《一种气调包装生鲜冷却牛肉腐败菌生长预测方法.pdf》由会员分享，可在线阅读，更多相关《一种气调包装生鲜冷却牛肉腐败菌生长预测方法.pdf（8页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102676634 A (43)申请公布日 2012.09.19 CN 102676634 A *CN102676634A* (21)申请号 201210138087.X (22)申请日 2012.05.05 C12Q 1/06(2006.01) G06F 3/02(2006.01) G06N 3/02(2006.01) (71)申请人 上海海洋大学 地址 201306 上海市南汇区临港新城沪城环 路 999 号 (72)发明人 李柏林 肖海涛 欧杰 (74)专利代理机构 上海伯瑞杰知识产权代理有 限公司 31227 代理人 吴泽群 (54) 发明名称 一种气调包装生。
2、鲜冷却牛肉腐败菌生长预测 方法 (57) 摘要 本发明公开了一种气调包装生鲜冷却牛肉腐 败菌生长预测方法， 采用包括输入层、 隐含层和 输出层的 BP 人工神经网络， 输入层包含了保存 温度、 气调比例、 菌种以及牛肉的保存时间， 用于 设置预测范围， 所述菌种可选假单胞菌、 乳酸菌、 热沙索死菌或大肠菌群， 隐含层用于处理输入数 据与输出数据间复杂的非线性关系， 经过优化比 较后， 确定隐含层含 11 个神经元节点时能获得最 精确结果， 输出层就是所需的牛肉在特定保存条 件下某种腐败菌在某一时刻的细菌量， 所采用层 与层间的激活函数分别为双曲正切传播函数和线 性传播函数， 利用实验所获得的数。
3、据， 对所构建的 BP 人工神经网络进行训练和学习， 实现对牛肉中 腐败菌在不同保存条件不同时刻下的细菌量进行 预测。 (51)Int.Cl. 权利要求书 1 页 说明书 4 页 附图 2 页 (19)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 1 页 说明书 4 页 附图 2 页 1/1 页 2 1. 一种气调包装生鲜冷却牛肉腐败菌生长预测方法， 其特征在于， 采用包括输入层、 隐 含层和输出层的 BP 人工神经网络， 输入层包含了保存温度、 气调比例、 菌种以及牛肉的保存时间， 用于设置预测范围， 所 述菌种可选假单胞菌、 乳酸菌、 热沙索死菌或大肠菌群， 隐含层用于处。
4、理输入数据与输出数据间复杂的非线性关系， 经过优化比较后， 确定隐 含层含 11 个神经元节点时能获得最精确结果， 输出层就是所需的牛肉在特定保存条件下某种腐败菌在某一时刻的细菌量， 所采用层与层间的激活函数分别为双曲正切传播函数和线性传播函数， 对所构建的 BP 人工神经网络进行训练和学习， 设定 8 种保存条件进行实验， 所设定 的条件分别为 ： -2 65%CO235%O2、 -2 80%CO220%O2、 0 65%CO235%O2、 0 80%CO220%O2、 565%CO235%O2、 580%CO220%O2、 1065%CO235%O2以及1080%CO220%O2， 从而获。
5、得此8种 保存条件下牛肉中的总细菌数、 假单胞菌数、 热沙索丝菌数、 乳酸菌数和大肠菌群数， 将数 据导入网络中， 即可进行训练， 在输入层设定所需温度、 气调比例、 菌种和保存时间， 便可以实现对牛肉中腐败菌在不 同保存条件不同时刻下的细菌量进行预测， 所述 BP 人工神经网络的各神经元间的连接权值如下表 ： 各神经元间的连接权值 (w) 表 所述 BP 人工神经网络中隐含层和输出层的阈值如下表 ： 隐含层和输出层的阈值 (b) 表 。 权 利 要 求 书 CN 102676634 A 2 1/4 页 3 一种气调包装生鲜冷却牛肉腐败菌生长预测方法 技术领域 0001 本发明属于食品保鲜技术。
6、领域， 特别涉及一种气调包装生鲜冷却牛肉腐败菌生长 预测方法。 背景技术 0002 牛肉是一种极易腐败的食品， 其中主要存在的腐败菌有假单胞菌、 乳酸菌、 热沙索 丝菌以及大肠菌群。对此， 不少商家采用了气调包装和低温保存 （08） 的储藏方法来延 长牛肉的货架期。气调包装中的高 CO2含量能够抑制最主要的好氧腐败菌假单胞菌的 生长， 加以一定比例的 O2也能够保持牛肉鲜红的色泽。同时低温条件下， 绝大多数细菌的 代谢活动也得到了延缓。 0003 因此预测气调包装生鲜冷却牛肉中腐败菌的生长与我们生活有密切联系。经 典的数学建模方法分为一级模型和二级模型两大步骤， 一级模型用于表示特定环境下微 。
7、生物量与时间的关系， 求出几种指定环境下细菌生长曲线的参数值 （log(N0),log(Nmax N0),maxand） ， 进而利用这些参数进行二级模型的多项式拟合， 得到各参数与环境因子 （本项目中指温度和气调比例） 之间的关系式， 从而实现对不同环境下细菌生长情况的预 测。这钟方法对于工作人员的数学水平要求比较高。 0004 而人工神经网络方法是一种模拟人类大脑学习功能所开发出的一种算法， 不仅能 够更精确地对微生物生长进行预测， 而且能够同时预测更多环境因子 （甚至上百种） 条件下 的生长关系。目前已学者将该方法用于预测蔬菜中大肠杆菌的数目， 也有学者用于预测大 肠杆菌的产酶量， 但尚。
8、未发现有人将该方法用于预测牛肉中腐败菌的生长， 尤其是在气调 包装生鲜冷却牛肉中。 发明内容 0005 本发明的目的是提供一种气调包装生鲜冷却牛肉腐败菌生长预测方法， 已解决现 有技术中气调包装生鲜冷却牛肉腐败菌生长预测困难的问题。 0006 本发明的技术方案是， 一种气调包装生鲜冷却牛肉腐败菌生长预测方法， 采用包 括输入层、 隐含层和输出层的 BP 人工神经网络， 0007 输入层包含了保存温度、 气调比例、 菌种以及牛肉的保存时间， 用于设置预测范 围， 所述菌种可选假单胞菌、 乳酸菌、 热沙索死菌或大肠菌群， 0008 隐含层用于处理输入数据与输出数据间复杂的非线性关系， 经过优化比较。
9、后， 确 定隐含层含 11 个神经元节点时能获得最精确结果， 0009 输出层就是所需的牛肉在特定保存条件下某种腐败菌在某一时刻的细菌量， 0010 所采用层与层间的激活函数分别为双曲正切传播函数和线性传播函数， 0011 为对所构建的 BP 人工神经网络进行训练和学习， 本项目进行了 8 种目标 保 存 条 件 下 的 实 验。 所 设 定 的 条 件 分 别 为 ： -2 65%CO235%O2、 -2 80%CO220%O2、 0 65%CO235%O2、 0 80%CO220%O2、 5 65%CO235%O2、 5 80%CO220%O2、 10 65%CO235%O2以及 说 明 。
10、书 CN 102676634 A 3 2/4 页 4 10 80%CO220%O2。从而获得此 8 种条件下牛肉中的总细菌数、 假单胞菌数、 热沙索丝菌数、 乳酸菌数和大肠菌群数， 将数据导入网络中， 即可进行训练。 0012 在输入层设定所需温度、 气调比例、 菌种和保存时间， 便可以实现对牛肉中腐败菌 在不同保存条件不同时刻下的细菌量进行预测， 0013 所述 BP 人工神经网络的各神经元间的连接权值如下表 ： 0014 各神经元间的连接权值 (w) 表 0015 0016 所述 BP 人工神经网络中隐含层和输出层的阈值如下表 ： 0017 隐含层和输出层的阈值 (b) 表 0018 00。
11、19 本发明在预测模型的输入层设定所需温度、 气调比例、 菌种和保存时间， 便可以实 现对牛肉中腐败菌在不同保存条件不同时刻下的细菌量进行预测。 附图说明 0020 图 1 是本发明的人工神经网络结构图 0021 图 2 是本发明实施例中所求得曲线的预测效果图表 0022 图 3 是本发明实施例中经训练后的 BP 神经网络图 具体实施方式 0023 以下结合附图对本发明的原理和具体实施方式作进一步说明。 0024 人工神经网络的信息处理功能是由网络神经元的输入输出特性 （激活特性） 、 网络 的拓扑结构 （神经元的连接方式） 、 连接权的大小 （突触联系强度） 和神经元的阈值 （视为特 殊的连。
12、接权） 所决定的。神经元是网络最基本的组成部分， 设 xi（i=1,2,R） 为神经元输 说 明 书 CN 102676634 A 4 3/4 页 5 入， wi（i=1,2,R） 代表神经元间的连接权值， b=w0为阈值， f 为激活函数， y 为神经元的 输出， 则有 ： 0025 0026 令 X=（x1x2xR） ， W=（w1w2wR） T， 0027 XW+b=n， 则有 0028 y=f(n) 0029 所用的BP网络 （即误差反向传播神经网络） 是一种分层性的典型多层网络， 具有输 入层、 隐含层和输出层， 层与层间多采用全连接的方式。同一层单元之间不存在相互连接， 每一层的权。
13、值都是通过学习来调整的。 0030 针对本申请涉及的两种环境因子 （保存温度和气调比例） ， 采用的 BP 人工神经网 络， 由 3 层构成 ： 输入层、 隐含层和输出层 （如图 1 所示） 。输入层包含了温度、 气调比例、 菌 种 （可选假单胞菌、 乳酸菌、 热沙索死菌或大肠菌群） 以及牛肉的保存时间， 用于设置预测范 围。 隐含层用于处理输入数据与输出数据间复杂的非线性关系， 经过优化比较后， 确定隐含 层含 11 个神经元节点时能获得最精确结果。输出层就是所需的牛肉在特定保存条件下某 种腐败菌在某一时刻的细菌量。 所采用层与层间的激活函数分别为双曲正切传播函数和线 性传播函数。 0031。
14、 利用实验所获得的数据 （牛肉分别在 -2、 0、 5 和 10同时气调比例分别为 65%CO235%O2和80%CO220%O2保存条件下， 总细菌数、 假单胞菌数、 热沙索丝菌数、 乳酸菌数和 大肠菌群数） ， 对所构建的 BP 网络进行训练和学习。这样每次训练都可以得到输出的菌量， BP 网络特有的反向传播算法会将所得结果与实验实际结果进行比较， 通过两者间的误差来 调整各神经节点间的权值， 网络就完成一次学习。 这样每训练一次， 输出结果就能够与实际 结果更接近， 在完成3000次学习后 （约20秒） ， 两者间的均方误差已小于10-3log CFU/g。 于 是只需在输入层设定所需温。
15、度、 气调比例、 菌种和时间， 便可以实现对牛肉中腐败菌在不同 保存条件不同时刻下的细菌量进行预测， 得到的输出结果为某一时间点下的值。若要绘制 生长曲线， 只需求的 10 个时间点左右的细菌量便可进行拟合。表 1 为经过训练后预测模型 的各神经元间的连接权值 (w)， 表 2 为经过训练后预测模型的隐含层和输出层的阈值 (b)。 0032 表 1 各神经元间的连接权值 (w) 0033 说 明 书 CN 102676634 A 5 4/4 页 6 0034 表 2 隐含层和输出层的阈值 (b) 0035 0036 如图 2， 为利用 BP 神经网络所绘制得到的曲线示例， 实心点为实验所测得特定时 刻下的菌量， 实线为根据这些点所绘制的曲线， 虚线则是通过本方法所得到的预测曲线。 0037 如图 3 所示， 是本发明经训练后的 BP 神经网络图。 说 明 书 CN 102676634 A 6 1/2 页 7 图 1 图 2 说 明 书 附 图 CN 102676634 A 7 2/2 页 8 图 3 说 明 书 附 图 CN 102676634 A 8 。