机器学习在花果茶生产加工中的应用进展_庞文媛.pdf
《机器学习在花果茶生产加工中的应用进展_庞文媛.pdf》由会员分享,可在线阅读,更多相关《机器学习在花果茶生产加工中的应用进展_庞文媛.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 14 卷 第 11 期 食 品 安 全 质 量 检 测 学 报 Vol.14 No.11 2023 年 6 月 Journal of Food Safety and Quality Jun.,2023 基金项目:国家重点研发计划项目(2022YFD2101102)、福建省自然科学基金项目(2022J02021、2020J01132)Fund:Supported by the National Key Research and Development Program of China(2022YFD2101102),and the Natural Science Foundation of
2、Fujian Province(2022J02021,2020J01132)*通信作者:庞杰,博士,教授,主要研究方向为天然植物多糖的结构与性能。E-mail:*Corresponding author:PANG Jie,Ph.D,Professor,Fujian Agriculture and Forestry University,No.15,Shangxiadian Road,Cangshan District,Fuzhou 350002,China.E-mail: 机器学习在花果茶生产加工中的应用进展 庞文媛1,孙意岚2,王 芹3,陈杰博4,沈朝增5,周一鸣6,庞 杰1*(1.福建农林
3、大学食品科学学院,福州 350002;2.福建农林大学生命科学学院,福州 350002;3.沧州市物资储备和 粮油质检中心,沧州 061000;4.福建农林大学国家甘蔗工程技术研究中心,福州 350002;5.宁德茗鼎茶业 有限公司,宁德 355300;6.上海应用技术大学香料香精技术与工程学院,上海 201418)摘摘 要要:花果茶因其独特的口味和丰富的营养成分成为备受欢迎的新型饮品。然而,在花果茶生产加工过程中,仍存在原料溯源和品质控制方面的不足、质量安全控制标准化水平较低及加工工艺智能化不足等问题。传统分析手段对于花果茶有关数据的非线性信息挖掘和原料、成品传统分级方法的效率也较低。目前,
4、我国的花果茶产业正处于由传统加工向智能化转型的重要阶段,机器学习在其中发挥着不可替代的重要作用。机器学习算法因其自主进行特征学习、强大的非线性拟合能力、端到端建模以及快速的特点,成为花果茶加工中研究应用的热点。本文综述了机器学习算法在花果茶原料验收、原料加工、质量分级等方面的应用,总结了机器学习算法在花果茶生产加工不同环节中的侧重点、优缺点和未来发展方向,为花果茶加工的智能化发展提供了参考。关键词关键词:花果茶;智能化;机器学习;花果茶加工 Application progress of machine learning in the production and processing of
5、flower and fruit tea PANG Wen-Yuan1,SUN Yi-Lan2,WANG Qin3,CHEN Jie-Bo4,SHEN Chao-Zeng5,ZHOU Yi-Ming6,PANG Jie1*(1.College of Food Science,Fujian Agriculture and Forestry University,Fuzhou 350002,China;2.College of Life Science,Fujian Agriculture and Forestry University,Fuzhou 350002,China,3.Cangzhou
6、 Strategic Reserves and Grain Oils Quality Inspection Center,Cangzhou 061000,China;4.National Engineering Research Center of Sugarcane,Fujian Agriculture and Forestry University,Fuzhou 350002,China;5.Ningde Mingding Tea Industry Co.,Ltd.,Ningde 355300,China;6.School of Perfume and Aroma Technology,S
7、hanghai Institute of Technology,Shanghai 201418,China)ABSTRACT:Flower and fruit tea has become a popular new beverage due to its unique flavor and rich nutritional content.However,in the production and processing of flower and fruit tea,there are issues such as insufficient traceability and quality
8、control for raw materials,low standardization of quality and safety control,and inadequate intelligent processing technology.Traditional analytical methods also have low efficiency in nonlinear information mining related to flower and fruit tea data and traditional grading methods for raw materials
9、and finished products.Currently,Chinas flower and fruit tea industry is in an important stage of transformation from traditional processing to intelligent processing,in which machine learning plays an irreplaceable role.Due to its ability to autonomously DOI:10.19812/ki.jfsq11-5956/ts.2023.11.012182
10、 食品安全质量检测学报 第 14 卷 learn features,strong nonlinear fitting capability,end-to-end modeling,and fast computation,machine learning algorithms have become a research hotspot in flower and fruit tea processing.This article reviewed the applications of machine learning algorithms in flower and fruit tea r
11、aw material inspection,raw material processing,and quality grading,summarizes the focus,advantages,and limitations of machine learning algorithms in different stages of flower and fruit tea production and processing,so as to provide a reference for the intelligent development of flower and fruit tea
12、 processing.KEY WORDS:flower and fruit tea;intelligence;machine learning;flower and fruit tea processing 0 引 言 随着消费者对茶产品认识的提高和对茶产品需求的逐渐增多,花果茶作为一种新型茶产品,其市场份额也日益增加1。花果茶是一种混合了花、干果和茶叶的茶类产品2,市场将这三类茶统称为花果茶。其中,花茶又分为窨制花茶和调香花茶,窨制花茶包括茉莉花茶、桂花茶等,调香花茶则包括玫瑰花茶、果味花茶等3;果茶分为果汁饮料以及由干果和茶叶拼配而成的复合果茶。花果茶的生产加工包括原料验收、原料加工和质
13、量检测 3 大过程。其中,花茶加工步骤包括原料验收、预处理、窨制、通花、起花、复火窨制、提花和包装;果茶加工步骤包括原料验收、预处理、干制、调配和包装。加工环节对成品茶品质影响最大,传统的花茶加工方式一般为窨制,窨制可分为传统窨制、增湿连窨和隔离窨制4。在花茶的窨制过程中,花茶品质易受窨制时间、窨制温度、配花量的影响5。果茶的原料加工方式包括直接打浆或干制加工(图 1),干制方式有自然晒干、真空冷冻干燥、热风干燥、远红外干燥等6,果茶的品质一般通过改变干燥温度7和干燥时间8来进行调控。传统分级方法通过感官审评和品质检验判定花茶和果茶品质优劣。然而,感官审评容易受个人嗜好的制约,品质检验存在检测
14、时间长、操作烦琐、效率低等缺点9。图 1 果茶加工方式 Fig.1 Processing method of fruit tea 此外,我国暂无明确、统一的花果茶国家加工标准和果茶加工标准。花茶中,仅茉莉花茶制定了相应的国家生产加工标准,即 GB/T 347792017茉莉花茶加工技术规范,加工标准的缺位限制了花果茶的规模化和标准化生产。由于花果茶在原料验收和加工过程中受多种因素影响,同一批次的花果茶品质差异较大,难以准确地进行质量等级的划分,甚至可能出现以次充好的情况。因此,发展智能化的花果茶加工技术并制定更加完善的花果茶分级标准是花果茶研究领域亟待解决的问题。近年来,随着人工智能产业的发展
15、,食品规模化和标准化的生产问题得到较好的解决10。机器学习是一种可以针对高维数据进行快速处理并不断学习优化自身算力的一种计算机学科,现已广泛应用于医疗诊断、电子信息技术、材料、能源和食品等领域。在食品领域中,机器学习已被广泛应用于包括花果茶在内的茶叶原料分级识别、加工工艺优化、香气滋味识别判定、食品安全质量检验和质量分级等方面11。其中,K-近邻算法(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、朴素贝叶斯(naive bayes,NB)、卷积神经网络(convolutional
16、 neural network,CNN)等算法已被用于茶叶等原材料分级识别中1214,使用相关分类算法能够进行原料溯源,实现原料采收的调整和补救工作1516;在对食品加工工艺进行优化时,人工神经网络(artificial neural network,ANN)等算法可以针对各个花果茶加工工序进行过程动力学预测,优化工艺参数,确保成品品质1719;在辅助花果茶香气滋味的识别判定时,机器学习通过无监督算法的应用能够自动识别出成品茶香气品质等级,为检测挥发物的不良特性提供科学依据,并且可以有效避免感官审评中主观因素的影响2021,但在处理高噪声、小样本的茶叶代谢组学数据时,模型可能会出现过拟合,需要
17、进行输入数据集筛选和模型调参以保证结果的准确性2223;在花果茶等食品安全质量检验方面,机器学习可以根据食品的类别、生产年份、掺杂物、掺假点和检测点来判定食品是否为假冒伪劣产品2425。在产品质量分级时,机器学习有效避免了人工分级和化学检验分级的缺陷,使产品分级变得更加准确,也为食品标准化生产和规范化提供了技术保障。目前,机器学习广泛应用于花果茶行业的原料识别分类、加工参数控制和质量等级分类等不同领域。当前尚未有完整的综述研究从原料验收到成品质量等级分类的应用进展。因此,本文旨在总结机器学习在花果茶行业从原料验收到质量等级分类的应用现状,分析其优缺点,为智第 11 期 庞文媛,等:机器学习在花
18、果茶生产加工中的应用进展 183 能化加工生产标准的制定提供参考。1 机器学习算法在花果茶生产中的应用 不同的机器学习算法具有各自的优缺点(表 1),根据研究问题和数据类型,机器学习算法主要分为有监督学习算法、无监督学习算法和强化学习算法37。有监督学习算法根据训练集标签类型的不同,一般分为回归和分类问题,常见的监督学习算法包括 NB、SVM、决策树(decision tree,DT)、线性回归、逻辑回归和深度学习算法等,其中深度学习算法包括了 ANN、CNN 等不同类型38。与监督学习算法不同,无监督学习算法的训练集样本没有标签,一般不能达到量化的效果。无监督学习算法可以分为聚类、降维和关联
19、分析 3 种,常见的无监督学习算法为 K-均值(K-means clustering algorithm,K-means)、PCA、独立成分分析(independent component analysis,ICA)等39。强化学习算法涵盖更多离散型和随机型数学知识,包括时间差分方法、蒙特卡洛法、动态规划、值函数逼近法等40。机器学习算法具有快速、无损、可靠等特点,在花果茶产业中的应用不断扩大。后文将分别阐述机器学习算法在花果茶生产中的原材料验收、加工和成分分析等不同阶段的应用进展。1.1 花果茶原料验收 花果茶的原材料品质对产品质量具有直接影响,因此原材料验收非常重要。花果茶原料验收包括重金
20、属、农药残留检测和病虫害防治,以及原料分级等 3 个方面。在原料病虫害防治中,陶国柱41利用 CNN 对茉莉花病虫害进行图像识别,将人工收集和网络检索的茉莉花病虫害图像进行预处理后,利用CNN的4种网络模型训练并对比,通过 Momentum 和 RMSProp 算法对 MoblieNetV2网络进行优化改进,优化后的网络收敛更快,识别准确率达到94.34%,通过深度学习和图像识别算法能够方便快捷的识别出茉莉花病虫害,但该研究未针对茉莉花不同组织的病虫害进行分析,也未与其他机器学习算法进行比对。在原料识别分级上,机器学习结合计算机视觉系统进行分类,能够获取和处理视觉信息,并在不用人工干预的情况下
21、做出决策,已在大规模产品分级和质量检测中推广42;LIU 等43利用深度神经网络结合计算机视觉系统对 7种商业菊花茶进行分类,对开花期的菊花和成品茶的区分正确率为96%和89%,但由于所用的菊花茶样本量较小,而利用深度神经网络处理时所需要的样本数据量较大时效果更好,因此该分类结果可能存在误差,需要二次验证。该方法同样能够进行茶叶及其他相关花果茶原料的自动挑选和分类。CHEN 等44使用表面解吸化学电离质谱法区分茶产品,在质谱指纹图谱的基础上,利用绿茶、乌龙茶和茉莉花茶的质谱原始数据进行 PCA 分析,能够准确区分 3 种茶叶;基于表面解吸化学电离质谱指纹的 PCA 分类结果能够区分感官方法无法
22、区分的4种绿茶,实验结果较人工分类更加精确,未来能够在花果茶分类中进行应用。在对水果等花果茶原料的品质分类上,赵凡45利用 CNN 算法分别对苹果和梨进行分级识别,正确率为 94.49%,在保证准确率的同时,有效解决了传统机械分级机对水果外观品质分级时可能存在的精度低和速度慢等问题,极大节约人力物力。机器学习尚未应用在花果茶原料的农药和重金属残留的识别和预测上。未来的研究可以收集花果茶原材料农药和重金属残留数据,用于机器学习算法建模,提高花果茶原料产量。表 1 不同机器学习算法的优缺点 Table 1 Advantages and disadvantages of different mach
23、ine learning algorithms 算法 优点 缺点 CNN 输入图像和网络的拓扑结构吻合性好;特征提取和 分类同时进行,适应性更强2627。较深层的卷积网络提取的更偏重局部信息,并且深层卷积的计算量需求大,输入图片大小固定,在嵌入式设备 应用方面有局限性28。ANN 能够处理海量数据、协调多种非线性因素以及 提高输出速度29。网络层数较多时,容易陷入局部最优解,也容易产生过拟合30。NB 分类准确率高,速度快,训练和查询大量数据时效率高;可以处理小规模的数据31。对输入数据的形式要求高;在模型中 进行分类决策时有错差率32。PCA33 使得数据集更易使用;降低算法的计算开销;去除
24、噪声;使得结果容易理解;完全无参数限制。特征值分解存在局限性,变换的矩阵必须是方阵;在非高斯分布情况下,PCA 得出的主元可能非最优解。RF 特征越多、能容忍高数据的噪音,具有高预测精度,不容易过拟合34。对高维度特征筛选和选取效率较低、对动态数据聚类的泛化误差估值较大35。SVM36 可解决高维度和局部极值问题,局部最优解也是全局最优解。对孤立点和噪声点敏感、运算成本大。注:主成分分析(principal component analysis,PCA)。184 食品安全质量检测学报 第 14 卷 1.2 花果茶加工 花果茶的加工类型包括花茶加工、果茶果干加工及茶类加工。由表 2 可知,大多数
25、果蔬干燥效果评估通常结合ANN 算法进行。SAGLAM 等50利用 5 种干燥方式对 3 种不同品种的苹果进行干燥,并通过多种机器学习算法(ANN、KNN、RF、高斯过程和 SVM)估计水分比、水分含量和干燥速率,研究结果表明,RF 评估苹果干水分比的相关系数(R)最高,RF、SVM 和 KNN 在水分含量和干燥率的评估上也有较高的 R 值。除了可以有效评估花果茶的干燥特性之外,机器学习算法还可以建立干燥模型,ZHANG等51通过高湿空气冲击和热空气辅助红外加热技术,对蓝莓采后热烫干燥工艺进行优化,研究人员以热烫时间、红外加热温度和空气流速为输入层,干燥时间、比能耗、抗坏血酸含量和再水化能力为
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机器 学习 花果茶 生产 加工 中的 应用 进展 庞文媛
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。