基于BP神经网络的鸡蛋货架期和贮藏时间预测模型研究

作者：陆逸峰; 何子豪; 曾宪明; 徐幸莲; 韩敏义^*

来源：食品科学, 2023, 44(21): 44-53.

• 鸡蛋
• 货架期
• 贮藏时间
• BP神经网络
• 预测模型

为探究贮藏于不同温度下的不同品种鸡蛋货架期，以‘京粉6号’和‘海兰灰’鸡蛋为研究对象，测定冷藏（4℃）和常温（25℃）条件下的哈夫单位、气室高度、蛋黄指数、蛋清pH值和质量损失率。以哈夫单位低于60所对应贮藏时间作为货架期的终点，发现两种鸡蛋在常温和冷藏条件下的货架期均分别为12 d和83 d。将表征鸡蛋新鲜度最重要的指标哈夫单位作为模型的固定参数，其余输入参数的选择基于Pearson相关性分析结果，依据与哈夫单位的相关性，从高到低依次作为输入参数构建基于BP神经网络（back propagation artificial neural network,BP-ANN）的鸡蛋货架期和贮藏时间预测模型。根据模型在预测集上的表现确定具体的输入参数，将优化隐含层神经元数的BP-ANN与其他机器学习模型（偏最小二乘回归（partial least squares regression,PLSR）和支持向量回归（support vector regression,SVR）模型）对比。结果表明，相较于PLSR和SVR，经过优化隐含层神经元数的BP-ANN模型对鸡蛋剩余货架期和贮藏时间的预测精度更高。本研究可为制定鸡蛋在不同贮藏温度下的货架期提供参考，为剩余货架期和贮藏时间的快速、准确、同步预测提供技术支持。

• 单位
  南京农业大学; 温氏食品集团股份有限公司