基于反向传播神经网络和遗传算法的新鲜Halloumi奶酪生产工艺优化

摘要：

为提升Halloumi奶酪品质,采用反向传播神经网络和遗传算法优化Halloumi奶酪生产过程的多工艺参数.选取CaCl2添加量、热烫温度和压榨压强为优化变量,以成品奶酪得率和感官评分为优化目标,分别建立了2个神经网络模型,模型精度分别达到了 98.936％和98.255％.之后,通过遗传算法进行寻优,结果表明,在得率≥10％以及感官评分≥85的前提下,以奶酪得率为目标的最优生产工艺条件:CaCl2添加量0.0144％、热烫温度83.5 ℃、压榨压强5.12 kPa,该条件下最高得率为12.01％.以感官品质为目标的最优生产工艺条件:CaCl2添加量0.017 1％、热烫温度83.7℃、压榨压强10.38 kPa,该条件下最高感官评分为94.5.该方法能够有效实现Halloumi奶酪生产工艺的快速优化,为促进Halloumi奶酪工业化提供理论基础.

关键词：新鲜奶酪、Halloumi奶酪、神经网络、遗传算法、工艺优化

所属期刊栏目：50

分类号：TS252.59;TQ110.6;S665.1

资助基金：上海乳业生物工程技术研究中心能力提升项目19DZ2281400

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：133-140,中插4-中插6