[发明专利]基于BP人工神经网络的大黄鱼中生物胺预测方法

说明书

技术领域

本发明涉及一种水产品技术领域，具体涉及一种基于BP人工神经网络的大黄鱼中生物胺预测方法。

背景技术

生物胺广泛存在于富含氨基酸、蛋白质的水产品、肉制品和发酵制品中，通常腐败变质的食品中含高水平的生物胺。当人体摄入过量的生物胺时，会引起头疼、恶心、心悸、血压变化、呼吸紊乱等过敏反应，严重时可能危及生命。同时生物胺易与食品中的亚硝酸盐反应生成致癌性物质亚硝胺。

生物胺是中容易引起食品安全问题的重要因素之一，特别是蛋白含量丰富的水产品、肉类制品中生物胺含量高，存在潜在危害性，因此亟需进行食品中生物胺的检测及控制技术研究。采用传统的液相色谱法、离子色谱法等测定食品中的生物胺仪器成本高，前处理复杂，实验过程繁琐费时；同时因影响食品中生物胺生成因素众多，生物胺生成过程相对复杂，一般情况下无法用线性方程进行拟合，开展生物胺有效控制这一方面研究工作存在一定的难度。

因此，需要对现有技术进行改进。

发明内容

本发明要解决的技术问题是提供一种高效的框基于BP人工神经网络的大黄鱼中生物胺预测方法。

为解决上述技术问题，本发明提供一种基于BP人工神经网络的大黄鱼中生物胺预测方法，包括以下步骤：

S1，采集预设的不同贮藏条件下大黄鱼中生物胺数据，经归一化预处理后得到训练样本集；

S2，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；

S3，使用训练样本集对BP人工神经网络进行迭代训练得到最佳BP神经网络预测模型；

S4，使用训练样本集中的剩余数据对最佳BP神经网络预测模型进行验证；

S5，对训练得到的最佳BP神经网络预测模型，应用在大黄鱼生物胺含量预测中，获取大黄鱼在不同贮藏条件下的生物胺含量。

作为对本发明基于BP人工神经网络的大黄鱼中生物胺预测方法的改进，所述S1包括：

S1-1，预设的大黄鱼贮藏条件包含不同贮藏温度、不同贮藏时间两个参数，通过离子色谱法测定不同贮藏条件下大黄鱼中生物胺含量，生物胺含量包括腐胺、尸胺、酪胺和生物胺总量四个数据；采集大黄鱼在不同贮藏条件下的生物胺数据对；样本数据是由样本输入和期望输出组成的样本对；

S1-2，为了避免网络系统误差过大及防止部分神经元达到过饱和状态，对样本数据进行归一化处理，使所有的样本数据都归一为[0，1]之间，而网络的输出向量通过反归一化处理后，即可得到原物理空间的值；采用的数据归一化处理计算公式为：

Di＝(D-Dmin)/(Dmax-Dmin)，

式中，D为原始样本数据，Dmin为原始样本数据的最小值，Dmax为原始样本数据的最大值，Di为归一化后样本数据。

作为对本发明基于BP人工神经网络的大黄鱼中生物胺预测方法的进一步改进，所述S2包括：

S2-1，用于大黄鱼中生物胺含量预测的BP人工神经网络由输入层、隐含层和输出层构成；其中，输入层包括应贮藏温度和贮藏时间2个神经元，输出层为腐胺含量、尸胺含量、酪胺含量和生物胺总量4个神经元；通过进行确定一个隐含层神经元数量范围，随后对该范围内各数量神经元条件下的网络进行预训练，通过比较BP人工神经网络收敛精度及收敛速度，确定最优的隐含层的神经元数量；

式中，l为隐含层单元数，n为输入层单元数，m为输出层单元数，a为[1,10]之间的常数；

S2-2，构建上述BP人工神经网络，为该网络选择传递函数、训练函数和学习函数，用于激活整个网络的学习、反馈和最终的预测功能；根据收敛精度分析，分别选择对数-线性形式的传递函数，训练函数采用trainlm，学习函数为learngdm。

作为对本发明基于BP人工神经网络的大黄鱼中生物胺预测方法的进一步改进，所述S3包括：

S3-1，对网络的训练参数进行适当的设置，采用SPSS软件对神经网络模型的训练参数进行设置，包括最初学习率、学习率的较低边界、时程学习率减少值、动能、间隔中心点及间隔偏移量；最初学习率设置为0.4，学习率的较低边界为0.001，时程学习率减少值为10，动能为0.9，间隔中心点为0，间隔偏移量±0.5。

S3-2，在BP人工神经网络生成和初始化以后，利用现有的输入-输出样本数据对网络进行训练；神经网络的训练过程，是输入变量正向计算与误差逆向传播的各层权值和阀值矩阵周而复始地调整，使得误差函数小于要求精度的过程。