专利名称：：一种建立奶茶粉产品感官品评专家系统的方法
技术领域：
：本发明涉及一种建立奶茶粉产品感官品评专家系统的方法，特别是一种建立高效率、自动化的奶茶粉产品感官品评专家系统的方法。
背景技术：
：随着人民生活水平的不断提高，食品感官评价日益受到重视。人们对于食品的要求已不仅仅满足于量的方面，而更注重质的方面。为适应市场这一转变，生产者需要在新品开发、工艺改进、降低成本、品质保证和产品优化等多方面开展工作，而感官评价正是为这些工作服务的有效工具之一，是商业决策的有力支持。奶茶粉作为一种嗜好性冲调乳制品，除了理化指标和微生物指标外，感官指标也是决定其质量的重要内容。从国内外目前发展状况来看，还没有一种可靠的仪器能完全代替人类所特有的感觉器官对食品感官评定所起的作用。国内对奶茶粉的感官评定大多采用整体评分检验法，这使得评价结果的准确性由于评价指标太单一而受到很大的影响。国外对奶茶粉感官的评价方法的研究较多，但目前也没有形成完整的体系。在新品开发时，为了满足消费者的各种需求和嗜好，提高企业经济效益，提高改善原有的生产工艺，消费者评价和专业品评员的评价都是必要的，即在新产品的小试阶段，需要由消费者对产品的嗜好性做出检验，同时，需要专业品评员对产品各项指标进行评价。由感官品评专家对奶茶粉产品进行感官品评，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，奶茶粉产品的各项理化指标，例如脂肪、干物质、蛋白等，与奶茶粉产品的感官品评之间存在密切联系。目前，对于奶茶粉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允。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，而奶茶粉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，由此导致奶茶粉产品的滋气味差别很大，上述因素给建立奶茶粉产品感官品评专家系统带来了困难。目前，在奶茶粉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奶茶粉产品感官品评专家系统的方法，由奶茶粉产品理化指标判定感官品评，减少人工品评的不确定度，提高奶茶粉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奶茶粉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奶茶粉产品样本，组织品评专家对奶茶粉产品进行感官品评，品评项目包括整体风味、乳香味、咸味、茶味。根据品评得分，把奶茶粉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、不一致或不完整的奶茶粉产品感官品评得分和理化指标样本数据，并对数据库中的奶茶粉产品样本数据进行归一化，从而实现各奶茶粉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自组织特征映射对奶茶粉产品理化指标样本数据进行聚类，完成数据库中所有奶茶粉产品样本数据的分类，并建立分类库；对不同类奶茶粉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；将奶茶粉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，上述步骤即完成奶茶粉产品感官品评专家系统的建立，否则，更换奶茶粉产品样本数据，重新进行训练，直到算法收敛。根据本发明的再一种建立奶茶粉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奶茶粉产品理化指标，包括脂肪、蛋白、干物质、盐含量、微生物指标。根据本发明的另一种建立奶茶粉产品感官品评专家系统的方法，其中，BP网络的输入数据是奶茶粉产品的各项理化指标，输出数据是奶茶粉产品感官品评得分。根据本发明的又一种建立奶茶粉产品感官品评专家系统的方法，其中，BP网络的初始学习率为0.35-0.66。根据本发明的又一种建立奶茶粉产品感官品评专家系统的方法，其中，BP网络的初始领域半径为0.44-0.56。根据本发明的又一种建立奶茶粉产品感官品评专家系统的方法，其中，BP网络的学习次数为59次。根据本发明的又一种建立奶茶粉产品感官品评专家系统的方法，其中，奶茶粉产品感官品评专家系统的使用管理过程为测定待评价奶茶粉产品的各项理化指标，并将所得数据输入该系统；根据奶茶粉产品理化指标进行自组织特征提取，确定其所属类别；如果输入的奶茶粉产品理化指标属于未知类，不在该奶茶粉产品感官品评专家系4统的已有BP网络中训练过，则以奶茶粉产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；如果输入的奶茶粉产品理化指标是已知类的样本数据，则根据其类别读取从分类库中读取对应的BP网络，并计算出奶茶粉产品感官品评指标预测值。以下附图仅对本发明做示意性说明和解释，并不限定本发明的范围，其中图1是本发明的奶茶粉产品感官品评专家系统的流程图；图2是图1所示的奶茶粉产品感官品评专家系统的使用管理示意图。具体实施例方式本发明的奶茶粉产品感官品评专家系统主要包括Kohonen自组织特征映射聚类和BP网络两个模块，首先利用Kohonen自组织特征映射将输入奶茶粉产品样本数据进行聚类，将聚类结果保存到Kohonen知识库，然后建立各个聚类子空间的BP网络。本发明的奶茶粉产品感官品评专家系统的流程图如图1所示，具体来说包括取不同地理位置、饲养条件、饲料种类、奶牛品种、季节、生产设备以及生产工艺的奶茶粉产品，测定其理化指标脂肪、蛋白、干物质、盐含量、微生物指标。同时，组织品评专家对奶茶粉产品进行品评，品评项目包括整体风味、乳香味、咸味、茶味。评分标准见表l，根据得分将奶茶粉产品分成两组合格四个感官指标均在3分以上；不合格有一个指标为2分或1分。最后将所得样本数据录入数据库，针对每个理化指标，选择不同的值，本实施例所选用的范围如下检出限以下、检出限至国标规定最高值、国标规定最高值以上。这样才能保证所建立的系统能够客观准确的控制奶茶粉产品质量，从而使乳制品质量得到保证。表l奶茶粉产品评分标准<table>tableseeoriginaldocumentpage5</column></row><table><table>tableseeoriginaldocumentpage6</column></row><table>运用Matlab完成Kohonen和BP网络的建立，去除错误、不一致或不完整的奶茶粉产品感官品评得分和理化指标等样本数据，并用线性函数对奶茶粉产品的样本数据进行归一化，奶茶粉产品的理化指标是高维向量，且各指标量纲并不相同，在聚类之前必须进行归一化，从而方便后续处理的进行。构建Kohonen网络阵列，依据专家经验确定所述Kohonen网络的初始领域半径、学习率和学习次数，其中，初始学习率为(0.35-0.66)，初始领域半径为0.44-0.56，学习次数为59。应用Kohonen自组织特征映射对奶茶粉产品理化指标数据实现聚类，将各组奶茶粉产品的理化指标样本空间细分为多个子空间，从而完成数据库中所有奶茶粉产品的最终分类。对不同类奶茶粉产品各项理化指标样本的各子空间，分别建立对应的BP网络，其输入数据是奶茶粉产品理化指标，输出数据是奶茶粉产品感官品评得分。每个BP网络仅在一个子空间内实现理化指标与感官品评得分之间的映射关系，降低了问题的复杂度，大大提高了网络学习的速度和精度，更利于完成每个输出参数与理化指标之间的函数映射。为克服BP网络学习易陷入局部最小值问题，采用了自适应学习率和带有平滑项的目标函数，使网络收敛效果与推广性能大大改善。BP网络的初始学习率、误差调整参数、初始动量系数、网络结构等参数由专象经验确定，本实施例中，初始学习率为0.35-0.66，误差为0.001。采用SAS6.0将奶茶粉产品样本数据归一化，并将完成归一化的奶茶粉产品样本数据送入对应的BP网络，按照当前的BP算法进行训练，达到指定误差精度(0.001)后停止，上述步骤即完成本发明的奶茶粉产品感官品评专家系统的建立。本发明所建立的奶茶粉产品感官品评专家系统的使用管理过程如图2示，包括测定待评价奶茶粉产品的多项理化指标，并将所得数据输入已经建立的奶茶粉产品感官品评专家系统；6根据系统输入的奶茶粉产品理化指标进行Kohonen自组织特征提取，确定其类别；如果系统输入的奶茶粉产品理化指标属于未知类，不在已建立的奶茶粉产品感官品评专家系统的已有BP网络中训练过，则以该奶茶粉产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；如果输入奶茶粉产品理化指标是已知类的样本数据，则根据其类别读取从所述分类库中读取对应的所述BP网络，并计算出奶茶粉产品感官品评指标预测值，如果输入奶茶粉产品理化指标与已学样本靠近，则系统预测结果可信度高；否则，系统将根据样本在原始输入空间中的偏离程度，指出所预测结果的参考价值。表2提供了本实施例的奶茶粉产品感官品评专家系统得到的实验数据，该表将预测数据与专家品评结果进行了对比，可以看出，本系统根据奶茶粉产品理化指标的感官品评预测结果，与奶茶粉产品品评专家的基本相符，在可接受的误差范围内。表2奶茶粉产品感官品评数据与专家品评结果比较<table>tableseeoriginaldocumentpage7</column></row><table>本系统将专家经验分类与由数据驱动的智能等级评定方法相结合，把复杂问题分解，分别送入各自的BP网络求解，最终类的知识都保存在各类的BP网络知识库中。当有新的预测工作要做时，只需根据分类神经网络计算出对应的BP网络，便可利用已训练好的网络映射模型预测出此样本的感官品评指标。如上所述，根据本发明的一种建立奶茶粉产品感官品评专家系统的方法，集成了Kohonen网络、BP网络，对奶茶粉产品进行测试、品评，在得到品评指标和理化指标的基础上，由Kohonen网络自组织特征映射，完成聚类，并用各类奶茶粉产品感官品评得分和理化数据等样本数据分别训练各自对应的BP网络，获取各类奶茶粉产品理化指标与感官品评得分之间的映射关系，从而建立奶茶粉产品感官品评专家系统。该系统充分利用了奶茶粉产品品评专家的经验、减少了人工品评的不确定性、提高了奶茶粉产品感官品评的工作效率和自动化程度，确保了奶茶粉产品质量。上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。权利要求一种建立奶茶粉产品感官品评专家系统的方法，包括品评专家对奶茶粉产品进行感官品评，并测定所述奶茶粉产品的理化指标，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、不一致或不完整的所述奶茶粉产品的感官品评得分和理化指标样本数据，对所述数据库中的所述样本数据进行归一化；构建Kohonen阵列，依据专家经验确定所述Kohonen阵列的初始领域半径、学习率和学习次数；应用Kohonen自组织特征映射对所述奶茶粉产品理化指标进行聚类，完成所述数据库中所有奶茶粉产品理化指标的分类，并建立分类库；对不同类奶茶粉产品的所述理化指标，分别建立对应的BP网络，并依专家经验确定所述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；将所述奶茶粉产品的感官品评得分和理化指标等样本数据送入对应的所述BP网络进行训练，在所述最大学习次数内达到指定误差精度后停止，上述步骤即完成奶茶粉产品感官品评专家系统的建立，否则，更换所述奶茶粉产品样本数据，重新进行训练，直到算法收敛；其特征在于，所述奶茶粉产品感官品评的品评项目包括整体风味、乳香味、咸味、茶味。2.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，作为所述系统输入的所述奶茶粉产品理化指标，包括脂肪、蛋白、干物质、盐含量、微生物指标。3.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，所述BP网络的输入数据是所述奶茶粉产品理化指标，所述BP网络的输出数据是所述奶茶粉产品感官品评得分。4.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，所述BP网络的初始学习率为0.35-0.66。5.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，所述BP网络的初始领域半径为0.44-0.56。6.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，所述BP网络的学习次数为59次。7.如权利要求1所述的建立奶茶粉产品感官品评专家系统的方法，其中，所述奶茶粉产品感官品评专家系统的使用管理过程为测定待评价奶茶粉产品的所述理化指标，并将所得数据输入所述奶茶粉产品感官品评专家系统；根据所述奶茶粉产品理化指标进行Kohonen自组织特征提取，确定其所属类别；如果所述奶茶粉产品理化指标属于未知类，不在所述奶茶粉产品感官品评专家系统的已有BP网络中训练过，则以所述奶茶粉产品理化指标为核心样本建立新的训练样本集，并对相应的新建BP网络进行训练；如果所述奶茶粉产品理化指标是已知类的样本数据，则根据其类别读取从所述分类库中读取对应的所述BP网络，计算出奶茶粉产品感官品评指标预测值。全文摘要本发明提供了一种建立奶茶粉产品感官品评专家系统的方法，该方法将Kohonen自组织特征映射、BP网络相结合，对奶茶粉产品进行理化指标测试，并由品评专家进行品评，得到其感官品评得分和理化指标等样本数据，通过聚类完成对奶茶粉产品理化指标的分类，并用奶茶粉产品感官品评得分和理化指标等样本数据分别训练各自对应的BP网络，从而建立奶茶粉产品感官品评专家系统。该方法可以有效提高奶茶粉产品品评效率和自动化程度，确保奶茶粉产品质量。文档编号G06N3/08GK101706486SQ20091025016公开日2010年5月12日申请日期2009年11月30日优先权日2009年11月30日发明者刘卫星,张少辉,白雪,郭奇慧申请人:内蒙古蒙牛乳业(集团)股份有限公司