具有深度学习功能的乳制品或黄油风味数字化评价系统

技术领域

本发明属于乳制品或黄油应用技术领域，具体涉及具有深度学习功能的乳制品或黄油风味数字化评价系统，主要应用于乳制品或黄油制作时的风味评估，实现乳制品或黄油的风味品质均一，符合优风味制作要求。

背景技术

乳制品：指的是使用牛乳或羊乳及其加工制品为主要原料，加入或不加入适量的维生素、矿物质和其他辅料，使用法律法规及标准规定所要求的条件，经加工制成的各种食品，也叫奶油制品。

乳制品包括液体乳（巴氏杀菌乳、灭菌乳、调制乳、发酵乳）；乳粉（全脂乳粉、脱脂乳粉、部分脱脂乳粉、调制乳粉、牛初乳粉）；其他乳制品（等）。

第一类是液体乳类，主要包括杀菌奶、灭菌奶、酸奶等；第二类是乳粉类，包括全脂乳粉、脱脂乳粉、全脂加糖乳粉、调味乳粉、婴幼儿乳粉和其他配方乳粉；第三类是炼乳类；第四类是乳脂肪类，包括打蛋糕用的稀奶油、常见的配面包吃的奶油等；第五类是干酪类；第六类是乳冰淇淋类；第七类是其他乳制品类，主要包括干酪素、乳糖、奶片等。

黄油又叫乳脂、白脱油，是将牛奶中的稀奶油和脱脂乳分离后，使稀奶油成熟并经搅拌而成的。黄油与奶油的最大区别在于成分，黄油的脂肪含量更高。优质黄油色泽浅黄，质地均匀、细腻，切面无水分渗出，气味芬芳，通常黄油一般很少被直接食用，通常作为烹调食物的调味品辅料。

食品风味是指由甜、酸、苦、辣、咸、涩、鲜七种这七种味混合而成，还由许多赋予食品芳香的化合物构成，使食品的风味非常复杂。大多数食品的风味还不能被完整地描述出来。更为复杂的是，由于人们文化和生理上的差异，不同的人对同一种食物的接受能力不一样，喜好不同，在评价风味的时候，会掺杂许多主观因素，导致质量评价意见上的差异。

依据不同的目的，可以用不同的方法评价风味，有些风味物质能够用仪器以及化学或物理的方法测量出来，例如盐、糖和酸，但当要衡量消费者对食品质量的可接受性时，除了人品尝外，还没有其他的替代方法如乳制品或黄油风味评价。为了适应不同地区人群食用要求或使用要求，在乳制品或黄油的生产过程中就需要专门设计一种评价系统对制作中或制作后的乳制品或黄油进行数字化的评价。

基于上述问题，本发明提供具有深度学习功能的乳制品或黄油风味数字化评价系统。

发明内容

发明目的：本发明的目的是提供具有深度学习功能的乳制品或黄油风味数字化评价系统，其解决背景技术中所存在的乳制品或黄油制作中或制作后的风味评价问题。

技术方案：本发明提供的具有深度学习功能的乳制品或黄油风味数字化评价系统，包括风味数据采集单元、计算机智能分析单元、风味数据库单元、深度学习模块和检测输出单元；所述风味数据采集单元、风味数据库单元、深度学习模块、检测输出单元分别与计算机智能分析单元连接；其中，风味数据采集单元用于采用乳制品或黄油的气味强度数据和气味特征数据，计算机智能分析单元用于对分析风味数据采集单元采集气味强度数据和气味特征数据进行预处理与特征提取，风味数据库单元用于存储计算机智能分析单元预处理采集的气味强度数据和气味特征数据，深度学习模块用于多任务的风味数据采集、学习；检测输出单元用于将比对的结果参数进行输出。

本技术方案的，所述风味数据采集单元包括但不限于SA-402B型电子舌和PEN3型电子鼻或GC-MS和GC-O组成。

本技术方案的，所述计算机智能分析单元对数据进行降维、聚类拟合分析，剔除误差点，找到数据的关联与规律，建立的气味原始数据和人工评价数据相结合的食品挥发性成分相互关联的各类数据。

本技术方案的，所述风味数据库单元为存储介质，包括但不限于硬盘、可移动存储设备、网盘。

本技术方案的，所述深度学习模块为基于MXNet的学习架构或基于PaddlePaddle学习架构；其中，多任务指将同时学习的多个目标，包括风味类型、风味强度、风味幅度。

本技术方案的，所述检测输出单元包括但不限于打印机或语音模块，用于打印分析带参数表格或播放评价打分结果。

本技术方案的，所述具有深度学习功能的乳制品或黄油风味数字化评价系统，还包括与风味数据采集单元相配合使用的乳制品或黄油辅助预处理组件；其中，乳制品或黄油辅助预处理组件，包括预处理设备、支架、第一横板、第二横板、温度模拟箱、清洗液出口、清洗液进口、导管、泵、加热部、温湿度传感器、第一数据传输线和第二数据传输线，风味数据采集单元设置在温度模拟箱上部端面内，清洗液出口、清洗液进口分别设置在温度模拟箱上，加热部、温湿度传感器分别设置在温度模拟箱内，温度模拟箱、计算机智能分析单元、检测输出单元分别安装在第一横板、第二横板上，导管两端分别与预处理设备、温度模拟箱连接，泵设置在导管上，风味数据采集单元、计算机智能分析单元之间通过第一数据传输线连接，温湿度传感器、计算机智能分析单元之间通过第二数据传输线连接，泵、加热部分别与计算机智能分析单元连接。

本技术方案的，所述预处理设备用于将乳制品或黄油进行混合破碎；风味采集，首先通过预处理设备将乳制品或黄油进行混合破碎，再通过计算机智能分析单元控制启动泵将混合破碎乳制品或黄油产品经导管抽至温度模拟箱内，并通过计算机智能分析单元控制启动加热部对温度模拟箱内的混合破碎乳制品或黄油进行模拟加热，然后风味数据采集单元通过深度学习模块将逐级升温的混合破碎乳制品或黄油风味类型、风味强度、风味幅度进行学习，并反馈至计算机智能分析单元，最后计算机智能分析单元通过风味数据库单元对风味类型、风味强度、风味幅度进行存储；其中，当泵将混合破碎乳制品或黄油产品经导管抽至温度模拟箱内时，不启动加热部对温度模拟箱内的混合破碎乳制品或黄油进行模拟加热，当采集常温环境下乳制品或黄油的风味类型、风味强度、风味幅度后，再启动加热部，模拟加热过程为阶梯型逐级加热，每次加热幅度为0.5摄氏度-1摄氏度，并保持1-5分钟，再进行下一级加热。

本技术方案的，乳制品或黄油风味数字化评价，步骤1、将乳制品或黄油加入预处理设备将乳制品或黄油进行混合破碎；步骤2、通过计算机智能分析单元控制启动泵将混合破碎乳制品或黄油产品经导管抽至温度模拟箱内，此时风味数据采集单元采集破碎乳制品或黄油产品的风味数据信息，计算机智能分析单元将常温环境下的乳制品或黄油风味数据信息与风味数据库单元内存储的风味类型、风味强度、风味幅度进行对比，并记录；步骤3、通过计算机智能分析单元控制启动加热部对温度模拟箱内的混合破碎乳制品或黄油进行模拟加热，此时风味数据采集单元采集破碎乳制品或黄油产品的风味数据信息，计算机智能分析单元将逐级升温环境下的乳制品或黄油风味数据信息与风味数据库单元内存储的风味类型、风味强度、风味幅度进行对比，并记录；步骤4、将步骤2、步骤3的记录数据通过检测输出单元进行语音评价打分或打印；其中，模拟加热过程为阶梯型逐级加热，每次加热幅度为0.5摄氏度-1摄氏度，并保持1-5分钟，再进行下一级加热。

与现有技术相比，本发明的具有深度学习功能的乳制品或黄油风味数字化评价系统的有益效果在于：能科学的对乳制品或黄油产品的风味数据信息进行科学的有效的评价，当将适应不同人群食用的风味类型、风味强度、风味幅度输入计算机智能分析单元后深度学习模学习并进行特征提取分析通过风味数据库单元存储，评价时计算机智能分析单元将风味数据采集单元采集的风味类型、风味强度、风味幅度与输入的风味类型、风味强度、风味幅度进行比对，并进行数字化评价信息输出，克服了现有食品风味检测方法的片面性和需人工重复性检测的弊端，而且评价结果更加全面可靠。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的具有深度学习功能的乳制品或黄油风味数字化评价系统的结构框图；

图2是本发明的具有深度学习功能的乳制品或黄油风味数字化评价系统的温度模拟箱等的结构示意图；

图中标号如下：100-风味数据采集单元、101-计算机智能分析单元、102-风味数据库单元、103-深度学习模块、104-检测输出单元、200-预处理设备、201-支架、202-第一横板、203-第二横板、204-温度模拟箱、205-清洗液出口、206-清洗液进口、207-导管、208-泵、209-加热部、210-温湿度传感器、211-第一数据传输线、212-第二数据传输线。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“顶部”、“底部”、“一侧”

、“另一侧”、“前面”、“后面”、“中间部位”、“内部”、“顶端”、“

底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例一

如图1所示的具有深度学习功能的乳制品或黄油风味数字化评价系统，包括风味数据采集单元100、计算机智能分析单元101、风味数据库单元102、深度学习模块103和检测输出单元104；

风味数据采集单元100、风味数据库单元102、深度学习模块103、检测输出单元104分别与计算机智能分析单元101连接；

其中，风味数据采集单元100用于采集乳制品或黄油的气味强度数据和气味特征数据，计算机智能分析单元101用于对分析风味数据采集单元100采集的气味强度数据和气味特征数据进行预处理与特征提取，风味数据库单元102用于存储计算机智能分析单元101预处理的气味强度数据和气味特征数据，深度学习模块103用于多任务的风味数据采集、学习；检测输出单元104用于将比对的结果参数进行输出。

另外，优选的风味数据采集单元100包括但不限于SA-402B型电子舌和PEN3型电子鼻或GC-MS和GC-O组成，进行乳制品或黄油味觉、嗅觉信息获取及C-MS用于获得乳制品或黄油的气味特征原始数据（食品各挥发性成分含量及化学结构的色谱和质谱数据），GC-O用于获得乳制品或黄油气味的人工感官评价数据（气味强度和气味特征）。

另外，优选的计算机智能分析单元101对数据进行降维、聚类拟合分析，剔除误差点，找到数据的关联与规律，建立的气味原始数据和人工评价数据相结合的食品挥发性成分相互关联的各类数据。

另外，优选的风味数据库单元102为存储介质，包括但不限于硬盘、可移动存储设备、网盘。

另外，优选的深度学习模块103为基于MXNet的学习架构或基于PaddlePaddle学习架构；其中，多任务指将同时学习的多个目标，包括风味类型、风味强度、风味幅度。

另外，优选的检测输出单元104包括但不限于打印机或语音模块，用于打印分析带参数表格或播放评价打分结果。

实施例二

在实施例一的基础上，具有深度学习功能的乳制品或黄油风味数字化评价系统，还包括与风味数据采集单元100相配合使用的乳制品或黄油辅助预处理组件；

其中，乳制品或黄油辅助预处理组件，包括预处理设备200、支架201、第一横板202、第二横板203、温度模拟箱204、清洗液出口205、清洗液进口206、导管207、泵208、加热部209、温湿度传感器210、第一数据传输线211和第二数据传输线212，

风味数据采集单元100设置在温度模拟箱204上部端面内，

清洗液出口205、清洗液进口206分别设置在温度模拟箱204上，

加热部209、温湿度传感器210分别设置在温度模拟箱204内，

温度模拟箱204、计算机智能分析单元101、检测输出单元104分别安装在第一横板202、第二横板203上，

导管207两端分别与预处理设备200、温度模拟箱204连接，

泵208设置在导管207上，

风味数据采集单元100、计算机智能分析单元101之间通过第一数据传输线211连接，温湿度传感器210、计算机智能分析单元101之间通过第二数据传输线212连接，泵208、加热部209分别与计算机智能分析单元101连接。

此外，具有深度学习功能的乳制品或黄油风味数字化评价系统，预处理设备200用于将乳制品或黄油进行混合破碎；

（1）风味采集，

首先通过预处理设备200将乳制品或黄油进行混合破碎，再通过计算机智能分析单元101控制启动泵208将混合破碎乳制品或黄油产品经导管207抽至温度模拟箱204内，并通过计算机智能分析单元101控制启动加热部209对温度模拟箱204内的混合破碎乳制品或黄油进行模拟加热，

然后风味数据采集单元100通过深度学习模块103将逐级升温的混合破碎乳制品或黄油风味类型、风味强度、风味幅度进行学习，并反馈至计算机智能分析单元101，

最后计算机智能分析单元101通过风味数据库单元102对风味类型、风味强度、风味幅度进行存储。

其中，当泵208将混合破碎乳制品或黄油产品经导管207抽至温度模拟箱204）内时，不启动加热部209对温度模拟箱204内的混合破碎乳制品或黄油进行模拟加热，当采集常温环境下乳制品或黄油的风味类型、风味强度、风味幅度后，再启动加热部209，模拟加热过程为阶梯型逐级加热，每次加热幅度为0.5摄氏度-1摄氏度，并保持1-5分钟，再进行下一级加热。

此外，具有深度学习功能的乳制品或黄油风味数字化评价系统，

（2）不同人群风味预输入，

将适应不同人群食用的风味类型、风味强度、风味幅度数据信息输入计算机智能分析单元101后深度学习模块103学习并进行特征提取分析，同时通过风味数据库单元102存储（评价时计算机智能分析单元101将风味数据采集单元100采集的风味类型、风味强度、风味幅度与输入的风味类型、风味强度、风味幅度进行比对，并进行数字化评价信息输出）。

此外，具有深度学习功能的乳制品或黄油风味数字化评价系统的工作方法，

（3）乳制品或黄油风味数字化评价，

步骤1、将乳制品或黄油加入预处理设备200将乳制品或黄油进行混合破碎；

步骤2、通过计算机智能分析单元101控制启动泵208将混合破碎乳制品或黄油产品经导管207抽至温度模拟箱204内，此时风味数据采集单元100采集破碎乳制品或黄油产品的风味数据信息，计算机智能分析单元101将常温环境下的乳制品或黄油风味数据信息与风味数据库单元102内存储的风味类型、风味强度、风味幅度进行对比，并记录；

步骤3、通过计算机智能分析单元101控制启动加热部209对温度模拟箱204内的混合破碎乳制品或黄油进行模拟加热，此时风味数据采集单元100采集破碎乳制品或黄油产品的风味数据信息，计算机智能分析单元101将逐级升温环境下的乳制品或黄油风味数据信息与风味数据库单元102内存储的风味类型、风味强度、风味幅度进行对比，并记录；

步骤4、将步骤2、步骤3的记录数据通过检测输出单元104进行语音评价打分或打印；其中，模拟加热过程为阶梯型逐级加热，每次加热幅度为0.5摄氏度-1摄氏度，并保持1-5分钟，再进行下一级加热。

本发明的具有深度学习功能的乳制品或黄油风味数字化评价系统，适用于乳制品或黄油制作过程中或成品的评价，这样就可对为制作适应不同人群乳制品或黄油产品进行制作工艺的统一指导，即保证产适应不同人群乳制品或黄油产品的品质均一，也可降低生产经济成本等。

需要说明的是，在本文中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。