面向用户体验优化的腌制食品生产参数的设计和实现 电子信息工程专业.docx

《面向用户体验优化的腌制食品生产参数的设计和实现 电子信息工程专业.docx》由会员分享，可在线阅读，更多相关《面向用户体验优化的腌制食品生产参数的设计和实现 电子信息工程专业.docx（34页珍藏版）》请在第一文库网上搜索。

1、面向用户体验优化的腌制食品生产参数的人工智能设计目录目录目录1摘要2第一章绪论31.1 课题的研究背景31.2 研究的目的和意义31.3 国内外研究现状41.3.1 腌制品配方设计及优化研究情况41.3.2 人工神经网络的应用研究情况51.4 课题研究内容6第二章神经网络与蒙特卡洛算法72.1 人工神经网络72.1.1 生物神经元模型72.1.2 人工神经元模型82.1.3 人工神经网络分类92.2 BP神经网络112.2.1 BP神经网络结构112.2.2 BP神经网络学习过程及学习算法112.2.3 BP神经网络MAT1AB实现132.3 蒙特卡洛算法142.4 本章小结16第三章腌制品的

2、实验设计与样本收集163.1 实验设计163.1.1 实验材料163.1.2 确定腌黄瓜品质评分标准173.1.3 腌黄瓜检测方法183.1.4 实验的正交设计193.2 腌制实验方法203.2.1 腌黄瓜实验方法203.2.2 腌黄瓜实验数据样本收集21第四章基于神经网络的腌制品腌制过程建模234.1 神经网络选型与结构设计234.1.1 神经网络训练运行程序234.1.2 神经网络运行结果284.2 优化结果31第五章总结归纳本研究工作32致谢33参考文献34摘要本文研究的是如何在腌制品领域中成功应用人工神经网络以及遗传算法，达到优化工艺的目标。第一步是查阅国内外相关文献，形成对人工神经网

3、络和遗传算法的基础认识，其中对BP神经网络和蒙特卡洛的结构以及构造方法进行了相对深入的研究，且在MAr1AB平台上的实现相应的运算，根据研究分析尝试将蒙特卡洛算法与人工神经网络相结合进行实验。第二步以正交实验设计方法为基础设计相关实验方案对样本数据进行测算，在MAT1AB平台上建立了BP神经网络仿真模型之后将样本数据作为训练样本，同时评估模型的泛化能力。最后得出的结果较为良好，BP神经网络模型的预测值在精确度上较好，符合数理统计中的相关要求，所以将其用于后续研究。采用BP神经网络和蒙特卡洛算法相结合的模型，希望能够优化腌制品的相关配方，得到各参数的最优比。最后，对优说明所优化配方的方法是可行的

4、，达到了配方优化的目标。关键词：人工智能，神经网络，智能优化系统，MAT1AB,腌制食品第一章绪论1.1 课题的研究背景it技术的高速发展，信息化智能化的时代也在不断推进，庞大的数据与各种算法相结合，推动了各行各业更进一步。为了尽可能的解放人类、提高生产力，当下的计算机技术的研究方向是如何让机器以人的思维方式，进行大量的逻辑运算，即被称之为人工智能(ArtifiCiaIIntenigenCe)。A1的运用首先是在机器人如较为有名的阿尔法Go,以及机械的自动化，代替人类进行动作决策；之后各行各业也开始尝试着与相关技术的结合，得到了较为不错的结果，比如材料行业利用A1进行大量运算实现对材料性能的预

5、测；像本文所涉及的配方开发领域，也开始使用A1进行大数据分析及挖掘。人工神经网络是人工智能与生物以及认知科学相结合的产物，其中的生物特征是以人类神经网络的结构和行为为参照的，整个内部结构仿造人类大脑，计算方式类似脑神经，其中相互连接的处理单元被称之为神经元且处于高度互联的状态，整个计算系统相对而言较为复杂。近年来，越来越多的研究者将人工神经网络与神经网络相结合，补足人工神经网络的一些欠缺之处，充分利用BP神经网络的优化算法，提高了人工神经网络的智能搜索的功能，加快找到全局最优解的速度。1.2 研究的目的和意义腌制品配方的配比研究较为具有专业性以及技术性。以往在研究腌制品的配方时，只能通过实证研

6、究来确定新配方各方面的性能是否得到优化，能否满足相关要求，为此就带来了实验方案设计问题以及后续如何评估的问题。为了节省人力及物力，实验方案以及后续评估都要求周期短、成本低，同时也要达到结果最佳，此时如何设计实验方窠和后续结果评估方案的问题就显得特别突出。如果能够设计出较为合理的实验方案、有效且合适的后续结果评估方案，则可以通过较少的实验和较短的开发周期达到预期效果；相反的，如果设计出的实验方案以及结果评估方案既不合理也不得当，那么不仅会增加实验次数，延长产品开发时间，开发成本也出现一定的增加。过去，人们主要使用正交实验方式设计出相应的实验方案，之后以开发人员在该行业的相关经验以及数理统计中简单

7、的线性关系为基础对公式进行调整，这种方法既需要较多的实验，同时还容易因为没有对各种影响因素进行充分研究，得不到最佳配方。所以，在本项目中利用了人工神经网络强大的非线性映射特性，构建了目标值（如性能指标）与决策因素（可以是配方添加量）的映射关系，通过对模型的训练，利用模型找出配方的最优比例，最终目的就是优化腌制品配方，提高腌制品各方面性能。人工神经网络的优化对腌制品配方的研究来说是一个较为良好的工具。从社会效益以及经济效益来说，结合神经网络的方法研究腌制品的配方，不仅能够缩短开发周期，同时省去了大量相关实证实验，所以既是减少了人力的投入，也削减了财力的消耗。1.3 国内外研究现状13.1 腌制品

8、配方设计及优化研究情况对于同样喜爱腌制品的日韩两国，研究热点主要在于发酵过程中的微生物如何运作以及对腌制品的防腐保鲜技术的优化。尽管腌制品的历史已有2000多年，但到20世纪初，微生物的作用才与腌制品联系在一起。乳酸菌独特的能够让腌制品具备温和的酸度和香气的功能，使其品质和营养都有一定提升，因此在国内外的发展较为迅速。HermebUry首先发现了乳酸杆菌属和片球菌属的一些种类，Pederson对卷心菜泡菜中发现的各种微生物进行了研究，发现肠膜明串珠菌是引起发酵的主要细菌；另外，PederSon和AIbUry也提出了自己的观点，在研究了几种蔬菜发酵中各种细菌的生长后发现，明串珠菌在蔬菜发酵开始时

9、比其余菌种更加活跃，其次是由啤酒片球菌、短乳杆菌和植物乳杆菌产酸，最后由植物乳杆菌产出较为大量的酸，直到发酵结束。在糖蒜的制作上，也瑛经过分析其色、香、味、形等方面，确定影响其质量的主要因素，同时分析了不同的加工方式下糖蒜品质的不同之处。肖玫等人研究了生姜泡制中各成分的具体影响，得到的最佳配方比例（质量分数）：嫩姜72.5%、盐卤25%、柠檬酸。3%、蜂蜜。.2%、十三香汁2%。李学贵以蜜汁生姜为研究对象，其做法是去皮、密封浸泡、洗干净、切制、压卤、蜜渍、翻拌和成熟等，最后得到的成品色泽金黄、味甜、略带辛辣但是较为酥脆可口。邹小波团队是国际中数一数二的食品研究团队，其研究方向是食品的无损检测技

10、术。近些年的研究工作多是以我国特色食品为研究对象，主要是多维感知技术在其工艺中的应用研究。邹小波认为中国传统的食品加工方式基本依赖于加工人员的相关经验，学习模式是较为传统的师傅带徒弟的方式，所以食品质量上较不稳定，而当下自动化智能化在各行各业推进指出了食品加工行业的未来发展方向。在食品加工的整个经过中，由人工进行评估，并且使用的是单调的通用型检测技术，并不能得到实时的风味变化、成分分布等非线性、时时变化的信息。经过16年的努力，邹小波的团队在多维感知仿生评估以及多维分布成像检测的方法上都取得了重大突破，同时以上述方法为基础，构建出具有自主知识产权的智能化加工设备。13.2 人工神经网络的应用研

11、究情况人工神经网络因其良好的非线性映射能力、泛化能力以及容错能力，主要被应用到模式识别、信号处理和机器人控制等领域。近些年里，随着技术的突破以及在各行各业中的各种应用尝试，人工神经网络得到了极大的发展。以预测仿真为例，因人工神经网路分析功能的强大以及数据处理算法的突破，国内外涌现了特别多的学者对此进行研究，且取得长足的进展。冯占利，李文钊，赵璐等人建立面包配方中各元素的人工神经网络模型，用于研究各元素之间的区别与联系，最终实现了面包配方的优化。1.4课题研究内容（1）把腌制品选材、配比和腌制工艺的已有知识用数学描述转换成可行解空间：项目组与腌制工艺技术人员密切交流，掌握腌制产品和腌制工艺的相关

12、知识，仔细分析选材、配比变量的边界约束、腌制工艺决策变量的上下界限、这些变量之间的制约关系，应用数学建模知识，研究如何把这些知识用数学描述转换成可行解空间。（2）建立腌制品口味体验结果关于其选材、配比、腌制工艺决策参数等众多决策变量之间的复杂非线性映射模型：在经验知识指导下，用均匀设计方法安排实验方案，获取样本数据；然后用神经网络拟合各种口味体验结果关于其选材、配比、腌制工艺决策参数等众多决策变量之间的复杂非线性映射。（3）搜索最佳选材、配比与最佳腌制工艺参数：在上述研究内容基础上，根据腌制品品质设计优化目标函数，根据“适者生存、优胜劣汰”的自然演化规律和人工智能理论，设计遗传算法的编码、解码

13、过程，确保遗传算法始终控制在可行域内；最后设计13种多目标优化准则，基于智能寻优搜索最佳的材料配方和腌制工艺决策变量。（4）实验验证研究：把以上研究内容得到的最佳选材、配比和腌制工艺决策变量，首先试验性的用来指导实际腌制过程，观察并分析实验效果、修正完善模型性能第二章神经网络与蒙特卡洛算法2.1 人工神经网络人工神经网络(Artificia1Neura1Network,ANN),简称神经网络(Neura1Networks,NN),主要作用是对庞大的信息群进行处理，从理论架构上讲则是一种借鉴了人类大脑结构的模型。其中的各个处理单元就类似于人脑中的神经元，同时各个处理单元之间也像神经元一样有着较为

14、紧密的连接。因此从现行科学领域来区分的话，人工神经网络既涉及了自然科学六大基础中的生物学以及物理学，同时也处于当下较为热门的人工智能、计算机科学领域中。2.1.1 生物神经元模型人类的大脑中有着数以亿计的神经元(NeUrOns),它们经由树突以及纤维相互连接，同时不仅形状多变，结构也是较为复杂的，当下的科学技术并不能完全破解。一个完整的神经元结构包括了细胞体、醛轴突、树突和突触四个部分。如下图2-1：图2-1生物神经元结构示意图目前的研究发现，大脑皮层中的神经元数目达到IOO多亿，连接神经元的神经突触及其连接体有60多万亿，其中神经元之间的连接被分为树突和轴突，其中树突是输入端，轴突是输出端，

15、突触则是其中的连接接口。由图2-1可以发现，由细胞体向外延展出突出的结构称为树突，树突的表面是不规则的，同时分支较多，以网络信号进行类比可将其视为信号的输入端，其他神经元发出的冲动信号通过树突进入。而轴突虽然也是由细胞体向外突出的结构，但是它是一段比较长的突起，而且其末端连接的是大量的神经末梢，另外轴突没有分支，一个神经元仅有一个轴突。图2-2是神经元中信号的传递过程。电脉冲图2-2神经元信号传递流程突触位于树突与轴突之间，冲动信号由上一个神经元的轴突向下一个神经元传递时，经过突触到达下一个神经元的树突，类比计算机网络来看，可将其视为IO接口。庞杂的神经系统支撑着大脑进行各种复杂的“运算”，构成了一个强大的神经网络，而大脑的具体功能区可以通过伏丁神经元的排列方式和连接强度来体现。2.1.2 人工神经元模型人工神经网络的搭建是以生物神经网络为基础的，其中的处理单元是以生物神经元为参照的人工神经元，不过因为技术的限制，目前的神经网络远不如人脑神经网络。图2-3是较为通用的神经元模型。图2-3通用神经元模型2.1.3 人工神经网络分类人工神经元和人工神经网络之间的关系是个体和整体、要素和系统，对于单个神经元，具体的结构及其相应的工作机制并不复杂，但是随着神经网络的搭建，神经元个数和连接体的数量的不断增加，这个网络整体的工作机理以及相应的结构就变得复杂了。神经网络算法随着Python的