• EI
  • Scopus
  • 中国科技期刊卓越行动计划项目资助期刊
  • 北大核心期刊
  • DOAJ
  • EBSCO
  • 中国核心学术期刊RCCSE A+
  • 中国精品科技期刊
  • JST China
  • FSTA
  • 中国农林核心期刊
  • 中国科技核心期刊CSTPCD
  • CA
  • WJCI
  • 食品科学与工程领域高质量科技期刊分级目录第一方阵T1
中国精品科技期刊2020

GA-BP神经网络及其在液体乳安全评价中的应用

姜同强, 任叶

姜同强, 任叶. GA-BP神经网络及其在液体乳安全评价中的应用[J]. 食品工业科技, 2017, (05): 289-292. DOI: 10.13386/j.issn1002-0306.2017.05.046
引用本文: 姜同强, 任叶. GA-BP神经网络及其在液体乳安全评价中的应用[J]. 食品工业科技, 2017, (05): 289-292. DOI: 10.13386/j.issn1002-0306.2017.05.046
JIANG Tong-qiang, REN Ye. GA-BP neural network and its application in safety evaluation of liquid milk[J]. Science and Technology of Food Industry, 2017, (05): 289-292. DOI: 10.13386/j.issn1002-0306.2017.05.046
Citation: JIANG Tong-qiang, REN Ye. GA-BP neural network and its application in safety evaluation of liquid milk[J]. Science and Technology of Food Industry, 2017, (05): 289-292. DOI: 10.13386/j.issn1002-0306.2017.05.046

GA-BP神经网络及其在液体乳安全评价中的应用

基金项目: 

国家科技支撑计划“电子溯源的食品安全风险评估关键技术研究与应用”(2015BAK36B04); 北京市科技计划项目(Z161100001616004); 2016年研究生科研能力提升计划项目资助;

详细信息
    作者简介:

    姜同强 (1966-) , 男, 硕士, 教授, 研究方向:综合评价技术, E-mail:jiangtq@th.btbu.edu.cn。;

    任叶 (1993-) , 女, 硕士研究生, 研究方向:食品安全综合评价, E-mail:r1104040125@163.com。;

  • 中图分类号: TS201.6

GA-BP neural network and its application in safety evaluation of liquid milk

  • 摘要: 利用遗传算法(Genetic Algorithm,GA)优化BP(Back Propagation,BP)神经网络的初始权值、阈值,以期加快网络收敛,提高预测精度。以乳制品中的液体乳为实验材料,建立安全评价指标体系;将优化后的GA-BP神经网络作为评价模型,对液体乳的日常检测数据进行拟合;以测试数据作为验证,检测模型的收敛速度和拟合度。结果表明GA-BP较BP神经网络来讲更稳定,能较快收敛,且仿真误差较小;在隐层节点数为9时,GA-BP神经网络对液体乳的拟合效果最好,预测精度较高,是一种可行的液体乳安全状况评价方法。 
    Abstract: The initial weights and thresholds of back propagation ( BP) neural network were optimized by genetic algorithm ( GA) to accelerate the network convergence and improve the prediction precision.The liquid milk in dairy products was used as the experimental material to establish the safety evaluation index system. The GA-BP neural network was used as the evaluation model to fit the daily data of liquid milk.The convergence rate and the fitting degree of the model were verified by the test data.The results showed that GA-BP was more stable than BP neural network and could converge quickly, and the simulation error of GA-BP neural network was smaller.When the number of nodes was 9, GA-BP neural network had the best fitting effect to liquid milk, and the prediction precision was high. So GA-BP neural network was a feasible method to evaluate the safety of liquid milk.
  • [1]

    Liao J Y.Research of food quality safety control system based on HACCP[J].Journal of Anhui Agricultural Sciences, 2012, 23:11843-11845.

    [2] 蔡强, 王君君, 李海生, 等.基于神经网络的食品安全评价模型构建研究[J].食品科学技术学报, 2014, 01:69-77.
    [3] 雷勋平, Robin Qiu, 吴杨.基于供应链和可拓决策的食品安全预警模型及其应用[J].中国安全科学学报, 2011, 11:136-143.
    [4] 周萍萍, 张磊, 焦阳, 等.应用德尔菲法建立进口食品中化学性危害物质风险分级指标体系[J].食品安全质量检测学报, 2016, 05:2114-2119.
    [5]

    Liu Q J, Chen T, Zhang J H, et al.Risk matrix-based risk monitoring model of food safety[J].Food Science, 2010.05:86-90.

    [6]

    Gong Y X, Wang D H.View on the food safety emergencies risk pre-warning system based on case-based reasoning[J].Food Science&Technology, 2012, 07:311-315.

    [7] 周乃元, 潘家荣, 汪明.食品安全综合评估数学模型的研究[J].中国食品卫生杂志, 2009, 03:198-203.
    [8] 王媛媛, 洪思慧, 房晓倩, 等.基于因子分析的食品监管风险评价模型研究[J].食品工业科技, 2016, 13:266-270.
    [9] 董笑, 白宝光.基于时间序列分解法对原料乳质量安全预测的探究[J].食品工业, 2016, 05:188-191.
    [10] 张丽, 滕飞, 王鹏.基于贝叶斯网络的食品供应链风险评价研究[J].食品研究与开发, 2014, 18:179-182.
    [11]

    Zhang F Y, Dong Q L, Huang S L, et al.Modeling the qualifying criteria of pork based on Bayesian network[J].Science&Technology of Food Industry, 2012, 10:52-54, 93.

    [12]

    Wang J, Tang Z, Jin X.Food Safety Evaluation System Construction Based on Artificial Neural Network[J].Advance Journal of Food Science and Technology, 2015, 02:98-100.

    [13] 章德宾, 徐家鹏, 许建军, 等.基于监测数据和BP神经网络的食品安全预警模型[J].农业工程学报, 2010, 01:221-226.
    [14] 唐晓纯, 苟变丽.食品安全预警体系框架构建研究[J].食品科学, 2005, 12:246-250.
    [15] 武力.“从农田到餐桌”的食品安全风险评价研究[J].食品工业科技, 2010, 09:304-306.
    [16] 徐超, 杜树新, 罗祎, 等.基于集对分析理论的进出口食品安全风险评价方法[J].科技通报, 2013, 03:208-211, 230.
    [17] 刘於勋.食品安全综合评价指标体系的层次与灰色分析[J].河南工业大学学报 (自然科学版) , 2007, 05:53-57.
    [18] 金剑, 齐思源, 彭亚拉.神经网络法在食品安全预警中的应用[J].食品科技, 2011, 11:306-309.
    [19] 王辉, 王斌, 徐静, 等.基于BP神经网络的乳制品质量预测研究[J].农机化研究, 2013, 03:218-220.
    [20] 韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社, 2007:47-62.
    [21] 吴聪.乳制品供应链的溯源体系与预警模型研究[D].广州:华南理工大学, 2014.
    [22] 仲伟峰, 马丽霞, 何小溪.PCA和改进BP神经网络的大米外观品质识别[J].哈尔滨理工大学学报, 2015, 04:76-81.
    [23] 雷英杰, 等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社, 2005:146-207.
    [24] 刘春艳, 凌建春, 寇林元, 等.GA-BP神经网络与BP神经网络性能比较[J].中国卫生统计, 2013, 02:173-176.
    [25] 国家国家食品安全风险评估中心.食品安全国家标准汇编[M].北京:中国人口出版社, 2014:1-563.
  • 期刊类型引用(10)

    1. 许壮,丁青芝,戴意强,王喆,刘振田,陈小阳,虞利俊,夏秀东. 点浆条件对酸浆豆腐品质的影响. 中国粮油学报. 2024(01): 65-74 . 百度学术
    2. 梁浩斌. 食品凝固剂对豆腐制品的应用. 现代食品. 2024(13): 64-66+70 . 百度学术
    3. 杜贺超,韩梦灵,李雯倩,杨滨榕,王楠楠,姚宏亮. 乳酸菌发酵杏仁豆腐及其品质评价. 金陵科技学院学报. 2024(04): 77-84 . 百度学术
    4. 龚周亮,赵良忠,刘汁琪,林碧莲,周劲松,刘斌斌. 巴氏杀菌后湘派豆干货架期内品质变化及微生态分析. 中国食品工业. 2023(07): 104-107 . 百度学术
    5. 谢秀玲,金宏杏,杞文静,邱柱红,苏海香,朱建凯. 豆腐酸性凝固剂的研究进展. 食品安全导刊. 2023(31): 182-184+192 . 百度学术
    6. 农双宁,谢文佩,郭茵,卢定环,严晓敏,陈超恒,施明月,班红玲. 响应面优化百香果豆腐的加工工艺及品质研究. 食品研究与开发. 2022(11): 164-170 . 百度学术
    7. 刘宁,高艺笑,孙钰姬,张笑,张铁鹏,杨婷婷,潘任. 豆腐凝固剂的研究进展. 中国调味品. 2021(03): 189-194 . 百度学术
    8. 吴江,张奎林,夏湘,赵良忠,彭洁. 质构重组大豆分离蛋白-鸡肉双蛋白肉工艺条件研究. 食品安全导刊. 2021(14): 60-64 . 百度学术
    9. 伍涛,彭希林,赵良忠,陈浩,周晓洁,黄展锐,周小虎. 湘派豆干及卤汁在卤制过程中的变化规律. 食品与发酵工业. 2021(19): 146-154 . 百度学术
    10. 何婉莹,黄展锐,赵良忠,刘海宇,周小虎,陈浩,周晓洁. 生浆法制作豆腐的工艺优化. 现代食品科技. 2021(10): 188-196 . 百度学术

    其他类型引用(1)

计量
  • 文章访问数:  144
  • HTML全文浏览量:  17
  • PDF下载量:  126
  • 被引次数: 11
出版历程
  • 收稿日期:  2016-10-23

目录

    /

    返回文章
    返回
    x 关闭 永久关闭