ISSN 2074-9414 (Печать),
ISSN 2313-1748 (Онлайн)

ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ В ОЦЕНКЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА НИЗКОАЛЛЕРГЕННЫХ КИСЛОМОЛОЧНЫХ НАПИТКОВ

Аннотация
Для получения кисломолочных напитков со сниженной остаточной антигенностью нами предложено применение гидролизата β-лактоглобулина, полученного с применением ферментных препаратов Flavorpro 750MDP и Promod 439L. При этом необходимо обеспечить нормируемые физико-химические и приемлемые органолептические показатели полученного кисломолочного напитка. Цель проведенных исследований - изучение возможности применения метода искусственных нейронных сетей для прогнозирования свойств, а также показателей качества и безопасности нормализованных молочных смесей, используемых для получения низкоаллергенных кисломолочных напитков. Органолептические характеристики и физико-химические свойства нормализованных смесей изучены с помощью сенсорометрического метода. С применением метода искусственных нейронных сетей адаптирован способ оценки показателей качества нормализованных смесей и кисломолочных напитков. Использована трехслойная нейронная сеть с 6 нейронами во входном слое, 12 нейронами во внутреннем слое и 4 нейронами в выходном слое по числу выходных параметров. Обучение сети осуществлялось с применением алгоритма обратного распространения ошибки. Полученные результаты свидетельствуют о том, что разработанная нейронная сеть прогнозирует основные характеристики нормализованных смесей с гидролизатом β-лактоглобулина с относительной погрешностью, не превышающей 2,6 % при прогнозировании содержания β-лактоглобулина, 3,9 % - при прогнозировании остаточной антигенности и 3,1 % - при прогнозировании титруемой кислотности и органолептических показателей. Этот способ применим и для оценки качества готовых продуктов и позволяет заменить традиционные методы анализа, действующие на предприятиях молочной отрасли.
Ключевые слова
Искусственные нейронные сети, оценка показателей качества, низкоаллергенные кисломолочные напитки
СПИСОК ЛИТЕРАТУРЫ
  1. Пономарева, Н.В. Биоконверсия молочных белков для снижения остаточной аллергенности / Н.В. Пономарева, Е.И. Мельникова, Е.В. Богданова // Биотехнология. - 2015. - № 1. - С. 70 - 74.
  2. Мельникова, Е.И. Микропартикуляты сывороточных белков как имитаторы молочного жира в производстве продуктов питания / Е.И. Мельникова, Е.Б. Станиславская // Фундаментальные исследования. - 2009. - № 57. - С. 23.
  3. Изучение хранимоспособности молокосодержащего продукта сметанного типа / Л.В. Голубева, О.И. Долматова, Е.И. Бочарова, Ж.С. Долматова // Вестник Воронежского государственного университета инженерных технологий. - 2012. - № 4 (54). - С. 90-91.
  4. Химические сенсоры и их системы / Ю.Г. Власов, Ю.Е. Ермоленко, А.В. Легин, А.М. Рудницкая [и др.] // Журнал аналитической химии. - 2012. - Т. 65. - № 9. - С. 900-919.
  5. Власов, Ю.Г. Электронный язык - системы химических сенсоров для анализа водных сред / Ю.Г. Власов, А.В. Легин, А.М. Рудницкая // Российский химический журнал (Журнал Российского химического общества им. Д.И. Менделеева). - 2008. - Т. LII. - № 2. - С. 101-112.
  6. Кучменко, Т.А. Инновационные решения в аналитическом контроле / Т.А. Кучменко. - Воронеж: ВГТА, 2009. -252 с.
  7. Перспективы использования «электронного языка» в контроле бродильных производств / Р.А. Еникеева, П.С. Никаноров, А.В. Насоненко, В.А. Сергеева [и др.] // Известия СПбГТИ(ТУ). - 2015. - № 29. - С. 76-79.
  8. System of piezosensors for prognostication of the storage life of food products / Ya.I. Korenman, E.I. Mel'Nikova, S.I. Niftaliev, S.E. Boeva, A.A. Selivanova, E.S. Rudnichenko, E.V. Bogdanova // Russian Journal of Applied Chemistry. - 2009. - Vol. 82. - no. 8. - P. 1380-1383. DOI: 10.1134/S1070427209080114.
  9. Tang, Kea-Tiong. A Local Weighted Nearest Neighbor Algorithm and a Weighted and Constrained Least-Squared Method for Mixed Odor Analysis by Electronic Nose Systems / Kea-Tiong Tang, Yi-Shan Lin, Jyuo-Min Shyu // Sensors. - 2010. - No. 10. - P. 10467-10483; DOI: 10.3390/s101110467.
  10. Рассел, С. Искусственный интеллект. Современный подход / С. Рассел, П. Норвиг. - М.: Вильямс, 2007. - 1410 с.
  11. Korotcenkov, G. Chemical sensors: comprehensive sensor technologies [Text] / G. Korotcenkov.-Momentum Press, LLC, 2012. - 77 p.
  12. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. - М.: Вильямс, 2016. - 1104 с.
  13. Сенсорометрический анализ и нейросетевые технологии в оценке качества молокосодержащих продуктов / Е.И. Мельникова, Я.И. Коренман, С.И. Нифталиев, С.Е. Боева. - Воронеж: ВГТА, 2009. - 202 с.
  14. Патент № 2288468 РФ. Универсальная пьезосорбционная ячейка детектирования / А.А. Киселев, С.И. Нифталиев, Я.И. Коренман, Е.И. Мельникова, С.Е. Светолунова // Изобретения. - 2006. - № 33. - Ч. I. - С. 318.
  15. Партс, Я.А. Многочастотные пьезорезонансные датчики: принцип действия, способы построения, решаемые задачи / Я.А. Партс // Нелинейный мир. - 2009. - № 5. - С. 17-23.
  16. Еремин, Н.И. Неметаллические полезные ископаемые / Н.И. Еремин. - М.: Изд-во МГУ, 2007. - 464 с.
  17. Боева, С.Е. Анализ и оценка качества некоторых молокосодержащих продуктов / С.Е. Боева. - Дис.. канд. хим. наук: спец. 02.00.02 - Аналитическая химия. - Воронеж, 2007. - 163 с.
  18. Санина, М.Ю. Применение экспресс- и тест-методов в анализе природных объектов / М.Ю. Санина // Известия ВГПУ. - 2013. - Т. 260. - № 1. - С. 258-262.
Как цитировать?
О журнале