肖立中，陳洋洋＊，田懷香，秦藍(lán)，張雅敬，李簡(jiǎn)墨

（1.上海應(yīng)用技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院，上海 201418；2.上海應(yīng)用技術(shù)大學(xué)香料香精技術(shù)工程學(xué)院，上海 201418；3.雀巢研發(fā)中心上海有限公司，上海 201812；4.濟(jì)寧市育才中學(xué)，山東濟(jì)寧 272000）

雞精人工感官評(píng)價(jià)與電子舌評(píng)價(jià)的相關(guān)模型研究

肖立中1，陳洋洋1＊，田懷香2，秦藍(lán)3，張雅敬2，李簡(jiǎn)墨4

（1.上海應(yīng)用技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院，上海 201418；2.上海應(yīng)用技術(shù)大學(xué)香料香精技術(shù)工程學(xué)院，上海 201418；3.雀巢研發(fā)中心上海有限公司，上海 201812；4.濟(jì)寧市育才中學(xué)，山東濟(jì)寧 272000）

雞精味覺(jué)的質(zhì)量等級(jí)評(píng)估依靠人工感官評(píng)定和電子舌數(shù)據(jù)分析，以2種評(píng)價(jià)方式相關(guān)性為研究點(diǎn)，采集3種不同添加成分的雞精調(diào)味料人工感官數(shù)據(jù)和電子舌感官數(shù)據(jù)，利用改進(jìn)的BP算法建立人工感官評(píng)價(jià)與電子舌評(píng)價(jià)的映射模型，由未知樣本的電子舌數(shù)據(jù)進(jìn)行樣本分類(lèi)，并直接給出人工感官評(píng)價(jià)數(shù)據(jù)，同時(shí)比較該類(lèi)別標(biāo)準(zhǔn)樣本與未知樣本的人工感官評(píng)價(jià)指標(biāo)的差異性。該模型不僅在雞精感官評(píng)價(jià)過(guò)程中滿(mǎn)足客觀(guān)、快速的要求，而且能夠給出雞精品質(zhì)鑒定過(guò)程中的差異性信息。

人工感官評(píng)價(jià)；電子舌；BP算法；映射模型

1 概述

雞精調(diào)味料［1］是一種改善食品風(fēng)味的配料，其口感好壞很大程度上決定了雞精的等級(jí)和價(jià)值，而評(píng)定和區(qū)分雞精口感的手段一般為人工感官評(píng)定和電子舌分析。感官評(píng)價(jià)［2－4］能夠直接獲取樣本風(fēng)味的各個(gè)指標(biāo)，是傳統(tǒng)的風(fēng)味評(píng)價(jià)方法。但是感官評(píng)價(jià)主觀(guān)性比較強(qiáng)，容易受到評(píng)價(jià)人員自身心理和身體狀況的影響，重復(fù)性差，另外研究貨架期中、后期的雞精狀況，雞精本身產(chǎn)生質(zhì)變，品評(píng)時(shí)會(huì)讓評(píng)定人員感到惡心、不適應(yīng)。電子舌［5］是模擬人的舌頭味覺(jué)機(jī)理研制出來(lái)的一種味覺(jué)識(shí)別電子系統(tǒng)，在食品行業(yè)［6－9］有著廣泛應(yīng)用。電子舌依靠交互敏感的特定傳感器陣列采集味覺(jué)的整體性信息，只能區(qū)分樣本，辨別樣本的相似程度，而不能獲取樣本各個(gè)評(píng)價(jià)指標(biāo)的差異性。

在風(fēng)味識(shí)別領(lǐng)域中，電子感官評(píng)價(jià)和人工感官評(píng)價(jià)的相關(guān)性研究［10－12］目前還處于基礎(chǔ)階段，主要集中在感官屬性與傳感器之間的定性描述上面。針對(duì)人工感官評(píng)價(jià)和電子感官評(píng)價(jià)存在的不足，本文利用BP神經(jīng)網(wǎng)絡(luò)算法強(qiáng)大的非線(xiàn)性映射能力，建立雞精調(diào)味料的人工感官評(píng)價(jià)與電子舌感官數(shù)據(jù)之間的映射模型，該模型不僅能對(duì)未知樣本數(shù)據(jù)進(jìn)行分類(lèi)，而且由電子舌數(shù)據(jù)直接給出人工感官數(shù)據(jù)，同時(shí)與該類(lèi)別標(biāo)準(zhǔn)樣本味覺(jué)的人工感官數(shù)據(jù)做比較，找到未知樣本在評(píng)價(jià)指標(biāo)中的不足所在，為雞精調(diào)香和鑒定提供幫助信息，同時(shí)滿(mǎn)足雞精味覺(jué)評(píng)價(jià)的客觀(guān)公正、準(zhǔn)確快速要求。

2 基于改進(jìn)BP算法的人工感官與電子舌感官的映射模型

2.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的非線(xiàn)性映射能力，在不同領(lǐng)域有廣泛的應(yīng)用［13－16］。該網(wǎng)絡(luò)的主要特點(diǎn)是信號(hào)前向傳遞，誤差反向傳播。標(biāo)準(zhǔn)的網(wǎng)絡(luò)模型一般由3層或者更多層組成，包括輸入層、隱含層和輸出層。標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)模型見(jiàn)圖1，包括信息的正向傳播和誤差反向傳播。

由圖1可知，輸入層X(jué)n為電子舌傳感器的變量，Om為人工感官評(píng)價(jià)指標(biāo)變量，ωij/a和ωjk/b分別為網(wǎng)絡(luò)輸入層與隱含層的權(quán)值/閾值、隱含層與輸出層的權(quán)值/閾值，實(shí)際值Ym為網(wǎng)絡(luò)訓(xùn)練時(shí)樣本中人工感官變量。

2.2 BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)

2.2.1 訓(xùn)練算法改進(jìn)

標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值，使網(wǎng)絡(luò)在訓(xùn)練過(guò)程中產(chǎn)生震蕩。為了提高網(wǎng)絡(luò)的穩(wěn)定性，將網(wǎng)絡(luò)權(quán)值和閾值的訓(xùn)練算法由最速下降法換為L(zhǎng)M算法。LM是廣泛使用的非線(xiàn)性最小二乘法，同時(shí)具有梯度法和牛頓法的優(yōu)點(diǎn)，收斂快。LM（levenbergmarquardt）算法公式：

式中：e為網(wǎng)絡(luò)的誤差值，x（k）為第k次迭代各層之間的連接權(quán)值或者閾值，J為網(wǎng)絡(luò)誤差函數(shù)對(duì)權(quán)值和閾值一階倒數(shù)雅克比矩陣，μ為常數(shù)系數(shù)變量。

2.2.2 最優(yōu)搜索算法改進(jìn)

為了提高搜索速度，防止BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中陷入局部最小值，提出改進(jìn)的函數(shù)變步長(zhǎng)搜索法。

先設(shè)一初始步長(zhǎng)，若一次迭代后誤差函數(shù)E增大，則將步長(zhǎng)乘以小于1的常數(shù)，沿原方向重新計(jì)算下一個(gè)迭代點(diǎn)；若一次迭代后誤差函數(shù)減小，則將步長(zhǎng)乘以大于1的常數(shù)，從而達(dá)到既不增加太多計(jì)算量，又使步長(zhǎng)得到調(diào)整的目的。計(jì)算公式：

式中：h，U為常數(shù)，△E＝E（N）－E（n－1）。

2.3 人工感官評(píng)價(jià)與電子舌感官評(píng)價(jià)的映射模型

該映射模型的訓(xùn)練和檢驗(yàn)的流程圖見(jiàn)圖2。

圖2 該映射模型的訓(xùn)練/檢驗(yàn)流程圖Fig.2The mapping model training/testing flowchart

該模型的具體流程如下：

網(wǎng)絡(luò)初始化：確定每層網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)、隨機(jī)初始化權(quán)值Wmi/Wij以及閾值a/b，給出學(xué)習(xí)率和神經(jīng)元激勵(lì)函數(shù)，導(dǎo)入訓(xùn)練樣本和目標(biāo)樣本。

隱含層輸出：由輸入層變量X和權(quán)值Wmi、閾值a和隱含層的激勵(lì)函數(shù)，計(jì)算隱含層的輸出矩陣H。

輸出層輸出：由H和權(quán)值Wij、閾值b和輸出層的傳遞函數(shù)，計(jì)算輸出層的預(yù)測(cè)輸出矩陣O。

網(wǎng)絡(luò)權(quán)值、閾值更新：由O與目標(biāo)樣本Y計(jì)算網(wǎng)絡(luò)預(yù)測(cè)誤差e。根據(jù)誤差e與權(quán)值訓(xùn)練函數(shù)計(jì)算各層權(quán)值Wmi/Wij和閾值a/b。判斷網(wǎng)絡(luò)誤差是否滿(mǎn)足目標(biāo)精度0.001，如果不滿(mǎn)足，將誤差e進(jìn)行反向傳播，逐步優(yōu)化各層權(quán)值。至此第一輪權(quán)值、閾值調(diào)整結(jié)束，反復(fù)迭代訓(xùn)練直至誤差滿(mǎn)足目標(biāo)精度為止，保存網(wǎng)絡(luò)的權(quán)值/閾值。

檢驗(yàn)未知樣本：導(dǎo)入未知樣本電子舌數(shù)據(jù)，得出該樣本的人工味覺(jué)評(píng)價(jià)數(shù)據(jù)，同時(shí)計(jì)算該樣本人工感官數(shù)據(jù)與所有目標(biāo)樣本各個(gè)指標(biāo)的差值，由絕對(duì)值和最小值所在類(lèi)別位置判斷未知樣本所屬種類(lèi)。以雷達(dá)圖的方式直觀(guān)顯示該類(lèi)別的目標(biāo)樣本和未知樣本的人工感官指標(biāo)的差異性。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)儀器與材料

3.1.1 主要材料

3種不同添加成分的同種雞精調(diào)味料，添加成分分別為紅糖、白糖、液體紅糖。

3.1.2 主要儀器

電子舌-ASTREE，法國(guó)Alpha MOS公司生產(chǎn)，含有7個(gè)味覺(jué)傳感器，分別為ZZ，AB，BA，BB，CA，DA，JE。

3.2 實(shí)驗(yàn)數(shù)據(jù)采集

3.2.1 電子舌數(shù)據(jù)

樣本及溶液常溫，按照1%的質(zhì)量分?jǐn)?shù)配比，樣本稱(chēng)量1.5g，充分溶解后放在電子舌自動(dòng)進(jìn)樣器中，在實(shí)驗(yàn)儀器穩(wěn)定情況下，每種樣本重復(fù)采樣4次。計(jì)算每種樣本數(shù)據(jù)的平均值，見(jiàn)表1。

表1 電子舌感官數(shù)據(jù)均值Table 1The electronic tongue average sensory data

3.2.2 人工感官數(shù)據(jù)

將30g雞精調(diào)味料充分溶解于40℃的300mL熱水中，選22名感官評(píng)價(jià)人員（其中男性有10名，女性有12名）品嘗雞精調(diào)味料，并綜合其雞肉味（chicken）、大蒜味（garlic）、胡椒味（pepper）、鮮味（umami）、味精味（MSG）、甜味（sweet）、飽滿(mǎn)感（full）、澀味（acerbity）、滯留感（stranded）對(duì)樣本進(jìn)行評(píng)分。評(píng)分標(biāo)準(zhǔn)采用10點(diǎn)制，0～1表示可有可無(wú)；2～3表示弱；4～5表示中等；6～7表示強(qiáng)；8～9表示非常強(qiáng)。對(duì)每種樣本的22組感官評(píng)價(jià)數(shù)據(jù)求平均值，見(jiàn)表2。

表2 人工感官數(shù)據(jù)均值Table 2The artificial average sensory data

4 建立雞精電子舌數(shù)據(jù)與人工感官模型

4.1 映射模型訓(xùn)練

電子舌傳感器變量數(shù)目為7個(gè)，則BP神經(jīng)網(wǎng)路的輸入層變量數(shù)設(shè)為7個(gè)，人工感官屬性變量數(shù)目為9個(gè)，則BP神經(jīng)網(wǎng)絡(luò)輸出層變量個(gè)數(shù)設(shè)為9個(gè)，隱含層變量個(gè)數(shù)為2n＋1＝15。隱含層的激勵(lì)函數(shù)為tansig，輸出層的激勵(lì)函數(shù)為logsig，網(wǎng)絡(luò)訓(xùn)練算法由標(biāo)準(zhǔn)BP算法中的traingd改為網(wǎng)絡(luò)收斂更快的LM訓(xùn)練算法。訓(xùn)練次數(shù)設(shè)置為500次，學(xué)習(xí)步長(zhǎng)為0.05，訓(xùn)練目標(biāo)的最小誤差為0.001，隨機(jī)數(shù)初始化權(quán)值和閾值。

將電子舌感官數(shù)據(jù)，即表1作為BP網(wǎng)絡(luò)模型的輸入樣本；將人工感官數(shù)據(jù)，即表2作為BP網(wǎng)絡(luò)模型的實(shí)際輸出樣本。隨后開(kāi)始訓(xùn)練該模型，得到網(wǎng)絡(luò)訓(xùn)練收斂曲線(xiàn)，見(jiàn)圖3。

圖3 映射模型訓(xùn)練收斂曲線(xiàn)Fig.3The mapping model training convergence curve

由圖3可知，基于BP神經(jīng)網(wǎng)絡(luò)的該映射模型訓(xùn)練速度較快，在迭代第三步達(dá)到目標(biāo)，均方誤差為0.000011444，用時(shí)0.42548s，而且網(wǎng)絡(luò)收斂曲線(xiàn)很平滑，說(shuō)明網(wǎng)絡(luò)模型在訓(xùn)練過(guò)程中比較穩(wěn)定。

網(wǎng)絡(luò)訓(xùn)練輸出值與實(shí)際值的均方差百分比見(jiàn)表3。

表3 網(wǎng)絡(luò)訓(xùn)練輸出值與實(shí)際值的均方差的百分比Table 3The percentage of the mean square error between network training output value and actual value

由表3可知，得到的輸出值與實(shí)際值的均方差值非常小，在理想的范圍內(nèi)，進(jìn)一步說(shuō)明該映射模型穩(wěn)定精確。保存此次的網(wǎng)絡(luò)權(quán)值/閾值，用作對(duì)未知樣本的分類(lèi)，并且由電子舌感官數(shù)據(jù)直接給出未知樣本的感官屬性數(shù)據(jù)。

4.2 映射模型檢驗(yàn)

任意選取一個(gè)未知類(lèi)別的檢驗(yàn)樣本電子舌數(shù)據(jù)，見(jiàn)表4，將其導(dǎo)入到上述保存好的網(wǎng)絡(luò)映射模型中，輸出模型檢驗(yàn)結(jié)果。

表4 檢驗(yàn)樣本Table 4Testing samples

該樣本模型輸出的人工味覺(jué)數(shù)據(jù)和判斷類(lèi)別結(jié)果見(jiàn)圖4。在輸出結(jié)果中加入該風(fēng)味類(lèi)別的標(biāo)準(zhǔn)人工品評(píng)數(shù)據(jù)，標(biāo)準(zhǔn)類(lèi)別的人工感官品評(píng)數(shù)據(jù)為各個(gè)類(lèi)別的人工品評(píng)數(shù)據(jù)的均值，見(jiàn)表2。從感官數(shù)據(jù)中看到，模型訓(xùn)練的最終均方誤差值不僅滿(mǎn)足了目標(biāo)要求精度，而且非常小，與人工品評(píng)數(shù)據(jù)相比較可以忽略，所以默認(rèn)網(wǎng)絡(luò)輸出的誤差為零誤差。

圖4 檢驗(yàn)樣本輸出結(jié)果Fig.4The output results of testing samples

由圖4可知，該樣本添加成分為紅糖，模型輸出的人工味覺(jué)數(shù)據(jù)與標(biāo)準(zhǔn)添加紅糖成分的人工味覺(jué)數(shù)據(jù)相比較還有一定的差別，為了更好地顯示這種差別，將兩組數(shù)據(jù)轉(zhuǎn)換成雷達(dá)圖顯示，見(jiàn)圖5。

圖5 該類(lèi)別樣本輸出值與標(biāo)準(zhǔn)值的雷達(dá)圖Fig.5The radar chart of this category samples output value and standard value

由圖5可知，添加紅糖成分樣本的人工味覺(jué)數(shù)據(jù)與標(biāo)準(zhǔn)的人工味覺(jué)數(shù)據(jù)基本上吻合，但是在飽滿(mǎn)感（full）的屬性味覺(jué)上差異性較大，在大蒜味（garlic）的屬性味覺(jué)上也有稍微的差異。

5 結(jié)論

采用BP算法來(lái)實(shí)現(xiàn)電子舌數(shù)據(jù)與人工感官評(píng)價(jià)之間的相關(guān)性模型，能夠代替人的味覺(jué)功能，由電子舌數(shù)據(jù)直接給出未知樣本的人工感官數(shù)據(jù)。對(duì)于鑒定雞精貨架中、后期的樣本狀態(tài)，質(zhì)變的樣本難以進(jìn)行長(zhǎng)期人工品評(píng)的問(wèn)題，本文兩種評(píng)價(jià)體系相關(guān)性的研究思路能夠很好地解決這一難題。同時(shí)該模型能夠做到對(duì)未知樣本的分類(lèi)，而且能夠直接顯示該未知樣本與標(biāo)準(zhǔn)樣本的感官屬性差異性，在訓(xùn)練樣本數(shù)量和種類(lèi)較豐富的情況下，該模型可以對(duì)市場(chǎng)在售的任意一款雞精產(chǎn)品做質(zhì)量鑒定。

BP網(wǎng)絡(luò)模型的訓(xùn)練和鑒定過(guò)程都非常迅速精確，省去了大量的人工品評(píng)時(shí)間和成本，在實(shí)驗(yàn)過(guò)程中，由于樣本數(shù)據(jù)量較少，模型訓(xùn)練默認(rèn)均方誤差值為零，以及BP網(wǎng)絡(luò)存在一定的隨機(jī)性，這兩點(diǎn)是后續(xù)實(shí)際應(yīng)用中都需要解決的問(wèn)題。

［1］朱妞，訾榮祿.淺議味精與雞精［J］.中國(guó)調(diào)味品，2013，38（1）：3-4.

［2］崔凱，屈展，馬驥，等.感知標(biāo)示量度卷煙感官評(píng)價(jià)方法的建立及應(yīng)用［J］.煙草科技，2015，48（3）：74-78.

［3］Chen Q S，Zhao J W，Chen Z，et al.Discrimination of green tea quality using the electronic nose human panel test，comparison of linear and nonlinear classifition tools［J］.Sensors and Actuators B：Chemical，2011，159：294-300.

［4］田懷香，肖作兵，徐霞，等.基于電子舌的雞肉香精風(fēng)味改進(jìn)研究［J］.中國(guó)調(diào)味品，2011，36（3）：113-116.

［5］鄧少平，田師一.電子舌技術(shù)背景與研究進(jìn)展［J］.食品與生物技術(shù)學(xué)報(bào)，2007，26（4）：110-116.

［6］秦藍(lán)，李鳳華，田懷香，等.電子舌在雞精調(diào)味料味覺(jué)差異分析中的應(yīng)用［J］.中國(guó)調(diào)味品，2014，39（10）：132-135.

［7］潘廣坤，吉宏武，劉書(shū)成，等.真空油炸面包蝦的貨架期預(yù)測(cè)模型［J］.食品與發(fā)酵工業(yè)，2014，40（3）：113-119.

［8］顧永波，肖作兵，劉強(qiáng)，等.基于電子舌技術(shù)的卷煙主流煙氣味覺(jué)識(shí)別［J］.煙草化學(xué)，2011（8）：48-51.

［9］張平，冮潔，胡文忠，等.電子舌對(duì)冰葡萄酒的區(qū)分辨識(shí)研究［J］.釀酒科技，2014（10）：41-42.

［10］秦藍(lán)，李鳳華，田懷香，等.雞精調(diào)味料人工感官評(píng)價(jià)與電子鼻感官分析的相關(guān)性研究［J］.食品與機(jī)械，2014（4）：11-13.

［11］Gil L，Barat J M，Escriche I，et al.An electronic tongue for fish freshness analysis using a thick-film array of electrodes［J］.Microchimica Acta，2008，163（1/2）：121-129.

［12］林順順，張曉鳴.基于PLSR分析煙葉化學(xué)成分與感官質(zhì)量的相關(guān)性［J］.中國(guó)煙草科學(xué)，2016，37（2）：78-82.

［13］秦樹(shù)基，徐春花，王占山.人工神經(jīng)網(wǎng)絡(luò)對(duì)電子鼻性能的影響［J］.同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，33（6）：805-808.

［14］孫晨，李陽(yáng)，李曉戈，等.基于布谷鳥(niǎo)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的股價(jià)預(yù)測(cè)［J］.計(jì)算機(jī)應(yīng)用與軟件，2016（2）：276-279.

［15］朱曉瓊，楊涓，李婧，等.電子鼻結(jié)合PCA-BP神經(jīng)網(wǎng)絡(luò)在煙用香料質(zhì)量控制中的應(yīng)用［J］.化學(xué)研究與應(yīng)用，2014（2）：261-266.

［16］張虹艷，丁武.基于fisher線(xiàn)性判別和BP神經(jīng)網(wǎng)絡(luò)的電子鼻羊奶貯藏時(shí)間預(yù)測(cè)［J］.中國(guó)食品學(xué)報(bào)，2012，12（6）：166-173.

Relevant Model Research on Chicken Essence Evaluation with Artificial Sensory and Electronic Tongue

XIAO Li-zhong1，CHEN Yang－yang1＊，TIAN Huai-xiang2，QIN Lan3，ZHANG Ya-jing2，LI Jian-mo4
（1.School of Computer Science and Information Engineering，Shanghai Institute of Technology，Shanghai 201418，China；2.School of Perfume and Aroma Technology，Shanghai Institute of Technology，Shanghai 201418，China；3.Nestle R ＆D Center Shanghai Co.，Ltd.，Shanghai 201812，China；4.Ji＇ning Yucai Middle School，Ji＇ning 272000，China）

Chicken essence taste assessment of quality level relies on artificial sensory evaluation and electronic tongue data analysis.The research focuses on the correlation of two evaluation styles，collects artificial sensory evaluation data and electronic tongue sensory data by three different ingredients chicken essence，then establishes the correlation model with evaluation of artificial taste and electronic tongue data by the improved BP neural network，which can classify the unknown samples，and give the unknown sample＇s artificial sensory data directly by electronic tongue data，then compares the differences of artificial sensory evaluation index between standard sample and unkown sample in this category.The model not only meets the objective and fast requirement in chicken sensory evaluation process，but also provides the difference information in chicken quality appraisal process.

artificial sensory evaluation；electronic tongue；BP algorithm；mappingmodel

TS207.3

A

10.3969/j.issn.1000-9973.2017.03.011

1000-9973（2017）03-0045-04

2016－09－08 ＊通訊作者

上海應(yīng)用技術(shù)大學(xué)協(xié)同創(chuàng)新基金跨學(xué)科、多領(lǐng)域合作研究專(zhuān)項(xiàng)項(xiàng)目（XTCX2015-13）；2015年度“創(chuàng)新行動(dòng)計(jì)劃”地方院校能力建設(shè)項(xiàng)目（15590503500）

肖立中（1981－），男，山東壽光人，副教授，博士，研究方向：風(fēng)味識(shí)別、軟件工程；陳洋洋（1988－），男，河南商城人，碩士，研究方向：模式識(shí)別。