相关实验视频
Updated: Jul 1, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
使用反向传播的人工神经网络预测全粒米面的质量
Chujun Wang1,2, Xin Shi1,2, Jianyi Xue1,2
1College of Food Science and Technology, Huazhong Agricultural University, Wuhan, China.
Journal of the science of food and agriculture
|March 9, 2024
概括
使用反向传播 (BP) 算法的新人工神经网络 (ANN) 模型有效预测全谷物大米面的质量. 该模型在各种准备条件下准确预测全面的质量变化,有助于产品的优化.
科学领域:
- 食品科学 食品科学 食品科学
- 人工智能的人工智能
- 化学工程是化学工程的重要组成部分.
背景情况:
- 全粒米面是营养丰富的,但其质量会影响消费者接受.
- 优化产品质量需要有效的评估模型.
- 现有的模型缺乏从不同的制备条件中预测多个质量指数的能力.
研究的目的:
- 开发一个预测全谷物大米面的质量模型.
- 使用一个人工神经网络 (ANN) 与反向传播 (BP) 算法进行质量预测.
- 建立一个模型,将多种准备条件与各种质量结果联系起来.
主要方法:
- 使用反向传播 (BP) 算法开发了一个人工神经网络 (ANN) 模型.
- 在BP-ANN.中使用了Levenberg-Marquardt算法和一个最佳拓 (4-11-8).
- 该模型经过训练,验证和测试,使用在不同条件下准备的全粒米面的质量数据进行了测试.
主要成果:
- 该BP-ANN模型实现了高相关系数:0.927 (培训),0.873 (验证),0.817 (测试) 和0.903 (全球).
- 该模型在预测全谷物大米面的质量方面表现得精确,验证误差在10%以内.
- 优化的BP-ANN (4-11-8拓) 证明在质量预测方面非常有效.
结论:
- 基于BP-ANN的质量预测模型对全粒米面有效.
- 该模型准确地预测了不同制备条件的质量.
- 这种方法提供了一种提高挤压大米产品质量的新方法.
