在脱皮过程中从谷物中预测小麦粉的特性:一种机器学习方法

科学领域:

• 食品科学与技术 食品科学与技术
• 农业工程 农业工程
• 计算机建模 计算建模

背景情况:

• 在食品工业中,小麦面的质量至关重要.
• 脱,即去除亚勒层,显著影响了面粉的特性.
• 在脱皮过程中预测面粉特性可以简化最终产品管理.

研究的目的:

• 开发一个预测模型,用于小麦面粉在脱皮过程中的化学特性.
• 分析除时间对小麦谷物的化学和质性质的影响.
• 评估基于图像的卷积神经网络对于质量预测的适用性.

主要方法:

• 小麦粒经过不同时间 (0,30,60秒) 的脱皮处理.
• 分析了化学性质 (灰,粉,脂肪,蛋白质) 和质性质.
• 使用小麦粒图像开发了一个卷积神经网络回归模型.

主要成果:

• 增加的脱皮时间导致了较高的脂肪和蛋白质含量,小麦面粉中的灰含量较低.
• 该模型在预测灰含量方面表现出高可靠性 (R2,RMSE,MAE).
• 由于图像特征的限制,粉,脂肪和蛋白质的预测准确性受到限制.
• 脱烧对质特征产生了积极的影响,增加了细颗粒比例.

结论:

• 脱烧时间是一个可控制的因素,影响小麦面粉的化学和质性质.
• 基于图像的卷积神经网络在预测小麦面粉中的灰含量方面表现有前途.
• 需要进一步的研究来提高模型的准确性,以预测其他关键的面粉成分.
• 脱提供了一种方法来为各种食品工业应用量身定制小麦面粉的特性.