對比研究響應(yīng)面法和BP神經(jīng)網(wǎng)絡(luò)-粒子群算法優(yōu)化調(diào)理松板肉加工工藝

胡欣穎，李洪軍,2，李少博，曾令英，李俊宏，賀稚非,2*

1(西南大學(xué) 食品科學(xué)學(xué)院，重慶，400715)2(重慶市特色食品工程技術(shù)研究中心，重慶，400715)

調(diào)理豬肉制品深受消費者喜愛，具有較好的發(fā)展前景。調(diào)理肉制品不僅滿足消費者的飲食需求，而且大大縮短消費者的備餐時間，其生產(chǎn)量和消費量與日俱增，已成為國內(nèi)城市人群和發(fā)達國家消費的主要肉制品品種[1-2]。松板肉是取自豬頸兩邊的肉，因其稀少而珍貴，有“黃金六兩”之稱。此部位肉脂如雪花般均勻分布，肉質(zhì)鮮嫩，入喉爽口滑順，口勁適中。因此，調(diào)理松板肉作為一種新型的調(diào)理豬肉制品具有良好的市場前景。然而傳統(tǒng)的腌制方法沒有促進食鹽快速滲透的有效手段[3]，達不到大規(guī)模工業(yè)化生產(chǎn)的要求，存在滲透不均勻、失重大、色澤差和易產(chǎn)生腐敗等問題[4]。

超聲波是一種綠色環(huán)保、非侵入性和具有成本效益的技術(shù)。超聲可分為兩類：高頻低強度超聲，其功率密度小于1 W/cm2，頻率為5～10 MHz；低頻高強度超聲，其功率密度為10～1 000 W/cm2，頻率為20～100 kHz[5]。低頻高強度超聲波可以通過液體介質(zhì)中的空化來影響食品的物理、機械、化學(xué)和生物化學(xué)性質(zhì)。這些空化可以在界面和機械現(xiàn)象上產(chǎn)生微通道和微觀結(jié)構(gòu)，同時產(chǎn)生自由基[6-7]。這些效果不僅可以加速傳質(zhì)，還可以影響肉類和肉類產(chǎn)品的結(jié)構(gòu)或質(zhì)地特性。超聲波現(xiàn)已應(yīng)用于牛肉[6]、雞肉[8]、豬肉[9]、魚肉[10]等肉制品的腌制，也有報道超聲波用于優(yōu)化咸鴨蛋[11]的腌制工藝。真空腌制技術(shù)利用了由壓差引起的流體動力學(xué)(hydrodynamic mechanism，HDM)機理和變形松弛現(xiàn)象(deformation relaxation phenomena，DRP)來提高腌制效率[12]。真空腌制使得物料外部溶液快速均勻地進入產(chǎn)品中，而不會破壞其原始結(jié)構(gòu)。羅青雯等[3]研究了真空腌制過程中臘肉的品質(zhì)變化，發(fā)現(xiàn)真空腌制可以促進腌制劑吸收，提高臘肉的保水性，使其色澤更加鮮艷。

在工藝優(yōu)化研究中，為了獲得期望的結(jié)果，需要進行大量測試，這是耗時且繁瑣的。這種問題可以通過合適的數(shù)學(xué)模型來克服，這些模型利用了各種輸入變量和輸出變量之間的相互關(guān)聯(lián)進行模擬[13]，應(yīng)用最為廣泛的是響應(yīng)面法(response surface methodology，RSM)和人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)技術(shù)。當(dāng)delta函數(shù)是二次函數(shù)時，RSM與其他技術(shù)相比呈現(xiàn)出更準(zhǔn)確的結(jié)果[14]。而ANN具有廣泛的近似能力，可以應(yīng)用于各種類型的非線性問題[15]。粒子群算法(particle swarm optimization，PSO)[16-18]是一種智能仿生算法，該算法從隨機解出發(fā)，通過適應(yīng)度來評價解的品質(zhì)，并不斷迭代尋找全局最優(yōu)解?，F(xiàn)在有ANN技術(shù)應(yīng)用于鵝肉嫩化、牡蠣殺菌與嫩化、牛肉嫩化、羊肉新鮮度分析、花青素提取等工藝優(yōu)化的報道。本試驗采用超聲-真空協(xié)同優(yōu)化調(diào)理肉制品加工工藝，在單因素研究基礎(chǔ)上，分別利用RSM技術(shù)和ANN技術(shù)建立優(yōu)化條件與優(yōu)化指標(biāo)成品率之間的預(yù)測模型。由于ANN所得到預(yù)測模型為輸入與輸出之間的非線性函數(shù)，故利用粒子群算法對該函數(shù)進行全局尋優(yōu)，從而獲得最優(yōu)的工藝條件，以期本文的研究結(jié)果能夠為調(diào)理肉制品深加工提供參考。

1 材料與方法

1.1 試驗材料

1.1.1 原輔料

松板肉,購于泰興市君曄冷藏有限公司，一次購買20斤，從公司凍庫出庫后，運輸過程使用保溫盒與冰袋保溫，到達實驗室后貯藏于-40 ℃超低溫冰箱中；食鹽、白砂糖、味精、醬油、料酒,均購于重慶市北碚區(qū)永輝超市。

1.1.2 藥品與試劑

復(fù)合磷酸鹽、乳酸鏈球菌素，河南巧手食品添加劑有限公司。

1.2 試驗設(shè)備

BSA323S型電子天平，賽多利斯科學(xué)儀器(北京)有限公司；HH-4型數(shù)顯恒溫水浴鍋，金壇市富華儀器有限公司；SB-5200DT型超聲波清洗機，寧波新芝生物科技股份有限公司；DZF型真空干燥箱，邦西儀器科技(上海)有限公司；TA.XT2i型物性測定儀，英國Stable Micro System公司；DF8517超低溫冰箱，韓國ilshin公司。

1.3 試驗方法

1.3.1 材料處理

新鮮松板肉去除淤血和筋膜等，切成長18 cm，寬5 cm，重約150 g的長方形塊狀。腌制液由水、食鹽、白砂糖、味精、醬油、料酒、復(fù)合磷酸鹽、乳酸鏈球菌素組成。其中，配料占肉質(zhì)量比重為食鹽3.2 %、白砂糖0.44 %、味精0.32 %、醬油2.0 %、料酒2.2 %、復(fù)合磷酸鹽0.3 %、乳酸鏈球菌素0.05 %。

1.3.2 調(diào)理松板肉腌制方法

將腌制液及松板肉放入蒸煮袋中，密封，進行超聲-真空協(xié)同腌制。超聲波清洗機參數(shù)：超聲溫度10 ℃，超聲頻率為40 kHz，超聲時間為15 min，超聲功率為響應(yīng)面試驗選擇功率，在150～270 W。超聲過程使用冰袋降溫，避免超聲處理導(dǎo)致的肉受熱變性，超聲處理前水溫約為16.4℃，肉的中心溫度約為20.1℃；超聲結(jié)束后，測得肉中心溫度約為20.8℃，水的溫度約為17.8℃。超聲處理結(jié)束后，將密封袋打開，放入真空干燥箱內(nèi)進行真空腌制，真空干燥箱溫度約為15 ℃。根據(jù)預(yù)實驗結(jié)果確定腌制時間為5 h，在預(yù)實驗中，選擇腌制時間分別為3、4、5、6 h。感官評定結(jié)果表明，腌制3 h和4 h時，松板肉味道偏淡，腌制6 h時，味道偏咸，因此選擇腌制時間為5 h。

1.3.3 成品率

參考王兆明等[19]的方法，腌制前，稱取原料肉質(zhì)量，腌制完成后，將肉分別密封在蒸煮袋中，于80 ℃水浴30 min后將肉塊冷卻至室溫，用濾紙吸干肉表面水分，稱取熟肉塊質(zhì)量。出品率計算公式如式(1)所示：

(1)

1.3.4 質(zhì)構(gòu)測定

參考韋田等[20]的方法使用質(zhì)構(gòu)分析儀(TPA)進行測定，將腌制后的松板肉在80℃下水浴30 min，將煮熟的肉冷卻至室溫后，切割成3 cm×3 cm×1 cm的塊狀。測定時，每組6個平行樣，每個平行樣下壓2次，2次下壓距離均為樣品高度的40%，時間間隔2.0 s。選取硬度、彈性、內(nèi)聚性、咀嚼性作為測定指標(biāo)，剔除可疑數(shù)據(jù)，取其余數(shù)據(jù)平均值作為測定結(jié)果。TPA參數(shù)：探頭P/36R，測前速度2.0 mm/s，測中速度1.0 mm/s，測后速度2.0 mm/s，觸發(fā)力5 g。

1.3.5 單因素試驗設(shè)計

研究不同腌制液與肉質(zhì)量百分比(下文中均簡稱“液肉百分比(質(zhì)量分數(shù))”)、超聲功率和真空度對腌制效果的影響。試驗時，首先固定超聲功率為210 W，真空度為70 kPa，改變液肉百分比，分別是25%、40%、55%、70%、85%；同理，固定液肉百分比為55%，真空度為70 kPa，改變超聲功率，分別是150、180、210、240、270 W；同理，固定液肉百分比為55%，超聲功率為210 W，改變真空度，分別是50、60、70、80、90 kPa。試驗重復(fù)3次，每個指標(biāo)在相同條件下測定3次。

1.3.6 RSM試驗設(shè)計

在單因素試驗基礎(chǔ)上選取液肉百分比、超聲功率、真空度作為試驗因素，成品率作為響應(yīng)值，采用輔助軟件Design Expert(V.8.0.6)中的Box-Behnken試驗設(shè)計，對松板肉超聲-真空腌制工藝進行優(yōu)化。

表1 Box-Behnken設(shè)計因素水平表Table 1 Variables and levels used in Box-Behnken design

1.3.7 ANN模型

本文采用基于Matlab軟件平臺的BP神經(jīng)網(wǎng)絡(luò)，選用3層的神經(jīng)網(wǎng)絡(luò)模型(輸入層、隱含層、輸出層)，選取液肉百分比、超聲功率、真空度3個變量作為網(wǎng)絡(luò)輸入節(jié)點，歸一化處理在0～1，歸一化公式(2)為：

(1)

式中：Ti為訓(xùn)練樣本數(shù)據(jù)的第i個輸入；T′i為Ti歸一化后的數(shù)據(jù)，T′i∈[a,b]；Timax為訓(xùn)練樣本數(shù)據(jù)的第i個輸入的最大值；Timin為訓(xùn)練樣本數(shù)據(jù)的第i個輸入的最小值。

調(diào)理松板肉成品率Y作為輸出層節(jié)點，選用3-X-1結(jié)構(gòu)，隱含層神經(jīng)元X由公式(3)計算可得：

(2)

式中:p為隱含層神經(jīng)元數(shù)；n為輸入神經(jīng)元數(shù)；q為輸出層神經(jīng)元數(shù)；z為經(jīng)驗值(1≤z≤10)。

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Structure of artificial neural network(ANN)

1.3.8 最佳工藝參數(shù)優(yōu)化

網(wǎng)絡(luò)訓(xùn)練完成后，用實驗數(shù)據(jù)對該網(wǎng)絡(luò)進行模擬優(yōu)化仿真，通過仿真優(yōu)化調(diào)理松板肉加工工藝參數(shù)。利用PSO-ANN模型仿真得到每組的調(diào)理松板肉成品率，將其與工藝參數(shù)矩陣合并成一個大矩陣，再從這個矩陣中找出成品率最大所對應(yīng)的行，得到每一代最大調(diào)理松板肉成品率的值及其對應(yīng)的優(yōu)化工藝參數(shù)。在優(yōu)化計算過程中，設(shè)定初始粒子數(shù)量為15，最大進化代數(shù)為50，慣性權(quán)重為0.7，自我學(xué)習(xí)因子0.5，群體學(xué)習(xí)因子0.5，運行Matlab軟件程序，得到每代種群最優(yōu)適應(yīng)度及其變化結(jié)果。

1.3.9 數(shù)據(jù)處理

數(shù)據(jù)運用SPSS 22.0軟件、Design Expert軟件、Matlab 2016軟件進行處理分析，所得結(jié)果用Origin 8.6軟件繪圖。

2 結(jié)果與分析

2.1 單因素試驗結(jié)果

2.1.1 液肉百分比對成品率和TPA指標(biāo)的影響

由圖2可知，在液肉百分比為25 %～40 %，調(diào)理松板肉成品率逐漸增加，在55 %～85 %成品率隨著液肉百分比的增加而顯著降低。這主要是由于在一定的范圍內(nèi)，隨著液肉百分比增加，腌制過程中肉與腌制液接觸的面積增加，因此成品率逐漸增加，但多余的水分主要以自由水的形式存在于肌原纖維的空隙中，在外部條件劇烈變化如加熱等，造成這部分水容易滲出，導(dǎo)致出品率下降[21]。由表2可知，在液肉百分比為40%～85%，硬度和內(nèi)聚性總體呈現(xiàn)上升的趨勢，但差異不顯著(P>0.05)，彈性和內(nèi)聚性呈現(xiàn)先下降后上升的趨勢，彈性差異不顯著，內(nèi)聚性在液肉百分比為55%時顯著增加。在液肉百分比為25%時，硬度和咀嚼性較高，這可能與樣品接觸水分較少有關(guān)[22]。綜合以上單因素結(jié)果，選擇液肉百分比為25 %、40 %、55 %進行響應(yīng)面實驗。

圖2 液肉百分比對成品率的影響Fig.2 Effect of marinade/meat ratio on final product yield注：不同小寫字母表示差異顯著，下同。

表2 液肉百分比對TPA指標(biāo)的影響Table 2 Effect of marinade/meat ratio on TPA index

注：同列不同小寫字母表示差異顯著,P<0.05。下同。

2.1.2 超聲功率對成品率和TPA指標(biāo)的影響

由圖3可知，在超聲功率為150～240 W，成品率顯著增加，在240～270 W，成品率下降，差異不顯著。由表3可知，隨著超聲功率的增加，硬度和內(nèi)聚性整體呈現(xiàn)上升的趨勢，彈性在超聲功率為240 W時最大。這可能是由于超聲波的機械效應(yīng)和空化效應(yīng)等破壞了細胞結(jié)構(gòu)，肌原纖維結(jié)構(gòu)被破壞，釋放出大量鹽溶性蛋白、肌漿蛋白和嫩化酶等，且在一定程度上促進了鹽溶性蛋白向肉塊表面富集，對肉的嫩化和持水力起到促進作用，顯著改善肉品嫩度，同時提高肉品成品率，從而提高了肉品品質(zhì)[23-25]。但是過高的超聲波強度會造成蛋白結(jié)構(gòu)的嚴(yán)重變性，其持水能力就會嚴(yán)重下降，硬度會隨之增加，這與KANG等[26]、常海霞[27]的研究結(jié)果一致。KANG等[26]學(xué)者研究不同超聲波強度對牛肉脂質(zhì)氧化和蛋白質(zhì)氧化的影響，結(jié)果表明高強度超聲處理會誘導(dǎo)蛋白質(zhì)氧化進而促使蛋白質(zhì)表面疏水性增加。常海霞[27]研究表明超聲波處理可能會對草魚肌原纖維分子有一定的破壞作用，導(dǎo)致蛋白質(zhì)表面疏水性增加。綜合以上單因素結(jié)果，選擇超聲功率為210、240、270 W進行響應(yīng)面試驗。

表3 超聲功率對TPA指標(biāo)的影響Table 3 Influence of ultrasonic power on TPA index

圖3 超聲功率對成品率的影響Fig.3 Effect of ultrasonic power on final product yield

2.1.3 真空度對成品率和TPA指標(biāo)的影響

由圖4可知，在真空度為50～60 kPa，成品率顯著增加,在70～90 kPa，成品率顯著降低。這與馮改霞[28]研究一致，其認為生產(chǎn)肉制品的真空度一般在60.8～81.0 kPa比較合適。在真空條件下，物料整體會產(chǎn)生一定的膨脹，導(dǎo)致細胞間的間距增大，這成為變形松弛現(xiàn)象，這種現(xiàn)象也有利于浸漬溶液更快地滲入到固體間質(zhì)中[29]。MEAL-RAMOS等[30]研究真空腌對牛肉品質(zhì)的影響，結(jié)果表明在20.3 kPa和70 kPa條件下，樣品體積增加，且70 kPa下樣品的體積大于20.3 kPa下樣品的體積，作者推測可能與真空腌制時物料外部液體大的毛細管滲透有關(guān)，使得肉的固體基質(zhì)膨脹，成品率增加。由表4可知，在真空度為50～80 kPa時，硬度和咀嚼性呈現(xiàn)增加的趨勢，真空度增加到90 kPa時，硬度和咀嚼性都顯著下降。彈性在所選真空度范圍內(nèi)逐漸增加，但差異不顯著，內(nèi)聚性在真空度70 kPa時達到最大值。綜合以上單因素結(jié)果，選擇真空度為60、70、80 kPa進行響應(yīng)面試驗。

表4 真空度對TPA指標(biāo)的影響Table 4 Effect of vacuum on TPA index

圖4 真空度對成品率的影響Fig.4 Effect of vacuum degree on final product yield

2.2 響應(yīng)面優(yōu)化試驗設(shè)計及結(jié)果

運用Design-Expert 8.0.6中Box-Behnken模式設(shè)計試驗方案，取得17個試驗點，試驗設(shè)計和結(jié)果如表5所示。

表5 Box-Behnken試驗設(shè)計表及結(jié)果Table 5 The design and results of Box-Behnken experiments

2.2.1 以成品率為響應(yīng)值的響應(yīng)面結(jié)果分析

(1)回歸方程的建立與方差分析

選用分析模型Quadratic進行分析，可得到預(yù)測方程，如表3所示。根據(jù)Design Expert建議，成品率選用二次分析模型，得到二次回歸方程如式(4)：

Y1=94.28+0.75A+0.56B-0.62C+1.5AB-1.05AC-0.68BC-1.84A2-4.91B2-0.74C2(R2=0.980 2)

(4)

式中：Y1調(diào)理松板肉成品率，%：A液肉百分比，%：B超聲功率，W：C真空度，kPa。

由表6可知，以成品率作為響應(yīng)值時，模型的P值遠小于0.01，說明該方程的二次項模型極顯著。該模型的失擬項在0.05的水平上不顯著(P=0.333 8>0.05)，說明試驗結(jié)果與數(shù)學(xué)模型擬合良好。即該模型的選擇合適，可以用該模型推測試驗的結(jié)果?；貧w方程相關(guān)系數(shù)R2為0.980 2，說明調(diào)理松板肉的成品率的變動有98.02 %來自所選的變量。方程中因素AB、A2、B2對結(jié)果有極顯著影響(P<0.01)，A、B、C、AC對成品率有顯著影響(P<0.05)，因素BC、C2對結(jié)果影響不顯著(P>0.05)。根據(jù)回歸方程的一次項系數(shù)大小，可知各因素對松板肉成品的影響大小順序依次是液肉百分比、真空度、超聲功率。

表6 成品率回歸模型方差分析Table 6 Analysis of variance of the regression equation for final product yield

(2)響應(yīng)面結(jié)果分析

用Design-Expert軟件可得不同因素的響應(yīng)面分析圖。等高線圖能夠直觀反映2個變量交互作用的顯著程度，而圓形表明交互作用不顯著，橢圓表明顯著[31]。由表3可知，交互項AB和AC對松板肉成品率存在顯著影響，交互項BC對松板肉成品率的影響不顯著。

由圖5可知，在液肉百分比為40%～45%，超聲功率為237～243 W，真空度63～68 kPa，調(diào)理松板肉成品率最高。由圖5-a可知，當(dāng)液肉百分比為43 %左右，超聲功率為240 W左右時，調(diào)理松板肉的成品率最高；在液肉百分比小于43 %，超聲功率小于240 W時，成品率隨兩者的增大而增加，可能是肉與腌制液的接觸面積增加，在一定時間配料和水分更多地滲入肉中。而隨著超聲功率的增加，超聲波的空化效應(yīng)變強，強烈的空化效應(yīng)使得肌肉組織中的細胞破裂，水分滲透到肌肉細胞內(nèi)部，細胞持水力增加[32]，因此兩者交互使得成品率增加。在液肉百分比大于43 %，超聲功率大于240 W時，成品率逐漸下降，這可能是此時多余的水與肉結(jié)合不緊密，而高功率的超聲波產(chǎn)生的瞬間高溫使得部分蛋白質(zhì)變性，結(jié)構(gòu)致密，不溶性蛋白增多，肉的持水力下降。由圖5-b可知，當(dāng)液肉百分比在45 %左右，真空度在65 kPa左右時，調(diào)理松板肉的成品率最高；在液肉百分比小于45 %，真空度小于65 kPa時，成品率隨兩者的增大而增加，可能是此時的真空度有利于腌制液滲透進入肉中，此時的水分含量逐漸增加但相對較低，兩者協(xié)同可能使得腌制液更好地滲透進肉里，且在近5個小時的腌制過程中，可能更有效地抑制了微生物的增長。在液肉百分比大于45 %，真空度大于65 kPa時，成品率隨著兩者的增大而減小，可能此時多余的水分在腌制初始階段超聲處理時已經(jīng)滲出一部分，而真空度過大對物料結(jié)構(gòu)造成破壞也可能導(dǎo)致物料持水力下降。

a-液肉百分比和超聲功率交互作用;b-液肉百分比和真空度交互作用;c-超聲功率和真空度交互作用圖5 各試驗因素交互作用的響應(yīng)面和等高線圖Fig.5 Contour and response surface plots showing the interactive effects of three factors on product yield

2.3 ANN模型構(gòu)建結(jié)果

2.3.1 ANN結(jié)構(gòu)

ANN模型以液肉百分比、超聲功率、真空度作為網(wǎng)絡(luò)的3個輸入神經(jīng)元，中間有一個隱含層，包括4個神經(jīng)節(jié)點。以調(diào)理松板肉成品率作為網(wǎng)絡(luò)輸出層的輸出神經(jīng)元，ANN的拓撲結(jié)構(gòu)為3-4-1。建立的ANN模型如圖1所示，對該結(jié)構(gòu)進行訓(xùn)練優(yōu)化，訓(xùn)練過程中各參數(shù)設(shè)置如表7所示。

表7 訓(xùn)練參數(shù)設(shè)置Table 7 Training parameter setting

2.3.2 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練

以Design-Expert實驗設(shè)計參數(shù)及實驗結(jié)果為訓(xùn)練樣本，執(zhí)行ANN模型的擬合迭代過程，由圖6的曲線可知網(wǎng)絡(luò)訓(xùn)練較穩(wěn)定且收斂迅速，調(diào)理松板肉成品率的ANN模型訓(xùn)練至第43步，模型性能達到所設(shè)定的均方誤差目標(biāo)要求，曲線的整體趨勢表明了針對本研究所建立的ANN模型的結(jié)構(gòu)及參數(shù)比較合理。

圖6 成品率的BP模型訓(xùn)練過程Fig.6 BP model training process of final product yield

圖7反映了網(wǎng)絡(luò)訓(xùn)練時，調(diào)制松板肉成品率的網(wǎng)絡(luò)輸出值與目標(biāo)值的回歸分析。由圖7可知，該神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中的仿真誤差較小，綜合回歸系數(shù)R2值為0.995 0，具有較高的精確度，所建立的3×4×1結(jié)構(gòu)的3層神經(jīng)網(wǎng)絡(luò)模型具有很強的預(yù)測性和準(zhǔn)確性。

a-訓(xùn)練集；b-驗證集；c-測試集；d-全部數(shù)據(jù)集圖7 成品率的目標(biāo)輸出和網(wǎng)絡(luò)輸出的回歸分析Fig.7 Regression analysis of target output and network output of final product yield

將試驗參數(shù)代入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型以及RSM預(yù)測的方程里，得到試驗的預(yù)測值如表8所示。與試驗真實值比較，計算分別得出RSM和ANN預(yù)測的相對誤差值。通過對比兩組相對誤差值，可以得知在17組試驗中，BP神經(jīng)網(wǎng)絡(luò)預(yù)測的成品率精確度有13組高于RSM分析方法。總體來說，ANN分析方法優(yōu)于RSM分析方法。

表8 RSM和ANN預(yù)測值及相對誤差值比較Table 8 the comparison of predicted and relative error values between RSM and ANN

2.3.3 粒子群算法優(yōu)化加工工藝參數(shù)

粒子群算法首先在可行解空間中初始化一群粒子，用位置、速度和適應(yīng)度值3項指標(biāo)表示每個粒子的特征，適應(yīng)度值作為衡量粒子好壞的標(biāo)準(zhǔn)。本文中粒子位置即為液肉百分比、超聲功率和真空度，適應(yīng)度值即為成品率。粒子在解空間中運動，通過跟蹤個體最優(yōu)位置與群體最優(yōu)位置更新個體位置。粒子每更新一次位置，就計算一次適應(yīng)度值，并通過比較新粒子的適應(yīng)度值和個體最優(yōu)位置、群體最優(yōu)位置的適應(yīng)度值更新個體最優(yōu)位置和群體最優(yōu)位置。粒子群算法的流程如圖8所示。

圖8 粒子群算法流程Fig.8 Process of the particle swarm optimization

在每次迭代過程中，粒子通過個體極值和群體極值更新自身的速度Vid和位置Xid，即：

式中：k為當(dāng)前迭代次數(shù)；Vid為粒子的速度；Pid為個體最優(yōu)位置；Pgd為群體最優(yōu)位置；c1為自我學(xué)習(xí)加速度因子，c2為群體學(xué)習(xí)加速度因子；r1和r2是分布于[0,1]的隨機數(shù)。ω為慣性權(quán)重；d=1，2，…，n(n為粒子總數(shù))。

通過粒子群算法不斷迭代尋找更優(yōu)的工藝參數(shù)，迭代過程中的群體最優(yōu)適應(yīng)度值如圖9所示?？梢钥闯鲭S著迭代次數(shù)的增加，群體最優(yōu)的適應(yīng)度值不斷上升，直至找到所訓(xùn)練好的ANN模型的最優(yōu)解，即最優(yōu)的工藝參數(shù)。由圖9可以看出，經(jīng)過50代后達到最佳適應(yīng)度，其成品率已達最大值，隨后基本保持不變。最優(yōu)工藝參數(shù)為液肉百分比51.0 %、超聲功率235.36 W、真空度66.11 kPa。

圖9 粒子群算法收斂過程Fig.9 Particle swarm algorithm convergence process

2.3.4 RSM和ANN預(yù)測能力的比較

對兩種方法得出的最佳工藝參數(shù)進行對比，分別在兩種條件下進行3次平行實驗，然后將3次結(jié)果取平均值，結(jié)果如表9所示。通過實驗結(jié)果可以得出，BP神經(jīng)網(wǎng)絡(luò)-粒子群算法優(yōu)化出的最佳工藝條件下的成品率為95.48 %，大于響應(yīng)面優(yōu)化出的最佳工藝條件下的成品率94.82 %，且相對誤差值低于響應(yīng)面相對誤差值。通過對比驗證說明基于BP神經(jīng)網(wǎng)絡(luò)-粒子群算法的預(yù)測模型是一種有效的優(yōu)化加工工藝參數(shù)的方法。

表9 不同方法優(yōu)化調(diào)理肉制品加工工藝的對比驗證Table 9 Contrast verification of different approaches to optimize conditioning meat processing technology

3 結(jié)論

通過單因素試驗和Box-Behnken設(shè)計以及響應(yīng)面分析對調(diào)理松板肉腌制工藝進行優(yōu)化，得到較優(yōu)工藝條件為液肉百分比48.10 %、超聲功率246.04 W、真空度61.11 kPa，在此工藝條件下得到理論出品率94.82 %。在此工藝下進行驗證試驗，得到出品率為92.84 %，與理論預(yù)測值接近，說明通過響應(yīng)面優(yōu)化后得出的方程具有一定的實踐指導(dǎo)意義，模型能夠較好地預(yù)測調(diào)理松板肉在滾揉腌制后出品率的變化情況。

本研究采用3×4×1結(jié)構(gòu)的聯(lián)級BP神經(jīng)網(wǎng)絡(luò)，建立了超聲—真空協(xié)同優(yōu)化調(diào)理松板肉的預(yù)測模型，能解決復(fù)雜的非線性關(guān)系，可以準(zhǔn)確地反映出網(wǎng)絡(luò)輸入與輸出之間的映射關(guān)系。再利用粒子群用算法對該函數(shù)進行全局尋優(yōu)，從而獲得最優(yōu)的工藝條件，訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)—粒子群算法得到最佳工藝參數(shù)為液肉百分比51.00 %、超聲功率235.36 W、真空度66.11 kPa，在此工藝條件下得到理論出品率95.48 %，驗證試驗得到成品率為94.96 %。

通過分析對比，BP神經(jīng)網(wǎng)絡(luò)—粒子群算法優(yōu)化出的成品率高于響應(yīng)面法優(yōu)化的結(jié)果，且相對誤差更小，說明BP神經(jīng)網(wǎng)絡(luò)—粒子群算法更加適合于調(diào)理松板肉的加工工藝優(yōu)化和預(yù)測。本研究所采用的分析方法為優(yōu)化調(diào)理肉制品加工工藝提供了參考，同時為超聲—真空協(xié)同技術(shù)在肉制品工業(yè)中的應(yīng)用提供了理論依據(jù)。