Preview

Хранение и переработка сельхозсырья

Расширенный поиск

Создание интеллектуального модуля- дегустатора для прогнозирования вкусовых качеств кефира

https://doi.org/10.36107/spfp.2022.241

Полный текст:

Аннотация

Одним из важнейших показателей качества готового кефира является вкус, который в настоящее время определяется органолептическими методами в лабораториях молочных предприятий. В статье рассмотрены проблемы органолептического контроля вкуса кефира. Показано, что такие оценки качества субъективны и несовершенны. Получение достоверных результатов и повышение объективности контроля вкуса готового кефира возможно за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс. Успешное решение этой задачи при минимальных затратах на подготовку и проведение анализов станет возможным благодаря внедрению в производственный процесс интеллектуального модуля- дегустатора (программно- аппаратного комплекса) контроля качества вкусовых показателей кефира, в основе алгоритма работы которого заложены нейросетевые технологии. Для решения задачи объективной оценки вкуса готового кефира разработана структура нейронной сети, типа многослойный персептрон с одним скрытым слоем, проведен анализ существующих автоматизированных систем управления технологическими процессами на предприятиях молочной промышленности, который показал, что  в большинстве случаев, реализованные в настоящее время автоматизированные системы отвечают только за управление оборудованием технологической линии, а взаимодействие с уровнем управления производством отсутствует. Это в значительной мере сказывается на уровне автоматизации предприятия в целом. В статье подчеркивается важность создания интеллектуальной системы автоматического прогнозирования вкусовых качеств кефира. Подчеркнуто, что для функционирования та-кой системы необходимо разработка соответствующей модели прогнозирования, позволяющей увеличить точность прогноза и свести к приемлемому минимуму ошибку, тем самым уменьшив убытки, связанные с неопределенностью при принятии решений. Отмечено, что в последнее время наблюдается тенденция возрастания интереса к использованию моделей искусственных нейронных сетей для решения задач прогнозирования в раз-личных сферах человеческой деятельности. Представлены решаемые ими задачи. Разработана интеллектуальная система диспетчерского управления производством кефира с входящим в ее состав интеллектуальным модулем- дегустатором для прогнозирования вкусовых качеств кефира.

 

Об авторах

Максим Юрьевич Музыка
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия


Маргарита Михайловна Благовещенская
Московский государственный университет пищевых производств
Россия


Сергей Александрович Мокрушин
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия


Владислав Германович Благовещенский
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия


Список литературы

1. Апанасенко С.И., Благовещенская М.М., Благовещенский И.Г. (2012). О перспективах создания системы автоматического контроля влажности кондитерских масс в пото-ке с использованием аппарата искусственных нейронных сетей. Материалы первой международной научно- практической конференции – выставки «Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промыш-ленности и медицины», издательский комплекс МГУПП, 212 – 214.

2. Балыхин М.Г., Благовещенский И.Г., Назойкин Е.А., Благовещенский В.Г. (2019). Адап-тивная система управления с идентификатором нестационарными технологически-ми процессами в отраслях пищевой промышленности. В сборнике материалов кон-ференции: Интеллектуальные системы и технологии в отраслях пищевой промыш-ленности. издательский комплекс МГУПП, 32-39.

3. Балыхин М.Г., Борзов А.Б., Благовещенский И.Г. (2017). Архитектура и основная кон-цепция создания интеллектуальной экспертной системы контроля качества пище-вой продукции. Пищевая промышленность, №11, 60 - 63.

4. Балыхин М.Г., Борзов А.Б., Благовещенский И.Г. (2017). Методологические основы со-здания экспертных систем контроля и прогнозирования качества пищевой продук-ции с использованием интеллектуальных технологий. Франтера.

5. Благовещенская М.М. (2009). Основы стабилизации процесса приготовления многоком-понентных масс. Франтера.

6. Благовещенская М. М., Благовещенский И.Г., Назойкин Е.А. (2015). Методика автомати-ческой оценки качества пищевых изделий на основе теории искусственных нейрон-ных сетей // Пищевая промышленность. №7. С. 42 - 49.

7. Благовещенская М.М., Злобин Л.А. (2005). Информационные технологии систем управ-ления технологическими процессами. Высшая школа.

8. Благовещенская М.М., Сантон Куннихан М.П. (2017). Структура систем управления до-зирования с использованием нейронных сетей. В сборнике материалов конферен-ции: Общеуниверситетская студенческая конференция студентов и молодых уче-ных "День науки". издательский комплекс МГУПП, №5, 263-267.

9. Благовещенский В.Г., Благовещенская М.М. (2017). Разработка экспертной системы кон-троля качества в процессе приготовления халвы. В сборнике материалов ХV меж-дународной научной конференции студентов и молодых ученых: Живые системы и биологическая безопасность населения. Издательский комплекс МГУПП. С. 132-137.

10. Благовещенский В.Г., Новицкий В.О., Крылова Л.А., Никитушкина М.Ю. (2019). Поста-новка задачи создания интеллектуальной автоматизированной системы управле-ния процессом производства халвы // Интеллектуальные системы и технологии в отраслях пищевой промышленности. Сборник материалов конференции. Изда-тельский комплекс МГУПП. С. 21-31.

11. Благовещенский И.Г. Автоматизированная экспертная система контроля в потоке по-казателей качества помадных конфет с использованием нейросетевых технологий и систем компьютерного зрения: Автореф. дис...канд. техн. наук. М.: 2015. 26 с.

12. Благовещенский И.Г. (2018). Методологические основы создания экспертных систем кон-троля и прогнозирования качества пищевой продукции с использованием ин-теллектуальных технологий: Автореф. дис. докт. техн. наук. М., 46 с.

13. Благовещенский И.Г. (2017). Оценка диапазонов изменения входных параметров для по-лучения желаемого качества пищевой продукции. В сборнике материалов ХV международной научной конференции студентов и молодых ученых: Живые си-стемы и биологическая безопасность населения. Издательский комплекс МГУПП. С. 116-121.

14. Благовещенский И.Г., Благовещенская М.М., Носенко А.С., Носенко С.М. (2016). Мето-дика построения автоматизированных экспертных систем контроля и прогнозиро-вания органолептических показателей качества конфет в потоке // Кондитерское производство. № 5. С. 24-27.

15. Благовещенский И. Г., Благовещенский В. Г., Назойкин Е. А., Петряков А. Н. (2020). Ин-теллектуальный анализ данных для систем поддержки принятия решений диагно-стики процессов производства пищевой продукции // Цифровизация агропромыш-ленного комплекса. Сборник научных статей. Тамбов: Издательство ТГТУ. 21 – 23 октября. Том I. 105-110

16. Благовещенский И.Г., Носенко С.М. (2015). Экспертная интеллектуальная система мони-торинга процесса формования помадных конфет с использованием системы техни-ческого зрения // «Пищевая промышленность». № 6, 53 - 58.

17. Бычков И.А., Благовещенская М.М., Носенко А.С., Благовещенский И.Г. (2015). Метод обобщенных интервальных оценок для поддержки групповых экспертных реше-ний в условиях неопределенности // Хранение и переработка сельхозсырья. № 4. С. 63-65.

18. Иванов Я.В., Благовещенская М.М., Благовещенский И.Г. (2012). Автоматизация процес-са формования конфетных масс на основе математического и алгоритмического обеспечения с использованием в качестве интеллектуального датчика цифровой ви-деокамеры. Материалы первой международной научно- практической конференции – выставки «Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины». Издательский комплекс МГУПП, 215 – 218.

19. Карелина Е.Б., Благовещенская М.М., Благовещенский В.Г., Клехо Д.Ю., Благовещен-ский И.Г. (2019). Интеграция адаптивного управления в технологические процессы пищевой отрасли // Интеллектуальные системы и технологии в отраслях пищевой промышленности: материалы научно- практической конференции с международ-ным участием (Москва, 15 – 18 октября, 2019 г.). М.: Издательский комплекс МГУПП, 2019. С. 81-89.

20. Крылова Л.А., Благовещенский В.Г., Татаринов А.В. (2017). Разработка интеллектуаль-ных аппаратно- программных комплексов мониторинга процессов сепарирования дисперсных пищевых масс на основе интеллектуальных технологий. В книге: Раз-витие пищевой и перерабатывающей промышленности России: кадры и наука: Из-дательский комплекс МГУПП. № 1, 199-201.

21. Назойкин Е.А., Благовещенский И.Г. (2019). Применение методов имитационного моде-лирования для идентификации процессов тестоприготовительного отделения на хлебопекарном предприятии // Имитационное моделирование и его применение в науке и промышленности: сборник трудов девятой всероссийской научно-практической конференции (Москва, 20-22 октября, 2019 г.). М.: Издательский комплекс МГУПП, С. 468-472.

22. Назойкин Е.А., Благовещенский И.Г., Синча В.М., Жиров М.В., Митин В.В. (2019). Ис-пользование имитационного моделирования для идентификации состояния пред-приятий в пищевой промышленности. В сборнике: Интеллектуальные системы и технологии в отраслях пищевой промышленности Сборник материалов конферен-ции. Издательский комплекс МГУПП. С. 147-155.

23. Петряков А.Н., Благовещенская М.М., Благовещенский В.Г., Крылова Л.А. (2018). При-менение методов объектно- ориентированного программирования для контроля показателей качества кондитерской продукции. Кондитерское и хлебопекарное производство, № 5-6 (176), 21-23.

24. Петряков А.Н., Благовещенская М.М., Благовещенский В.Г., Митин В.В., Благовещен-ский И.Г. (2019). Повышение качества идентификации и позиционирования объек-та на цифровых стерео изображениях при помощи алгоритмов построения карты глубины. В сборнике материалов конференции: Интеллектуальные системы и тех-нологии в отраслях пищевой промышленности. Издательский комплекс МГУПП. С.133-138.

25. Савостин С.Д., Благовещенская М.М., Благовещенский И.Г. (2016). Автоматизация кон-троля показателей качества муки в процессе размола с использованием интеллек-туальных технологий. Франтера. 281 с.

26. Сантос М.Р., Благовещенская М.М. (2017). Использование нейронной сети для автомати-зации процесса управления объемным дозированием молотого кофе. Научная кон-ференция с международным участием «Развитие пищевой и перерабатывающей промышленности России: кадры и наука», Издательский комплекс МГУПП. С. 102-106.

27. Харитонова П.Н., Карелина Е.Б., Благовещенский В.Г., Клехо Д.Ю., Благовещенский И.Г. (2019). Внедрение цифрового двойника управления в технологическое производ-ство. Интеллектуальные системы и технологии в отраслях пищевой промышлен-ности. Сборник материалов конференции. М.: Издательский комплекс МГУПП. С. 171-180.

28. Шаверин А.В., Благовещенская М.М., Благовещенский И.Г. (2012). Автоматизация кон-троля органолептических показателей качества шоколадных изделий. Материалы первой международной научно- практической конференции – выставки «Планиро-вание и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины». - М.: Издательский комплекс МГУПП, 209 – 212.

29. Balykhin M., Blagoveschenskaya M., Blagoveschenskiy I., Petryakov A. (2018). DESIGNING A COURSE IN SYSTEM MODELING FOR "SYSTEM ANALYSIS AND MANAGE-MENT" AND "INFORMATION SYSTEMS" MAJORS. В сборнике: 5th INTERNA-TIONAL MULTIDISCIPLINARY SCIENTIFIC CONFERENCE ON SOCIAL SCI-ENCES AND ARTS SGEM 2018 Conference proceedings (167 – 174). Sofia.

30. Blagoveshchenskiy I.G., Blagoveshchenskiy V.G., Besfamilnaya E.M., Sumerin V.A. (2020). Development of databases of intelligent expert systems for automatic control of product quality indicators // Journal of Physics: Conference Series. Сер. "Fundamental and Ap-plied Problems of Mechanics, FAPM 2019". С. 012019.

31. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D’Amico A. (1999). Sensors and Actuators (242 – 316). West Publishing Company.

32. Nowakowsci S., Cechin Т. (1995). Three approaches of parameters estimation for fault de

33. tection, isolation and bias correction.Электронное моделирование, 5. C.50-58.

34. Ramirez Mercedez, Fabricio Garelli, Ariel Dominguez, Modesto Angulo. (2009). Simulacion de un algoritmo para controlar el nivel en tolva nate la alimentacion discontinua de caña. Revista iberoamericana de automatica e informatica industrial, Vol. 6 № 3, 54-60.

35. Wilson C.I. Threapleton L. (2003). Application Of Artificial Intelligence For Predicting Beer Fla-vours From Chemical Analysis. European Brewery Convention, from the Proceedings of the 29th EBC Congress. Dublin: Springer, pp. 18 – 25.


Рецензия

Для цитирования:


Музыка М.Ю., Благовещенская М.М., Мокрушин С.А., Благовещенский В.Г. Создание интеллектуального модуля- дегустатора для прогнозирования вкусовых качеств кефира. Хранение и переработка сельхозсырья. 2022;(1):173-193. https://doi.org/10.36107/spfp.2022.241

For citation:


Muzyka M.Yu., Blagoveshchenskaya M.M., Mokrushin S.A., Blagoveshchensky V.G. Creation of an Intelligent Module-Taster for Forecasting the Taste Quality of Kefir. Storage and processing of Farm Products. 2022;(1):173-193. (In Russ.) https://doi.org/10.36107/spfp.2022.241

Просмотров: 74


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2072-9669 (Print)
ISSN 2658-767X (Online)