[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

说明书

本发明公开了一种基于BP神经网络预测食品感官鲜味强度的方法，包括：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；计算选择率为50％时的相对谷氨酸钠浓度；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；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；对电子舌数据进行预处理以获得校正集和预测集；基于校正集数据，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；基于预测集数据，预测食品感官鲜味强度。此方法可以快速、准确、定量预测食品的感官鲜味强度，建立与完善鲜味快速评价体系。

技术领域

本发明涉及食品检测和品质评价领域，具体涉及一种基于BP神经网络预测食品感官鲜味强度的方法。

背景技术

鲜味在食品风味的调和中起着重要作用，选择及建立合适的鲜味强度评价方法对食品研发、质量检测和产品评级等各方面意义重大。食品的消费终端为人，因此通过人工感官评价得到的结果最具实用性和说服力，但耗费较多的资源。电子舌，由传感器阵列、信号采集单元和模式识别工具组成，分别模拟人类味觉系统中人舌受体、神经网络及大脑的功能，具有良好的重复性及不易疲劳的优点。反向传播神经网络(Back Propagation NeuralNetwork，BPNN)作为一种按误差逆传播算法训练的多层前馈网络，可使用其建立非线形的回归模型，以达到定性区分食物类别和定量预测感官属性强度和理化指标的目的。因此，基于BP神经网络建立食品感官鲜味强度的预测模型，结合两种评价方法的优势，为量化和预测各种食品的鲜味强度提供了有效且快速的方法。

发明内容

针对上述问题，本发明提供一种基于BP神经网络预测食品感官鲜味强度的方法，包括步骤如下：

(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)基于预测集数据，预测食品感官鲜味强度。

步骤(1)中，需要通过招募、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。

步骤(1)中，所述食品需进行加工处理，根据日常食用方式烹制。

步骤(1)中，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。

步骤(1)中，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。

步骤(2)中，计算选择率为50％时的相对谷氨酸钠溶液浓度。

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，式中，UI表示感官鲜味强度值；C_MSG表示谷氨酸钠浓度(g/100mL)。

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。