基于反向传播神经网络和遗传算法的新鲜Halloumi奶酪生产工艺优化
Production process optimization of fresh Halloumi cheese based on BP neural network and genetic algorithm作者机构:乳业生物技术国家重点实验室上海乳业生物工程技术研究中心光明乳业股份有限公司乳业研究院上海200436 上海大学生命科学学院上海201899
出 版 物:《食品与发酵工业》 (Food and Fermentation Industries)
年 卷 期:2024年第50卷第1期
页 面:133-140,I0004-I0006页
核心收录:
学科分类:0832[工学-食品科学与工程(可授工学、农学学位)] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 083203[工学-农产品加工及贮藏工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:上海乳业生物工程技术研究中心能力提升项目(19DZ2281400)
主 题:新鲜奶酪 Halloumi奶酪 神经网络 遗传算法 工艺优化
摘 要:为提升Halloumi奶酪品质,采用反向传播神经网络和遗传算法优化Halloumi奶酪生产过程的多工艺参数。选取CaCl_(2)添加量、热烫温度和压榨压强为优化变量,以成品奶酪得率和感官评分为优化目标,分别建立了2个神经网络模型,模型精度分别达到了98.936%和98.255%。之后,通过遗传算法进行寻优,结果表明,在得率≥10%以及感官评分≥85的前提下,以奶酪得率为目标的最优生产工艺条件:CaCl_(2)添加量0.0144%、热烫温度83.5℃、压榨压强5.12 kPa,该条件下最高得率为12.01%。以感官品质为目标的最优生产工艺条件:CaCl_(2)添加量0.0171%、热烫温度83.7℃、压榨压强10.38 kPa,该条件下最高感官评分为94.5。该方法能够有效实现Halloumi奶酪生产工艺的快速优化,为促进Halloumi奶酪工业化提供理论基础。