Создание интеллектуального модуля- дегустатора для прогнозирования вкусовых качеств кефира

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.

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.