LSTM神经网络在油脂产品加工参数自动决策方法中的应用
组员:
摘 要:油脂产品为我们日常生活中不可或缺的产品,其安全合格与否与我
们的健康安全有着密不可缺的关系,其加工过程中产生的危害物(苯并芘)
的含量监控就尤为重要。本案例以大宗油脂的焙炒对菜籽中苯并芘的影响数
据,研究采用 LSTM 神经网络构建油脂产品各项加工参数的关系,探索应用
LSTM 网络对参数的决策可行性。
关键词:LSTM 神经网络;油脂产品;危害物
0. 引言
油脂原材料在经过预处理、制油和精炼过程后,通过各类成分的检测,检测
合格的成品油才可以最终入库。在原材料成为成品油的过程中,由于焙炒、碱炼
和脱臭等某些工艺过程,导致成品油中会产生苯并芘、3-MCPD 酯和反式酸等毒
素危害物。这些毒素危害物对人体健康有着巨大的威胁,有些还具有致畸性和致
突变性,这些是诱发癌症的重要成因。所以,如何在油脂加工过程中控制危害物
的含量、如何准确的预测油脂中危害物的含量是及其重要和关键的。
1. 油脂产品加工参数自动决策方法相关背景
现有加工过程的各成分的参数决策方法主要有实验室测验结果和人为经验。
实验室测验不仅消耗大量的人力资源,还对检测人员有一定的技术要求,检测的
最终结果也不能立即得到,推迟延缓了加工过程的进行。相较于实验室检测,人
为经验产生的成分参数结果更加迅速,但其准确性和可靠性也相应地降低,而人
为经验的产生同样更是需要大量的实验室测验才能达到预期的效果。为了更快速、
更准确的目标,实现对加工参数进行自动决策是本案例需要解决的问题。
本案例采用长短期记忆神经网络,将多列已知数据进行数据扩充、提取特征,
将多列数据读入到网络,然后对单列预测输出,实现多列数据预测单列数据的效
果。即保证了加工参数的准确性,又可以提高其加工参数结果的速度。本案例采
取焙炒对菜籽中苯并芘数据,用原料、烘炒时间、成品数据对烘炒温度的预测。
2. LSTM 神经网络概述