基于BP神經(jīng)網(wǎng)絡(luò)的嬰幼兒奶粉質(zhì)量安全評價模型研究

朱雨文　劉波峰　譚陽紅

摘要：針對嬰幼兒奶粉質(zhì)量安全評價問題，提出了基于BP神經(jīng)網(wǎng)絡(luò)的評價模型；以湖南卓躍生物科技有限公司日常監(jiān)測數(shù)據(jù)為樣本，篩選并選擇了與嬰幼兒奶粉質(zhì)量安全評價最為相關(guān)的27種指標(biāo)因素，以27種指標(biāo)因素組成輸入層，評價結(jié)果組成輸出層；針對隱含層節(jié)點個數(shù)，首先利用試湊法預(yù)估范圍，然后利用MATLAB仿真確定最佳的隱含層節(jié)點個數(shù)，最后利用10組數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)評價模型進行了仿真驗證。結(jié)果表明，提出的評價模型是可行和有效的。

關(guān)鍵詞：嬰幼兒奶粉質(zhì)量；安全性評價；BP神經(jīng)網(wǎng)絡(luò)；供應(yīng)鏈

中圖分類號：TP183；TS252.7 文獻標(biāo)識碼：A 文章編號：0439-8114（2017）04-0740-05

2008年發(fā)生的三鹿奶粉的三聚氰胺問題讓國內(nèi)消費者對國產(chǎn)嬰幼兒奶粉安全信心崩塌，國產(chǎn)奶粉市場占有率不斷下降；2013年恒天然的肉毒桿菌事件表明國外嬰幼兒奶粉安全性也存在諸多問題[1，2]。保障嬰幼兒奶粉質(zhì)量安全，已經(jīng)成為政府和眾多專家學(xué)者研究的熱點。白世貞等[2]基于供應(yīng)鏈視角對乳制品質(zhì)量安全進行了研究，孫肖明等[3]針對影響乳制品質(zhì)量因素和解決辦法進行了研究，柳亦博等[4]利用危害分析臨界控制點（Hazard Analysis Critical Control Point，HACCP）體系針對乳制品質(zhì)量安全監(jiān)理進行了研究。

研究表明，影響乳制品質(zhì)量安全的因素很多。在乳制品中，嬰幼兒奶粉食用對象為嬰幼兒，其質(zhì)量安全問題更需保證。嬰幼兒奶粉最終到消費者手中時，經(jīng)歷從生產(chǎn)到銷售的眾多環(huán)節(jié)，每一個環(huán)節(jié)出現(xiàn)問題都有可能對嬰幼兒奶粉質(zhì)量產(chǎn)生影響，如何科學(xué)和有效評價嬰幼兒奶粉質(zhì)量是非常必要的。葛哲學(xué)等[5]基于監(jiān)測數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了食品安全預(yù)警模型；章德賓等[6]基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了乳制品質(zhì)量安全評價研究。但已有研究存在以下不足：①都是針對多種商品的食品安全建模，由此建立BP神經(jīng)網(wǎng)絡(luò)模型相對寬泛，而針對嬰幼兒配方奶粉質(zhì)量安全評價時，商品以及其供應(yīng)鏈更加具體、國家標(biāo)準(zhǔn)更加嚴(yán)格，HACCP關(guān)鍵點控制的不同，其評價指標(biāo)必須更加具體和詳細(xì)；②建立的BP神經(jīng)網(wǎng)絡(luò)模型是針對多種商品，針對嬰幼兒奶粉質(zhì)量安全評價模型研究較少。

BP神經(jīng)網(wǎng)結(jié)構(gòu)簡單，訓(xùn)練與調(diào)控參數(shù)豐富，在神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛，其不需要輸入、輸出值間存在嚴(yán)格的假設(shè)關(guān)系，同時能夠以區(qū)間數(shù)、模糊數(shù)等方式處理定性信息[7]，在模式識別[7，8]、危害分析和HACCP中關(guān)鍵點股市分析預(yù)測[9-12]、管理問題優(yōu)化與決策等方面得到大量的實際應(yīng)用[13]。本研究在分析湖南卓躍生物科技有限公司日常監(jiān)測數(shù)據(jù)基礎(chǔ)上，基于嬰幼兒奶粉供應(yīng)鏈，從奶牛養(yǎng)殖、擠奶、加工包裝、倉儲運輸、銷售整個過程出發(fā)，參照HACCP和GB10765-2010《食品安全國家標(biāo)準(zhǔn)：嬰兒配方食品》要求[14]，在每個環(huán)節(jié)中選取關(guān)鍵點作為評價指標(biāo)，分析建立基于BP神經(jīng)網(wǎng)絡(luò)的嬰幼兒奶粉質(zhì)量安全評價模型，在MATLAB中編程實現(xiàn)，并進行模型有效性驗證。

1 嬰幼兒奶粉質(zhì)量安全評價指標(biāo)的篩選

嬰幼兒奶粉供應(yīng)鏈可分為奶牛養(yǎng)殖、擠奶、加工包裝、倉儲運輸、銷售5個環(huán)節(jié)。每個環(huán)節(jié)基于HACCP關(guān)鍵點控制方法和國家標(biāo)準(zhǔn)GB10765-2010《食品安全國家標(biāo)準(zhǔn)：嬰兒配方食品》篩選評價指標(biāo)，篩選的主要原則是：

1）記錄整個嬰幼兒奶粉供應(yīng)鏈所涉及企業(yè)的信息。

2）篩選出對嬰幼兒奶粉安全有影響的信息。

3）所篩選的指標(biāo)要符合國家相應(yīng)的法律法規(guī)的要求。

4）所篩指標(biāo)準(zhǔn)確可靠，指標(biāo)釆集簡單可行。

基于上述篩選原則和飼養(yǎng)規(guī)律把養(yǎng)殖環(huán)節(jié)分成養(yǎng)殖飼料科學(xué)性與安全性、養(yǎng)殖衛(wèi)生環(huán)境、疾病防疫水平等3個主要評價指標(biāo)。

基于上述篩選原則，結(jié)合工廠實際檢測相關(guān)指標(biāo)，把擠奶環(huán)節(jié)評價指標(biāo)分為必需含有評價指標(biāo)、污染物評價指標(biāo)、真菌霉素評價指標(biāo)、微生物評價指標(biāo)。其中，蛋白質(zhì)含量和脂肪含量必需含有評價指標(biāo)；污染物評價指標(biāo)包括鉛、汞、鉻、砷、三聚氰胺、硒硝酸鹽、亞硝酸鹽含量；真菌霉素評價指標(biāo)包含黃霉素M1含量；微生物評價指標(biāo)原奶中細(xì)菌總數(shù)、大腸菌落含量。

加工包裝環(huán)節(jié)、倉儲運輸環(huán)節(jié)、銷售環(huán)節(jié)的評價指標(biāo)都是依據(jù)上述篩選原則，結(jié)合各自環(huán)節(jié)所存在問題確定，其具體原則如下：

嬰幼兒奶粉供應(yīng)鏈的5個環(huán)節(jié)具體27個評價指標(biāo)如表1所示，表1中限于空間只列舉了6組用于嬰幼兒奶粉質(zhì)量安全評價的原始數(shù)據(jù)。由表1可知，數(shù)據(jù)存在如下特點：

1）抽象性變量，如養(yǎng)殖信息中養(yǎng)殖飼料科學(xué)性和安全性難以用精確的指標(biāo)反映出來，這些評價指標(biāo)就需要依靠專家打分來反映相對客觀、合理的結(jié)果。

2）具體測量種類較多，要將這些數(shù)據(jù)全部納入到一個模型中，就需要一個相對簡單的方法來處理這些不同類型數(shù)據(jù)。采用了歸一化處理的方法。

2 神經(jīng)網(wǎng)絡(luò)建模

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式與用途有很多種類，其中具有誤差反向傳播算法的BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的一種人工神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)除輸入層和輸出層外，還包括一個或多個隱含層，各個層神經(jīng)元之間實現(xiàn)全連接，而同層內(nèi)各神經(jīng)元無連接。含有單個隱含層的BP神經(jīng)網(wǎng)絡(luò)可以任意逼近含有多個隱含層的BP神經(jīng)網(wǎng)絡(luò)，因此采用由輸入層、隱含層、輸出層構(gòu)成的3層BP神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)建模，首先確定輸入層和輸出層節(jié)點個數(shù)。隱含層節(jié)點個數(shù)的確定首先利用試湊法預(yù)估范圍，然后利用MATLAB仿真確定最佳的隱含層節(jié)點個數(shù)。

2.1 輸入層和輸出層節(jié)點個數(shù)的確定

輸入層個數(shù)的確定是以湖南卓躍生物科技有限公司日常監(jiān)測數(shù)據(jù)為樣本，篩選并選擇了與嬰幼兒奶粉質(zhì)量安全評價最為相關(guān)的27種指標(biāo)因素，以27種指標(biāo)因素作為輸入層個數(shù)，具體指標(biāo)見表1中評價指標(biāo)項。

輸出層個數(shù)確定為1，質(zhì)量安全評價模型輸出結(jié)果應(yīng)遵循原則為簡單、直觀、有效。所以采用評價等級數(shù)字作為輸出層，來反映整個供應(yīng)鏈下嬰幼兒奶粉質(zhì)量安全評價分。評分為1～9分，1分表明嬰幼兒奶粉質(zhì)量安全最差，9分表明質(zhì)量安全最好，低于6分就表明嬰幼兒奶粉質(zhì)量安全存在問題。

2.2 隱含層節(jié)點個數(shù)的確定

隱含層節(jié)點個數(shù)確定是一個非常復(fù)雜的問題，目前還沒有一個理想的解析式可以準(zhǔn)確確定隱含層節(jié)點個數(shù)，這也是BP神經(jīng)網(wǎng)絡(luò)的缺點之一[15]。但是，在實際應(yīng)用過程中可以根據(jù)經(jīng)驗公式M=■估計隱含層神經(jīng)元的個數(shù)[16]。其中，n表示輸入層個數(shù)，這里是27；m表示輸出層的個數(shù)，這里是1；a為1～10的常數(shù)，由試湊法可知，隱含層神經(jīng)元的個數(shù)7～16，然后分別比較所構(gòu)建的10個BP神經(jīng)網(wǎng)絡(luò)的性能，選取均方誤差精度最小時隱含層個數(shù)作為本研究BP神經(jīng)網(wǎng)絡(luò)模型隱含層神經(jīng)元個數(shù)。

BP神經(jīng)網(wǎng)絡(luò)要求傳遞函數(shù)全部可微，現(xiàn)有可微傳遞函數(shù)主要有Purelin、logsing、tansig 3種[7]，因為輸入變量p的維度27還是有點大，為了能夠較快得到收斂，選擇tansig（）函數(shù)為隱層神經(jīng)元的傳遞函數(shù)；輸出層神經(jīng)元的傳遞函數(shù)也選擇tansig（）函數(shù)；訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)選擇基于數(shù)值優(yōu)化的Trainlm（）函數(shù)，因為Trainlm（）函數(shù)與傳統(tǒng)的梯度下降法相比，具有收斂速度快和精度高等特點。權(quán)值和閾值的初始化采用Newff（）函數(shù)自動完成[14]。

使用MATLAB 7.10的神經(jīng)網(wǎng)絡(luò)工具箱，用300個樣本來測試構(gòu)建的10個BP神經(jīng)網(wǎng)絡(luò)的性能。由表2可知，隱含層神經(jīng)元個數(shù)為12時，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)性能最佳。構(gòu)建了嬰幼兒奶粉質(zhì)量安全評價的BP神經(jīng)網(wǎng)絡(luò)模型，如圖1所示。

3 MATLAB實現(xiàn)與驗證

根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型，開始訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練首先要設(shè)定最大訓(xùn)練次數(shù)、目標(biāo)精度、學(xué)習(xí)率等參數(shù)。圖1模型在不設(shè)置訓(xùn)練次數(shù)的情況下，最優(yōu)訓(xùn)練精度在訓(xùn)練8 000次左右即穩(wěn)定于1e-16，但此時的測驗樣本平均絕對誤差達到了0.952 3，出現(xiàn)了訓(xùn)練樣本過度學(xué)習(xí)的過擬合現(xiàn)象。為防止過擬合現(xiàn)象的出現(xiàn)，目標(biāo)精度應(yīng)低于最優(yōu)值的水平，經(jīng)過測試將訓(xùn)練目標(biāo)精度設(shè)為1e-8，訓(xùn)練次數(shù)設(shè)為2 000，BP神經(jīng)網(wǎng)絡(luò)性能較好。學(xué)習(xí)率設(shè)為0.01，因為學(xué)習(xí)率過大，會造成學(xué)習(xí)過程的不穩(wěn)定，通過測試發(fā)現(xiàn)學(xué)習(xí)率設(shè)為0.01較為合理。

在以上訓(xùn)練參數(shù)下，選取300個樣本來訓(xùn)練，10個測試樣本作為驗證，訓(xùn)練結(jié)果如圖2所示。由圖2可知，在訓(xùn)練周期為51次時，該網(wǎng)絡(luò)收斂于穩(wěn)定，目標(biāo)精度達到預(yù)設(shè)的1e-8。

嬰幼兒奶粉質(zhì)量安全實際評分與預(yù)測評分散點圖如圖3所示。由圖3可知，預(yù)測評分與實際評分結(jié)果非常接近。

10個測試樣本的預(yù)測評分與誤差率見表3。由表3可知，10個測試樣本誤差率都在0～4%之內(nèi)，平均誤差率是1.10%，說明已構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)較為準(zhǔn)確的，可以對嬰幼兒奶粉質(zhì)量安全進行評價。

4 結(jié)論

通過建立BP神經(jīng)網(wǎng)絡(luò)模型對歷史數(shù)據(jù)進行訓(xùn)練，能夠在系統(tǒng)內(nèi)部規(guī)律未知的情況下，對新的待測樣本做出較為精確的預(yù)估。本研究基于BP神經(jīng)網(wǎng)絡(luò)的這種優(yōu)點，結(jié)合嬰幼兒奶粉供應(yīng)鏈特點，以湖南卓躍生物科技有限公司日常監(jiān)測數(shù)據(jù)為樣本，篩選并選擇了與嬰幼兒奶粉質(zhì)量安全評價最為相關(guān)的27種指標(biāo)因素，以27種指標(biāo)因素組成輸入層，評價結(jié)果組成輸出層。針對隱含層節(jié)點個數(shù)，首先利用試湊法預(yù)估范圍，然后利用MATLAB仿真確定最佳的隱含層節(jié)點個數(shù)。最后利用10組數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)評價模型進行了仿真驗證。結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的嬰幼兒奶粉質(zhì)量安全評價模型能夠在實際訓(xùn)練數(shù)據(jù)樣本進行有效預(yù)測，是一種可行的嬰幼兒奶粉質(zhì)量安全評價方法。

參考文獻：

[1] 郭利亞，王加啟.當(dāng)前我國奶業(yè)發(fā)展的五個特征[J].中國畜牧雜志，2013，49（8）：3-5.

[2] 白世貞，劉忠剛.基于供應(yīng)鏈視角的乳制品質(zhì)量安全問題研究[J].商品儲運與養(yǎng)護，2013，35（12）：105-108.

[3] 孫肖明，孟憲梅.影響乳制品質(zhì)量安全的因素與解決措施[J].畜牧獸醫(yī)科技信息，2013（8）：9-10.

[4] 柳亦博，樸貞子.HACCP體系控制與乳制品質(zhì)量安全監(jiān)管研究[J].山東農(nóng)業(yè)科學(xué)，2010（3）：98-101.

[5] 葛哲學(xué)，孫志強.神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007實現(xiàn)[M].北京：電子工業(yè)出版社，2007.

[6] 章德賓，徐家鵬，許建軍，等.基于監(jiān)測數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型[J].農(nóng)業(yè)工程學(xué)報，2010，26（1），221-226.

[7] 趙 杰，林 輝.基于BP神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)屬性識別仿真[J].系統(tǒng)仿真學(xué)報，2007，19（11）：2571-2573.

[8] 陳 紅，熊利榮，胡筱波，等.基于神經(jīng)網(wǎng)絡(luò)與圖像處理的花生仁霉變識別方法[J].農(nóng)業(yè)工程學(xué)報，2007，23（4）：158-161.

[9] CHEN C R，RAMASWAMY H S. Analysis of critical control points in deviant thermal processes using artifical neural networks[J].Journal of Food Engineerings，2003，57（3）：225-235.

[10] 張紹秋，胡躍明.基于BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測模型[J].華南理工大學(xué)學(xué)報（自然科學(xué)版），2006，34（6）：55-58.

[11] DUBUS I G，BEULKE S，BROWN C D.Calibration of pesticide leaching models：Critical review and guidance for reporting[J].PestManagementScience，2002，58（8）：745-758.

[12] CAMPO I S，BEGHIN J C. Dairy food consumption，supply， and policy in Japan[J].Food Policy，2006，31（3）：228-227.

[13] 禹建麗，孫增圻，VALERI KROUMOV，等.基于BP神經(jīng)網(wǎng)絡(luò)的股市建模與決策[J].系統(tǒng)工程理論與實踐，2003，23（5）：15-19.

[14] 孫紅英.BP神經(jīng)網(wǎng)絡(luò)方法在用電量預(yù)測中的應(yīng)用[D].廣州：中山大學(xué)，2005.

[15] 劉忠剛.基于BP神經(jīng)網(wǎng)絡(luò)的乳制品質(zhì)量安全評價系統(tǒng)[D].哈爾濱：哈爾濱商業(yè)大學(xué)，2014.

[16] 韓志國，王基銘，陳智高.基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價[J].石油學(xué)報（石油加工），2010，26（3）：317-319.