應(yīng)用人工神經(jīng)網(wǎng)絡(luò)算法優(yōu)化面包配方

馮占利，李文釗，趙 璐

(食品營(yíng)養(yǎng)與安全教育部重點(diǎn)實(shí)驗(yàn)室，天津科技大學(xué)食品工程與生物技術(shù)學(xué)院，天津 300457)

應(yīng)用人工神經(jīng)網(wǎng)絡(luò)算法優(yōu)化面包配方

馮占利，李文釗，趙 璐

(食品營(yíng)養(yǎng)與安全教育部重點(diǎn)實(shí)驗(yàn)室，天津科技大學(xué)食品工程與生物技術(shù)學(xué)院，天津 300457)

在優(yōu)化面包配方實(shí)驗(yàn)中，針對(duì)面包易老化、不耐儲(chǔ)存這一問(wèn)題，采用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)對(duì)12個(gè)影響因素和6項(xiàng)觀測(cè)指標(biāo)進(jìn)行模擬與建模，最終獲得了口感好、儲(chǔ)存效果好的最優(yōu)配方，即：面粉32%，水7%，鹽0.962%，奶粉8%，果葡糖漿30%，酥油18%，糖醇3%，保鮮酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉膠0.5%，黃原膠0.5% ．

面包；配方優(yōu)化；人工神經(jīng)網(wǎng)絡(luò)；實(shí)驗(yàn)設(shè)計(jì)

Abstract：In the optim ization of bread formulation experiment，aim ing at the question of bread aging and short storage，artificial neural network (ANN) was used to model the twelve effect factors and six targets. Best formula was obtained that have good taste and can keep longer time by this model，that is the best ratio of raw material respectively are flour 32%，water 7%，salt 0.962%，milk power 8%，high fructose syrup 30%，butter 18%，sugar alcohol 3%，fresh enzyme 0.03%，starch enzyme 0.001%，fat enzyme 0.002%，xylan enzyme 0.005%，carrageenan 0.5%，xanthan gum 0.5%.

Keywords：bread；formulation optim ization；artificial neural network；experimental design

面包以其營(yíng)養(yǎng)豐富、組織蓬松、易于消化、食用方便等特點(diǎn)深受大眾喜愛(ài)，在全世界的消費(fèi)量占絕對(duì)優(yōu)勢(shì)．作為人類最重要的主食之一，人們對(duì)于它的需求量越來(lái)越大，隨著科學(xué)的發(fā)展和大眾健康意識(shí)的提高，人們對(duì)其營(yíng)養(yǎng)與口味的要求也越來(lái)越高，面包工業(yè)必須不斷地與時(shí)俱進(jìn)、推陳出新才能迎合人們的需要．然而，不論是面包品質(zhì)改進(jìn)還是研發(fā)新品種都是一個(gè)復(fù)雜的過(guò)程，因?yàn)橛绊懨姘焚|(zhì)的因素很多，除和面、醒發(fā)、焙烤等加工工序及工藝條件外，面粉、油脂等主輔原料，各種食品添加劑，尤其是一些新的品質(zhì)改良劑，都會(huì)影響面包的品質(zhì)[1–2]．本文主要針對(duì)面包易老化、不耐儲(chǔ)存這一問(wèn)題，重點(diǎn)研究面包主輔料及新配料的適宜配比，及獲得保鮮期較長(zhǎng)的優(yōu)化面包配方．

在配方研究中，需要觀測(cè)的面包品質(zhì)指標(biāo)很多，包括香味、顏色、口感等感官指標(biāo)，物性指標(biāo)，貨架期，理化指標(biāo)等．這種多因素多指標(biāo)的研究課題若一一采用傳統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)方法，如分部實(shí)驗(yàn)設(shè)計(jì)、正交實(shí)驗(yàn)設(shè)計(jì)等，既耗時(shí)又耗力，且難以將不同因素、不同指標(biāo)間復(fù)雜關(guān)系進(jìn)行統(tǒng)一．近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)算法在解決多因素多觀測(cè)值問(wèn)題上效果顯著，它只需提供一定的數(shù)據(jù)，不需知道具體的函數(shù)形式，即可對(duì)結(jié)果進(jìn)行優(yōu)化[3]．因此，本文應(yīng)用人工神經(jīng)網(wǎng)絡(luò)算法優(yōu)化面包配方．

1 材料與方法

1.1 主要原料

面包專用粉，福建仁升食品有限公司；奶粉，內(nèi)蒙古伊利實(shí)業(yè)集團(tuán)股份有限公司；乳化劑，廣州美晨集團(tuán)股份有限公司；酶制劑，天津市諾奧科技發(fā)展有限公司；卡拉膠，閩南瓊膠有限公司；黃原膠，淄博中軒生化有限公司；瓜爾豆膠，河南正興食品添加劑有限公司．

1.2 主要設(shè)備

SZM–10型多功能攪拌機(jī)，東莞旭眾食品機(jī)械有限公司；XYF–2E–3P型遠(yuǎn)紅外線食品烤爐，廣州紅菱電熱設(shè)備有限公司；SPX–250C型恒溫恒濕箱，上海博訊實(shí)業(yè)有限公司醫(yī)療設(shè)備廠；電子精密天平，奧豪斯(上海)公司；TA.XT.Plus質(zhì)構(gòu)儀，英國(guó)Stable M icro System公司．

1.3 面包加工方法

1.3.1 工藝流程

原輔料預(yù)處理→面團(tuán)調(diào)制→發(fā)酵→分割→滾圓→醒發(fā)→整形→醒發(fā)→烘烤→冷卻→包裝．

1.3.2 要點(diǎn)

原料前處理包括：將適量酶制劑放入酵母中干混均勻，加入35,℃的水充分溶解，將其活化，待用；將食品膠按一定比例復(fù)配再加入白砂糖混勻后加入70,℃熱水將其糊化，在70,℃熱水中保溫1,h使其糊化完全，冷卻備用．另外，焙烤時(shí)使用下火溫度180,℃，上火溫度200,℃焙烤9～13,m in．

1.4 面包品質(zhì)檢測(cè)方法

1.4.1 面包感官品質(zhì)評(píng)價(jià)方法

根據(jù)GB,20981—2007中軟式面包感官評(píng)價(jià)指標(biāo)，建立面包感官評(píng)分標(biāo)準(zhǔn)，見(jiàn)表1．

1.4.2 面包硬度測(cè)定方法

采用TA.XT.Plus質(zhì)構(gòu)儀測(cè)試面包表皮和面包芯的硬度．硬度的測(cè)定選用一次咀嚼實(shí)驗(yàn)，對(duì)厚度為25,mm的法式軟面包及其切片進(jìn)行質(zhì)構(gòu)分析．測(cè)試參數(shù)見(jiàn)表2．

表1 面包感官評(píng)價(jià)分值分配表Tab.1 Sensory evaluation of bread

表2 面包硬度的測(cè)定參數(shù)Tab.2 Parameters of bread hardness

1.5 運(yùn)用神經(jīng)網(wǎng)絡(luò)建模

對(duì)于BP神經(jīng)網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)數(shù)的確定是成敗的關(guān)鍵[4]．本文中首先根據(jù)Hornik提出的公式(1)求得隱含層節(jié)點(diǎn)數(shù)的范圍．再采用網(wǎng)絡(luò)結(jié)構(gòu)增長(zhǎng)型方法，即先設(shè)置較少的節(jié)點(diǎn)數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，測(cè)試學(xué)習(xí)誤差，然后逐漸增加節(jié)點(diǎn)數(shù)，直到學(xué)習(xí)誤差不再有明顯減少為止．

式中：n為輸入層節(jié)點(diǎn)數(shù)；m為輸出層節(jié)點(diǎn)數(shù)．

在面包配方改良實(shí)驗(yàn)中，實(shí)驗(yàn)點(diǎn)是根據(jù)課題組長(zhǎng)期經(jīng)驗(yàn)和實(shí)驗(yàn)結(jié)果決定的．所選影響因素有12項(xiàng)，即奶粉、白砂糖、果葡糖漿、無(wú)水酥油、糖醇、保鮮酶、淀粉酶、脂肪酶、木聚糖酶、卡拉膠、黃原膠、瓜爾豆膠的添加量，分別用X1，X2，…，X12表示[5]．實(shí)驗(yàn)參數(shù)見(jiàn)表3．用保存15,d的觀測(cè)值與保存1,d的觀測(cè)值進(jìn)行對(duì)比，考察面包在保存15,d內(nèi)的變化趨勢(shì)，并以此來(lái)確定出爐時(shí)品質(zhì)好，且最耐儲(chǔ)存的配方．

表3 26次實(shí)驗(yàn)的實(shí)驗(yàn)參數(shù)Tab.3 Param eters of 26 experim ent

2 結(jié)果與討論

2.1 運(yùn)用神經(jīng)網(wǎng)絡(luò)建模與模型驗(yàn)證的結(jié)果

運(yùn)用神經(jīng)網(wǎng)絡(luò)建模的結(jié)果見(jiàn)表4．實(shí)驗(yàn)結(jié)果品質(zhì)檢測(cè)有6項(xiàng)，分別為室溫保存1,d的面包感官評(píng)定、面包表皮硬度和面包心硬度，以及室溫保存15,d時(shí)面包感官評(píng)定、面包表皮硬度和面包心硬度，分別用Y1，Y2，…，Y6表示．其中Y1和Y4為分值，其理想值為100；Y2和Y5的理想值為20；Y3和Y6的理想值為60．

表4 26次實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)果Tab.4 Results of 26 experiments

由上述實(shí)驗(yàn)過(guò)程采集的數(shù)據(jù)，利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱，用一定數(shù)量的學(xué)習(xí)樣本對(duì)帶有動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)率的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練[6–7]．通過(guò)調(diào)整隱含層的神經(jīng)元數(shù)和訓(xùn)練次數(shù)，使網(wǎng)絡(luò)誤差滿足工作要求，得到輸入層、隱含層和輸出層的權(quán)系數(shù)及各個(gè)節(jié)點(diǎn)的閾值．然后就可以利用訓(xùn)練好的 BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化實(shí)驗(yàn)參數(shù)，達(dá)到產(chǎn)品最佳的效果．

根據(jù)公式(1)確定隱含層節(jié)點(diǎn)數(shù)的取值范圍為6～30，再根據(jù)網(wǎng)絡(luò)增長(zhǎng)型方法確定出該網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)．本實(shí)驗(yàn)采用Matlab,7.0的BP神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行仿真實(shí)驗(yàn)，經(jīng)過(guò)多次實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)在本實(shí)驗(yàn)輸入層為12個(gè)節(jié)點(diǎn)、輸出層為6個(gè)節(jié)點(diǎn)的前提下，中間兩個(gè)隱含層的節(jié)點(diǎn)分別為11和9時(shí)的3層前向網(wǎng)絡(luò)的訓(xùn)練誤差和測(cè)試誤差均達(dá)到滿意效果．其學(xué)習(xí)過(guò)程如圖1所示．

圖1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程圖Fig.1 Learning process of ANN

為了檢驗(yàn)擬合數(shù)據(jù)與計(jì)算的精度，首先在26組數(shù)據(jù)中采用隨機(jī)數(shù)法選取22組(不包括第2、9、17、25組)作為神經(jīng)網(wǎng)絡(luò)的教師信號(hào)，采用自適應(yīng)學(xué)習(xí)率算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練．經(jīng)過(guò)100,000次的學(xué)習(xí)以后得出結(jié)果，再用經(jīng)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對(duì)第2、9、17、25組數(shù)據(jù)進(jìn)行計(jì)算，以檢查網(wǎng)絡(luò)外推性能，計(jì)算結(jié)果及誤差見(jiàn)表5．經(jīng)統(tǒng)計(jì)，4個(gè)預(yù)測(cè)樣本的平均誤差為0.82%，小于1%，總體效果說(shuō)明該模型能較好地對(duì)面包配方進(jìn)行優(yōu)化．

表5 網(wǎng)絡(luò)計(jì)算結(jié)果及誤差Tab.5 Results and errors of ANN

2.2 應(yīng)用神經(jīng)網(wǎng)絡(luò)模型優(yōu)化面包配方

2.2.1 建立描述實(shí)驗(yàn)結(jié)果的目標(biāo)函數(shù)

實(shí)驗(yàn)結(jié)果是由6項(xiàng)參數(shù)組成．為了便于對(duì)不同配方實(shí)驗(yàn)的結(jié)果進(jìn)行比較，即將每次實(shí)驗(yàn)的各項(xiàng)結(jié)果的實(shí)際值(Yi)和理想值(Si)(i＝1，2，…，6)用目標(biāo)函數(shù)將其轉(zhuǎn)換實(shí)數(shù)值 P(P＞0)；實(shí)際結(jié)果與理想值越接近則 P 越小．將Yi分別在區(qū)間[0，100]、[0，100]、[0，400]、[0，100]、[0，400]、[0，2 000]上歸一化處理[8]到[0，1]區(qū)間，其中理想值Si分別為S1＝1，S2＝0.2，S3＝0.15，S4＝1，S5＝0.05，S6＝0.03．

目標(biāo)函數(shù)的形式如下：

其中Ki為項(xiàng)的權(quán)值，根據(jù)各項(xiàng)在總體評(píng)判中的權(quán)重定值．根據(jù)實(shí)驗(yàn)?zāi)康呐c各個(gè)因素在實(shí)驗(yàn)中的重要性，這里設(shè)定K1＝2.5，K2＝1，K3＝1，K4＝3.5，K5＝1，K6＝1．

2.2.2 指定模擬實(shí)驗(yàn)的參數(shù)(條件)取值

依據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)結(jié)果對(duì)配方中的各項(xiàng)實(shí)驗(yàn)參數(shù)(X1，X2，…，X12)的取值區(qū)間和水平間隔做指定，如表6．

表6 模擬實(shí)驗(yàn)參數(shù)取值表Tab.6 Parameter values of modelling experim ent

2.2.3 利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模擬實(shí)驗(yàn)

按照表5的參數(shù)取值要求，使用此模型進(jìn)行全面優(yōu)化實(shí)驗(yàn)．利用Matlab調(diào)用經(jīng)上述訓(xùn)練后的 BP 網(wǎng)絡(luò)．根據(jù)循環(huán)中指定的每組輸入?yún)?shù)計(jì)算實(shí)驗(yàn)的結(jié)果；“目標(biāo)值計(jì)算”程序則使用公式(1)求取1次實(shí)驗(yàn)的目標(biāo)值(P)．最后將當(dāng)前最優(yōu)(P 值最小)的輸入?yún)?shù)組和 P 值存入文件供選用．

用該模型計(jì)算和優(yōu)化，從模擬實(shí)驗(yàn)結(jié)果中選取最小的3個(gè)P值對(duì)應(yīng)的3組配方來(lái)進(jìn)行實(shí)驗(yàn)驗(yàn)證．這3個(gè)P值及對(duì)應(yīng)的3組配方及結(jié)果見(jiàn)表7和表8．

表7 模擬實(shí)驗(yàn)所得3組可能的最優(yōu)參數(shù)Tab.7 Three possible best values from modeling experim ent

表8 模擬實(shí)驗(yàn)所得3組可能的最優(yōu)實(shí)驗(yàn)結(jié)果Tab.8 Three possible best values from modeling experim ent

用這3組配方進(jìn)行實(shí)際實(shí)驗(yàn)的結(jié)果表明：該神經(jīng)網(wǎng)絡(luò)模型推薦的數(shù)據(jù)確實(shí)很準(zhǔn)確．3組配方效果都很好，其中以P3對(duì)應(yīng)的配方C所得結(jié)果最優(yōu)，故最后選用P3對(duì)應(yīng)的配方C作為最終結(jié)果．

3 結(jié) 論

引進(jìn)BP 神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)實(shí)驗(yàn)優(yōu)化面包配方，同時(shí)考慮12個(gè)影響因素并觀察6項(xiàng)指標(biāo)，得到了最優(yōu)原料組合，加上基本配方，便得到了口感好且儲(chǔ)存效果好的最優(yōu)面包配方，即：面粉32%，水7%，鹽0.962%，奶粉8%，果葡糖漿30%，無(wú)水酥油18%，糖醇3%，保鮮酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉膠0.5%，黃原膠0.5%．

［1］ 李浩明. 法式軟面包生產(chǎn)工藝[J]. 食品工業(yè)科技，1997(4)：67-68.

［2］ 紀(jì)建海，王彥霞. 對(duì)影響面包質(zhì)量?jī)蓚€(gè)因素的探討[J].糧油加工與食品機(jī)械，2006(5)：73-74.

［3］ 閔惜琳，劉國(guó)華. 人工神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法在建模和優(yōu)化中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用研究，2002，19(1)：79-80.

［4］ LU Hong-tao，Chung F L，HE Zhen-ya. Some sufficient conditions for global exponential stability of delayed Hopfield neural networks[J]. Neural Networks，2004，17(4)：537-544.

［5］ Arik S，Tavsanoglu V. On the global asymptotic stability of delayed cellular neural networks[J]. IEEE Trans CAS I，2000，47(4)：571-574.

［6］ The Math Works Inc. Neural Network Toolbox[EB/OL].[2011-05-01] http：//www. mathworks. com/products/neuralnet.

［7］ ZHAO Hong-yong. Exponential stability and periodic oscillatory of bi-directional associative memory neural network involving delays[J]. Neurocomputing，2006，69(4/5/6)：424-448.

［8］ 飛思科技產(chǎn)品研發(fā)中心. 神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M]. 北京：電子工業(yè)出版社，2005：44.

Optim ization of Bread Formulation Based on Artificial Neural Network Algorithm

FENG Zhan-li，LI Wen-zhao，ZHAO Lu
(Key Laboratory of Food Nutrition and Safety，M inistry of Education，College of Food Engineering and Biotechnology，Tianjin University of Science & Technology，Tianjin 300457，China)

TS201.1

A

1672-6510(2011)01-0014-05

2010-09-07；

2010-12-02

企業(yè)合作項(xiàng)目“歐式面包品質(zhì)改進(jìn)與工業(yè)化生產(chǎn)”(1000140008)

馮占利（1985—），女，河北石家莊人，碩士研究生；通信作者：李文釗，副教授，liwenzhao@tust.edu.cn．