中国调味品

2026, v.51;No.567(05) 85-93

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

响应面法和人工神经网络对低脂小酥肉糊料复合改良剂的建模与优化
Modeling and Optimization of Low-Fat Small Crispy Pork Batter Compound Modifier Using Response Surface Methodology and Artificial Neural Network

魏宗烽,陈秋怡,周舟,张琳,邵颖

摘要(Abstract):

文章旨在寻找有效建模方法以预测低脂小酥肉的含油率与感官评分,优化其糊料复合改良剂配方。探究了大豆分离蛋白(soy protein isolate, SPI)添加量、葛根粉添加量、预糊化木薯淀粉(pre-gelatinized tapioca starch, PTS)添加量、羧甲基纤维素钠(carboxymethyl cellulose sodium, CMC-Na)添加量、卡拉胶(carrageenan, CG)添加量对低脂小酥肉整体含油率和感官评分的影响,在单因素试验基础上,采用响应面法(response surface methodology, RSM)和人工神经网络(artificial neural network, ANN),基于响应面试验数据构建模型并优化低脂小酥肉糊料复配改良剂配方参数。结果显示,RSM与ANN模型均具备较好的预测精度,但是通过比较两种模型的R~2、RSM、MAE、MAPE、RMSE,得出人工神经网络-遗传算法(artificial neural network-genetic algorithm, ANN-GA)优化方案在含油率控制和感官品质提升方面更具优势,其预测值与试验值的一致性及模型稳定性均优于RSM。ANN-GA确定的最佳复合改良剂配方为SPI添加量6.07%、PTS添加量1.97%、葛根粉添加量3.85%、羟甲基纤维素钠添加量0.60%,预测的含油率为12.09%,感官评分为86.24分。ANN的预测准确度和拟合能力更优。

关键词(KeyWords): 低脂小酥肉;糊料;复合改良剂;响应面法;人工神经网络-遗传算法

Abstract:

Keywords:

基金项目(Foundation): 大别山实验室2024年度重点课题研发专项(DMLP003);; 信阳农林学院青年教师科研基金项目(QN2023034)

作者(Author): 魏宗烽,陈秋怡,周舟,张琳,邵颖

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享