《一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺.pdf》由会员分享，可在线阅读，更多相关《一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺.pdf（9页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN102058012A43申请公布日20110518CN102058012ACN102058012A21申请号201010542595522申请日20101103A23J3/04200601A23J3/3420060171申请人广东海洋大学地址524088广东省湛江市麻章区湖光岩东72发明人秦小明林华娟章超桦侯清娥74专利代理机构湛江市三强专利事务所44203代理人庞爱英54发明名称一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺57摘要本发明涉及食品技术领域，特别是一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺。本发明基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，BP神经网。
2、络学习过程由输入数据的正向传播和误差的反向传播的过程中经过隐含层的处理，最终实现了复杂的非确定性酶解问题的模拟。该方法模拟人的大脑判断系统，用高精度的实时模拟处理数据，在不需要精确地数学模型的基础实现了酶解因素与肽含量及感官分值之间的非线性映射关系；并有精确地预测能力，避免减少了一些实际工艺的实施以及在人为感官评定中的一些弊端和局限性，直接达到快速准确的预测仿真效果。采用本发明得到的酶解工艺更为科学，因此可提高工艺生产效率和产品质量，降低生产成本。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书4页附图2页CN102058014A1/2页21一种基于神经网络系。
3、统优化的牡蛎呈味肽可控酶解工艺，其特征在于包括如下步骤1以牡蛎肉为原料，以料比水、蛋白酶添加量、酶反应温度和酶反应时间等4因素为酶解工艺条件参数，以肽比例和感官评分作为牡蛎酶解液呈味肽评价指标，采用正交实验和随机酶解实验获得酶解工艺参数与评价指标的一一对应关系；2以料比水、蛋白酶添加量、酶反应温度和酶反应时间等4个工艺参数作为输入值，以牡蛎酶解液的肽比例和感观评分作为输出信号，建立牡蛎呈味肽可控酶解的BP神经网络结构模型训练样本；3对BP神经网络结构模型进行训练、仿真，最终实现酶解工艺参数到酶解指标的良好映射关系；4在BP神经网络的基础上，以神经网络所得的函数作为遗传算法的适应度函数，分别以酶。
4、解液肽比例最大值和感官评分最高值为目标采用遗传算法进一步求得酶解工艺参数的最佳组合。2据权利要求1所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述牡蛎酶解工艺是指牡蛎肉的匀浆，调整料水比，添加蛋白酶，在一定条件下酶反应，沸水浴加热10分钟，冷却，在4000转/分钟条件下离心20分钟，取酶解上清液得牡蛎酶解液；其中料水比、蛋白酶添加量、酶反应温度和时间等4因素是牡蛎酶解工艺的变量参数。3据权利要求2所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述匀浆是指牡蛎肉经过自来水清洗、并沥干表面水分后，进行组织破碎、匀浆，得到牡蛎肉匀浆原液；所述调整料水比是指牡蛎肉匀浆原液。
5、与添加水的份数比例；所述蛋白酶添加量是指每100克牡蛎肉匀浆原液添加蛋白酶的重量百分比例；所述酶反应时间是指牡蛎肉经匀浆、调整料水比等预处理后，从添加蛋白酶时刻开始进行酶反应的时间。4据权利要求1所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述牡蛎酶解液的肽比例是指对牡蛎酶解液中的肽氮和总氮含量分别进行测定，肽氮含量占总氮含量的百分比即为肽比例。5据权利要求1所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述牡蛎酶解液的感官评分是指通过感官评定方法对牡蛎酶解液进行感官评价得到的分值。6据权利要求5所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述感官。
6、评定是指以0216G/L不同浓度的谷氨酸钠溶液所对应的鲜度作为标准，谷氨酸钠溶液浓度为16G/L的鲜度为最高值8分，谷氨酸钠溶液浓度为02G/L的鲜度为最低值1分，其他各浓度相对应的分值范围为18；感官评定员均经过基本滋味培训，并至少由15人以上组成；牡蛎酶解液通过以上方法进行感官评分，评分的原始数据采用狄克松法进行检验处理，最终取平均值。7据权利要求1所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述步骤2BP神经网络的结构模型构建是指应用MATLAB78版软件，在建立神经网络模型时以料水比、蛋白酶添加量、酶反应时间以及酶反应温度等4因素为输入量，分别以权利要求书CN10205。
7、8012ACN102058014A2/2页3肽比例或感官评分值为输出层，构建四输入单输出的三层BP神经网络，并以输入层和隐含层之间的传递函数为正切S形函数TANSIG，隐含层和输出层之间的传递函数为线性函数PURELIN。8据权利要求1所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述步骤3结构模型训练是指采用TRAINLM函数为网络训练函数，设定训练目标误差为00001，进行仿真训练，使BP神经网络通过正向传播和反向传播的不断学习过程，逐一修改各神经元连接的权值，这种过程不断迭代，最后实现误差信号达到允许的范围之内00001时，就停止训练。9据权利要求1所述基于神经网络系统优化。
8、的牡蛎呈味肽可控酶解工艺，其特征在于所述步骤4遗传算法是指以建立的神经网络模型为遗传算法的适应度函数，以各酶解参数水平范围为约束条件，以酶解液肽比例最大值和感官评分最高值为优化目标建立优化模型，确定可行解的编码方法及解码方法，同时设定遗传算法相关参数。10据权利要求9所述基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，其特征在于所述设定遗传算法相关参数是指设定生成初始种群、交叉概率和变异概率等参数；生成初始种群，即群体中所含个数的数量，一般取20160，其过小将影响搜索范围，从而得不到最优解，过大则搜索时间长，效率低；交叉概率和变异概率，取01之间，两者越大，则算法探测能力越强，越容易探测到新的。
9、超平面，但个体的平均适应度波动较大，相反越小则算法的开发能力越强，使得较优个体不易被破坏，个体的平均适应度平衡；将设定好的参数及程序放在MATLAB软件中运行，由多个个体组成的一个初始种群开始最优搜索过程，并对这个群体进行的选择、交叉、变异等运算，产生出新一代的群体，继续多点的搜索，经过多次的试算后及合理参数的设定下，最终由遗传算法得出一个稳定的最优因素组合。权利要求书CN102058012ACN102058014A1/4页4一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺技术领域0001本发明涉及食品技术领域，特别是一种基于神经网络系统优化的牡蛎呈味肽可控酶解工艺。背景技术0002牡蛎及其牡。
10、蛎制品以其独特风味和营养价值倍受消费者喜爱，尤其是经过发酵后的牡蛎味道极其鲜美，自古以来古人就将牡蛎加工成蚝油、蚝豉等发酵调味品。现代科学研究结果显示，蚝油、蚝豉等牡蛎发酵调味品的优良风味与牡蛎发酵过程中产生的呈味肽有密切相关。由于传统发酵工艺机械化程度低，耗时长，生产效率低下，目前现代化的酶工程技术正在逐步取代传统的发酵工艺。但是如何最大限度提高呈味肽产出率，并实现呈味肽可控酶解是牡蛎调味精深加工中亟待解决的关键技术问题。牡蛎呈味肽酶解工艺研究结果表明，加酶量、料水比、酶解温度以及酶解时间等多种因素均较大程度，并且呈非线性地影响呈味肽及其风味的产生。但是目前许多传统的酶解工艺条件优化均采取正。
11、交实验方法获得的最佳工艺方案。正交实验虽然具备“均匀分散，齐整可比”的特点，但是由于蛋白酶在酶动力学的复杂性以及非线性，导致正交实验获得的最佳因素条件不一定是最佳因素条件。人工神经网络由于其特有的非线性适应性信息处理能力，具有自学习功能、联想存储功能和高速寻找优化解能力等优势而在自动控制领域、处理组合优化、图像处理等方面得到广泛应用。可以推测人工神经网络在酶工程技术中同样有广阔的应用前景。但是目前神经网络在酶工程技术中的研究仍处于初期阶段，在牡蛎呈味肽酶解工艺优化应用中尚无任何报道。发明内容0003本发明的目的是为了弥补上述现有技术存在的不足，提供一种基于神经网络系统优化牡蛎呈味肽可控酶解工艺。
12、技术方法，使酶解工艺更为科学，提高工艺生产效率和产品质量，降低生产成本。0004为实现上述发明目的，本发明采取的技术方案是该基于神经网络系统优化的牡蛎呈味肽可控酶解工艺包括如下步骤00051以牡蛎肉为原料，以料比水、蛋白酶添加量、酶反应温度和酶反应时间等4因素为酶解工艺条件参数，以肽比例和感官评分作为牡蛎酶解液呈味肽评价指标，采用正交实验和随机酶解实验获得酶解工艺参数与评价指标的一一对应关系；00062以料比水、蛋白酶添加量、酶反应温度和酶反应时间等4个工艺参数作为输入值，以牡蛎酶解液的肽比例和感观评分作为输出信号，建立牡蛎呈味肽可控酶解的BP神经网络结构模型训练样本；00073对BP神经网络。
13、结构模型进行训练、仿真，最终实现酶解工艺参数到酶解指标的良好映射关系；00084在BP神经网络的基础上，以神经网络所得的函数作为遗传算法的适应度函说明书CN102058012ACN102058014A2/4页5数，分别以酶解液肽比例最大值和感官评分最高值为目标采用遗传算法进一步求得酶解工艺参数的最佳组合。0009所述牡蛎酶解工艺是指牡蛎肉的匀浆，调整料水比，添加蛋白酶，在一定条件下酶反应，沸水浴加热10分钟，冷却，在4000转/分钟条件下离心20分钟，取酶解上清液得牡蛎酶解液；其中料水比、蛋白酶添加量、酶反应温度和时间等4因素是牡蛎酶解工艺的变量参数。0010所述匀浆是指牡蛎肉经过自来水清洗、。
14、并沥干表面水分后，进行组织破碎、匀浆，得到牡蛎肉匀浆原液；0011所述调整料水比是指牡蛎肉匀浆原液与添加水的份数比例；0012所述蛋白酶添加量是指每100克牡蛎肉匀浆原液添加蛋白酶的重量百分比例；0013所述酶反应时间是指牡蛎肉经匀浆、调整料水比等预处理后，从添加蛋白酶时刻开始进行酶反应的时间。0014所述牡蛎酶解液的肽比例是指对牡蛎酶解液中的肽氮和总氮含量分别进行测定，肽氮含量占总氮含量的百分比即为肽比例。0015所述牡蛎酶解液的感官评分是指通过感官评定方法对牡蛎酶解液进行感官评价得到的分值。0016所述感官评定是指以不同浓度0216G/L的谷氨酸钠溶液所对应的鲜度作为标准，谷氨酸钠溶液浓度。
15、为16G/L的鲜度为最高值8分，谷氨酸钠溶液浓度为02G/L的鲜度为最低值1分，其他各浓度相对应的分值范围为18。感官评定员均经过基本滋味培训，并至少由15人以上组成。牡蛎酶解液通过以上方法进行感官评分，评分的原始数据采用狄克松法进行检验处理，最终取平均值。0017所述步骤2BP神经网络的结构模型构建是指应用MATLAB78版软件，在建立神经网络模型时以料水比、蛋白酶添加量、酶反应时间以及酶反应温度等4因素为输入量神经元个数为4，分别以肽比例或感官评分值为输出层神经元个数为1，构建四输入单输出的三层BP神经网络，并以输入层和隐含层之间的传递函数为正切S形函数TANSIG，隐含层和输出层之间的传。
16、递函数为线性函数PURELIN。0018所述步骤3结构模型训练是指采用TRAINLM函数为网络训练函数，设定训练目标误差为00001，进行仿真训练。使BP神经网络通过正向传播和反向传播的不断学习过程，逐一修改各神经元连接的权值，这种过程不断迭代，最后实现误差信号达到允许的范围之内00001时，就停止训练。0019所述步骤4遗传算法是指以建立的神经网络模型为遗传算法的适应度函数，以各酶解参数水平范围为约束条件，以酶解液肽比例最大值和感官评分最高值为优化目标建立优化模型，确定可行解的编码方法及解码方法，同时设定遗传算法相关参数。0020所述设定遗传算法相关参数是指设定生成初始种群、交叉概率和变异概。
17、率等参数。生成初始种群，即群体中所含个数的数量，一般取20160，其过小将影响搜索范围，从而得不到最优解，过大则搜索时间长，效率低；交叉概率和变异概率，取01之间，两者越大，则算法探测能力越强，越容易探测到新的超平面，但个体的平均适应度波动较大，相反越小则算法的开发能力越强，使得较优个体不易被破坏，个体的平均适应度平衡。0021将设定好的参数及程序放在MATLAB软件中运行，由多个个体组成的一个初始种说明书CN102058012ACN102058014A3/4页6群开始最优搜索过程，并对这个群体进行的选择、交叉、变异等运算，产生出新一代的群体，继续多点的搜索，经过多次的试算后及合理参数的设定下。
18、，最终由遗传算法得出一个稳定的最优因素组合。0022本发明基于神经网络系统优化的牡蛎呈味肽可控酶解工艺，BP神经网络学习过程由输入数据的正向传播和误差的反向传播的过程中经过隐含层的处理，最终实现了复杂的非确定性酶解问题的模拟。该方法模拟人的大脑判断系统，用高精度的实时模拟处理数据，在不需要精确地数学模型的基础实现了酶解因素与肽含量及感官分值之间的非线性映射关系；并有精确地预测能力，避免减少了一些实际工艺的实施以及在人为感官评定中的一些弊端和局限性，直接达到快速准确的预测仿真效果。采用本发明得到的酶解工艺更为科学，因此可提高工艺生产效率和产品质量，降低生产成本。附图说明0023图1为本发明的神经。
19、网络结构图0024图2为本发明的神经网络及遗传算法结合的流程图具体实施方式0025下面结合实施例对本发明基于神经网络系统优化的牡蛎呈味肽可控酶解工艺方法作出详细说明。00261获取神经网络学习样本0027牡蛎肉按照以下工艺流程制备牡蛎酶解液，然后测定牡蛎酶解液的肽氮含量和总氮含量，并计算牡蛎酶解液的肽比例，同时对牡蛎酶解液进行感官评定。获得酶解工艺参数与评价指标的一一对应关系，作为神经网络学习样本。0028牡蛎酶解工艺流程牡蛎肉新鲜或冷冻清洗沥干匀浆调整料水比添加蛋白酶在一定条件下酶反应温度、时间沸水浴加热10MIN冷却离心4000转/分钟、20MIN取酶解上清液牡蛎酶解液。0029操作要点如。
20、下00301匀浆。牡蛎肉用自来水清洗、沥干表面水分后，用组织捣碎机或匀浆机进行组织破碎、匀浆，得到牡蛎肉匀浆原液。00312调整料水比。按照不同料水比12，13，14，15等比例，用纯净自来水调整牡蛎肉匀浆液浓度。00323添加蛋白酶。以牡蛎肉匀浆原液的重量百分比计，按照不同酶添加量03、06、09、12等，向牡蛎浆液中添加蛋白酶。00334酶反应温度。添加蛋白酶后的牡蛎浆液，放置于恒温水浴锅中，按照不同酶反应温度45、50、55、60等条件，调整酶反应温度。00345酶反应时间。从添加蛋白酶时刻开始计时，按照不同酶反应时间要求4小时、5小时、6小时、7小时等对牡蛎浆液进行酶解。00356牡蛎。
21、酶解液。牡蛎浆液按照不同工艺条件进行的酶解反应结束后，放入沸水浴中充分加热10MIN，冷却、离心，取其上清液即得到牡蛎酶解液。00362建立神经网络模型说明书CN102058012ACN102058014A4/4页70037以料比水、蛋白酶添加量、酶反应温度和酶反应时间等4个工艺参数作为输入值，以牡蛎酶解液的肽比例和感观评分作为输出信号，采用MATLAB78版软件，建立BP神经网络。0038按照图1所示，将BP神经网络设计成3层网络一个输入层，一个隐含层和一个输出层。输入层设定四个神经元料比水、蛋白酶添加量、酶反应温度和酶反应时间。隐含层设定为13个神经元，牡蛎酶解液的肽比例和感观评分设定为输。
22、出层。输入层和隐含层之间的传递函数为正切S形函数TANSIG，隐含层和输出层之间的传递函数为线性函数PURELIN，网络训练函数采用TRAINLM函数。00393神经网络训练0040按照图2所示，用训练样本总量的80数据对神经网络进行训练，设定一个牡蛎酶解液的肽比例期望值和目标精密度，然后让BP神经网络模型开始运行。通过调整训练步数、网络学习速率以及目标精密度，不断对神经网络进行训练，直至网络肽比例输出值与期望值之间的误差降低至5以内。神经网络经过不断学习训练，获得最优的神经网络模型参数最大训练步数为100，网络学习速率为01，网络性能目标误差为00001。00414对BP神经网络进行遗传运算。
23、，获取最佳酶解工艺条件0042根据图2所示，以建立的神经网络模型为遗传算法的适应度函数，以各酶解参数水平范围为约束条件，以酶解液肽比例最大值和感官评分最高值为优化目标建立优化模型，确定可行解的编码方法及解码方法，同时设定生成初始种群、交叉概率和变异概率等相关参数。0043生成初始种群、交叉概率和变异概率等3个参数分别设定为24、03和01，由24个个体组成的一个初始种群开始，分别以牡蛎酶解液肽比例最大值和感官评分最高值作为输出信号，通过选择、交叉、变异等运算，产生出新一代的群体，经过反复运算搜索最佳酶解工艺条件。0044以牡蛎酶解液肽比例最大值作为输出信号，经过以上遗传运算后，获得的最佳酶解工。
24、艺条件为料水比128、蛋白酶添加量103、酶反应温度586，酶反应时间54小时，牡蛎酶解液的肽比例预测值为8081。按照上述工艺对牡蛎肉进行验证试验，实验结果显示，牡蛎酶解液的肽比例达7835，感官评分值达658，相对误差均保持在5以内，预测值和实际值没有明显差异。另外，与正交实验获得的最佳工艺相比，以神经网络获得的最佳工艺获得的牡蛎酶解液，其肽比例和感官评分均明显优于正交实验肽比例和感官评分值分别为7534和551。0045以感官评分最高值作为输出信号，经过以上遗传运算后，获得的最佳酶解工艺条件为料水比121、蛋白酶添加量095、酶反应温度538，酶反应时间60小时，牡蛎酶解液的感观评分预测值为667分。按照上述工艺对牡蛎肉进行验证试验，实验结果显示，牡蛎酶解液的感官评分值达639，预测值和实际值没有明显差异。说明书CN102058012ACN102058014A1/2页8图1说明书附图CN102058012ACN102058014A2/2页9图2说明书附图CN102058012A。