神經網絡在60Co—γ射線輻照保鮮無防腐劑香腸建模中的應用

姚鋼++蔣繼成

摘 要：文章采用貝葉斯神經網絡的方法對60Co-γ射線輻照保鮮無防腐劑香腸輻照工藝與理化指標進行建模，并對其準確性進行驗證，利用模型進行理化指標的預測，驗證模型準確性。

關鍵詞：貝葉斯神經網絡；60Co-γ射線；無防腐劑香腸；網絡預測

引言

食品輻照技術是20世紀發展起來的一種新型滅菌保鮮技術。采用輻射加工技術手段，運用高能射線如x-射線、γ-射線等對食品進行加工處理，在能量的傳遞和轉移過程中，產生理化效應和生物效應達到殺蟲、殺菌的目。因為是冷殺菌手段，所以有效的提高了食品衛生質量，保持營養品質及風味和延長貨架期。本文采用無防腐劑的香腸作為對象，排除了化學防腐劑對保鮮效果影響，同時為了食品加工行業發展提供方向，不添加化學防腐效果成分的同時也可以采用輻照的方法有效提升貨架期，有效提高企業效益，延伸銷售鏈；對于不同種類的香腸制品，從肉質到成分，都會有所差別，通過大量輻照試驗獲得輻照工藝的方法，不僅耗時長，而且檢驗指標及檢驗方法也過于繁瑣，因此結合采用人工智能神經網絡算法，在有限次數實驗數據的基礎上，建立不同劑量60Co-γ射線對香腸品質影響的規律模型為科學輻照提供理論依據。

1 實驗方法與理化指標的檢測

1.1 樣品輻照

本項目采用不含任何防腐效果的特制香腸為對象，在黑龍江省科學院技術物理研究所輻照中心進行。采用靜態堆碼式60Co-γ放射源，跟蹤劑量計為Ag2Cr2O7經中國劑量科學研究院丙氨酸劑量計（NDAS）傳遞比對校準，分別采用不同劑量（2-6）kGy，進行靜態輻照。完成輻照2天內進行理化指標的檢測，在（22.0±1）℃下保存30天后進行微生物指標的檢測。

1.2 理化指標及微生物指標測定方法

1.2.1 菌落總數，參照國家標準GB/T4789.2-2008采取實驗方法測定菌落總數。

1.2.2 水分含量，參照國家標準GB/T6965.15可用蒸餾法或直接干燥法。本項目采用直接烘干法。

1.2.3 氯化鈉含量，參照國家標準GB/T9695.8進行測定，采用水浸出后用硝酸鹽標準溶液滴定法測定。

1.2.4 蛋白質，參照國家標準GB/T9695.11進行測定。

1.2.5 菌落總數，參照GB4789.2-2010進行測定。

1.3 檢測結果與數據處理

采用以上檢測方法進行檢測，由于實驗過程產生個別認為誤差，利用matlab軟件plot函數對每組數據進行擬合，將誤差較大的個別數據進行剔除，最終得到50組數據，部分數據如表1。

表1 60Co-γ射線輻照保鮮無防腐劑香腸檢測結果

2 神經網絡算法

2.1 BP神經網絡

通常BP神經網絡具有3層結構，分別為輸入層、隱含層和輸出層。通常來說隱含層采用Sigmoid函數，輸出層采用Pureline函數，因為符號函數標準輸入、輸出現代為[0，1]，因此在學習過程中，通過轉化層將輻照工藝參數進行轉化限定區間，避開網絡輸出的飽和區。五層神經網絡結構如圖1。

2.2 性能指標

性能指數是衡量網絡性能的量化標準，BP神經網絡一般采用網絡軍方誤差作為性能指標：

式中：Ed為網絡的均方誤差；n為學習集體樣本總數，tp為第P組訓練的期望輸出值，ap為第P組的實際輸出值。影響神經網絡泛化能力主要依賴于網絡結構和訓練樣本的特性，因此可以選擇合適的訓練策略和優化網絡結構來提高其泛化能力。本文選取貝葉斯正則化算法對BP神經網絡進行修正，網絡性能指數變為：

式中：w為網絡的權值向量，EW=m-1■？棕■■為網絡所有權值的均方誤差，其中m為網絡權值的總數，Wj為網絡權值，a和b為正則化系數，其大小直接影響訓練效果。

2.3 貝葉斯正則化BP神經網絡訓練步驟

（1）確定網絡結構，初始化超參數α=0和β=1，根據先驗分布對網絡參數賦初值。

（2）用BP算法訓練網絡使總誤差F（W）最小。

（3）利用高斯牛頓逼近法計算出有效參數個數。

（4）計算超參數α和β的新的估計值。

（5）重復執行（2）、（3）、（4）直到達到所需精度。

貝葉斯方法正則化神經網絡是個迭代過程，每個迭代過程總誤差函數隨著超參數的變化而變化，最小點也在變化，網絡的參數也在不斷修正，最終達到總誤差函數在迭代過程中沒用較大改變。目前在網絡結構的選擇方面還沒有理想的方法，在實際工作中常常需要用試驗的方法確定最佳的網絡結構，因此可采用不同的網絡結構進行網絡訓練，然后比較這些網絡模型的顯著度，選擇顯著度較大的網絡作為模型。

3 神經網絡建模及預測

通過上述實驗獲得的50組數據中，45組數據作為人工神經網絡訓練樣本，另選擇其他5組數據作為檢驗樣本，運用MATLAB軟件，進行人工神經網絡的訓練和預測。網絡輸入劑量、劑量率，輸出為水分、氯化鈉含量，通過應用均方差函數比較目標值和預測值的差異，計算目標值與預測值間的誤差，觀察網絡模型對訓練情況，網絡擬合圖性能進行評價。

網絡訓練結果顯示，經過1500步訓練后，網絡誤差平方和均值為5×10-3，達到了設定的最小訓練目標值。網絡訓練完畢后，得到數學模型后，利用剩余5組數據進行預測驗證，網絡訓練效果如圖2-5所示。

4 結束語

采用輻照的方法進行無防腐劑香腸保質期的時間跟輻照劑量相關，采用4kGy的劑量進行輻照可使香腸的保質期達到1個月以上，且香腸的顏色仍在可接受范圍內，說明輻照方法有效的提高了香腸的衛生質量，延長保質期。采用神經網絡建立了香腸輻照工藝與理化、微生物指標的模型，并通過實驗驗證了模型的準確性，為進一步確定輻照工藝提供理論支持。

參考文獻

[1]2015-2020年中國肉制品市場現狀及戰略咨詢報告[R].北京：中國產業信息網，2015.

[2]郭淑珍.輻照保藏五花肉的品質特性及影響因素的研究[D].四川農業大學，2007.

[3]賈巧喚，任石茍.我國輻照食品的研究現狀及發展前景[J].食品工程，2008（4）：12-14.

[4]陳秀蘭，曹宏.鵝肉制品的輻照保質研究[J].核科學報，2005（4）：371-374.

[5]田 ，梁飛，盧江.人工神經網絡建模結合遺傳算法優化崗松油環糊精包合物制備工藝參數[J].中國醫藥大學學報，2011（4）：324-328.

[6]蔣繼成，張麗芳，趙孝文，等.Visual c#與Matlab混合編程在60Co-γ射線輻照白酒工藝參數優化中的應用[J].科技創新與應用，2014

（33）：28.