食品质量智能甄别系统 膨化食品质量的智能控制方法.doc

食品质量智能甄别系统 膨化食品质量的智能控制方法 导读：就爱阅读网友为您分享以下“膨化食品质量的智能控制方法”的资讯，希望对您有所帮助，感谢您对92的支持! 1998年　　3月TransactionsoftheCSAEMar.　1998 膨化食品质量的智能控制方法孙永海　赵学笃 (吉林工业大学)　(美国密苏里大学)谭景璐 摘　要　质量控制一直是制约我国食品生产发展的主要问题之一,文章研究了用神经网络模式 识别器来识别统计质量控制中的典型模式。进行了计算机模拟和实验。本研究展示了在食品质 量控制过程中,应用计算机视觉系统和神经网络技术的潜在优势。性能评价的结果说明,误差逆 向传播神经网络算法是一种行之有效的质量模式识别的工具,这项智能模式识别技术可以成功 地应用在食品加工过程中。 关键词　食品膨化　统计质量控制　神经网络　模式识别 食品的质量控制在食品加工中是一个重要的研究领域。统计质量控制的基本目的是监测加工过程以便获得较高的产品质量。控制图是统计质量控制的主要工具,它反映了过程参数随时间的变化趋势。在生产当中,有多种控制图,Shewhart控制图是最常用的一种,其过程均值是控制图的中线,+3和-3分别为上限和下限,如果某测量值落到上限或下限之ee 外,说明系统工作不正常。现代质量控制理论认为,尽管测量值均落在限界之内,在控制图中的数据点形成的非正常模式仍反映系统处在不正常的工作状态。开发一种模式识别技术来识别控制图中的非正常模式,使控制图不仅具有监测生产过程的能力,而且还可以识别发生的产品质量模式属于那一种。操作者或主控程序可以据此排除干扰,确保产品质量。1　质量模式识别的计算机模拟 1.1　质量模式的产生 一个加工过程可以看作是多变化因素的复杂系统。一般来说,质量的波动可以分成两类:正常的和非正常的。二者的差别在于前者是随机的,测量数据服从正态分布;而后者具有可识别的模式,测量数据不服从正态分布。 统计质量控制手册[1]概括了15种非正常质量模式,其中有六种模式是常见的。他们是单调升降、周期、层理、对称、混合和突变。本文只考虑这六种常见的非正常质量模式。单调升降模式是一个连续的逐渐向下或向上的变化趋势。一个周期向下和向上变化的数列构成周期模式。层理模式则是一系列围绕中心线有微小变化的数据点。如果一个模式在中心线上下交替变化,则被定义为对称模式。混合模式由一系列落在靠近上限或下限其很少在中心线附近变化的数据点构成。突变模式则反映了一个过程在数值上的突变,经常发生在系统变　　收稿日期:1997-10-14　　孙永海,副教授,长春市人民大街142号　吉林工业大学生物资源与食品工程学院,130025