应用人工神经网络算法优化面包配方

冯占利，李文钊，赵 璐

(食品营养与安全教育部重点实验室，天津科技大学食品工程与生物技术学院，天津 300457)

应用人工神经网络算法优化面包配方

冯占利，李文钊，赵 璐

(食品营养与安全教育部重点实验室，天津科技大学食品工程与生物技术学院，天津 300457)

在优化面包配方实验中，针对面包易老化、不耐储存这一问题，采用人工神经网络(artificial neural network，ANN)对12个影响因素和6项观测指标进行模拟与建模，最终获得了口感好、储存效果好的最优配方，即：面粉32%，水7%，盐0.962%，奶粉8%，果葡糖浆30%，酥油18%，糖醇3%，保鲜酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉胶0.5%，黄原胶0.5% ．

面包；配方优化；人工神经网络；实验设计

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

面包以其营养丰富、组织蓬松、易于消化、食用方便等特点深受大众喜爱，在全世界的消费量占绝对优势．作为人类最重要的主食之一，人们对于它的需求量越来越大，随着科学的发展和大众健康意识的提高，人们对其营养与口味的要求也越来越高，面包工业必须不断地与时俱进、推陈出新才能迎合人们的需要．然而，不论是面包品质改进还是研发新品种都是一个复杂的过程，因为影响面包品质的因素很多，除和面、醒发、焙烤等加工工序及工艺条件外，面粉、油脂等主辅原料，各种食品添加剂，尤其是一些新的品质改良剂，都会影响面包的品质[1–2]．本文主要针对面包易老化、不耐储存这一问题，重点研究面包主辅料及新配料的适宜配比，及获得保鲜期较长的优化面包配方．

在配方研究中，需要观测的面包品质指标很多，包括香味、颜色、口感等感官指标，物性指标，货架期，理化指标等．这种多因素多指标的研究课题若一一采用传统的实验设计方法，如分部实验设计、正交实验设计等，既耗时又耗力，且难以将不同因素、不同指标间复杂关系进行统一．近年来，人工神经网络算法在解决多因素多观测值问题上效果显著，它只需提供一定的数据，不需知道具体的函数形式，即可对结果进行优化[3]．因此，本文应用人工神经网络算法优化面包配方．

1 材料与方法

1.1 主要原料

面包专用粉，福建仁升食品有限公司；奶粉，内蒙古伊利实业集团股份有限公司；乳化剂，广州美晨集团股份有限公司；酶制剂，天津市诺奥科技发展有限公司；卡拉胶，闽南琼胶有限公司；黄原胶，淄博中轩生化有限公司；瓜尔豆胶，河南正兴食品添加剂有限公司．

1.2 主要设备

SZM–10型多功能搅拌机，东莞旭众食品机械有限公司；XYF–2E–3P型远红外线食品烤炉，广州红菱电热设备有限公司；SPX–250C型恒温恒湿箱，上海博讯实业有限公司医疗设备厂；电子精密天平，奥豪斯(上海)公司；TA.XT.Plus质构仪，英国Stable M icro System公司．

1.3 面包加工方法

1.3.1 工艺流程

原辅料预处理→面团调制→发酵→分割→滚圆→醒发→整形→醒发→烘烤→冷却→包装．

1.3.2 要点

原料前处理包括：将适量酶制剂放入酵母中干混均匀，加入35,℃的水充分溶解，将其活化，待用；将食品胶按一定比例复配再加入白砂糖混匀后加入70,℃热水将其糊化，在70,℃热水中保温1,h使其糊化完全，冷却备用．另外，焙烤时使用下火温度180,℃，上火温度200,℃焙烤9～13,m in．

1.4 面包品质检测方法

1.4.1 面包感官品质评价方法

根据GB,20981—2007中软式面包感官评价指标，建立面包感官评分标准，见表1．

1.4.2 面包硬度测定方法

采用TA.XT.Plus质构仪测试面包表皮和面包芯的硬度．硬度的测定选用一次咀嚼实验，对厚度为25,mm的法式软面包及其切片进行质构分析．测试参数见表2．

表1 面包感官评价分值分配表Tab.1 Sensory evaluation of bread

表2 面包硬度的测定参数Tab.2 Parameters of bread hardness

1.5 运用神经网络建模

对于BP神经网络，隐含层节点数的确定是成败的关键[4]．本文中首先根据Hornik提出的公式(1)求得隐含层节点数的范围．再采用网络结构增长型方法，即先设置较少的节点数，对网络进行训练，测试学习误差，然后逐渐增加节点数，直到学习误差不再有明显减少为止．

式中：n为输入层节点数；m为输出层节点数．

在面包配方改良实验中，实验点是根据课题组长期经验和实验结果决定的．所选影响因素有12项，即奶粉、白砂糖、果葡糖浆、无水酥油、糖醇、保鲜酶、淀粉酶、脂肪酶、木聚糖酶、卡拉胶、黄原胶、瓜尔豆胶的添加量，分别用X1，X2，…，X12表示[5]．实验参数见表3．用保存15,d的观测值与保存1,d的观测值进行对比，考察面包在保存15,d内的变化趋势，并以此来确定出炉时品质好，且最耐储存的配方．

表3 26次实验的实验参数Tab.3 Param eters of 26 experim ent

2 结果与讨论

2.1 运用神经网络建模与模型验证的结果

运用神经网络建模的结果见表4．实验结果品质检测有6项，分别为室温保存1,d的面包感官评定、面包表皮硬度和面包心硬度，以及室温保存15,d时面包感官评定、面包表皮硬度和面包心硬度，分别用Y1，Y2，…，Y6表示．其中Y1和Y4为分值，其理想值为100；Y2和Y5的理想值为20；Y3和Y6的理想值为60．

表4 26次实验的实验结果Tab.4 Results of 26 experiments

由上述实验过程采集的数据，利用Matlab神经网络工具箱，用一定数量的学习样本对带有动量项和自适应学习率的BP神经网络进行训练[6–7]．通过调整隐含层的神经元数和训练次数，使网络误差满足工作要求，得到输入层、隐含层和输出层的权系数及各个节点的阈值．然后就可以利用训练好的 BP 神经网络优化实验参数，达到产品最佳的效果．

根据公式(1)确定隐含层节点数的取值范围为6～30，再根据网络增长型方法确定出该网络的隐含层节点数．本实验采用Matlab,7.0的BP神经网络工具箱进行仿真实验，经过多次实验对比，发现在本实验输入层为12个节点、输出层为6个节点的前提下，中间两个隐含层的节点分别为11和9时的3层前向网络的训练误差和测试误差均达到满意效果．其学习过程如图1所示．

图1 神经网络学习过程图Fig.1 Learning process of ANN

为了检验拟合数据与计算的精度，首先在26组数据中采用随机数法选取22组(不包括第2、9、17、25组)作为神经网络的教师信号，采用自适应学习率算法对网络进行训练．经过100,000次的学习以后得出结果，再用经训练后的神经网络对第2、9、17、25组数据进行计算，以检查网络外推性能，计算结果及误差见表5．经统计，4个预测样本的平均误差为0.82%，小于1%，总体效果说明该模型能较好地对面包配方进行优化．

表5 网络计算结果及误差Tab.5 Results and errors of ANN

2.2 应用神经网络模型优化面包配方

2.2.1 建立描述实验结果的目标函数

实验结果是由6项参数组成．为了便于对不同配方实验的结果进行比较，即将每次实验的各项结果的实际值(Yi)和理想值(Si)(i＝1，2，…，6)用目标函数将其转换实数值 P(P＞0)；实际结果与理想值越接近则 P 越小．将Yi分别在区间[0，100]、[0，100]、[0，400]、[0，100]、[0，400]、[0，2 000]上归一化处理[8]到[0，1]区间，其中理想值Si分别为S1＝1，S2＝0.2，S3＝0.15，S4＝1，S5＝0.05，S6＝0.03．

目标函数的形式如下：

其中Ki为项的权值，根据各项在总体评判中的权重定值．根据实验目的与各个因素在实验中的重要性，这里设定K1＝2.5，K2＝1，K3＝1，K4＝3.5，K5＝1，K6＝1．

2.2.2 指定模拟实验的参数(条件)取值

依据经验和实验结果对配方中的各项实验参数(X1，X2，…，X12)的取值区间和水平间隔做指定，如表6．

表6 模拟实验参数取值表Tab.6 Parameter values of modelling experim ent

2.2.3 利用训练好的神经网络模型进行模拟实验

按照表5的参数取值要求，使用此模型进行全面优化实验．利用Matlab调用经上述训练后的 BP 网络．根据循环中指定的每组输入参数计算实验的结果；“目标值计算”程序则使用公式(1)求取1次实验的目标值(P)．最后将当前最优(P 值最小)的输入参数组和 P 值存入文件供选用．

用该模型计算和优化，从模拟实验结果中选取最小的3个P值对应的3组配方来进行实验验证．这3个P值及对应的3组配方及结果见表7和表8．

表7 模拟实验所得3组可能的最优参数Tab.7 Three possible best values from modeling experim ent

表8 模拟实验所得3组可能的最优实验结果Tab.8 Three possible best values from modeling experim ent

用这3组配方进行实际实验的结果表明：该神经网络模型推荐的数据确实很准确．3组配方效果都很好，其中以P3对应的配方C所得结果最优，故最后选用P3对应的配方C作为最终结果．

3 结 论

引进BP 神经网络算法设计实验优化面包配方，同时考虑12个影响因素并观察6项指标，得到了最优原料组合，加上基本配方，便得到了口感好且储存效果好的最优面包配方，即：面粉32%，水7%，盐0.962%，奶粉8%，果葡糖浆30%，无水酥油18%，糖醇3%，保鲜酶0.03%，淀粉酶0.001%，脂肪酶0.002%，木聚糖酶0.005%，卡拉胶0.5%，黄原胶0.5%．

［1］ 李浩明. 法式软面包生产工艺[J]. 食品工业科技，1997(4)：67-68.

［2］ 纪建海，王彦霞. 对影响面包质量两个因素的探讨[J].粮油加工与食品机械，2006(5)：73-74.

［3］ 闵惜琳，刘国华. 人工神经网络结合遗传算法在建模和优化中的应用[J]. 计算机应用研究，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］ 飞思科技产品研发中心. 神经网络理论与MATLAB7实现[M]. 北京：电子工业出版社，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

企业合作项目“欧式面包品质改进与工业化生产”(1000140008)

冯占利（1985—），女，河北石家庄人，硕士研究生；通信作者：李文钊，副教授，liwenzhao@tust.edu.cn．