CC BY
85
УДК 663.44
Методика автоматической оценки качества пищевых изделий на основе теории искусственных нейронных сетей
М. М. Благовещенская, д-р техн. наук, профессор, И.Г. Благовещенский,
аспирант, Е. А. Назойкин, канд. техн. наук, Л.А. Крылова, доцент Московский государственный университет пищевых производств
Одна из самых важных социально-экономических проблем - обеспечение населения Российской Федерации качественными, безопасными и разнообразными отечественными продуктами питания. Поэтому разработка современных научно обоснованных, объективных и достоверных методов автоматической оценки качества является важнейшим аспектом данной проблемы.
Качество продукции - это совокупность свойств продукции, обуславливающих ее способность удовлетворять установленные или предполагаемые потребности [1-5]. На практике конкретные потребности переводятся в набор количественных и качественных установленных требований к характеристикам и свойствам продукции [6]. Оценка ее качества состоит в проверке соответствия продукции требованиям к качеству - перечню количественных характеристик (показателей качества) и качественных признаков [7].
Применительно к пищевым изделиям - объектам пищевых производств (ПП) требования, предъявляемые к качеству продукции, как известно, определяют нормативные документы: Федеральный закон от 2 января 2000 г. № 29-ФЗ «О качестве и безопасности пищевых продуктов»; ряд нормативных документов (ГОСТ Р 51705.1-2001 «Системы качества. Управление качеством пищевых продуктов на основе принципов ХАССП. Общие требования. Область применения»; Технический регламент Таможенного союза ТР ТС 021/2011 «О безопасности пищевой продукции»; Санитарные правила и нормы «Гигиенические требования к качеству продовольственного сырья и пищевых продуктов» и др.); техническое задание
(ТЗ) на каждый конкретный вид пищевой продукции и др.
Однако если учесть объемность этих ТЗ и нормативных документов, то становится ясно, что полная совокупность характеристик объекта ПП представляет собой чрезвычайно широкое множество. Чтобы исключить необоснованно громоздкие расчеты, следует отбирать лишь наиболее представительные признаки, отражающие главные свойства (требования) объекта, и на их основе ввести некоторый критерий качества (главный показатель высшего порядка), т. е. математическое выражение, позволяющее противопоставить множеству числовых характеристик, описывающих объект, некоторое число, определяющее качество этого объекта.
Качество готовых пищевых продуктов (объектов ПП) определяют два основных критерия: определяющий - обобщенный органолеп-тический показатель качества, по которому принимается решение об уровне качества готового изделия, и уровень качества - относительная характеристика качества объекта ПП, основанная на сравнении значений показателей качества объекта ПП с заданными (эталонными) значениями соответствующих показателей.
Автоматическая оценка качества объекта ПП предполагает разработку современной научно обоснованной методики.
Проблема выбора номенклатуры показателей качества - одна из ключевых в постановке задачи оценки критериев качества. Качество является агрегированной характеристикой пищевой продукции, т. е. оно определяется большим числом единичных и комплексных показателей. Поэтому выбор номенклатуры
показателей должен происходить по принципу «необходимость и достаточность», исходя из актуальности и возможности использования для оценки конкретной пищевой продукции [7].
При определении критериев качества практически всегда используются показатели, классифицируемые по характеризующим свойствам [8]. При этом показатели целесообразно ранжировать по ряду признаков: отраслевое функциональное назначение; надежность и достоверность; степень энергосбережения; безопасность; стандартизация и унификация; технологичность (возможность производства пищевых изделий соответствующего качества с минимальными затратами), эргономич-ность, экологичность производства этих изделий.
Приведенная выше номенклатура показателей качества пищевых изделий является укрупненной - в каждой из основных групп можно выделить подгруппы показателей вплоть до простых свойств (единичные показатели). В то же время при необходимости можно ввести другие группы показателей, характерные для рассматриваемых пищевых изделий [9]. В зависимости от того, кем эти группы показателей произведенных пищевых продуктов будут использоваться (изготовителем или потребителем), состав групп и номенклатура показателей могут быть различными, но в целом их использование возможно при определении любого уровня качества (в зависимости от стадии жизненного цикла
продукции) и при любом уровне их интеграции.
При определении критериев качества пищевых изделий необходимо в обязательном порядке учитывать «весомости» группы А, показателей качества а, , так как параметры весомости показателей качества играют исключительно большую роль в оценке и оказывают существенное влияние на конечный результат расчета. Учет параметров весомости производится путем умножения параметра весомости (А, а) на соответствующий коэффициент, характеризующий групповой или единичный показатель качества. Причем значения параметров весомости должны удовлетворять условию [9]:
0 <(А,а,) < 1.
В дальнейшем качество в компактной форме будем представлять в виде вектора состояния, его компоненты - это групповые показатели с учетом их параметров весомости, которые в свою очередь определяются коэффициентами, характеризующими единичные показатели качества также с учетом их параметров весомости: X = ({А/1[а/11 - к;(11) Ц11),...,
а1(11)к1(11)(х111)],
А,2[а,12к,(12) (х/12),..„
а1(21)к1(21)(х121)],..,
А^рк/ (х/1).....
а/<)к/<)(х/<)]},
INNOVATIVE TECHNOLOGIES
где х1 - 1-й показатель качества; к -коэффициент, характеризующий 1-й показатель качества; а, - показатель весомости 1-го показателя качества; А- показатель весомости /-й группы показателей качества.
Методика оценки качества объекта ПП основана на методах оценки определяющего показателя качества и уровня качества.
Определяющий показатель качества рассчитывается на основе средневзвешенной арифметической зависимости [6]
К0 =Е 4К
1=1 ,
где К - групповой показатель качества /-й группы единичных показателей качества, который определяется на основе средневзвешенной геометрической зависимости.
В основу метода оценки качества положен аппарат оценки качества продукции, где предмет действия (оцениваемая продукция) и продукт действия (заданная, базовая продукция) описываются мерами Мк и Мп, а близость их оценивается показателем, который и характеризует уровень качества К = (Мк п Мп)/(Мк и Мп).
В частности, мера предоставляется множеством
М = [(С,/^), (с2/уа)..... (С/^)],
тогда
к = Уп| ^т-1 / ^ I г™) и,
где К - свойство пищевого продукта (объекта ПП); Уа - величина (количество) 1-го свойства; -суммирование по мощности пересечения множеств Мк и М ; V"™ и
т/тт к п
УС1 - минимальная и максимальная величины свойств из пары предмета и продукта исследования [6, 7].
Для решения задачи алгоритмического обеспечения оценки уровня качества пищевых изделий (объектов ПП) предлагается использовать получившие в последнее время широкое распространение искусственные нейронные сети (ИНС) в силу своей универсальности и гибкости [8, 9].
Нейронная сеть является совокупностью элементов, соединенных некоторым образом так, чтобы между ними обеспечивалось взаимодействие. Эти элементы, называемые также нейронами, представляют собой простые процессоры, вычислительные возможности которых обычно ограничиваются некоторым правилом комбинирования входных сигналов и правилом активации, позволяющим вычислить выходной
Рис. 1. Трехслойный персептрон
сигнал по совокупности входных сигналов. Выходной сигнал элемента может посылаться другим элементам по взвешенным связям, с каждой из которых связан весовой коэффициент или вес. В зависимости от значения весового коэффициента передаваемый сигнал усиливается или подавляется.
Один из самых привлекательных аспектов использования ИНС заключается в том, что, хотя элементы такой сети имеют очень ограниченные вычислительные возможности, вся сеть в целом, объединяя большое число таких элементов, оказывается способной выполнять довольно сложные задачи.
Структура связей отражает детали архитектуры сети, а именно то, какие элементы соединены, в каком направлении работают соединения и каков уровень значимости (вес) каждого из соединений [6].
Рассмотрим решение задачи оценки качества готового пищевого изделия (объекта ПП) на примере помадных конфет.
На основе предварительного анализа различных моделей ИНС в соответствии с характером решаемых задач, количеством входных и выходных данных, структурой связи между единичными и групповыми показателями качества была разработана нейронная сеть в виде трехслойного персептрона (рис.1) со следующими характеристиками:
первый слой - 27 входных нейронов, соответствует числу входных данных - единичных показателей качества;
второй слой (скрытый) - 10 нейронов, соответствует структуре связей между единичными и групповыми показателями качества;
третий слой - 1 выходной нейрон, так как требуется один выходной параметр - показатель уровня качества К;
нелинейная функция активации -сигмоидальная функция
рЫ = 1/ 1+ ехр(-аБ) с параметром а = 1.
Структура нейронной сети представлена на рис. 2.
Для решения поставленной задачи разработаны алгоритмы синтеза ИНС с использованием нелинейной функции активации, разработаны алгоритмы обучения сети. Обучение ИНС подразумевает определение весовых коэффициентов слоев нейронов.
Обучение происходит с учителем, т. е. сети предъявляются со значениями как входных, так и желательных выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса своих синаптических связей.
Результаты оценки качества помадных конфет представлены в
А"
I
0.22 02 0,18 0.16 0.14 0,12 0,1 0,0в 0.« 0.04 0.02 О
Огибающая значений показателей эталонной продукции Огибающая значений показателей исследуемой продукции
I
>1
К' К К\ К.
I
I
К' А1 К'_ к: К„ А." АГ
Рис. 3. Номограмма показателей качества исследуемых помадных конфет и заданной (эталонной) продукции
Примечание. Индексом «*» обозначены показатели качества с учетом групповых показателей весомости
Результаты оценки уровня качества помадных конфет
виде линейной номограммы показателей качества исследуемых помадных конфет и эталонной продукции (рис. 3.), а также табл. 1, где показаны результаты оценки уровня качества.
Область между огибающими значениями показателей качества эталонной продукции и огибающими значениями показателей качества исследуемой продукции (помадных конфет) показывает направления реализации мероприятий, направленных на повышение качества продукции.
Анализ материалов исследований показал, что наибольший вклад в величину определяющего показателя качества вносят групповые показатели функционального назначения (органолептические, структурно-механические, реологические, технологические показатели).
Определяющий показатель качества
К„
= £ АК1 = 0, 637.
Таблица 1
Уровень качества к = 0, 7337.
Полученные значения определяющего показателя качества ( К0 = 0, 637) и уровня качества ( К = 0, 7337) свидетельствуют о высоком качестве исследуемых помадных конфет.
ЛИТЕРАТУРА
1. Благовещенская, М.М. Информационные технологии систем управления технологическими процессами: учеб. для вузов / М.М. Благовещенская, Л.А. Злобин. - М.: Высшая школа, 2005. - 768 с.
2. Еделев, Д.А. Метрологическое обеспечение пищевой промышленности: необходимость взаимодействия / Д.А. Еделев [и др.] // Пищевая промышленность. - 2013. - № 6. - С. 32-34.
3. Еделев, Д.А. Вопросы обеспечения населения Российской Федерации безопасными и качественными продуктами питания / Д.А. Еделев, В.М. Кантере, В.А. Матисон // Пищевая промышленность. - 2013. -№ 4. - С. 8-12.
4. Еделев, Д.А. Системное обеспечение безопасности и качества школьного питания / Д.А. Еделев,
B.М. Кантере, В.А. Матисон // Пищевая промышленность. - 2012. -№ 10. - С. 26-28.
5. Еделев, Д.А. Особенности требований всемирной торговой организации в отношении продовольственных товаров / Д.А. Еделев, В.А. Матисон, Н.В. Майорова, М.А. Прокопова // Пищевая промышленность. - 2013. - № 11. -
C. 22-25.
INNOVATIVE TECHNOLOGIES
6. Благовещенская, М.М. Основы стабилизации процессов приготовления многокомпонентных пищевых масс: монография / М.М. Благовещенская. - М.: ООО «Франтера» , 2009. - 281 с.
7. Шаверин, А.В. Создание программно-аппаратного комплекса для оценки показателей вкуса кондитерских изделий / А.В. Шаверин, М.М. Благовещенская, И.Г. Благовещенский // Сб. докладов II Конференции молодых ученых «Реоло-
гия и физико-химическая механика гетерофазных систем», Звенигород, 2009. - С. 58-60.
8. Шаверин, А.В. Автоматизированная система интеллектуального контроля вкуса шоколадных изделий / А.В. Шаверин, М.М. Благовещенская, И.Г. Благовещенский // Хранение и переработка сельхозсырья. - 2009. -№ 11. - С. 67-68.
9. Благовещенская, М.М. Использование нейронных сетей как фактора повышения качества и безопас-
ности пивобезалкогольных напитков при дезинфекции ПЭТ-бутылок / М.М. Благовещенская, Е.В. Роденков, Л.А. Крылова, И.Г. Благовещенский // Хранение и переработка сельхоз-сырья. - 2013. - № 7. - С. 24.
10. Благовещенская, М.М. Система автоматического регулирования процесса формирования конфетных жгутов / М.М. Благовещенская, Я.В. Иванов, И.Г. Благовещенский, Л.А. Крылова // Пищевая промышленность. - 2013. - № 5. - С. 46-49.
Методика автоматической оценки качества пищевых изделий на основе теории искусственных нейронных сетей
Ключевые слова
автоматическая оценка качества; архитектура сети; методика; пищевые изделия; показатель весомости параметров; теория искусственных нейронных сетей
Реферат
Статья посвящена одному из основных направлений развития пищевой промышленности: автоматизации контроля качества пищевых изделий, внедрению новых интеллектуальных технологий в технологические процессы пищевых производств, использованию их для реализации автоматизированных систем контроля качества. В статье описывается методика автоматической оценки качества пищевых изделий на основе использования искусственных нейронных сетей. Методика заключается в выборе основных критериев качества производимых пищевых продуктов, последующем ранжировании и определении наиболее значимых показателей качества. Методика оценки качества пищевых изделий основана на методах оценки определяющего показателя качества, рассчитываемого на основе средневзвешенной арифметической зависимости единичных показателей качества, и уровня качества, определяемого сравнением полученных единичных показателей качества с их заданными значениями. Для решения задачи объективной автоматической оценки качества готового продукта предлагается внедрить на производстве программно- аппаратный комплекс, в основу алгоритма работы которого заложена нейро-сетевая модель. Функционирование нейросетевой модели базируется на применении аппарата искусственных нейронных сетей, являющегося одним из направлений развития теории искусственного интеллекта. Модель нейронной сети состоит из нескольких слоев искусственных нейронов, которые имитируют работу своих биологических собратьев (нервных клеток). При решении задачи оценки качества помадных конфет была опробована сеть прямого распространения типа MLP (многослойный персептрон). Особенностью такой сети является то, что входные сигналы передаются от нейронов одного слоя всем нейронам следующего слоя только в направлении от входного слоя к выходному. Для правильной работы искусственной нейронной сети было проведено ее обучение, которое сводилось к подбору оптимальных синаптических весовых коэффициентов. В статье представлены результаты оценки качества помадных конфет в виде линейной номограммы показателей качества исследуемых помадных масс и эталонной продукции с заданными показателями качества. Приведена таблица, в которой показаны оценки уровня качества исследуемых помадных конфет. Результаты экспериментов показали, что способ оценки показателей качества пищевых изделий с помощью искусственных нейронных сетей упрощает контроль качества и позволяет своевременно реагировать на отклонения в процессе производства (исходя из данных предложенных нейронной сетью).
Авторы
Благовещенская Маргарита Михайловна, д-р техн. наук, профессор, Благовещенский Иван Германович, аспирант, Назойкин Евгений Анатольевич, канд. техн. наук, Крылова Лариса Александровна, доцент,
Московский государственный университет пищевых производств, 125080, Москва, Волоколамское шоссе, д. 11, [email protected]
The Method of Automatic Quality Assessment of Food Products on the Basis of the Theory of Artificial Neural Networks
Key words
the technique of automatic; quality assessment; of the theory of artificial neural networks; the rate of weight parameters; food products; network architecture
Abstracts
The article is devoted to one of the main directions of development of food industry: automation quality control of food products, the introduction of new intelligent technologies in technological processes of food production, using them to implement automated quality control systems. The article describes the technique of automatic quality assessment of food products based on the use of artificial neural networks. The methodology consists in the selection of key criteria for the quality of food produced, subsequent ranking and identifying the most important indicators of quality. Methods of quality assessment of food products based on methods of assessment determining quality score, calculated based on the weighted average arithmetic dependencies of individual quality, and quality level determined by comparison of the obtained individual quality to their preset values. For solving the problem of objective automatic evaluation of the quality of the finished product it is proposed to introduce in the production of hardware and software based on the algorithm is based on neural network model. The functioning of the neural network model is based on the application of artificial neural networks, which is one of the directions of development of the theory of artificial intelligence. The neural network model consists of several layers of artificial neurons that mimic their biological counterparts (nerve cells). When solving the problem of quality assessment of fondant candy was tested network of direct distribution type MLP (multilayer perceptron). A feature of such networks is that the input signals are transmitted from neurons in one layer to all neurons of the next layer only in the direction from the input layer to the output. For proper operation of the artificial neural network was conducted her study, which was limited to the selection of the optimal synaptic weights. The article presents the results of the quality assessment of fondant candy in the form of linear nomograms quality indicators studied fondant masses and reference products with specified quality parameters. A table showing the evaluation of the quality of the analyzed fondant candy. The experimental results showed that this method of evaluation of the quality of food products using artificial neural networks simplifies quality control and allows you to react to deviations in the manufacturing process (according to data from the proposed neural network).
Authors
Blagoveshchenskaya Margarita M, doctor of technical Sciences, Professor, Honored scientist of the Russian FederationBlagoveshchenski Ivan Germanovich, graduate student; NazaninE.A.,candidate of technical Sciences, senior lecturer, Krylov Larisa, associate Professor
FGBOU VPO «Moscow State University of food productions» Moscow, 125080, Volokolamskoeshosse, 11. [email protected]
