Creation of an Intelligent Module-Taster for Forecasting the Taste Quality of Kefir

One of the most important indicators of the quality of finished kefir is taste, which is currently determined by organoleptic methods in the laboratories of dairy enterprises. The article deals with the problems of organoleptic control of the taste of kefir. It is shown that such quality assessments are subjective and imperfect. Obtaining reliable results and increasing the objectivity of control of the taste of finished kefir is possible due to the introduction of highly effective in-telligent technologies into the production process. The successful solution of this problem with minimal costs for preparing and conducting analyzes will be possible due to the introduction of an intelligent taster module (hardware and software complex) into the production process for quality control of kefir taste indicators, the algorithm of which is based on neural network technologies. To solve the problem of an objective assessment of the taste of finished kefir, a neural network structure was developed, such as a multilayer perceptron with one hidden layer, an analysis of existing automated control systems for technological processes at dairy enterprises was carried out, which showed that in most cases, currently implemented automated systems respond only to for the control of the technological line equipment, and there is no interaction with the production management level. This significantly affects the level of automation of the enterprise as a whole. The article emphasizes the importance of creating an intelligent system for automatically predicting the taste of kefir. It is emphasized that for the functioning of such a system, it is necessary to develop an appropriate forecasting model that makes it possible to increase the forecast accuracy and reduce the error to an acceptable minimum, thereby reducing the losses associated with uncertainty in decision-making. It is noted that recently there has been a tendency of increasing interest in the use of models of artificial neural networks for solv-ing forecasting problems in various spheres of human activity. The tasks solved by them are presented. An intelligent system for dispatching kefir production has been developed with an intelligent taster module included in it to predict the taste of kefir.

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.