應用人工神經網絡算法優化面包配方

馮占利，李文釗，趙 璐

(食品營養與安全教育部重點實驗室，天津科技大學食品工程與生物技術學院，天津 300457)

應用人工神經網絡算法優化面包配方

馮占利，李文釗，趙 璐

(食品營養與安全教育部重點實驗室，天津科技大學食品工程與生物技術學院，天津 300457)

在優化面包配方實驗中，針對面包易老化、不耐儲存這一問題，采用人工神經網絡(artificial neural network，ANN)對12個影響因素和6項觀測指標進行模擬與建模，最終獲得了口感好、儲存效果好的最優配方，即：面粉32%，水7%，鹽0.962%，奶粉8%，果葡糖漿30%，酥油18%，糖醇3%，保鮮酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉膠0.5%，黃原膠0.5% ．

面包；配方優化；人工神經網絡；實驗設計

Abstract：In the optim ization of bread formulation experiment，aim ing at the question of bread aging and short storage，artificial neural network (ANN) was used to model the twelve effect factors and six targets. Best formula was obtained that have good taste and can keep longer time by this model，that is the best ratio of raw material respectively are flour 32%，water 7%，salt 0.962%，milk power 8%，high fructose syrup 30%，butter 18%，sugar alcohol 3%，fresh enzyme 0.03%，starch enzyme 0.001%，fat enzyme 0.002%，xylan enzyme 0.005%，carrageenan 0.5%，xanthan gum 0.5%.

Keywords：bread；formulation optim ization；artificial neural network；experimental design

面包以其營養豐富、組織蓬松、易于消化、食用方便等特點深受大眾喜愛，在全世界的消費量占絕對優勢．作為人類最重要的主食之一，人們對于它的需求量越來越大，隨著科學的發展和大眾健康意識的提高，人們對其營養與口味的要求也越來越高，面包工業必須不斷地與時俱進、推陳出新才能迎合人們的需要．然而，不論是面包品質改進還是研發新品種都是一個復雜的過程，因為影響面包品質的因素很多，除和面、醒發、焙烤等加工工序及工藝條件外，面粉、油脂等主輔原料，各種食品添加劑，尤其是一些新的品質改良劑，都會影響面包的品質[1–2]．本文主要針對面包易老化、不耐儲存這一問題，重點研究面包主輔料及新配料的適宜配比，及獲得保鮮期較長的優化面包配方．

在配方研究中，需要觀測的面包品質指標很多，包括香味、顏色、口感等感官指標，物性指標，貨架期，理化指標等．這種多因素多指標的研究課題若一一采用傳統的實驗設計方法，如分部實驗設計、正交實驗設計等，既耗時又耗力，且難以將不同因素、不同指標間復雜關系進行統一．近年來，人工神經網絡算法在解決多因素多觀測值問題上效果顯著，它只需提供一定的數據，不需知道具體的函數形式，即可對結果進行優化[3]．因此，本文應用人工神經網絡算法優化面包配方．

1 材料與方法

1.1 主要原料

面包專用粉，福建仁升食品有限公司；奶粉，內蒙古伊利實業集團股份有限公司；乳化劑，廣州美晨集團股份有限公司；酶制劑，天津市諾奧科技發展有限公司；卡拉膠，閩南瓊膠有限公司；黃原膠，淄博中軒生化有限公司；瓜爾豆膠，河南正興食品添加劑有限公司．

1.2 主要設備

SZM–10型多功能攪拌機，東莞旭眾食品機械有限公司；XYF–2E–3P型遠紅外線食品烤爐，廣州紅菱電熱設備有限公司；SPX–250C型恒溫恒濕箱，上海博訊實業有限公司醫療設備廠；電子精密天平，奧豪斯(上海)公司；TA.XT.Plus質構儀，英國Stable M icro System公司．

1.3 面包加工方法

1.3.1 工藝流程

原輔料預處理→面團調制→發酵→分割→滾圓→醒發→整形→醒發→烘烤→冷卻→包裝．

1.3.2 要點

原料前處理包括：將適量酶制劑放入酵母中干混均勻，加入35,℃的水充分溶解，將其活化，待用；將食品膠按一定比例復配再加入白砂糖混勻后加入70,℃熱水將其糊化，在70,℃熱水中保溫1,h使其糊化完全，冷卻備用．另外，焙烤時使用下火溫度180,℃，上火溫度200,℃焙烤9～13,m in．

1.4 面包品質檢測方法

1.4.1 面包感官品質評價方法

根據GB,20981—2007中軟式面包感官評價指標，建立面包感官評分標準，見表1．

1.4.2 面包硬度測定方法

采用TA.XT.Plus質構儀測試面包表皮和面包芯的硬度．硬度的測定選用一次咀嚼實驗，對厚度為25,mm的法式軟面包及其切片進行質構分析．測試參數見表2．

表1 面包感官評價分值分配表Tab.1 Sensory evaluation of bread

表2 面包硬度的測定參數Tab.2 Parameters of bread hardness

1.5 運用神經網絡建模

對于BP神經網絡，隱含層節點數的確定是成敗的關鍵[4]．本文中首先根據Hornik提出的公式(1)求得隱含層節點數的范圍．再采用網絡結構增長型方法，即先設置較少的節點數，對網絡進行訓練，測試學習誤差，然后逐漸增加節點數，直到學習誤差不再有明顯減少為止．

式中：n為輸入層節點數；m為輸出層節點數．

在面包配方改良實驗中，實驗點是根據課題組長期經驗和實驗結果決定的．所選影響因素有12項，即奶粉、白砂糖、果葡糖漿、無水酥油、糖醇、保鮮酶、淀粉酶、脂肪酶、木聚糖酶、卡拉膠、黃原膠、瓜爾豆膠的添加量，分別用X1，X2，…，X12表示[5]．實驗參數見表3．用保存15,d的觀測值與保存1,d的觀測值進行對比，考察面包在保存15,d內的變化趨勢，并以此來確定出爐時品質好，且最耐儲存的配方．

表3 26次實驗的實驗參數Tab.3 Param eters of 26 experim ent

2 結果與討論

2.1 運用神經網絡建模與模型驗證的結果

運用神經網絡建模的結果見表4．實驗結果品質檢測有6項，分別為室溫保存1,d的面包感官評定、面包表皮硬度和面包心硬度，以及室溫保存15,d時面包感官評定、面包表皮硬度和面包心硬度，分別用Y1，Y2，…，Y6表示．其中Y1和Y4為分值，其理想值為100；Y2和Y5的理想值為20；Y3和Y6的理想值為60．

表4 26次實驗的實驗結果Tab.4 Results of 26 experiments

由上述實驗過程采集的數據，利用Matlab神經網絡工具箱，用一定數量的學習樣本對帶有動量項和自適應學習率的BP神經網絡進行訓練[6–7]．通過調整隱含層的神經元數和訓練次數，使網絡誤差滿足工作要求，得到輸入層、隱含層和輸出層的權系數及各個節點的閾值．然后就可以利用訓練好的 BP 神經網絡優化實驗參數，達到產品最佳的效果．

根據公式(1)確定隱含層節點數的取值范圍為6～30，再根據網絡增長型方法確定出該網絡的隱含層節點數．本實驗采用Matlab,7.0的BP神經網絡工具箱進行仿真實驗，經過多次實驗對比，發現在本實驗輸入層為12個節點、輸出層為6個節點的前提下，中間兩個隱含層的節點分別為11和9時的3層前向網絡的訓練誤差和測試誤差均達到滿意效果．其學習過程如圖1所示．

圖1 神經網絡學習過程圖Fig.1 Learning process of ANN

為了檢驗擬合數據與計算的精度，首先在26組數據中采用隨機數法選取22組(不包括第2、9、17、25組)作為神經網絡的教師信號，采用自適應學習率算法對網絡進行訓練．經過100,000次的學習以后得出結果，再用經訓練后的神經網絡對第2、9、17、25組數據進行計算，以檢查網絡外推性能，計算結果及誤差見表5．經統計，4個預測樣本的平均誤差為0.82%，小于1%，總體效果說明該模型能較好地對面包配方進行優化．

表5 網絡計算結果及誤差Tab.5 Results and errors of ANN

2.2 應用神經網絡模型優化面包配方

2.2.1 建立描述實驗結果的目標函數

實驗結果是由6項參數組成．為了便于對不同配方實驗的結果進行比較，即將每次實驗的各項結果的實際值(Yi)和理想值(Si)(i＝1，2，…，6)用目標函數將其轉換實數值 P(P＞0)；實際結果與理想值越接近則 P 越小．將Yi分別在區間[0，100]、[0，100]、[0，400]、[0，100]、[0，400]、[0，2 000]上歸一化處理[8]到[0，1]區間，其中理想值Si分別為S1＝1，S2＝0.2，S3＝0.15，S4＝1，S5＝0.05，S6＝0.03．

目標函數的形式如下：

其中Ki為項的權值，根據各項在總體評判中的權重定值．根據實驗目的與各個因素在實驗中的重要性，這里設定K1＝2.5，K2＝1，K3＝1，K4＝3.5，K5＝1，K6＝1．

2.2.2 指定模擬實驗的參數(條件)取值

依據經驗和實驗結果對配方中的各項實驗參數(X1，X2，…，X12)的取值區間和水平間隔做指定，如表6．

表6 模擬實驗參數取值表Tab.6 Parameter values of modelling experim ent

2.2.3 利用訓練好的神經網絡模型進行模擬實驗

按照表5的參數取值要求，使用此模型進行全面優化實驗．利用Matlab調用經上述訓練后的 BP 網絡．根據循環中指定的每組輸入參數計算實驗的結果；“目標值計算”程序則使用公式(1)求取1次實驗的目標值(P)．最后將當前最優(P 值最小)的輸入參數組和 P 值存入文件供選用．

用該模型計算和優化，從模擬實驗結果中選取最小的3個P值對應的3組配方來進行實驗驗證．這3個P值及對應的3組配方及結果見表7和表8．

表7 模擬實驗所得3組可能的最優參數Tab.7 Three possible best values from modeling experim ent

表8 模擬實驗所得3組可能的最優實驗結果Tab.8 Three possible best values from modeling experim ent

用這3組配方進行實際實驗的結果表明：該神經網絡模型推薦的數據確實很準確．3組配方效果都很好，其中以P3對應的配方C所得結果最優，故最后選用P3對應的配方C作為最終結果．

3 結 論

引進BP 神經網絡算法設計實驗優化面包配方，同時考慮12個影響因素并觀察6項指標，得到了最優原料組合，加上基本配方，便得到了口感好且儲存效果好的最優面包配方，即：面粉32%，水7%，鹽0.962%，奶粉8%，果葡糖漿30%，無水酥油18%，糖醇3%，保鮮酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉膠0.5%，黃原膠0.5%．

［1］ 李浩明. 法式軟面包生產工藝[J]. 食品工業科技，1997(4)：67-68.

［2］ 紀建海，王彥霞. 對影響面包質量兩個因素的探討[J].糧油加工與食品機械，2006(5)：73-74.

［3］ 閔惜琳，劉國華. 人工神經網絡結合遺傳算法在建模和優化中的應用[J]. 計算機應用研究，2002，19(1)：79-80.

［4］ LU Hong-tao，Chung F L，HE Zhen-ya. Some sufficient conditions for global exponential stability of delayed Hopfield neural networks[J]. Neural Networks，2004，17(4)：537-544.

［5］ Arik S，Tavsanoglu V. On the global asymptotic stability of delayed cellular neural networks[J]. IEEE Trans CAS I，2000，47(4)：571-574.

［6］ The Math Works Inc. Neural Network Toolbox[EB/OL].[2011-05-01] http：//www. mathworks. com/products/neuralnet.

［7］ ZHAO Hong-yong. Exponential stability and periodic oscillatory of bi-directional associative memory neural network involving delays[J]. Neurocomputing，2006，69(4/5/6)：424-448.

［8］ 飛思科技產品研發中心. 神經網絡理論與MATLAB7實現[M]. 北京：電子工業出版社，2005：44.

Optim ization of Bread Formulation Based on Artificial Neural Network Algorithm

FENG Zhan-li，LI Wen-zhao，ZHAO Lu
(Key Laboratory of Food Nutrition and Safety，M inistry of Education，College of Food Engineering and Biotechnology，Tianjin University of Science & Technology，Tianjin 300457，China)

TS201.1

A

1672-6510(2011)01-0014-05

2010-09-07；

2010-12-02

企業合作項目“歐式面包品質改進與工業化生產”(1000140008)

馮占利（1985—），女，河北石家莊人，碩士研究生；通信作者：李文釗，副教授，liwenzhao@tust.edu.cn．