人工神经网络在食品检测中的应用

关键词：人工神经网络：食品检测：应用
Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｉｎ Ｆｏｏｄ Ｉｎｓｐｅｃｔｉｏｎ
Ｙａｎ Ｊｉｕｌｉｎ，Ｚｈａｎｇ Ｚｈｅ，Ｚｈｏｕ Ｊｉａｎｇ Ｍａ Ｙｕｎｈａｉ， Ａｂｓｔｒａｃｔ：ＡｒｔｉｆｉｃｉａＩ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｈａｓ ｄｅｖｅｌｏｐｅｄ ｖｅｒｙ ｒａｐｉｄｌｙ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ．Ｉｔｓ ａｄｖａｎｔａｇｅ Ｉｉｅｓ ｉｎ ｔｈｅ ｃｏｎｔｒｏｉ ａｎｄ ｐｒｅｄｉｃｔ ｏｆｕｎｃｅｒｔａｉｎ ｓｙｓｔｅｍ．Ｔｈｅ ｆｏｏｄ ｉｎｄｕｓｔｒｙ ｉｎｖｏｌｖｅｄ ｉｎ ｆｏｏｄ ｐｒｏｃｅｓｓｉｎｇ．ｑｕａｌｉｔｙ ｃｏｎｔｒ０１． ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ｉｓ ｏｆｔｅｎ ａ ｎｏｎ．１ｉｎｅａｒ ａｎｄ ｎｏｎ．ｓｔｅａｄｙ—ｓｔａｔｅ ｓｙｓｔｅｍ．ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ
ａｐｐｌｉｃａｔｉｏｎｓ，
Ｋｅｙｗｏｒｄｓ：ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ：Ｆｏｏｄ Ｉｎｓｐｅｃｔｉｏｎ；ｈｐｐｌｉｅａｔｉＯｔＩＳ
引言
在控制领域的研究课题中，不确定性系统的 控制问题长期以来都是控制理论研究的中心主 题之一，但是这个问题一直没有得到有效的解 决。利用神经网络的学习能力，使它在对不确定 性系统的控制过程中自动学习系统的特性，从而 自动适应系统随时间的特性变异，以求达到对系 统的最优控制；显然这是一种十分振奋人心的意 向和方法。神经网络模型是以神经元的数学模型 为基础来拥述的。神经网络模型由网络拓扑、节 点特点和学习规则来表示。从二十世纪九十年代 开始，人工神经网络的应用领域迅速扩大，特别 在图像识别、语音识别展现了很好的智能特性。 食品工业所涉及的食品加工过程、品质控 制、成分分析往往是属非线性和非稳态的系统， 将人工神经网络应用势必会促进食品工业的发 展，但目前这方面的研究工作还是处于初步阶 段。本文将简单介绍神经网络的基本原理，并综 述了神经网络在国内外食品工业应用的情况，在 此基础上对神经网络在食品工业中的应用前景 进行了探讨。
采用人工神经网络模型进行水环境质量评价运算速度快评价结果准确具有广泛的应用前景为水环境质量评价开辟了一条新途径秦肖瑧等利用神经网络在非线性系统辨识方面的独到之处对啤酒发酵中的糖度建模以酵母活性酵母数量麦汁浓度和发酵温度为2个输入结点隐层采用4个神经元以发酵液中的糖度值作为输出结点解决了在啤酒发酵过程中糖度不能在线测量的难题为啤酒发酵过程的全自动化起到了可喜的推进作用1123其他方面的检测污水处理过程中难闻气味的散发是大气污染的一个来源
时，它就处于激发态，反之则出于抑止态。为使 系统有更宽的适用面，人工神经元应有一个更一 般的变换函数，用来变换所获得的网络输入，这 就是激活函数。将人工神经元的基本模型和激活 函数合在一起构成人工神经元，这就是著名的 ＭＰ模型（ＭｃＣｕｌｌｏｈ ｐｉｔｔｓ），也可称之为处理单 元（ＰＥ）。如下图：
ｘｎ
ｎｅｔｗｏｒｋｓ Ｃａｎ ｐｒｏｍｏｔｅ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｆｏｏｄ ｉｎｄｕｓｔｒｙ．Ｆｉｒｓｔｌｙ ｔｈｉｓ Ｐａｐｅｒ ｂｒｉｅｆｌｙ ｉｎｔｒｏｄｕｃｅｄ ｔｈｅ ｔｈｅｏｒｙ ｏｆ ａｒｔｉｆｌｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ａｎｄ ｔｈｅｎ ｓｕｍｍｅｄ ｕｐ ｔｈｅ ｓｉｔｕａｔｉｏｎ ｔｈａｔ ｔｈｅ ａｒｔｉｆｌｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗｉｌｌ ｂｅ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｆｏｏｄ ｉｎｄｕｓｔｒｙ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ．ｆｉｎａｌｌｙ ｔｈｅ ｐａｐｅｒ ｌｏｏｋｅｄ ｔｏ ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
输 人
参
赣
救
善
数
儡Ｉ罩１
●人麓 急台层 ■出蜃
图３典型神经网络结构
４５２
中国农业机械学会２００８年学术年会论文集
２神经网络在食品检测中的应用
２．１水果分级和分类 对大多数新鲜果蔬的包装过程己经达到很 高的自动化程度，自动清洗机、打蜡机、根据大 小或颜色的分类设备都有效地提高这一过程的
分析法和人工神经网络算法处理，其中人工神经 网络又采用了ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ ｏｎｅ算法和 ｍａｐ算法。经试验，这种多个非 特定传感器组成的电子舌在两个阶段的试验中 都能很好的达到试验目的。结果表明，电子舌系 统可以用于定量和定性分析成份复杂的液体【¨。 新鲜蒸出的酒如葡萄酒蒸馏液、威士忌和朗 姆酒通常有刺激的、令人不愉快的气味和辛酸的 口感，所以需放在橡木桶中数年以提高风味和口 感，这就是酒的陈化。酒陈化的机制至今仍未完 全清楚，环境条件、桶的使用、桶的质量和陈化 前酒的质量等都会影响陈化的结果。这个建模过 程是非常复佘，高度非线性和对最终产品的质量
早在电子计算机出现之前人类就开始探索 智能的秘密，期望有一天能够复制人脑，让其替 人类工作。人工神经网络从仿生学角度出发，从 生理模拟的角度去研究思维与智能，擅长于对人 的形象思维的模拟。神经网络对人们的巨大吸引 、力主要在下列几点：１．并行分布处理。２．高度 鲁棒性和容错能力。３．分布存储及学习能力。 ４．能充分逼近复杂的非线性关系。 １，２生物神经网络简介 人工神经网络是受生物神经网络启发构造 而成的，所以有必要先简单介绍一下生物神经网 络。图ｌ为生物神经元及其相互连接的典型结 构。 枝蔓从胞体伸向其他神经元，并在成为突触 的联接点接受信号。突触的接收侧，信号被送入 胞体，这些信号在胞体里被综合，有的信号起刺 激作用，有的信号起抑制作用。当累加刺激超过 一个阈值时胞体就被激发，此时它就会沿轴突同 过蔓技向其他神经元发出信号。生物神经系统有 如下六个基本特征： （１） 神经元及其联接； （２） 神经元之间的联接强度决定信号传递的 强弱： （３） 神经元之间的联接强度是可以随训练而 改变的； （４） 信号是可以起刺激作用的，也可以是起 抑制作用的； （５） 一个神经元接受的信号的累积效果决定 了该神经元的状态； （６） 每个神经元可以有一个“阈值”。 １．３人工神经元 由上述可知，神经元是构成神经网络的最基
１人工神经网络简介
人工神经网络（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ， 简称ＡＮＮ）是对人类大脑一阶特性的一种描述。 简单的讲是一种数字模型，是人工智能研究的一 种方法。 １．１人工神经网络特点
闫久韩吉林大学地面机械仿生技术教育部重点实验室，１３００２２长
春市
张哲吉林大学地面机械仿生技术教育部蕈点实验室 周江吉林大学地面机械仿生技术教育部重点实验室 马云海吉林大学地面机械仿生技术教育部重点实验室
ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ
效率。但是，在这一过程中重要的一步——水果
质量的检查与分级仍是靠人工来操作，这大大降 低了生产效率，同时制约了国际市场通用的果蔬 分级标准的建立。果蔬外观特征很多，随季节、 产地和品种不同而不同颜色往往是衡量果蔬外 部品质的个重要指标，也间接反映果蔬的成熟度 和内部品质，高品质的果蔬一般着色好。 李庆中等抽取苹果的颜色特征，用遗传算法 与神经网络结合，对苹果颜色分级识别准确率在 ９０％以上，分级一个苹果所用的时间为１５０ｍｓ， 可实现苹果颜色的实时分级【２】。杨秀坤等也利用 遗传算法与神经网络结合进行苹果颜色的自动 检测，训练过程只用５ｓ，对苹果不同品种的判 别准确率可达９３％【３Ｊ。潘胤飞等人研究使用电子 鼻系统区分苹果的好坏。他们利用Ｓｎｏｚ传感器 作为传感器阵列，利用遗传算法优化ＲＢＦ神经 网络（径向基函数神经网络）算法处理数据，样 品为超市购买的好坏苹果各５０个，最终对苹果 的好坏区分正确率达到了９６．４０％［４］ｏＢｅｎａｄｙ等【５Ｊ 发明了一种测试水果成熟度的电子鼻系统，根据 水果挥发的气味区分水果成熟度。传感器阵列由 气体探测半导体组成，象一个小小的帽子被安置 在水果的表面。成熟水果的气味散发出来即被帽 子收集，引起传感器传导率的改变，然后通过计 算机数据系统进行模式识别。在实验室测试时， 判断水果成熟或未成熟的成功率在９０％以上。分 为３组（未成熟，半成熟，成熟）的检测检测陈刚 率则是８３％。 ２．２液体食品的检测 Ｗｉｎｑｕｉｓｔ等人研究利用电子舌鉴别六种发 酵牛奶。他们使用６种金属：金、铱、铂、钯、 铼和铑，分别制成工作电极并嵌入一个中间带有 参比电极（Ａｇ／ＡｇＣｌ）的陶制圆盘上，圆盘装在一 根起着辅助电极作用的不锈钢管中，然后施以脉 冲电压。使用ＰＣＡ和ＡＮＮ分别处理数据。试 验表明这种混合型的电子舌系统可以很好的鉴 别出试验用的６种发酵牛奶［６】。这为今后在电子 舌系统中再加入不同的味觉传感器，用于检测其 他的物质奠定了基础，这一系统今后在许多方面 都会得到应用。 俄国的Ａｎｄｒｅｙ Ｌｅｇｉｎ等人利用电子舌区别 茶、咖啡、软饮料、啤酒、果汁和矿泉水。试验 包括区分不同类型的饮料和区别同种饮料中不 同的种类。试验中使用了１８＂＂２１个非特定传感 器组成传感器阵列，采集数据后分别使用主成分
中国农业机械学会２００８年学术年会论文集
４５１
图１
生物神经元及其相互连接的典型结构
本单元，因此想要构造一个人工神经网络系统， 首先要构造人工神经元模型。这个模型不仅是数 学模型，还要具备上述的神经元的基本特征。由 上述对生物神经元的讨论，首先要人工神经元可
以模拟生物神经元的一阶特性——输入信号的
加权和。神经元在获得网络输入后它应当给出适 当的输出。按照生物神经元的特性，每个神经元 有一个阈值，当输入信号的累计效果超过阈值
李文鸽等人研究使用人工神经网络法进行
水环境质量评价。以国家行业规范规定的水质标 准浓度为基础生成学习样本，对网络进行学习训 练，当网络收敛后即可用来对所需评价的水质进 行环境质量评价。采用人工神经网络模型进行水 环境质量评价，运算速度快，评价结果准确，具 有广泛的应用前景，为水环境质量评价开辟了一 条新途径ｐＪ。 秦肖臻等利用神经网络在非线性系统辨识 方面的独到之处，对啤酒发酵中的糖度建模，以 酵母活性、酵母数量、麦汁浓度和发酵温度为２ 个输入结点，隐层采用４个神经元，以发酵液中 的糖度值作为输出结点，解决了在啤酒发酵过程 中糖度ห้องสมุดไป่ตู้能在线测量的难题，为啤酒发酵过程的 全自动化起到了可喜的推进作用【ｌ¨。 ２．３其他方面的检测 污水处理过程中难闻气味的散发是大气污 染的一个来源。土耳其的Ｇｕｌｅｄａ Ｏｎｋａｌ—Ｅｎｇｉｎ等 人利用电子鼻检测污水处理过程种污水的气味。 电子鼻使用的是英国产的ｅ ＮＯＳＥ系统，使用人 工神经网络（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）算法处 理电子鼻响应的数据。试验表明，这一系统完全 能够区分不同方法处理的污水的气味。这种方法 对于监测污水处理过程中产生的气味、减少大气 污染有很广阔的应用ｕ 在农产品的品质自动化检测中，玉米籽粒的 品种识别是一个重要方面。人工检测玉米籽粒品 种不但主观性强，而且效率低下，不能适应大规 模检测的要求。杨蜀秦等研究应用人工神经网络
图２咿模型
１．４人工神经网络 神经网络包含大量神经元，这些神经元可分 为输入层、隐层和输出层的多层结构。输入、输 出层为单层，神经元数（也称节点数）分别由输 入、输出变量的数目确定；隐层可以是单层也可 以是多层。隐层层数与各隐层节点数的确定比较 复杂，一般应以获得最优网络性能为目标，根据 所研究的具体问题，按经验或作尝试比较确定。 下图为典型神经网络结构。 １．５人工神经网络的训练 神经网络的学习训练目的是使网络模型较 准确地描述实际对象输入输出变量间的映射关 系，并对所需变量作出预测。必须利用一个或多 个代表对象特性的样本数据集对ＡＮＮ进行训 练。最简单的情况就是通过特定的学习算法调整 各神经元间信息通道的连接权值，使ＡＮＮ的实 际输出不断逼近期望输出。【ｌＪ
４５０
中国农业机械学会２００８年学术年会论文集
人工神经网络在食品检测中的应用
闫久林 张哲
周江
马云海
摘要：人工神经网络近年来发展很快。其优势在于不确定性系统的控制和预测。食品工业所涉及的 食品加工过程、品质控制、成分分析往往是属非线性和非稳态的系统，应用人工神经网络能够促进 食品工业的发展。本文首先简单介绍了人工神经网络的原理，然后总结了国内外将入工神经网络应 用于食品工业的一些情况，最后展望了人工神经网络的应用前景。
评定缺乏客观的指标。Ｒａｐｔｉｓ等以陈化的葡萄酒 为研究对象，分别建立其风味及口感与各因素的 联系。以橡木桶的使用次数，桶的使用长度和葡 萄酒的年分作为输入，风味（或口感）作为神经网 绍输出。风味与口感是由专家进行打分得到。对 风味与口感分别取１４０组样品训练，以２０组未 知样本进行验证，ＡＮＮ所得结果与专家的评分 十分相近【８１。