基于人工神经网络模型预测油炸外裹糊鱼块的丙烯酰胺含量

• 作者: 刘言 单金卉 夏文水 熊幼翎 王海滨 陈季旺
• 来源期刊: 食品科学
• 学科: 工学
• 关键词: 外裹糊鱼块 人工神经网络模型 深度油炸 丙烯酰胺含量 预测
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 安全检测
• 页码范围: 249-255
• 页数: 7页
• 分类号: TS254.4
• 字数: 5764字
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-20180607-093

摘要

为实现对油炸外裹糊鱼块的丙烯酰胺含量的预测,采用响应面试验设计收集数据,建立以黄原胶和大豆纤维复配比例、外裹糊鱼块干燥时间、大豆油品质、油炸温度、油炸时间为输入值,油炸外裹糊鱼块的丙烯酰胺含量为输出值的反向传播人工神经网络(back propagation artificial neural network,BP-ANN),预测外裹糊鱼块深度油炸过程丙烯酰胺含量的变化,并用训练集拟合,测试集评估模型的预测能力.结果显示,黄原胶和大豆纤维复配比例、外裹糊鱼块干燥时间、油炸温度、油炸时间对油炸外裹糊鱼块的丙烯酰胺含量均有显著影响,大豆油品质对油炸外裹糊鱼块中丙烯酰胺含量影响不显著.训练后的BP-ANN模型的相关系数R值为0.997,拟合良好,有很强的逼近能力;模型对新数据预测的误差较小,最大相对误差为5.34％,最小相对误差为0.12％,表明BP-ANN模型能准确预测油炸外裹糊鱼块的丙烯酰胺含量.