[发明专利]一种建立常温液奶产品感官品评专家系统的方法

说明书

技术领域

本发明涉及一种建立常温液奶产品感官品评专家系统的方法，具体来说，为减少对品评专家的依赖，提高对常温液奶产品进行感官品评的自动化程度，本发明提供了一种建立常温液奶产品感官品评专家系统的方法。

背景技术

近年来，随着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。，常温液奶作为乳制的主要产品，其销量和被消费者认可程度，在所有乳制品中居于首位。由感官品评专家对常温液奶产品进行感官品评，是目前主要采用的方法。但是，专家的评定结果受到主观因素的影响，随情绪、年龄、性别、识别能力的不同而有所差异，具有较大的不确定性，同时，人工品评过分依赖专家经验，不利于实现自动化操作。

很明显，常温液奶产品的各项理化指标，例如脂肪、干物质、冰点等，与常温液奶产品的感官品评之间存在密切联系。目前，对于常温液奶产品理化指标和感官品评指标之间的相关性，尚没有定量的分析研究。

Kohonen自组织特征映射，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。而BP网络是目前应用最广泛的人工神经网络模型之一，其权值和阈值调整采用反向传播的学习算法，可以实现从输入到输出的任意非线形映射。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，因此可以对未知样本进行预测。

目前，在运用上述模型建立食品感官品评系统方面，已有一些研究，但主要应用于酒类、烟类，而常温液奶产品的成分更加复杂，且风味不象烟、酒类那样突出和典型，人工品评的难度和不确定度更大。因牧场的地理位置、饲养条件、饲料种类、奶牛品种以及季节等因素的不同，原奶品质具有很大差异，导致常温液奶产品的滋气味差别很大，上述因素给建立常温液奶产品感官品评专家系统带来了困难。目前，在常温液奶产品感官品评应用方面，还没有相关的方法或者系统。

发明内容

本发明旨在提供一种建立常温液奶产品感官品评专家系统的方法，由常温液奶产品理化指标判定感官品评，克服现有方法过分依赖品评专家的缺陷，减少人工品评的不确定度，提高常温液奶产品感官品评效率和自动化程度。

为实现上述目的，本发明提供了一种建立常温液奶产品感官品评专家系统的方法，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常温液奶产品样本，组织品评专家对常温液奶产品进行感官品评，根据品评得分，把常温液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、不一致或不完整的常温液奶产品感官品评得分和理化指标样本数据，并对数据库中的常温液奶产品样本数据进行归一化，从而实现各常温液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自组织特征映射对常温液奶产品理化指标样本数据进行聚类，完成数据库中所有常温液奶产品样本数据的分类，并建立分类库；

对不同类常温液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；

将常温液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，上述步骤即完成常温液奶产品感官品评专家系统的建立，否则，更换常温液奶产品样本数据，重新进行训练，直到算法收敛。

根据本发明的再一种建立常温液奶产品感官品评专家系统的方法，其中，常温液奶产品的品评项目包括：色泽、乳香味、口感和特征风味。

根据本发明的另一种建立常温液奶产品感官品评专家系统的方法，其中，作为本专家系统输入的常温液奶产品理化指标，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。

根据本发明的又一种建立常温液奶产品感官品评专家系统的方法，其中，BP网络的输入数据是常温液奶产品的各项理化指标，输出数据是常温液奶产品感官品评得分。

根据本发明的又一种建立常温液奶产品感官品评专家系统的方法，其中，所述常温液奶产品感官品评专家系统的使用管理过程为：