專利名稱：：一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，具體來(lái)說，為減少對(duì)品評(píng)專家的依賴，提高對(duì)原奶產(chǎn)品進(jìn)行感官品評(píng)的自動(dòng)化程度，本發(fā)明提供了一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法。
背景技術(shù)：
：在中國(guó)，近年來(lái)，由于人們?cè)絹?lái)越意識(shí)到牛乳對(duì)人體健康的重要性，牛乳已經(jīng)成為許多人的生活必需品，市場(chǎng)對(duì)牛乳的需求量也在持續(xù)增長(zhǎng)。目前，感官品評(píng)是一種評(píng)定原奶感官質(zhì)量的一種方式，原奶品評(píng)專家的經(jīng)驗(yàn)是十分可貴的，但是也具有明顯的不確定性。迄今尚沒有就原奶理化指標(biāo)、感官質(zhì)量品評(píng)指標(biāo)之間的相關(guān)性、定量分析研究的報(bào)道。神經(jīng)網(wǎng)絡(luò)是一種智能技術(shù)，適用于解決用傳統(tǒng)數(shù)學(xué)模型方法難以解決的、非確定性的復(fù)雜問題。它善于從不完整的、有較強(qiáng)干擾因素的大量數(shù)據(jù)中歸納、獲取知識(shí)，建立映射關(guān)系。Kohonen自組織特征映射，是通過網(wǎng)絡(luò)學(xué)習(xí)、使輸出層中樞神經(jīng)元的權(quán)向量逼近輸入特征向量，將具有相同或相近特征的輸入向量，映射到位置相同或相鄰的輸出節(jié)點(diǎn)。從而實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的特征的聚類，提取了某種內(nèi)在規(guī)律性?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)在金融預(yù)測(cè)、工程控制等方面有一定的應(yīng)用。根據(jù)神經(jīng)元之間的相互結(jié)合關(guān)系和作用方式，神經(jīng)網(wǎng)絡(luò)模型可以分為很多種，其中，反向傳播神經(jīng)網(wǎng)絡(luò)即BP神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛、計(jì)算能力最強(qiáng)的人工神經(jīng)網(wǎng)絡(luò)模型之一。由于這種網(wǎng)絡(luò)的的權(quán)值和閾值調(diào)整采用了反向傳播的學(xué)習(xí)算法，解決了感知器所不能解決的問題，可以實(shí)現(xiàn)從輸入到輸出的任意非線形映射。在確定網(wǎng)絡(luò)的結(jié)構(gòu)后，利用輸入樣本集對(duì)其進(jìn)行訓(xùn)練，即對(duì)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行學(xué)習(xí)和調(diào)整。經(jīng)過訓(xùn)練的BP網(wǎng)絡(luò)，對(duì)于不是樣本集中的輸入樣本也能給出合適的輸出，利用這種方式可以使用該網(wǎng)絡(luò)對(duì)未知樣本進(jìn)行預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)在食品感官品評(píng)方面已有一些研究，但主要應(yīng)用于酒類。由于乳及乳制品的風(fēng)味并不象酒類那樣突出和典型，其成分更加復(fù)雜，神經(jīng)網(wǎng)絡(luò)在乳制品感官品評(píng)上還沒有得到應(yīng)用。在我國(guó)，隨著人民生活水平的提高，乳與乳制品的需求量逐年上升。在乳業(yè)大發(fā)展的今天，要想生產(chǎn)出優(yōu)質(zhì)的產(chǎn)品，就必須保證原料奶的質(zhì)量。原料奶除了受到奶牛的飼養(yǎng)環(huán)境、擠奶過程中的污染等因素影響外，還受摻假的影響，如果向原奶中添加了其他物質(zhì)，不僅會(huì)破壞牛奶的營(yíng)養(yǎng)成分，還會(huì)影響奶制品的生產(chǎn)加工。目前，國(guó)內(nèi)各大型乳品企業(yè)為了保證產(chǎn)品質(zhì)量，在原奶收購(gòu)時(shí)，會(huì)有專業(yè)品評(píng)員對(duì)其滋氣味進(jìn)行判定。但是，人工鑒別會(huì)受到主觀因素的影響，判定結(jié)果會(huì)隨著人的情緒、年齡、性別、識(shí)別能力、語(yǔ)言文字表達(dá)能力的不同而有所差異。原奶會(huì)因牧場(chǎng)的地理位置、飼養(yǎng)條件、飼料種類、奶牛品種、季節(jié)、生產(chǎn)設(shè)備以及生產(chǎn)工藝等因素的不同，具有很大差異，因此用神經(jīng)網(wǎng)絡(luò)對(duì)原奶感官指標(biāo)進(jìn)行預(yù)測(cè)，具有一定難度。
發(fā)明內(nèi)容本發(fā)明旨在提供一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，由原奶產(chǎn)品理化指標(biāo)判定感官品評(píng)，減少人工品評(píng)的不確定度，提高原奶產(chǎn)品感官品評(píng)效率和自動(dòng)化程度。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，該系統(tǒng)主要包括Kohonen自組織特征映射聚類和BP網(wǎng)絡(luò)兩個(gè)模塊，包括獲取各個(gè)產(chǎn)地、各類飼養(yǎng)條件、各種奶牛品種和不同季節(jié)的原奶產(chǎn)品樣本，組織品評(píng)專家對(duì)原奶產(chǎn)品進(jìn)行感官品評(píng)，品評(píng)項(xiàng)目包括色澤、乳香味、口感和異味情況。根據(jù)品評(píng)得分，把原奶產(chǎn)品劃分成合格和不合格兩組；并將所得感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)錄入數(shù)據(jù)庫(kù)；去除錯(cuò)誤、不一致或不完整的原奶產(chǎn)品感官品評(píng)得分和理化指標(biāo)樣本數(shù)據(jù)，并對(duì)數(shù)據(jù)庫(kù)中的原奶產(chǎn)品樣本數(shù)據(jù)進(jìn)行歸一化，從而實(shí)現(xiàn)各原奶產(chǎn)品理化指標(biāo)參數(shù)的量綱統(tǒng)一，便于后續(xù)處理的進(jìn)行；構(gòu)建Kohonen陣列，依據(jù)專家經(jīng)驗(yàn)確定Kohonen陣列的初始領(lǐng)域半徑、學(xué)習(xí)率和學(xué)習(xí)次數(shù)；應(yīng)用Kohonen自組織特征映射對(duì)原奶產(chǎn)品理化指標(biāo)樣本數(shù)據(jù)進(jìn)行聚類，完成數(shù)據(jù)庫(kù)中所有原奶產(chǎn)品樣本數(shù)據(jù)的分類，并建立分類庫(kù)；對(duì)不同類原奶產(chǎn)品的理化指標(biāo)樣本，分別建立對(duì)應(yīng)的BP網(wǎng)絡(luò)，并依專家經(jīng)驗(yàn)確定BP網(wǎng)絡(luò)的系統(tǒng)允許誤差限、初始學(xué)習(xí)率、初始動(dòng)量系數(shù)、初始化網(wǎng)絡(luò)權(quán)重、最大學(xué)習(xí)次數(shù)、誤差調(diào)整參數(shù)；將原奶產(chǎn)品感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)送入對(duì)應(yīng)的BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在最大學(xué)習(xí)次數(shù)內(nèi)達(dá)到指定誤差精度后停止，上述步驟即完成原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的建立，否則，更換原奶產(chǎn)品樣本數(shù)據(jù)，重新進(jìn)行訓(xùn)練，直到算法收斂。根據(jù)本發(fā)明的再一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，作為本專家系統(tǒng)輸入的原奶產(chǎn)品理化指標(biāo)，包括脂肪、蛋白、干物質(zhì)、乳糖、冰點(diǎn)、比重、非脂乳固、酸度、細(xì)菌總數(shù)、嗜冷菌、芽孢、耐熱芽孢、摻堿量、亞硝酸鹽、雙氧水、糊精、抗生素、水解蛋白、尿素、葡萄糖、脂肪粉、蔗糖、淀粉、氨類、豆?jié){、硝酸鹽、硫代硫酸鈉、淀粉酶。根據(jù)本發(fā)明的另一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，BP網(wǎng)絡(luò)的輸入數(shù)據(jù)是原奶產(chǎn)品的各項(xiàng)理化指標(biāo)，輸出數(shù)據(jù)是原奶產(chǎn)品感官品評(píng)得分。根據(jù)本發(fā)明的又一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，BP網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.25-0.39。根據(jù)本發(fā)明的又一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的使用管理過程為測(cè)定待評(píng)價(jià)原奶產(chǎn)品的各項(xiàng)理化指標(biāo)，并將所得數(shù)據(jù)輸入該系統(tǒng)；根據(jù)原奶產(chǎn)品理化指標(biāo)進(jìn)行自組織特征提取，確定其所屬類別；如果輸入的原奶產(chǎn)品理化指標(biāo)屬于未知類，不在該原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的已有BP網(wǎng)絡(luò)中訓(xùn)練過，則以原奶產(chǎn)品理化指標(biāo)為核心樣本建立新的訓(xùn)練樣本集，并對(duì)相應(yīng)的新建BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練；如果輸入的原奶產(chǎn)品理化指標(biāo)是已知類的樣本數(shù)據(jù)，則根據(jù)其類別讀取從分類庫(kù)中讀取對(duì)應(yīng)的BP網(wǎng)絡(luò)，并計(jì)算出原奶產(chǎn)品感官品評(píng)指標(biāo)預(yù)測(cè)值。以下附圖僅對(duì)本發(fā)明做示意性說明和解釋，并不限定本發(fā)明的范圍，其中圖1是本發(fā)明的原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的流程圖；圖2是圖1所示的原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的使用管理示意圖。具體實(shí)施例方式本發(fā)明的原奶產(chǎn)品感官品評(píng)專家系統(tǒng)主要包括Kohonen自組織特征映射聚類和BP網(wǎng)絡(luò)兩個(gè)模塊，首先利用Kohonen自組織特征映射將輸入原奶產(chǎn)品樣本數(shù)據(jù)進(jìn)行聚類，將聚類結(jié)果保存到Kohonen知識(shí)庫(kù)，然后建立各個(gè)聚類子空間的BP網(wǎng)絡(luò)。本發(fā)明的原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的流程圖如圖1所示，具體來(lái)說包括取不同地理位置、飼養(yǎng)條件、飼料種類、奶牛品種、季節(jié)原奶樣本，進(jìn)行如下處理1)首先測(cè)定原奶的各項(xiàng)理化指標(biāo)脂肪、蛋白、干物質(zhì)、乳糖、冰點(diǎn)、比重、非脂乳固、酸度、細(xì)菌總數(shù)、嗜冷菌、芽孢、耐熱芽孢、摻堿量、亞硝酸鹽、雙氧水、糊精、抗生素、水解蛋白、尿素、葡萄糖、脂肪粉、蔗糖、淀粉、氨類、豆?jié){、硝酸鹽、硫代硫酸鈉、淀粉酶。組織專家對(duì)原奶進(jìn)行感官品評(píng)，品評(píng)項(xiàng)目如下色澤、乳香味、口感和異味情況，評(píng)分標(biāo)準(zhǔn)見表l，將所得數(shù)據(jù)錄入數(shù)據(jù)系統(tǒng)；表l原奶評(píng)分標(biāo)準(zhǔn)l分2分3分4分5分色澤色澤極深或極淺色澤很深或很淺色澤較深或較淺色澤稍深或稍淺呈均勻一致的乳白色乳香味乳香味極平淡或極重乳香味很重或很輕乳香味較重或較輕乳香味略重或略輕具有純正的乳香味，乳香味適中異味情況有極重的異味有較重的異味有異味，并可以描述稍有異味，但難以描述沒有異味口感口感極厚或極薄口感很厚或很薄口感較厚或較薄口感略厚或略薄薄厚度適中2)運(yùn)用Matlab(V.7.0)軟件完成神經(jīng)網(wǎng)絡(luò)的建立，自動(dòng)剔除錯(cuò)誤或特異性樣本，并用線性函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行歸一化；53)結(jié)合領(lǐng)域?qū)＜医?jīng)驗(yàn)，按照等級(jí)的不同，將原奶分成兩組合格四個(gè)感官指標(biāo)均在3分以上(不包括3分)、不合格有一個(gè)指標(biāo)為2分或l分；再應(yīng)用Kohonen自組織特征映射對(duì)原奶理化指標(biāo)樣本數(shù)據(jù)實(shí)現(xiàn)聚類，完成數(shù)據(jù)庫(kù)中所有原奶的最終分類；4)對(duì)不同類原奶的設(shè)有理化指標(biāo)的樣本，分別建立對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)，并依專家經(jīng)驗(yàn)確定網(wǎng)絡(luò)的初始學(xué)習(xí)宰、誤差調(diào)整參數(shù)，原奶的初始學(xué)習(xí)率為0.25-0.39，誤差為0.001;5)采用SAS6.0將樣本歸一化，并將歸一化樣本數(shù)據(jù)送入對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，按照當(dāng)前的BP算法進(jìn)行訓(xùn)練，達(dá)到指定誤差精度(0.001)后停止，便是評(píng)價(jià)和預(yù)測(cè)模型已經(jīng)建好，并將他們存儲(chǔ)在知識(shí)庫(kù)中。本發(fā)明所建立的原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的使用管理過程如圖2示，包括測(cè)定待評(píng)價(jià)原奶的多項(xiàng)理化指標(biāo)，并將所得數(shù)據(jù)輸入已經(jīng)建立的原奶感官品評(píng)專家系統(tǒng)；根據(jù)系統(tǒng)輸入的原奶理化指標(biāo)進(jìn)行Kohonen自組織特征提取，確定其類別；如果系統(tǒng)輸入的原奶理化指標(biāo)屬于未知類，不在已建立的原奶感官品評(píng)專家系統(tǒng)的已有BP網(wǎng)絡(luò)中訓(xùn)練過，則以該原奶理化指標(biāo)為核心樣本建立新的訓(xùn)練樣本集，并對(duì)相應(yīng)的新建BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練；如果輸入原奶理化指標(biāo)是已知類的樣本數(shù)據(jù)，則根據(jù)其類別讀取從所述分類庫(kù)中讀取對(duì)應(yīng)的所述BP網(wǎng)絡(luò)，并計(jì)算出原奶感官品評(píng)指標(biāo)預(yù)測(cè)值，如果輸入原奶理化指標(biāo)與已學(xué)樣本靠近，則系統(tǒng)預(yù)測(cè)結(jié)果可信度高；否則，系統(tǒng)將根據(jù)樣本在原始輸入空間中的偏離程度，指出所預(yù)測(cè)結(jié)果的參考價(jià)值。表2提供了本實(shí)施例的原奶感官品評(píng)專家系統(tǒng)得到的實(shí)驗(yàn)數(shù)據(jù)，該表將預(yù)測(cè)數(shù)據(jù)與專家品評(píng)結(jié)果進(jìn)行了對(duì)比，可以看出，本系統(tǒng)根據(jù)原奶理化指標(biāo)的感官品評(píng)預(yù)測(cè)結(jié)果，與原奶品評(píng)專家的基本相符，在可接受的誤差范圍內(nèi)。表2原奶感官品評(píng)數(shù)據(jù)與專家品評(píng)結(jié)果比較<table>tableseeoriginaldocumentpage6</column></row><table>本系統(tǒng)將專家經(jīng)驗(yàn)分類與由數(shù)據(jù)驅(qū)動(dòng)的智能等級(jí)評(píng)定方法相結(jié)合，把復(fù)雜問題分解，分別送入各自的BP網(wǎng)絡(luò)求解，最終類的知識(shí)都保存在各類的BP網(wǎng)絡(luò)知識(shí)庫(kù)中。當(dāng)有新的預(yù)測(cè)工作要做時(shí)，只需根據(jù)分類神經(jīng)網(wǎng)絡(luò)計(jì)算出對(duì)應(yīng)的BP網(wǎng)絡(luò)，便可利用已訓(xùn)練好的網(wǎng)絡(luò)映射模型預(yù)測(cè)出此樣本的感官品評(píng)指標(biāo)。如上所述，根據(jù)本發(fā)明的一種建立原奶感官品評(píng)專家系統(tǒng)的方法，集成了Kohonen網(wǎng)絡(luò)、BP網(wǎng)絡(luò)，對(duì)原奶進(jìn)行測(cè)試、品評(píng)，在得到品評(píng)指標(biāo)和理化指標(biāo)的基礎(chǔ)上，由Kohonen網(wǎng)絡(luò)自組織特征映射，完成聚類，并用各類原奶感官品評(píng)得分和理化數(shù)據(jù)等樣本數(shù)據(jù)分別訓(xùn)練各自對(duì)應(yīng)的BP網(wǎng)絡(luò)，獲取各類原奶理化指標(biāo)與感官品評(píng)得分之間的映射關(guān)系，從而建立原奶感官品評(píng)專家系統(tǒng)。該系統(tǒng)充分利用了原奶品評(píng)專家的經(jīng)驗(yàn)、減少了人工品評(píng)的不確定性、提高了原奶感官品評(píng)的工作效率和自動(dòng)化程度。上文所列出的一系列的詳細(xì)說明僅僅是針對(duì)本發(fā)明的可行性實(shí)施例的具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施例或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。權(quán)利要求一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，包括品評(píng)專家對(duì)原奶產(chǎn)品進(jìn)行感官品評(píng)，并測(cè)定所述原奶產(chǎn)品的理化指標(biāo)，將所得感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)錄入數(shù)據(jù)庫(kù)；去除錯(cuò)誤、不一致或不完整的所述原奶產(chǎn)品的感官品評(píng)得分和理化指標(biāo)樣本數(shù)據(jù)，對(duì)所述數(shù)據(jù)庫(kù)中的所述樣本數(shù)據(jù)進(jìn)行歸一化；構(gòu)建Kohonen陣列，依據(jù)專家經(jīng)驗(yàn)確定所述Kohonen陣列的初始領(lǐng)域半徑、學(xué)習(xí)率和學(xué)習(xí)次數(shù)；應(yīng)用Kohonen自組織特征映射對(duì)所述原奶產(chǎn)品理化指標(biāo)進(jìn)行聚類，完成所述數(shù)據(jù)庫(kù)中所有原奶產(chǎn)品理化指標(biāo)的分類，并建立分類庫(kù)；對(duì)不同類原奶產(chǎn)品的所述理化指標(biāo)，分別建立對(duì)應(yīng)的BP網(wǎng)絡(luò)，并依專家經(jīng)驗(yàn)確定所述BP網(wǎng)絡(luò)的系統(tǒng)允許誤差限、初始學(xué)習(xí)率、初始動(dòng)量系數(shù)、初始化網(wǎng)絡(luò)權(quán)重、最大學(xué)習(xí)次數(shù)、誤差調(diào)整參數(shù)；將所述原奶產(chǎn)品的感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)送入對(duì)應(yīng)的所述BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在所述最大學(xué)習(xí)次數(shù)內(nèi)達(dá)到指定誤差精度后停止，上述步驟即完成原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的建立，否則，更換所述原奶產(chǎn)品樣本數(shù)據(jù)，重新進(jìn)行訓(xùn)練，直到算法收斂；其特征在于，所述原奶產(chǎn)品感官品評(píng)的品評(píng)項(xiàng)目包括色澤、乳香味、口感和異味情況。2.如權(quán)利要求1所述的建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，作為所述系統(tǒng)輸入的所述原奶產(chǎn)品理化指標(biāo)，包括脂肪、蛋白、干物質(zhì)、乳糖、冰點(diǎn)、比重、非脂乳固、酸度、細(xì)菌總數(shù)、嗜冷菌、芽孢、耐熱芽孢、摻堿量、亞硝酸鹽、雙氧水、糊精、抗生素、水解蛋白、尿素、葡萄糖、脂肪粉、蔗糖、淀粉、氨類、豆?jié){、硝酸鹽、硫代硫酸鈉、淀粉酶。3.如權(quán)利要求1所述的建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，所述BP網(wǎng)絡(luò)的輸入數(shù)據(jù)是所述原奶產(chǎn)品理化指標(biāo)，所述BP網(wǎng)絡(luò)的輸出數(shù)據(jù)是所述原奶產(chǎn)品感官品評(píng)得分。4.如權(quán)利要求1所述的建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，所述BP網(wǎng)絡(luò)的初始學(xué)習(xí)率為0.25-0.39。5.如權(quán)利要求1所述的建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，其中，所述原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的使用管理過程為測(cè)定待評(píng)價(jià)原奶產(chǎn)品的所述理化指標(biāo)，并將所得數(shù)據(jù)輸入所述原奶產(chǎn)品感官品評(píng)專家系統(tǒng)；根據(jù)所述原奶產(chǎn)品理化指標(biāo)進(jìn)行Kohonen自組織特征提取，確定其所屬類別；如果所述原奶產(chǎn)品理化指標(biāo)屬于未知類，不在所述原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的已有BP網(wǎng)絡(luò)中訓(xùn)練過，則以所述原奶產(chǎn)品理化指標(biāo)為核心樣本建立新的訓(xùn)練樣本集，并對(duì)相應(yīng)的新建BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練；如果所述原奶產(chǎn)品理化指標(biāo)是已知類的樣本數(shù)據(jù)，則根據(jù)其類別讀取從所述分類庫(kù)中讀取對(duì)應(yīng)的所述BP網(wǎng)絡(luò)，計(jì)算出原奶產(chǎn)品感官品評(píng)指標(biāo)預(yù)測(cè)值。全文摘要本發(fā)明提供了一種建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)的方法，該方法利用Kohonen自組織特征映射和BP網(wǎng)絡(luò)，對(duì)原奶產(chǎn)品進(jìn)行理化指標(biāo)測(cè)試，并由品評(píng)專家進(jìn)行品評(píng)，得到其感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)，通過Kohonen聚類對(duì)原奶產(chǎn)品理化指標(biāo)進(jìn)行分類，并用原奶產(chǎn)品感官品評(píng)得分和理化指標(biāo)等樣本數(shù)據(jù)分別訓(xùn)練各自對(duì)應(yīng)的BP網(wǎng)絡(luò)，通過建立原奶產(chǎn)品理化指標(biāo)和感官品評(píng)指標(biāo)的映射關(guān)系，建立原奶產(chǎn)品感官品評(píng)專家系統(tǒng)。該方法可以有效減少人工品評(píng)的不確定性，提高原奶產(chǎn)品品評(píng)效率和自動(dòng)化程度，并確保原奶產(chǎn)品質(zhì)量。文檔編號(hào)G06N3/08GK101706489SQ20091025016公開日2010年5月12日申請(qǐng)日期2009年11月30日優(yōu)先權(quán)日2009年11月30日發(fā)明者劉衛(wèi)星,張少輝,白雪,郭奇慧申請(qǐng)人:內(nèi)蒙古蒙牛乳業(yè)(集團(tuán))股份有限公司