Телефон: +7 (383)-202-16-86

Статья опубликована в рамках: XIII Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ТЕХНИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 31 октября 2013 г.)

Наука: Технические науки

Секция: Пищевая промышленность

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Бобровский Р.Э., Хакимов Р.С. НЕЙРОСЕТЕВОЕ ПРОГНОЗИРОВАНИЕ СРОКОВ ХОЛОДИЛЬНОГО ХРАНЕНИЯ РАСТИТЕЛЬНОГО СЫРЬЯ В МОДУЛЯХ С МОДИФИЦИРОВАННОЙ АТМОСФЕРОЙ // Научное сообщество студентов XXI столетия. ТЕХНИЧЕСКИЕ НАУКИ: сб. ст. по мат. XIII междунар. студ. науч.-практ. конф. № 13. URL: http://sibac.info/archive/technic/13.pdf (дата обращения: 27.02.2020)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

НЕЙРОСЕТЕВОЕ  ПРОГНОЗИРОВАНИЕ  СРОКОВ  ХОЛОДИЛЬНОГО  ХРАНЕНИЯ  РАСТИТЕЛЬНОГО  СЫРЬЯ  В  МОДУЛЯХ  С  МОДИФИЦИРОВАННОЙ  АТМОСФЕРОЙ

Бобровский  Роман  Эдуардович

студент  4  курса,  институт  пищевых  производств  ДонНУЭТ  имени  Михаила  Туган-Барановского,  г.  Донецк

E-mailroma.bobor@mail.ru

Хакимов  Ренат  Саитович

студент  4  курса,  институт  пищевых  производств  ДонНУЭТ

имени  Михаила  Туган-Барановского,  г.  Донецк

E-mail: 

Радионенко  Виталий  Николаевич

научный  руководитель,  канд.  техн.  наук,  доцент,  кафедра  холодильной  и  торговой  техники,  ДонНУЭТ  имени  Михаила  Туган-Барановского,  г.  Донецк

 

Рассмотрено  использование  компактных  модулей  с  модифицированной  атмосферой  (ММА)  в  технологии  холодильного  хранения  продуктов  растительного  происхождения  в  камерах  домашних  холодильников.  На  основе  ограниченных  экспериментальных  данных  о  кинетике  порчи  яблок  в  зависимости  от  различных  факторов  построены  искусственные  нейронные  сети  для  предсказания  сроков  хранения.

Ключевые  слова:  холодильное  хранение,  искусственные  нейронные  сети,  прогноз  сроков  сохраняемости.

1.  Введение

Увеличение  сроков  холодильного  хранения  биологической  продукции  в  условиях  контролируемой  или  модифицированной  атмосферы  достигается  за  счет  замедления  физиологических  (респирация,  созревание,  порча)  и  микробиологических  процессов,  происходящих  в  пищевых  продуктах.  Разработка  компактных  модулей  с  модифицированной  атмосферой  (ММА)  является  одной  из  актуальных  проблем  технологии  холодильного  хранения  продуктов  растительного  происхождения,  которая  направлена  на  повышение  качества  растительной  продукции.  Технологии  увеличения  сроков  хранения:  озонирование,  регулируемая  и  модифицированная  атмосфера,  пленкообразующие  композиции,  антимикробные  и  биоактивные  пленки,  ионизирующие  излучения  и  др.  показали  свою  эффективность  в  промышленном  масштабе,  благодаря  низкой  стоимости  и  простоте  применения  [3—8,  11,  12,  14,  16].  Возможности  применения  указанных  технологий,  например,  в  домашних  холодильниках,  что  значительно  расширяет  их  функциональные  возможности  и  повышает  конкурентоспособность,  практически  не  исследованыПроектирование  ММА  зависит  от  типа  хранимой  продукции  и  не  существует  универсального  решения,  которое  бы  удовлетворяло  всем  специфическим  критериям  для  каждого  вида  продукции.  Создание  требуемого  состава  атмосферы  зависит  от  скорости  респирации,  массы  и  вида  продукта,  площади  мембраны,  ее  толщины,  селективной  способности,  отношения  проницаемостей  для  кислорода  и  углекислого  газа,  а  также  множества  других  факторов.  Разнообразие  продуктов  требует  такого  же  разнообразия  решений  при  выборе  мембран,  управляющих  процессом  газообмена.

Цель  настоящей  работы  —  разработать  подход  к  оптимальному  выбору  эксплуатационных  характеристик  мембран,  которые  бы  обеспечили  требуемые  параметры  модифицированной  атмосферы  внутри  модуля  для  увеличения  сроков  холодильного  хранения  растительной  продукции.  Для  достижения  указанной  цели  в  работе  разработана  нейросетевая  модель  прогноза  сроков  хранения,  где  входными  переменными  служат  условия  хранения  и  технологические  свойства  мембраны.  В  работе  рассмотрен  компактный  модуль  с  полупроницаемыми  мембранами,  в  котором  происходит  саморегулируемый  газообмен  между  модифицированной  газовой  средой  внутри  ограниченного  объема  и  воздушной  средой  в  камере  холодильника  [9,  с.  178—185],  [15].

2.  Определение  показателей  качества  и  сроков  хранения  растительной  продукции

В  качестве  объекта  исследования  выбраны  яблоки  сорта  «Ренет  Семиренко».  Оценка  эффективности  работы  модуля  проводилась  на  основе  экспериментальных  данных  о  динамике  изменений  показателей  качества  яблок  (содержание  витамина  С,  твердость)  и  состава  газовой  среды  (содержание  этилена,  СO2,  O2  и  N2)  в  процессе  хранения  [2,  с.  368],  [1,  с.  187].  Оптимальный  режим  для  сохранения  товарного  качества:

·     температура  воздуха  t  =  (0  …+1)°С;

·     относительная  влажность  воздуха  φ  =(90…95)%.

Дыхание  является  основным  процессом,  в  результате  которого  изменяется  химический  состав  и  пищевая  ценность  яблок,  а  также  устойчивость  к  инфекционным  и  функциональным  заболеваниям.  Интенсивность  дыхания  яблок  характеризуется  количеством  выделяемого  СО2,  которое  для  зимних  сортов  южных  районов  Украины,  Молдавии  и  России  составляет  7,9—10  мг/кг.ч.  Содержание  сухих  веществ  для  яблок  сорта  «Ренет  Семиренко»  к  концу  товарного  хранения  уменьшается  на  20—25  %.  Вначале,  в  течение  первых  3—4  месяцев,  содержание  сухих  веществ  изменяется  медленно,  а  затем  уменьшается  все  быстрее.  Для  яблок  этого  сорта  при  хранении  в  МГС  и  РГС  оптимальная  температура  составляет  t  =  (2  …3)°С.  Допускается  хранение  при  более  низкой  температуре,  t  =  (1…1,5)°С,  но  не  ниже  0  °С.  Относительная  влажность  воздуха  должна  быть  не  ниже  95  %.  Чувствительность  этого  сорта  к  воздействию  СО2  повышается  по  мере  снижения  температуры  и  повышения  относительной  влажности  воздуха.  Предел  снижения  концентрации  О2  для  яблок  «Ренет  Семиренко»  —  2  %,  так  как  при  более  низкой  концентрации  усиливаются  процессы  анаэробиоза.

Модифицированная  среда  создается  путем  организации  газообмена  между  плодами  и  средой  в  замкнутом  пространстве,  а  также  между  наружным  воздухом  через  газообменники  (мембраны)  из  материалов,  селективно  проницаемых  для  компонентов  газовой  среды.  Такая  среда  создается  естественным  путем  за  счет  «дыхания»  плодов.  Длительность  формирования  газовой  среды  за  счет  дыхания  фруктов  и  овощей  не  превышала  20  суток  с  момента  их  герметизации.

Для  характеристики  качества  продукции  необходимо  учитывать  множество  критериев  Ki,  которые  имеют  различные  размерности,  физический  смысл  и  диапазон  изменения.  Простое  усреднение  таких  показателей  не  имеет  смысла  и  необходимо  использовать  методы  многокритериального  анализа  для  построения  обобщенных  критериев.  В  работе  [7,  с.  405—426]  нами  был  предложен  подход  к  оценке  такого  критерия  качества  на  основе  схемы  Беллмана  —  Заде  [11,  с.  87—100],  в  которой  окончательное  решение  достигается  как  результат  пересечения  всех  нечетких  критериев,  представленных  функциями  принадлежности  μ(Х):

 

μК(Х)  =  mК1(Х)∩  mКi(Х)  ∩…  mКn(X)),i  =  1,2,…,nXÎXP  (1)

 

Функции  принадлежности  показателей  качества  могут  быть  выбраны  разными  способами  в  зависимости  от  контекста  задачи.  В  данной  работе  функции  принадлежности,  которые  сводят  все  критерии  к  интервалу  [0…1],  находили  следующим  образом.  Предварительно  выбирали  максимальную  и  минимальную  границы  критериев.  Минимальную  границу  полагали  равной  нулю,  а  максимальную  («идеальная  точка»)  выбирали  равной  начальной  величине,  которую  фиксировали  в  начале  хранения.

Функция  принадлежности  для  всех  нечетких  целей  представлена  в  виде:

 

Подпись:    (2)

 

Окончательное  решение,  формирующее  обобщенный  критерий,  определено  как  пересечение  всех  нечетких  критериев,  представленных  их  функциями  принадлежности.  В  общем  случае,  данная  проблема  сводится  к  стандартной  задаче  нелинейного  программирования:  найти  такие  значения  Х  и  λ,  при  которых  выполняются  условия: 

 

(3)

 

Для  двух  показателей  (например,  содержания  витамина  С  в  продукте  и  содержания  кислорода  в  модуле  с  мембраной)  изменение  обобщенного  критерия,  характеризующего  деградацию  продукта  за  период  хранения,  представляет  собой  убывающую  функцию,  которая  в  каждый  момент  определяется  пересечением  функций  принадлежности  каждого  из  критериев.  Значения  целевой  функции  –  сроки  хранения,  находили  из  кинетических  кривых  порчи  продукта,  заранее  задавая  компромиссное  значение  обобщенного  критерия.

3.  Нейросетевая  модель  зависимости  сроков  хранения  продукта  от  характеристик  мембран  и  параметров  газовой  среды

Для  оптимального  выбора  мембран  для  ММА  рассмотрены  две  категории  продуктов  (А  и  В),  которые  различаются  наличием/отсутствием  респирационных  свойств.  Первая  группа  делится  на  4  подгруппы  в  зависимости  от  состава  кислорода  и  углекислого  газа,  необходимых  для  увеличения  продолжительности  сроков  хранения.  Подгруппа  А1  не  требует  определенного  содержания  CO2  и  O2;  подгруппа  А2,  в  которую  входят,  в  основном,  овощи,  требует  небольшое  содержание  кислорода  (1—5  %)  при  отсутствии  CO2.  Подгруппа  А3  (в  основном  фрукты  и  некоторые  овощи)  требует  сбалансированного  количества  обоих  газов  (1—5  %  O2и  0-5  CO2);  подгруппа  А4  требует  относительно  высокие  концентрации  CO2>  5  %.  К  группе  В  относятся  такие  продукты,  как  мясо,  рыба  и  т.  п.

В  работе  предложена  математическая  модель,  использующая  искусственные  нейронные  сети,  для  прогнозирования  сроков  хранения  в  зависимости  от  характеристик  мембраны,  типа  продукции  и  условий  хранения  для  группы  А.

Время  хранения  растительной  продукции  (Shelflife)  (SL)  представлено  в  виде  функции  от  переменных,  характеризующих  условия  хранения  и  спецификацию  мембран:

 

SL  =  SL  (Х1,  Х2,  …  Х8),  (4)

 

где:  X1  —  интенсивность  дыхания

X2  —  объем  модуля,

X3  —  температура

X4  —  относительная  влажность

X5  —  интенсивность  переноса  кислорода

X6—  селективная  проницаемость  мембраны

X—  толщина  мембраны

X8  —  рабочий  диаметр  мембраны

Структура  нейронной  сети,  имитирующей  систему  прогноза  сроков  хранения  в  зависимости  от  входных  переменных,  представлена  на  Рисунке  1. 

 

Рисунок  1.  Структура  искусственной  нейронной  сети  для  предсказания  сроков  хранения  растительной  продукции

 

В  качестве  обучающей  выборки  выбраны  результаты  экспериментальных  исследований  по  увеличению  сроков  хранения  растительной  продукции  (яблоки)  [5,  с.  69—73],  [6,  с.  317—325].  Обучение  проводили  методом  обратного  распространения  ошибки  [9,  с.  178—185],  [15]  в  котором  распространение  сигналов  ошибки  от  выходов  нейронной  сети  к  ее  входам  происходит  в  направлении,  обратном  прямому  распространению  сигналов  в  нормальном  режиме  работы.  При  обучении  решали  задачу  минимизации  функции  ошибки: 

 

       (5)

 

где:  yi  —  реальное,  а  —  идеальное  (заданное)  значения  для  i  -  го  выхода.

Подстройка  весовых  коэффициентов  синаптической  связи  wij  между  узлами  искусственной  нейронной  сети  (Рисунок  1)  i  и  j  осуществляется  при  помощи  эмпирического  коэффициента  скорости  обучения  [13,  с.  341—353].  Для  подгруппы  А2  использовали  2  скрытых  слоя.  Первый  содержал  два  нейрона,  второй  —  один.  В  качестве  передаточных  функций  использовали  гиперболический  тангенс  —  tansig  и  линейную  функцию  —  purelin.  Программа  расчета  SL  реализована  в  среде  Matlab  [12,  с.  13—20]  для  продуктов  группы  А  и  может  быть  рекомендована  для  практического  применения.  Области  применимости  модели  при  выборе  необходимой  мембраны,  обеспечивающей  заданные  сроки  хранения  яблок  в  ММА,  ограничены  следующими  значениями  параметров. 

Условия  хранения

·            Интенсивность  дыхания

·            Температура 

·            Относительная  влажность

·            Объем  модуля

=  5…20  мг  CO2/кг/час

=  0…7  оC

=  30…95  %

=  10…30  л

Спецификация  мембраны

·          Интенсивность  переноса  кислорода

·          Селективная  проницаемость

·          Толщина  мембраны 

·          Рабочий  диаметр  мембраны

=  5…10  x10332день

=  0…2.5

=  20…50  микрон

=  20…50мм

4.  Выводы

Применение  полупроницаемых  мембран  с  заранее  заданными  свойствами  позволяет  увеличить  сроки  хранения  растительной  продукции  в  условиях  модифицированной  атмосферы  в  2—3  раза  по  сравнению  с  традиционными  методами  холодильного  хранения. 

Многообразие  противоречивых  условий,  которые  предъявляются  к  оптимальным  концентрациям  кислорода  и  диоксида  углерода  для  увеличения  сроков  хранения  различных  видов  продукции  в  домашних  холодильниках,  позволяет  сделать  вывод  об  отсутствии  универсального  материала  мембраны.  Поэтому  для  каждого  из  продуктов  выбор  мембраны  должен  быть  осуществлён  индивидуально.  Решение  указанной  проблемы  открывает  возможность  создания  т.н.  «интеллектуальных»  модулей  для  хранения  различных  видов  продукции.

Оптимальный  выбор  мембран  зависит  от  материала,  варьирования  рабочей  площади  и  перфорации  мембран,  которые  регулируют  скорости  газообмена  в  модулях.  Разработанная  модель  прогноза  сроков  хранения  растительной  продукции  базируется  на  методе  искусственных  нейронных  сетей,  при  помощи  которого  установлена  взаимосвязь  между  целевой  функцией  —  временем  сохранности  продукта  и  переменными  управления:  условиями  хранения  и  свойствами  мембраны.

 

Список  литературы:

1.Радионенко  В.Н.,  Мазур  В.А.  Кинетика  процессов  деградации  качества  растительной  продукции  при  холодильном  хранении  в  модулях  с  модифицированной  атмосферой.  Холодильная  техника  и  технология.  Одесса:  ОГАХ.  187  с.  (2009).

2.Радіоненко  В.М.,  Кочетов  В.П.,  Мазур  В.О.  Динаміка  показників  якості  рослинної  продукції  за  холодильного  зберігання  в  модулях  із  модифікованою  атмосферою.  Донецьк:  ДонНУЕТ.  368  с.  (2009).

3.Arvanitoyannis  I.,  Stratakos  A.,  Tsarouhas  P.  Irradiation  applications  in  vegetables  and  fruits:  a  review.  Critical  reviews  in  food  science  and  nutrition,  49,  427—462  (2009).

4.Bellman  R.,  Zadeh  L.  Decision-making  in  a  fuzzy  environment.  Management  Science,  17,  141—164  (1970).

5.Corbo  M.,  Del  Nobile    M.  and  Sinigaglia  M.  A  novel  approach  for  calculating  shelf  life  of  minimally  processed  vegetables  International  Journal  of  Food  Microbiology106,  69—73  (2006).

6.            Del  Nobile  M.A.,  Conte  A.,  Cannarsi  M.  and  Sinigaglia  M.  Use  of  biodegradable  films  for  prolonging  the  shelf  life  of  minimally  processed  lettuce.  Journal  of  Food  Engineering  85,    317—325  (2008).

7.            Galic  K.,  Curic  D.,  Gabric  D.  Shelf  Life  of  Packaged  Bakery  Goods-A  ReviewCritical  Reviews  in  Food  Science  and  Nutrition,  49,  405—426  (2009).

8.            Gуmez-Lуpez  V.,  Ragaert  P.,  Debevere  J.,  Devlieghere  F.  Decontamination  methods  to  prolong  the  shelf-life  of  minimally  processed  vegetables,  state-of-the-art.  Critical  reviews  in  food  science  and  nutrition,  48,  487—495,  (2008).

9.            Marini  F.,  Bucci  R.,  Magrм  A.L.,  Magrм  A.D.  Artificial  neural  networks  in  chemometrics:  History,  examples  and  perspectives.  Microchem.  Journal,  88,  178—185,  (2008).

10.       MATLAB  7.9.  [Электронный  ресурс]  —  Режим  доступа.  —  URL  http://www.mathworks.com.products/matlab  (дата  обращения  14.05.2013).

11.       No  H.,  Meyers  S.P.,  Prinyawiwatkul  W.,  Xu  Z.  Applications  of  chitosan  for  improvement  of  quality  and  shelf  life  of  foods:  a  review.  Journal  of  food  science,  72,  87—100,  (2007).

12.       Rocha  A.M.C.N.  and  Morais  A.M.M.B.  Shelf  life  of  minimally  processed  apple  (cv.  Jonagored)  determined  by  colour  changes  Food  Control.14,  13—20,  (2003).

13.       Sandhya.  Modified  atmosphere  packaging  of  fresh  produce:  Current  status  and  future  needs,  LWT  -  Food  Science  and  Technology,  43,  381—392  (2010).

14.       Soliva-Fortuny  R.C.,  Martin-Belloso  O.  New  advances  in  extending  the  shelf-life  of  fresh-cut  fruits:  a  review.  Trends  in  Food  Science  and  Technology,  14,  341—353,  (2003).

15.       Werbos  P.J.,  Beyond  regression:  New  tools  for  prediction  and  analysis  in  the  behavioral  sciences.  Ph.D.  thesis,  Harvard  University,  Cambridge,  MA,  1974.

16.       Zambre  S.S.,  Venkatesh  K.V.,  Shah  N.G.  Tomato  redness  for  assessing  ozone  treatment  to  extend  the  shelf  life.  Journal  of  Food  Engineering,  96,  463—468,  (2010).

Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий