一种鸡精调味料风味质量控制方法及系统技术方案

本发明专利技术公开了一种鸡精调味料风味质量控制方法及系统，该方法包括：标准风味样本的风味感官数据归一化；利用主成分分析得到各主成分的贡献率；将主成分按照贡献率从大到小的顺序排序，若累积贡献率达到预设值以上的前N个主成分作为BP网络的输入变量；将前N个主成分的数据导入BP网络，通过BP网络进行训练，保存标准风味样本的BP网络的数据；根据标准风味样本的BP网络的数据对待测风味样本进行训练，判断待测风味样本的种类是否正确。该系统包括：归一化单元、主成分分析单元、BP网络单元以及风味种类检测单元。本发明专利技术的鸡精调味料风味质量控制方法及系统，能够对鸡精样本进行快速分类和鉴别，在生产中检测效果良好。

【技术实现步骤摘要】

本专利技术涉及香料香精
，特别涉及一种鸡精调味料风味质量控制方法及系统。
技术介绍
食品风味是构成食品美感的最重要因素，人工感官评定作为最基础的评级食品质量的方法，已经广泛的应用于鸡肉香精及鸡肉制品的感官质量以及风味品质的评价，是评定调味料的感官质量无可替代的方法。但是感官评定具有一定的主观性，易受评定人员身体状况、心理状况等因素的影响，重复性差，有疲劳适应以及时间顺序效应，无法在生产过程中实时监测质量,不能保证每批产品风味质量的稳定性。为了应对感官评价的受主观性影响以及花费高等缺点，近些年发展采用电子鼻等仪器理化分析的手段，利用仪器分析得到的风味数据应用主成分分析(PCA)、聚类分析(CA)、因子分析(DFA)等统计学方法对产品质量进行分析，这些方式往往只限建立特征风味的指纹数据库和无监督的分类识别模型，其所得数据只是浅层次的分析比较。
技术实现思路
本专利技术针对上述现有技术中存在的问题，提出一种鸡精调味料风味质量控制方法及系统，采用主成分分析算法和人工神经网络算法相结合的方法，能够对鸡精样本进行快速分类和鉴别，在生产中检测效果良好，解决了现有技术的人工感官评价的主观性以及一起分析所得数据只是浅层次的分析比较等缺点。为解决上述技术问题，本专利技术是通过如下技术方案实现的：本专利技术提供一种鸡精调味料风味质量控制方法，其包括以下步骤：S11：将电子鼻采集到的标准风味样本的风味感官数据归一化；S12：利用主成分分析得到归一化后的所述风味感官数据中的各主成分的贡献率；S13：将所述风味感官数据中的主成分按照贡献率从大到小的顺序排序，若前N个所述主成分的累积贡献率达到预设值以上，则把前N个所述主成分作为人工神经网络的输入变量；S14：将前N个所述主成分的数据导入所述人工神经网络，通过所述人工神经网络进行训练，保存所述标准风味样本的人工神经网络的数据；S15：根据所述标准风味样本的人工神经网络的数据对待测风味样本进行训练，判断所述待测风味样本的种类是否正确。较佳地，所述步骤S14具体包括：S141：网络初始化，确定所述人工神经网络的各层网络节点数、各层节点之间的连接权值及阈值；S142：计算所述人工神经网络的输出，得到输出与实际值之间的误差；S143：判断所述误差是否满足目标精度，若不满足，则进入步骤S144；若满足，则训练结束；S144：根据所述误差反馈调整各层节点之间的连接权值及阈值，重复步骤S142～S143，直到所述误差满足目标精度。较佳地，所述步骤S14中的所述人工神经网络包括输入层、隐含层以及输出层；所述输入层的节点数为N。较佳地，所述隐含层的激活函数为：所述输出层的传递函数为：根据所述误差反馈调整各层节点之间的连接权值及阈值的训练函数为：x(k+1)＝x(k)-[JTJ+μI]-1JTe，其中，e是误差值，x(k)为k次迭代各层节点之间的连接权值或阈值，J为误差函数对权值或阈值的一阶倒数雅克比矩阵，μ为常数系数变量。较佳地，所述步骤S15中若所述待测风味样本的种类不正确，还包括：判断该待测风味样本的位置、原属种类以及应属种类。较佳地，所述目标精度为0.0009～0.001之间的任一值。较佳地，所述步骤S13中的所述预设值为85％～95％之间的任一值。本专利技术提供一种鸡精调味料风味质量控制系统，其包括：归一化单元，用于将电子鼻采集到的标准风味样本的风味感官数据归一化；主成分分析单元，用于对主成分的贡献率进行分析，得到归一化后的所述风味感官数据中的各主成分的贡献率；人工神经网络单元，用于将前N个所述主成分的数据导入所述人工神经网络，通过所述人工神经网络进行训练，保存所述标准风味样本的人工神经网络的数据；风味种类检测单元，用于根据所述标准风味样本的人工神经网络的数据对待测风味样本进行训练，判断所述待测风味样本的种类是否正确。较佳地，所述人工神经网络单元依次包括：输入层、隐含层以及输出层。较佳地，所述鸡精调味料风味质量控制系统还包括：风味种类判断单元，用于当所述待测风味样本的种类不正确时，判断该待测风味样本的位置、原属种类以及应属种类。相较于现有技术，本专利技术具有以下优点：(1)本专利技术提供的鸡精调味料风味质量控制方法及系统，采用主成分分析算法和人工神经网络算法相结合的方法，减少了人为参与，进而减少了认为感官的主观性，提高了检测准确性；(2)本专利技术采用主成分分析算法对主成分的贡献率进行分析，只将贡献率比较大的主成分导入人工神经网络，计算简单，检测速度快；(3)本专利技术将风味感官数据归一化到0到1的范围内，电子鼻系统的传感器响应值的范围不同,或者对某种样本的风味较为敏感,造成该变量取值较大,对其他变量因子起到决定性的影响，归一化能消除数据自身带来的影响，能够使取值较小的变量在PCA分析中得以体现；(4)本专利技术的人工神经网络的权重和阈值的训练函数采用LM(levenberg-marquardt)算法，同时具有梯度下降法和牛顿法的优点，收敛速度快，进一步提高了检测速度，且权值和阈值在训练过程中稳步的收敛。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。附图说明下面结合附图对本专利技术的实施方式作进一步说明：图1为本专利技术的鸡精调味料质量控制方法的流程图；图2为本专利技术的BP神经网络模型图；图3为本专利技术的原始数据经过PCA计算后得到的第一主成分和第二主成分投影图；图4为本专利技术的导入训练样本后BP神经网络收敛特性曲线图；图5为本专利技术的训练样本输出值与实际值的差值曲线图；图6为本专利技术的鸡精调味料质量控制系统的结构示意图。标号说明：1-归一化单元，2-主成分分析单元，3-BP网络单元，4风味种类检测单元。具体实施方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1：结合图1-图5，本实施例对本专利技术的鸡精调味料风味质量控制方法进行详细描述，如图1所示为其流程图，其包括以下步骤：S11：将电子鼻采集到的标准风味样本的风味感官数据进行归一化，将其映射到0到1的范围内；S12：利用主成分分析(PCA)得到归一化后的风味感官数据中的各主成分的贡献率；S13：将风味感官数据中的主成分按照贡献率从大到小的顺本文档来自技高网...

【技术保护点】
一种鸡精调味料风味质量控制方法，其特征在于，其包括以下步骤：S11：将电子鼻采集到的标准风味样本的风味感官数据归一化；S12：利用主成分分析得到归一化后的所述风味感官数据中的各主成分的贡献率；S13：将所述风味感官数据中的主成分按照贡献率从大到小的顺序排序，若前N个所述主成分的累积贡献率达到预设值以上，则把前N个所述主成分作为人工神经网络的输入变量；S14：将前N个所述主成分的数据导入所述人工神经网络，通过所述人工神经网络进行训练，保存所述标准风味样本的人工神经网络的数据；S15：根据所述标准风味样本的人工神经网络的数据对待测风味样本进行训练，判断所述待测风味样本的种类是否正确。

【技术特征摘要】
1.一种鸡精调味料风味质量控制方法，其特征在于，其包括以下步骤：
S11：将电子鼻采集到的标准风味样本的风味感官数据归一化；
S12：利用主成分分析得到归一化后的所述风味感官数据中的各主成分的
贡献率；
S13：将所述风味感官数据中的主成分按照贡献率从大到小的顺序排序，
若前N个所述主成分的累积贡献率达到预设值以上，则把前N个所述主成分
作为人工神经网络的输入变量；
S14：将前N个所述主成分的数据导入所述人工神经网络，通过所述人工
神经网络进行训练，保存所述标准风味样本的人工神经网络的数据；
S15：根据所述标准风味样本的人工神经网络的数据对待测风味样本进行
训练，判断所述待测风味样本的种类是否正确。
2.根据权利要求1所述的鸡精调味料风味质量控制方法，其特征在于，
所述步骤S14具体包括：
S141：网络初始化，确定所述人工神经网络的各层网络节点数、各层节
点之间的连接权值及阈值；
S142：计算所述人工神经网络的输出，得到输出与实际值之间的误差；
S143：判断所述误差是否满足目标精度，若不满足，则进入步骤S144；
若满足，则训练结束；
S144：根据所述误差反馈调整各层节点之间的连接权值及阈值，重复步
骤S142～S143，直到所述误差满足目标精度。
3.根据权利要求2所述的鸡精调味料风味质量控制方法，其特征在于，
所述步骤S14中的所述人工神经网络包括输入层、隐含层以及输出层；所述
输入层的节点数为N。
4.根据权利要求3所述的鸡精调味料风味质量控制方法，其特征在于，

\t所述隐含层的激活函数为：所述输出层的传递函数为：根据所述误差反馈调整各层节点之间的连接权值及阈值的训练函数为：<...

【专利技术属性】
技术研发人员：肖立中，陈洋洋，程龙，
申请(专利权)人：上海应用技术学院，
类型：发明
国别省市：上海;31