论文——一种基于反向传播人工神经网络的水分活度检测方法.docVIP

说明书 PAGE  PAGE 4 100002 2010.2 一种基于反向传播人工神经网络的水分活度检测方法 技术领域 本发明涉及一种基于反向传播人工神经网络的物料水分活度检测方法，特别涉及一种通过检测与待测点的水分活度有关温度而快速确定该点的水分活度方法。 背景技术 食品的腐败变质受到食品中微生物的生长、油脂氧化、酶促反应和非酶促变化等造成的，而这些都受到水分活度（water activity, 简称Aw）影响。食品保质期与水分活度有显著地相关性，食品的水分活度是评价食品是否腐败变质的重要指标。在食品生产加工和保藏进程中，测量并控制食品的水分活度是重要的。食品水分活度的国家标准测定法（GB/T 23490-2009）已于2009年颁布、实施。该标准规定了康卫皿扩散法和水分活度仪扩散法测定食品中的水分活度。国标中的2个测定法均不能在线测量，且测量一个样品Aw的时间较长（康卫皿扩散法至少1天；水分活度仪扩散法至少几十分钟），另外测量值并非样品原始的Aw值而是样品经粉碎后的平均值。 反向传播人工神经网络（Back?Propagation-Artificial?Neural?Network，简称BP网络）是1986年由Rumelhart和McCelland提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的人工 HYPERLINK /view/3406239.htm \t _blank 神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input layer）、隐层(hide layer)和输出层(output layer)。 BP网络是目前多变量相关的指标预测中使用最广泛的人工神经网络模型之一。基于BP网络能快速、准确地检测物料的水分活度，并可实现水分活度的在线测量。 发明内容 本发明所要解决的技术问题是提供一种基于BP网络能快速、准确地在线检测物料中任何部位的水分活度方法。 本发明所采用的技术方案：一种基于BP网络能快速、准确地在线检测物料中任何部位的水分活度方法，包括以下步骤 1 获取被测物料水分活度及对其有影响的其它温度参数作为检测数据； 2 建立误差逆向传播的人工神经网络； 3 训练与测试建立的BP网络； 4 利用测试通过的BP网络快速、准确地在线检测物料中任何部位的水分活度。 所述的对水分活度有影响的其它温度参数指的是进入Aw测定装置新风温度、进出Aw测定装置空气流温度差、进入Aw测定装置新风干球与湿球温度差、流过被测物料气流的干球温度与物料被测点表面温度差。 所述的步骤1还包括获取物料水分活度及对应的4个温度参数的数据。 所述的神经网络包括1个输入层，1个中间层和1个输出层。 所述的输入层有4个神经元；输出层有1个神经元。 所述的中间层神经元的传递函数采用tan-sigmoid传输函数，输出层为log-sigmoid传输函数。 所述的对BP网络进行训练与测试指的是将测试数据分为3部分，2/4作为训练网络（训练样本），1/4用来验证样本（验证样本），1/4用来测试样本（测试样本）。当根据本网络模型得出Aw值（仿真Aw）与依据国家标准方法（GB/T 23490-2009）实测Aw值之间误差≤0.01，结束训练，可进行依据BP网络Aw值仿真检测Aw。 所述的对BP网络采用误差反向传播算法进行训练。 在步骤4中，利用测试通过的BP网络进行物料Aw检测时，先将上述诸点位的温度值归一化为-1与1之间再输入，并将网络运算后的输出值进行反归一化得到在线检测物料中待测部位的水分活度。 附图说明 图1 反向传播人工神经网络结构图 图2 在线检测物料中待测部位水分活度的装置图 图3 三种标准溶液（纯水，饱和氯化钾水溶液和饱和氯化钠水溶液） 反向传播人工神经网络训练、验证和测试过程图 具体实施方式 以下结合实施例对本发明作进一步详细描述：这些叙述便于更好地理解本发明，而不是限制本发明。 本发明的一种基于反向传播人工神经网络的物料水分活度检测方法，包括如下步骤： 1 获取被测物料水分活度及对其有影响的其它温度参数作为检测数据 本发明的实施例中获取对水分活度相关的温度参数(见附图2)：进入Aw测定装置新风温度（x1）、进出Aw测定装置空气流温度差(x2)、进入Aw测定装置新风干球与湿球温度差(x3)、流过被测物料气流的干球温度与物料被测点表面温度差(x4)。 根据国家标准方法（GB/T 23490-2009）获取物料Aw值，同时获取对应的诸点位的温度参数；并将这