神经网络在60Co—γ射线辐照保鲜无防腐剂香肠建模中的应用
文章采用贝叶斯神经网络的方法对60Co-γ射线辐照保鲜无防腐剂香肠辐照工艺与理化指标进行建模，并对其准确性进行验证，利用模型进行理化指标的预测，验证模型准确性。
标签：贝叶斯神经网络；60Co-γ射线；无防腐剂香肠；网络预测
引言
食品辐照技术是20世纪发展起来的一种新型灭菌保鲜技术。采用辐射加工技术手段，运用高能射线如x-射线、γ-射线等对食品进行加工处理，在能量的传递和转移过程中，产生理化效应和生物效应达到杀虫、杀菌的目。因为是冷杀菌手段，所以有效的提高了食品卫生质量，保持营养品质及风味和延长货架期。本文采用无防腐剂的香肠作为对象，排除了化学防腐剂对保鲜效果影响，同时为了食品加工行业发展提供方向，不添加化学防腐效果成分的同时也可以采用辐照的方法有效提升货架期，有效提高企业效益，延伸销售链；对于不同种类的香肠制品，从肉质到成分，都会有所差别，通过大量辐照试验获得辐照工艺的方法，不仅耗时长，而且检验指标及检验方法也过于繁琐，因此结合采用人工智能神经网络算法，在有限次数实验数据的基础上，建立不同剂量60Co-γ射线对香肠品质影响的规律模型为科学辐照提供理论依据。
正则化网络
1 实验方法与理化指标的检测
1.1 样品辐照
本项目采用不含任何防腐效果的特制香肠为对象，在黑龙江省科学院技术物理研究所辐照中心进行。采用静态堆码式60Co-γ放射源，跟踪剂量计为Ag2Cr2O7经中国剂量科学研究院丙氨酸剂量计（NDAS）传递比对校准，分别采用不同剂量（2-6）kGy，进行静态辐照。完成辐照2天内进行理化指标的检测，在（22.0±1）℃下保存30天后进行微生物指标的检测。
1.2 理化指标及微生物指标测定方法
1.2.1 菌落总数，参照国家标准GB/T4789.2-2008采取实验方法测定菌落总数。
1.2.2 水分含量，参照国家标准GB/T6965.15可用蒸馏法或直接干燥法。本项目采用直接烘干法。
1.2.3 氯化钠含量，参照国家标准GB/T9695.8进行测定，采用水浸出后用硝酸盐标准溶液滴定法测定。
1.2.4 蛋白质，参照国家标准GB/T9695.11进行测定。
1.2.5 菌落总数，参照GB4789.2-2010进行测定。
1.3 检测结果与数据处理
采用以上检测方法进行检测，由于实验过程产生个别认为误差，利用matlab软件plot函数对每组数据进行拟合，将误差较大的个别数据进行剔除，最终得到50组数据，部分数据如表1。
表1 60Co-γ射线辐照保鲜无防腐剂香肠检测结果
2 神经网络算法
2.1 BP神经网络
通常BP神经网络具有3层结构，分别为输入层、隐含层和输出层。通常来说隐含层采用Sigmoid函数，输出层采用Pureline函数，因为符号函数标准输入、输出现代为[0，1]，因此在学习过程中，通过转化层将辐照工艺参数进行转化限定区间，避开网络输出的饱和区。五
层神经网络结构如图1。
2.2 性能指标
性能指数是衡量网络性能的量化标准，BP神经网络一般采用网络军方误差作为性能指标：
式中：Ed为网络的均方误差；n为学习集体样本总数，tp为第P组训练的期望输出值，ap为第P组的实际输出值。影响神经网络泛化能力主要依赖于网络结构和训练样本的特性，因此可以选择合适的训练策略和优化网络结构来提高其泛化能力。本文选取贝叶斯正则化算法对BP神经网络进行修正，网络性能指数变为：
式中：w为网络的权值向量，EW=m-1■？棕■■为网络所有权值的均方误差，其中m为网络权值的总数，Wj为网络权值，a和b为正则化系数，其大小直接影响训练效果。
2.3 贝叶斯正则化BP神经网络训练步骤
（1）确定网络结构，初始化超参数α=0和β=1，根据先验分布对网络参数赋初值。
（2）用BP算法训练网络使总误差F（W）最小。
（3）利用高斯牛顿逼近法计算出有效参数个数。
（4）计算超参数α和β的新的估计值。
（5）重复执行（2）、（3）、（4）直到达到所需精度。
贝叶斯方法正则化神经网络是个迭代过程，每个迭代过程总误差函数随着超参数的变化而变化，最小点也在变化，网络的参数也在不断修正，最终达到总误差函数在迭代过程中没用较大改变。目前在网络结构的选择方面还没有理想的方法，在实际工作中常常需要用试验的方法确定最佳的网络结构，因此可采用不同的网络结构进行网络训练，然后比较这些网络模型的显著度，选择显著度较大的网络作为模型。
3 神经网络建模及预测
通过上述实验获得的50组数据中，45组数据作为人工神经网络训练样本，另选择其他5组数据作为检验样本，运用MATLAB软件，进行人工神经网络的训练和预测。网络输入剂量、剂量率，输出为水分、氯化钠含量，通过应用均方差函数比较目标值和预测值的差异，计算目标值与预测值间的误差，观察网络模型对训练情况，网络拟合图性能进行评价。
网络训练结果显示，经过1500步训练后，网络误差平方和均值为5×10-3，达到了设定的最小训练目标值。网络训练完毕后，得到数学模型后，利用剩余5组数据进行预测验证，网络训练效果如图2-5所示。
4 结束语
采用辐照的方法进行无防腐剂香肠保质期的时间跟辐照剂量相关，采用4kGy的剂量进行辐照可使香腸的保质期达到1个月以上，且香肠的颜仍在可接受范围内，说明辐照方法有效的提高了香肠的卫生质量，延长保质期。采用神经网络建立了香肠辐照工艺与理化、微生物指标的模型，并通过实验验证了模型的准确性，为进一步确定辐照工艺提供理论支持。
参考文献
[1]2015-2020年中国肉制品市场现状及战略咨询报告[R].北京：中国产业信息网，2015.
[2]郭淑珍.辐照保藏五花肉的品质特性及影响因素的研究[D].四川农业大学，2007.
[3]贾巧唤，任石苟.我国辐照食品的研究现状及发展前景[J].食品工程，2008（4）：12-14.
[4]陈秀兰，曹宏.鹅肉制品的辐照保质研究[J].核科学报，2005（4）：371-374.
[5]田 ，梁飞，卢江.人工神经网络建模结合遗传算法优化岗松油环糊精包合物制备工艺参数[J].中国医药大学学报，2011（4）：324-328.
[6]蒋继成，张丽芳，赵孝文，等.Visual c#与Matlab混合编程在60Co-γ射线辐照白酒工艺参数优化中的应用[J].科技创新与应用，2014
（33）：28.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。