神經(jīng)網(wǎng)絡(luò)在60Co—γ射線輻照保鮮無(wú)防腐劑香腸建模中的應(yīng)用

姚鋼++蔣繼成

摘 要：文章采用貝葉斯神經(jīng)網(wǎng)絡(luò)的方法對(duì)60Co-γ射線輻照保鮮無(wú)防腐劑香腸輻照工藝與理化指標(biāo)進(jìn)行建模，并對(duì)其準(zhǔn)確性進(jìn)行驗(yàn)證，利用模型進(jìn)行理化指標(biāo)的預(yù)測(cè)，驗(yàn)證模型準(zhǔn)確性。

關(guān)鍵詞：貝葉斯神經(jīng)網(wǎng)絡(luò)；60Co-γ射線；無(wú)防腐劑香腸；網(wǎng)絡(luò)預(yù)測(cè)

引言

食品輻照技術(shù)是20世紀(jì)發(fā)展起來(lái)的一種新型滅菌保鮮技術(shù)。采用輻射加工技術(shù)手段，運(yùn)用高能射線如x-射線、γ-射線等對(duì)食品進(jìn)行加工處理，在能量的傳遞和轉(zhuǎn)移過(guò)程中，產(chǎn)生理化效應(yīng)和生物效應(yīng)達(dá)到殺蟲、殺菌的目。因?yàn)槭抢錃⒕侄?，所以有效的提高了食品衛(wèi)生質(zhì)量，保持營(yíng)養(yǎng)品質(zhì)及風(fēng)味和延長(zhǎng)貨架期。本文采用無(wú)防腐劑的香腸作為對(duì)象，排除了化學(xué)防腐劑對(duì)保鮮效果影響，同時(shí)為了食品加工行業(yè)發(fā)展提供方向，不添加化學(xué)防腐效果成分的同時(shí)也可以采用輻照的方法有效提升貨架期，有效提高企業(yè)效益，延伸銷售鏈；對(duì)于不同種類的香腸制品，從肉質(zhì)到成分，都會(huì)有所差別，通過(guò)大量輻照試驗(yàn)獲得輻照工藝的方法，不僅耗時(shí)長(zhǎng)，而且檢驗(yàn)指標(biāo)及檢驗(yàn)方法也過(guò)于繁瑣，因此結(jié)合采用人工智能神經(jīng)網(wǎng)絡(luò)算法，在有限次數(shù)實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，建立不同劑量60Co-γ射線對(duì)香腸品質(zhì)影響的規(guī)律模型為科學(xué)輻照提供理論依據(jù)。

1 實(shí)驗(yàn)方法與理化指標(biāo)的檢測(cè)

1.1 樣品輻照

本項(xiàng)目采用不含任何防腐效果的特制香腸為對(duì)象，在黑龍江省科學(xué)院技術(shù)物理研究所輻照中心進(jìn)行。采用靜態(tài)堆碼式60Co-γ放射源，跟蹤劑量計(jì)為Ag2Cr2O7經(jīng)中國(guó)劑量科學(xué)研究院丙氨酸劑量計(jì)（NDAS）傳遞比對(duì)校準(zhǔn)，分別采用不同劑量（2-6）kGy，進(jìn)行靜態(tài)輻照。完成輻照2天內(nèi)進(jìn)行理化指標(biāo)的檢測(cè)，在（22.0±1）℃下保存30天后進(jìn)行微生物指標(biāo)的檢測(cè)。

1.2 理化指標(biāo)及微生物指標(biāo)測(cè)定方法

1.2.1 菌落總數(shù)，參照國(guó)家標(biāo)準(zhǔn)GB/T4789.2-2008采取實(shí)驗(yàn)方法測(cè)定菌落總數(shù)。

1.2.2 水分含量，參照國(guó)家標(biāo)準(zhǔn)GB/T6965.15可用蒸餾法或直接干燥法。本項(xiàng)目采用直接烘干法。

1.2.3 氯化鈉含量，參照國(guó)家標(biāo)準(zhǔn)GB/T9695.8進(jìn)行測(cè)定，采用水浸出后用硝酸鹽標(biāo)準(zhǔn)溶液滴定法測(cè)定。

1.2.4 蛋白質(zhì)，參照國(guó)家標(biāo)準(zhǔn)GB/T9695.11進(jìn)行測(cè)定。

1.2.5 菌落總數(shù)，參照GB4789.2-2010進(jìn)行測(cè)定。

1.3 檢測(cè)結(jié)果與數(shù)據(jù)處理

采用以上檢測(cè)方法進(jìn)行檢測(cè)，由于實(shí)驗(yàn)過(guò)程產(chǎn)生個(gè)別認(rèn)為誤差，利用matlab軟件plot函數(shù)對(duì)每組數(shù)據(jù)進(jìn)行擬合，將誤差較大的個(gè)別數(shù)據(jù)進(jìn)行剔除，最終得到50組數(shù)據(jù)，部分?jǐn)?shù)據(jù)如表1。

表1 60Co-γ射線輻照保鮮無(wú)防腐劑香腸檢測(cè)結(jié)果

2 神經(jīng)網(wǎng)絡(luò)算法

2.1 BP神經(jīng)網(wǎng)絡(luò)

通常BP神經(jīng)網(wǎng)絡(luò)具有3層結(jié)構(gòu)，分別為輸入層、隱含層和輸出層。通常來(lái)說(shuō)隱含層采用Sigmoid函數(shù)，輸出層采用Pureline函數(shù)，因?yàn)榉?hào)函數(shù)標(biāo)準(zhǔn)輸入、輸出現(xiàn)代為[0，1]，因此在學(xué)習(xí)過(guò)程中，通過(guò)轉(zhuǎn)化層將輻照工藝參數(shù)進(jìn)行轉(zhuǎn)化限定區(qū)間，避開網(wǎng)絡(luò)輸出的飽和區(qū)。五層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1。

2.2 性能指標(biāo)

性能指數(shù)是衡量網(wǎng)絡(luò)性能的量化標(biāo)準(zhǔn)，BP神經(jīng)網(wǎng)絡(luò)一般采用網(wǎng)絡(luò)軍方誤差作為性能指標(biāo)：

式中：Ed為網(wǎng)絡(luò)的均方誤差；n為學(xué)習(xí)集體樣本總數(shù)，tp為第P組訓(xùn)練的期望輸出值，ap為第P組的實(shí)際輸出值。影響神經(jīng)網(wǎng)絡(luò)泛化能力主要依賴于網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練樣本的特性，因此可以選擇合適的訓(xùn)練策略和優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)來(lái)提高其泛化能力。本文選取貝葉斯正則化算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行修正，網(wǎng)絡(luò)性能指數(shù)變?yōu)椋?/p>

式中：w為網(wǎng)絡(luò)的權(quán)值向量，EW=m-1■？棕■■為網(wǎng)絡(luò)所有權(quán)值的均方誤差，其中m為網(wǎng)絡(luò)權(quán)值的總數(shù)，Wj為網(wǎng)絡(luò)權(quán)值，a和b為正則化系數(shù)，其大小直接影響訓(xùn)練效果。

2.3 貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟

（1）確定網(wǎng)絡(luò)結(jié)構(gòu)，初始化超參數(shù)α=0和β=1，根據(jù)先驗(yàn)分布對(duì)網(wǎng)絡(luò)參數(shù)賦初值。

（2）用BP算法訓(xùn)練網(wǎng)絡(luò)使總誤差F（W）最小。

（3）利用高斯牛頓逼近法計(jì)算出有效參數(shù)個(gè)數(shù)。

（4）計(jì)算超參數(shù)α和β的新的估計(jì)值。

（5）重復(fù)執(zhí)行（2）、（3）、（4）直到達(dá)到所需精度。

貝葉斯方法正則化神經(jīng)網(wǎng)絡(luò)是個(gè)迭代過(guò)程，每個(gè)迭代過(guò)程總誤差函數(shù)隨著超參數(shù)的變化而變化，最小點(diǎn)也在變化，網(wǎng)絡(luò)的參數(shù)也在不斷修正，最終達(dá)到總誤差函數(shù)在迭代過(guò)程中沒用較大改變。目前在網(wǎng)絡(luò)結(jié)構(gòu)的選擇方面還沒有理想的方法，在實(shí)際工作中常常需要用試驗(yàn)的方法確定最佳的網(wǎng)絡(luò)結(jié)構(gòu)，因此可采用不同的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，然后比較這些網(wǎng)絡(luò)模型的顯著度，選擇顯著度較大的網(wǎng)絡(luò)作為模型。

3 神經(jīng)網(wǎng)絡(luò)建模及預(yù)測(cè)

通過(guò)上述實(shí)驗(yàn)獲得的50組數(shù)據(jù)中，45組數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，另選擇其他5組數(shù)據(jù)作為檢驗(yàn)樣本，運(yùn)用MATLAB軟件，進(jìn)行人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)。網(wǎng)絡(luò)輸入劑量、劑量率，輸出為水分、氯化鈉含量，通過(guò)應(yīng)用均方差函數(shù)比較目標(biāo)值和預(yù)測(cè)值的差異，計(jì)算目標(biāo)值與預(yù)測(cè)值間的誤差，觀察網(wǎng)絡(luò)模型對(duì)訓(xùn)練情況，網(wǎng)絡(luò)擬合圖性能進(jìn)行評(píng)價(jià)。

網(wǎng)絡(luò)訓(xùn)練結(jié)果顯示，經(jīng)過(guò)1500步訓(xùn)練后，網(wǎng)絡(luò)誤差平方和均值為5×10-3，達(dá)到了設(shè)定的最小訓(xùn)練目標(biāo)值。網(wǎng)絡(luò)訓(xùn)練完畢后，得到數(shù)學(xué)模型后，利用剩余5組數(shù)據(jù)進(jìn)行預(yù)測(cè)驗(yàn)證，網(wǎng)絡(luò)訓(xùn)練效果如圖2-5所示。

4 結(jié)束語(yǔ)

采用輻照的方法進(jìn)行無(wú)防腐劑香腸保質(zhì)期的時(shí)間跟輻照劑量相關(guān)，采用4kGy的劑量進(jìn)行輻照可使香腸的保質(zhì)期達(dá)到1個(gè)月以上，且香腸的顏色仍在可接受范圍內(nèi)，說(shuō)明輻照方法有效的提高了香腸的衛(wèi)生質(zhì)量，延長(zhǎng)保質(zhì)期。采用神經(jīng)網(wǎng)絡(luò)建立了香腸輻照工藝與理化、微生物指標(biāo)的模型，并通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的準(zhǔn)確性，為進(jìn)一步確定輻照工藝提供理論支持。

參考文獻(xiàn)

[1]2015-2020年中國(guó)肉制品市場(chǎng)現(xiàn)狀及戰(zhàn)略咨詢報(bào)告[R].北京：中國(guó)產(chǎn)業(yè)信息網(wǎng)，2015.

[2]郭淑珍.輻照保藏五花肉的品質(zhì)特性及影響因素的研究[D].四川農(nóng)業(yè)大學(xué)，2007.

[3]賈巧喚，任石茍.我國(guó)輻照食品的研究現(xiàn)狀及發(fā)展前景[J].食品工程，2008（4）：12-14.

[4]陳秀蘭，曹宏.鵝肉制品的輻照保質(zhì)研究[J].核科學(xué)報(bào)，2005（4）：371-374.

[5]田 ，梁飛，盧江.人工神經(jīng)網(wǎng)絡(luò)建模結(jié)合遺傳算法優(yōu)化崗松油環(huán)糊精包合物制備工藝參數(shù)[J].中國(guó)醫(yī)藥大學(xué)學(xué)報(bào)，2011（4）：324-328.

[6]蔣繼成，張麗芳，趙孝文，等.Visual c#與Matlab混合編程在60Co-γ射線輻照白酒工藝參數(shù)優(yōu)化中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2014

（33）：28.