[发明专利]一种基于BP神经网络预测食品感官鲜味强度的方法

权利要求书

1.一种基于BP神经网络预测食品感官鲜味强度的方法，其特征在于，包括如下步骤：

(1)通过感官评价中的二点选配法获得每种食品的谷氨酸钠浓度-选择率方程；

(2)计算选择率为50％时的相对谷氨酸钠浓度；

(3)结合谷氨酸钠浓度-感官鲜味强度曲线评定食品的感官鲜味强度；

(4)借助电子舌技术分析食品的水提取液的滋味轮廓，获得不同传感器的响应值；

(5)对电子舌数据进行预处理以获得校正集和预测集；

(6)基于所述校正集数据，以电子舌传感器响应值为输入，感官鲜味强度为输出，建立和校正BP神经网络预测模型；

(7)基于所述预测集数据，预测食品感官鲜味强度。

2.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，

步骤(1)中，通过招募、筛选、培训步骤，组建一支由24名以上优选评价员组成的评价小组；

和/或所述食品需进行加工处理，根据日常食用方式烹制；

和/或所述二点选配法的步骤为：以随机顺序向评价员分次呈递四组测试样品，每组样品都包括一个感官鲜味强度级别下的谷氨酸钠溶液和一个食品，谷氨酸钠溶液根据预实验结果确定，并设定四种感官鲜味强度级别，分别为弱、中、中-强和强；

和/或以特定的感官鲜味强度级别为x轴，每组样品中选择谷氨酸钠溶液更鲜的评价员的比例为y轴，建立谷氨酸钠浓度-选择率方程。

3.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(3)中，所示谷氨酸钠浓度-感官鲜味强度曲线公式为：InUI＝0.82InC_MSG+4.2，UI表示感官鲜味强度值，C_MSG表示谷氨酸钠浓度(g/100mL)。

4.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(3)中，具体步骤为：将步骤(2)得出的相对谷氨酸钠浓度作为C_MSG代入谷氨酸钠浓度-感官鲜味强度曲线公式中，计算得到UI值，即为该食品的感官鲜味强度值。

5.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(4)的食品中，水提取液根据质地进行分类处理，固体样品经过匀浆、超声、离心步骤，半固体/液体样品经过过滤步骤。

6.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(4)中，所述电子舌对每个食品的采集时间为120s，每个食品包括不低于3次平行和7次重复。

7.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(5)中，每个食品舍弃每次平行的第一个检测值，其余数据为各传感器响应值的原始数据，并分为校正集和预测集。

8.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(6)中，具体步骤为：构建三层结构的神经网络，包括一个输入层、一个输出层和一个隐含层，确定所述隐含层节点的个数，选择所述神经网络的函数，选取所述校正集的样本数据训练所述神经网络，通过调整隐含层个数的训练方法优化神经网络模型结构，提高预测性能，校正效果由决定系数R²来评价。

9.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(6)中，传递函数采用线性变换函数Purelin，网络的学习算法采用Levenberg-Marquardt反向传播算法。

10.根据权利要求1所述预测食品感官鲜味强度的方法，其特征在于，步骤(7)中，将所述预测集中的样本数据输入所述神经网络预测模型进行感官鲜味强度评价。