1)首先测定原奶的各项理化指标脂肪、蛋白、干物质、乳糖、冰点、比重、非脂乳 固、酸度、细菌总数、嗜冷菌、芽孢、耐热芽孢、掺碱量、亚硝酸盐、双氧水、糊精、抗生素、水解 蛋白、尿素、葡萄糖、脂肪粉、蔗糖、淀粉、氨类、豆浆、硝酸盐、硫代硫酸钠、淀粉酶。组织专家 对原奶进行感官品评，品评项目如下色泽、乳香味、口感和异味情况，评分标准见表l，将 所得数据录入数据系统； 表l原奶评分标准 l分2分3分4分5分色泽色泽极深 或极浅色泽很深 或很浅色泽较深 或较浅色泽稍深 或稍浅呈均匀一致的 乳白色乳香味乳香味极平淡 或极重乳香味很重 或很轻乳香味较重 或较轻乳香味略重 或略轻具有纯正的乳 香味，乳香味 适中异味情况有极重的异味有较重的异味有异味， 并可以描述稍有异味， 但难以描述没有异味口感口感极厚 或极薄口感很厚 或很薄口感较厚 或较薄口感略厚 或略薄薄厚度适中 2)运用Matlab(V. 7. 0)软件完成神经网络的建立，自动剔除错误或特异性样本， 并用线性函数对样本数据进行归一化；5 3)结合领域专家经验，按照等级的不同，将原奶分成两组 合格四本文档来自技高网...
【技术保护点】
一种建立原奶产品感官品评专家系统的方法，包括： 品评专家对原奶产品进行感官品评，并测定所述原奶产品的理化指标，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原奶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原奶产品理化指标进行聚类，完成所述数据库中所有原奶产品理化指标的分类，并建立分类库； 对不同类原奶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； 将所述原奶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，上述步骤即完成原奶产品感官品评专家系统的建立，否则，更换所述原奶产品样本数据，重新进行训练，直到算法收敛； 其特征在于，所述原奶产品感官品评的品评项目包括：色泽、乳香味、口感和异味情况。...
【技术特征摘要】
一种建立原奶产品感官品评专家系统的方法，包括品评专家对原奶产品进行感官品评，并测定所述原奶产品的理化指标，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原奶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原奶产品理化指标进行聚类，完成所述数据库中所有原奶产品理化指标的分类，并建立分类库；对不同类原奶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；将所述原奶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，上述步骤即完成原奶产品感官品评专家系统的建立，否则，更换所述原奶产品样本数据，重新进行训练，直到算法收敛；其特征在于，所述原奶产品感官品评的品评项目包括色泽、乳香味、口感和异味情况。2. 如权利要求1所述的建立原奶产品感官品评专家系统的方法，其中，作为所述系统 输入的所述原奶产品理化指标，包括脂...
【专利技术属性】
技术研发人员：郭奇慧，白雪，张少辉，刘卫星，
申请(专利权)人：内蒙古蒙牛乳业集团股份有限公司，
类型：发明
国别省市：15[中国|内蒙]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。