1. 图灵的新篇章网首页
  2. AI食品

智能食品加工:从人工神经网络到深度学习的旅程(二)

在第一部分的介绍当中,大家已经对智能食品加工中的人工神经网络的类型有了相对全面的了解。今天给大家带来题为《智能食品加工:从人工神经网络到深度学习的旅程》综述的第二部分介绍:基于人工神经网络(ANN)的智能食品加工。

在第一部分的介绍当中,大家已经对智能食品加工中的人工神经网络的类型有了相对全面的了解。今天给大家带来题为《智能食品加工:从人工神经网络到深度学习的旅程》综述的第二部分介绍:基于人工神经网络(ANN)的智能食品加工。

智能食品加工:从人工神经网络到深度学习的旅程(二)

1. 介绍

人工神经网络已被应用于许多领域。在过去的几年里,基于人工神经网络的研究工作在应用和发展方面有了惊人的增长。在这些以食品为基础的应用中,人工神经网络在水果、蔬菜、果汁、葡萄酒、橄榄油、肉、鱼、各种粮食以及软饮料等食品的加工中发挥着至关重要的作用。

2. 人工神经网络在水果加工中的应用

通过人工神经网络对水果品质的估计是人工神经网络在水果加工当中应用最重要的形式。神经网络在香蕉、草莓、葡萄、石榴、枣、桑树等水果加工领域发挥着重要作用。

2.1 人工神经网络在香蕉加工中的应用

像其他水果一样,利用人工神经网络对香蕉进行加工一直是一个有趣的领域。Guine等开发出了一种对香蕉不同干燥处理的抗氧化活性和酚类化合物进行人工神经网络建模的方法。在他们的结论当中,使用简单的人工神经网络模型就可以通过预测酚类化合物的含量和抗氧化活性,准确的分辨香蕉样品的干燥状态、品种和准确类型。

2.2 人工神经网络在草莓加工中的应用

目前研究人员已经优先考虑应用人工神经网络方法对草莓进行加工处理。Urruty等提出了一种通过固相微萃取气相色谱法(SPME/GC)和ANN方法评价草莓香气的新方法。在他们的研究当中使用的SPME/GC方法是一个组织良好的调查工具,可以根据一定的元素范围来快速的区分草莓各类香气的化学环境。另外,Menlik等人还提出了一种利用神经网络模拟草莓冷冻行为的方法。作者使用BP方法作为提出的神经网络结构。并根据实验结果得出结论,他们的方法具有很好的准确性,适合于预测草莓在干燥过程中的冷冻情况。

2.3 人工神经网络在咖啡果加工中的应用

Fuentes等人引入了一种基于神经网络和机器视觉技术的咖啡果识别方法,该方法可以降低咖啡生产者的咖啡水果识别率、实例数,并提高最终产品的数量。同时,Fuentes等人还考虑利用神经网络将咖啡果实分类为成熟和未成熟两类,这是一个新的定性进展。

2.4 人工神经网络在石榴加工中的应用

人工神经网络也已经应用于石榴产品的加工当中。Sargolzaei和Moghaddam开发了一种利用人工神经网络预测石榴油的新方法。分别用BPNN、RBFNN、ANFIS等不同的方法进行了模拟,并对预测结果进行了比较。根据实验结果分析,与RBFNN和ANFIS相比,BPNN在预测石榴油提取率方面是一个有效的工具。

2.5 人工神经网络在枣加工中的应用

枣是一种很少被用于神经网络处理的水果。Fadel提出了一种利用PNN进行数据分类的新方法。在研究当中,作者通过分析分类特性、颜色精度等因素的影响,最终观察到了更好的分类精度。

2.6 人工神经网络在桑葚当中的应用

桑椹是一种已经用许多机器视觉技术来进行处理的水果。许多研究表明,神经网络对桑树的加工具有良好的效果。Fazaeli等开发了一种新的方法,在人工神经网络的帮助下预测黑桑椹汁的性质。研究人员考虑了温度、浓度和预测均方根误差等因素,并采用反向传播学习方法训练他们的神经网络模型。实验结果表明,他们提出的模型具有更高的性能,可以更好地预测桑椹汁的理化性质。

3. 人工神经网络在蔬菜加工中的应用

许多研究工作已经证明了神经网络在解决蔬菜质量估计和确定的复杂性方面的有效性。然而,本研究只涉及了部分与蔬菜加工有关的论文。在本小节当中,将对这些主要的神经网络在蔬菜加工中应用进行介绍。

3.1 人工神经网络在马铃薯加工当中的应用

利用神经网络对马铃薯进行加工处理的方法已经得到了极大的重视,同时其他的方法也被应用马铃薯的加工于处理当中。如FL. Anderson等提出的一种方法,通过使用统计和神经网络分类器进行微量金属分析来确定马铃薯的地理来源。当考虑季节因素对于其结果的影响,通过在神经网络中使用套袋方法,可以获得非常准确的分类结果,并将其分为两个不同季节的土豆。最后,研究人员发现季节变化并不会影响分类模型的分类结果,进一步证明了该方法的可靠性。

3.2 人工神经网络在胡萝卜加工中的应用

Erenturk提出了一种利用神经网络方法进行胡萝卜干燥的新技术。并且作者将他们提出的方法与遗传算法进行了比较。其主要目的是解决不同曝气条件下胡萝卜的干燥特性。在他们的论文中引入的神经网络技术在预测研究干燥动力学方面表现出色。他们的研究证明,人工神经网络的功能可以成功地用于食品工业中的干燥过程控制和在线状态评估。

3.3 人工神经网络在西红柿加工中的应用

西红柿这一类的蔬菜有一种沉浸式的神经网络处理方法对其进行处理。Hahn等介绍了红番茄根霉孢子的光谱检测和神经网络识别技术。根据实验结果分析,他们在使用四种波长关系的区别研究中获得了82.62%的标准命中率,最终他们的研究证实了利用光学反射率鉴别红番茄成熟果实上的根霉分生孢子的可能性。

3.4 人工神经网络与图像处理在食品加工中的应用

利用图像处理技术对食品进行处理的人工神经网络已经引起了研究者和实践者的重视。本文将介绍一些人工神经网络在食品图像处理中的应用。Ram等人开发了一种基于图像处理的预测橄榄油含量的新方法。其中研究人员发现,在他们的研究方法中,神经网络给出了橄榄平均线性相关的可靠结果。当他们使用两面橄榄的图像特征时,其表现更加强劲。

Poonnoy等为了对煮熟的虾的形状进行分类,开发了一种ANN图像分析技术。他们的实验结果表明,他们所提出的方法准确率高达99.80%,这意味着错误率非常低。他们认为RID值是水煮虾的特征形状,并表明将RID与人工神经网络杂交提高了他们的ANN模型的性能,而且精度很高。

同时,各种其他的人工神经网络与图像处理也被用于加工其他食品,如肉类、粮食、乳制品以及烘焙产品等。

3.5 人工神经网络在橄榄油加工当中的应用

在过去的二十年里,有许多关于橄榄油加工的文章发表,如表1。Peres等提出了一种利用人工神经网络和线性判别分析对不同橄榄品种的果实进行分类的新方法。在他们提出的方法中,与早期的研究工作相比,神经网络作为一种有效而有力的工具,也被用作预防橄榄油和不适合品种的橄榄掺假的工具。不仅如此,Carfagni等人在2008年的进一步研究中提出了一种快速、非自愿预测橄榄油的新技术,Garcia-Gonzalez等人还提出了一种利用MLP的新方法。此外,Gonzalez-Fernandez等人对ANN在橄榄油生产和表征中的使用还进行了批判性的评论。

表1 神经网络在橄榄油加工中的应用智能食品加工:从人工神经网络到深度学习的旅程(二)

3.6 人工神经网络在鱼类加工中的应用

鱼类加工中的人工神经网络应用十分广泛。Lae等人开发了一种新的人工神经网络方法,用于预测非洲湖泊的鱼类产量。他们将该方法与传统统计方法进行了比较,并在论文中提到了人工神经网络的一些局限性。此外,他们还指出,使用BP程序与人工神经网络在预测鱼产量方面具有优势。在2003年,Maravelias等人也提出了一种利用ANN预测地中海鱼类种类的新方法,并又将人工神经网络和判别函数分析(DFA)进行了比较。在考虑了准确性、敏感性和特异性后,最终得出ANN优于DFA的结论。他们的研究成为一个经典的例子,展示了人工神经网络预测鱼类种类的准确性和能力。

参考文献

  • Janmenjoy Nayak, Kanithi Vakula, Paidi Dinesh, Bighnaraj Naik, Danilo Pelusi. Intelligent food processing: journey from artificial neural network to deep learning. Computer science review, 2020, 38, 100297.
智能食品加工:从人工神经网络到深度学习的旅程(二)

原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/ann-review2-html.html

发表评论

邮箱地址不会被公开。 必填项已用*标注