автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация контроля показателей вкуса шоколадных изделий

На правах рукописи

и/м '

ШАВЕРИН АНДРЕИ ВЕНИАМИНОВИЧ

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ПОКАЗАТЕЛЕЙ ВКУСА ШОКОЛАДНЫХ ИЗДЕЛИЙ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

'1 О ДЕК 2009

Москва-2009

003487910

Работа выполнена на кафедре «Автоматизация биотехнических систем» Государственного образовательного учреждения высшего профессионального образования "Московский Государственный университет прикладной биотехнологии".

Научный руководитель: заслуженный деятель науки РФ

доктор технических наук, профессор Благовещенская Маргарита Михайловна

Официальные оппоненты: заслуженный деятель науки РФ

доктор технических наук, профессор Битюков Виталий Ксеиофонтович

кандидат технических наук Роденков Егор Владимирович

Ведущая организация: ОАО Научно- исследовательский институт «Мир-Продмаш»

Защита состоится яЯмШьлЛ 200$ г. в {2. час. йО мин. на заседании диссертационного совета Д 212.149,04 при Государственном образовательном учреждении высшего профессионального образования «Московский государственный университет прикладной биотехнологии» (ГОУ ВПО МГУПБ), по адресу: г. Москва, ул. Талалихина, д.ЗЗ, конференц-зал.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО МГУПБ.

Автореферат разослан « » Ы^^Щ^Л 20^г.

Ученый секретарь диссертационного совета

Потапов А.С.

Общая характеристика работы

Актуальность темы.

Обеспечение населения Российской Федерации качественными, разнообразными отечественными продуктами питания является приоритетной социально- экономической проблемой. Решение этой проблемы тесно связано с широкой автоматизацией технологических процессов, внедрением новых информационных технологий, появлением необходимых средств контроля для реализации автоматизированных систем управления, проведением организационно-технических мероприятий, способствующих улучшению качества и увеличению ассортимента выпускаемых пищевых продуктов.

Среди многих отраслей пищевой промышленности важнейшее место принадлежит кондитерской. Шоколадные изделия необычайно сложны по своему составу и обладают комплексом различных свойств, которые составляют в совокупности качество продукции. Одними из важнейших критериями качества являются органолептические показатели. Первое, на что обращает внимание потребитель - это форма, цвет и вкус изделия. Одно из основных направлений развития кондитерской промышленности это автоматизация контроля органолептических показателей качества. Существующие в настоящее время методы оценки качества кондитерской продукции субъективны и далеки от совершенства. Так, в настоящее время основным заключающим фактором о вкусе готового кондитерского изделия является оценка дегустационной комиссии. За отсутствием профессиональных дегустаторов, а также вследствие несоблюдения на большинстве кондитерских предприятиях условий проведения дегустаций, такая оценка может зачастую давать необъективные показания о вкусе изделия. Назрела необходимость повышения объективности контроля вкуса готовой кондитерской продукции за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс.

Изложенное позволяет сделать вывод об актуальности темы диссертационной работы «Автоматизация контроля показателей вкуса готовых шоколадных изделий», имеющей важное народнохозяйственное значение.

Успешное решение этой задачи при минимальных затратах на подготовку и проведение анализов становится возможным, благодаря внедрению в производственный процесс разработанного автоматизированного программно-аппаратного комплекса (ПАК) контроля вкусовых показателей шоколадных изделий, в основе алгоритма работы которого заложена нейросетевая модель (НСМ). Функционирование НСМ базируется на применении аппарата искусственных нейронных сетей (НС), который является одним из направлений развития теории искусственного

интеллекта. Модель НС состоит из одного или нескольких слоев искусственных нейронов, которые имитируют работу своих биологических аналогов (нервных клеток).

Базовыми элементами автоматизированного ПАК являются:

• микропроцессорные устройства сбора, обработки и передачи информации (входят в состав автоматизированной системы управления технологическим процессом (АСУТП));

• человеко-машинный интерфейс, позволяющий осуществлять обмен данными между оператором и микропроцессорным устройством;

• система управления базами данных (СУБД);

• программное обеспечение, в основе алгоритма которого заложена НСМ;

• шлюзовое программное обеспечение (позволяет осуществлять сбор, преобразование и передачу данных между различными коммуникационными протоколами).

Реализация ПАК позволит автоматически контролировать вкус выпускаемой кондитерской продукции на пригодность. Использование системы автоматизированного контроля вкуса уменьшит влияние человеческого фактора на объективность анализа, а также сократит производственный цикл выпуска шоколадных изделий, исключив стадию органолептической оценки вкуса.

Цель и задачи исследования.

Целью настоящей работы является повышение эффективности кондитерского производства и качества готовой продукции за счет разработки научной концепции и методологии создания автоматизированной системы контроля показателей вкуса шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой).

Для достижения цели были поставлены и решены следующие задачи исследований:

• проведение анализа, обобщение и систематизация направлений использования аппарата НС в различных отраслях (в том числе пищевой) промышленности;

• научное обоснование и разработка методологических основ создания автоматизированной системы контроля показателей вкуса кондитерских изделий;

• проведение экспериментальных исследований и анализа технологического процесса производства шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой) с целью разработки метода автоматизации

контроля показателей вкуса; выявление и анализ зависимостей между измеряемыми в процессе производства шоколадных изделий параметрами и показателями вкуса готового изделия;

• проведение анализа и классификация градаций вкуса шоколадных изделий на основе исследования экспериментальных данных по контролируемым параметрам этого процесса;

• разработка и обоснование алгоритмического и математического обеспечения задачи автоматизации контроля показателей вкуса шоколадных изделий;

• разработка оптимальной нейросетевой модели принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности;

• проектирование и апробация структуры программно-аппаратного комплекса контроля показателей вкуса шоколадных изделий;

• разработка архитектуры реализующей комплекс автоматизированной системы контроля показателей вкуса шоколадных изделии с использованием нейросетевой модели принятия решений;

• разработка на базе современного программного и аппаратного обеспечения технических решений АСУ ТП для реализации предложенного метода контроля показателей вкуса шоколадных изделий.

Объекты и методы исследования.

Объектом исследования является поточная технологическая линия по производству шоколадных батончиков с помадно-сливочной начинкой, функционирующая на производстве ОАО Кондитерский Концерн «Бабаевский» (типовая линия производства шоколадных изделий).

Предмет исследования составила совокупность теоретических, методологических и практических задач, связанных с автоматизацией контроля показателей вкуса шоколадных изделий. Были исследованы модели, методы, средства и способы контроля показателей вкуса готовых изделий по результатам значений различных наиболее информативных технологических параметров, а также основных показателей качества сырья и полуфабрикатов, измеренных в процессе производства шоколадных батончиков.

При проведении теоретических и экспериментальных исследований использованы основные положения теории автоматического управления, математического моделирования, нейронных сетей; элементы теории принятия решений; методы системного анализа; теории нечетких множеств, методы математической статистики и сенсорной оценки.

Научная новизна работы.

В результате теоретического анализа и экспериментальных расчетов обоснованы наиболее перспективные направления автоматизации контроля вкуса кондитерских изделий на основе применения аппарата искусственных нейронных сетей.

Разработаны методологические основы создания автоматизированной системы контроля показателей вкуса кондитерских изделий.

Разработаны теоретические основы общего подхода к автоматическому контролю показателей вкуса готовых шоколадных изделия, в частности впервые разработаны:

• метод автоматизации контроля показателей вкуса шоколадных изделий,

• способ автоматического контроля показателей вкуса шоколадных изделий, основанный на работе НСМ.

• оптимальная нейросетевая модель принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности;

• классификатор измеряемых в процессе производства шоколадных изделий параметров с точки зрения способов обработки информации;

• алгоритмическое и математическое обеспечения задачи автоматизации контроля показателей вкуса шоколадных изделий;

• методика и алгоритм проектирования архитектуры комплекса автоматизированной системы контроля показателей вкуса шоколадных изделии с использованием нейросетевой модели принятия решений;

• структура программно- аппаратного комплекса ПАК, реализующего способ автоматического контроля показателей вкуса шоколадных изделий.

Практическая ценность работы состоит в возможности автоматического контроля показателей вкуса шоколадных изделий на основе нейросетевой модели для создания АСУ ТП в кондитерской промышленности.

Основные позиции, определяющие практическую ценность работы, заключаются в следующем:

• Создана и апробирована методика автоматического контроля показателей вкуса шоколадных изделий в режиме реального времени.

• Разработано и обосновано математическое и алгоритмическое обеспечение для задач автоматизации контроля показателей вкуса шоколадных изделий.

• Сформулированы предложения для обеспечения широкого использования аппарата искусственных нейронных сетей (НС), который является одним из направлений развития теории искусственного интеллекта.

• Даны рекомендации по созданию автоматизированного программно-аппаратного комплекса (ПАК) для контроля вкусовых показателей шоколадных изделий с использованием нейросетевой модели. Данная разработка позволит контролировать вкусовые показатели шоколадных изделий.

• Применен и апробирован разработанный способ автоматического контроля показателей вкуса шоколадных изделий, на примере шоколадных батончиков с помадно-сливочной начинкой;

• Создана структура и даны рекомендации по подбору технических средств автоматизации для функционирования ПАК контроля показателей вкуса в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП.

Результаты, полученные в процессе выполнения диссертационной работы, были использованы при проведении научных исследований по заданию Министерства образования и науки Российской Федерации Федерального агентства по образованию:

• по проекту «Снижение риска получения некачественной продукции за счет научно-обоснованных методов, приборов и систем автоматического контроля безопасности сырья, полуфабрикатов и готовых продуктов питания» аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» (код ГРНТИ - 65.01.85, регистрационный номер - 7242).

• по проекту «Организация и проведение научно-методической конференции по проблемам комплексной автоматизации и управления производственными процессами для обеспечения выпуска продукции заданного уровня качества на пищевых предприятиях города Москвы»

Апробация работы.

Основные положения диссертационной работы были обсуждены и одобрены на:

• У-ой Юбилейной школе-конференции с международным участием «Высокоэффективные пищевые технологии, методы и средства для их реализации» (г. Москва), МГУПП, 2007;

• П-ой Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», 2009;

• 1-ой Всероссийской студенческой научной конференции «Молодежная наука - пищевой промышленности», СевКавГТУ, 2009;

• электронной научной конференции на основе Интернет-форума, научно-информационного издательского центра и редакции журнала «В мире науки», 2009;

• семинаре «Интенсификация и автоматизация технологических процессов обработки пищевых продуктов», МГУПБ, 2009;

• IX -ой Всероссийской выставке научно-технического творчества молодежи «НТТМ-2009»;

• И-ом Испанско- Российском Форуме по информационным и коммуникационным технологиям, Мадрид, 21-25 сентября 2009;

• Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания»,МГУПБ, 2009

Полученные в рамках настоящего исследования научные и практические результаты внедрены в учебный процесс кафедры «Автоматизация биотехнических систем» ГОУ ВПО Московского государственного университета прикладной биотехнологии для студентов направлений «Автоматика и управление» и «Управление и информатика в технических системах», а также специальности «Автоматизация технологических процессов и производств» по следующим дисциплинам: «Моделирование систем», «Технические средства автоматизации» и «Проектирование автоматизированных систем» о чем свидетельствуют соответствующие акты внедрения.

Проект «Программно-аппаратного комплекса автоматической оценки вкуса шоколадных изделий» стал финалистом отборочного тура конкурса по программе «У.М.Н.И.К.», а также награжден дипломом I степени по итогам Всероссийской выставки научно-технического творчества молодежи «НТТМ-2009».

Получена грамота за проект — победитель «Автоматизация контроля вкуса готовой продукции» конкурса 2009г. ассоциации «Университетский комплекс прикладной биотехнологии»

Разработанная, как часть ПАК, система расчета и регистрации показателей качества кондитерских изделий внедрена и введена в

эксплуатацию в конфетном цехе ОАО «КК Бабаевский» о чем свидетельствует соответствующий акт ввода в эксплуатацию.

По итогам работы подготовлены две заявки на изобретения.

Публикации.

По теме диссертационной работы опубликовано 8 печатных работ.

Структура и объем работы.

Диссертационная работа состоит из введения, 4 глав, заключения, списка используемой литературы (113 источников) и приложений. Работа изложена на 123 страницах машинописного текста, содержит 21 рисунок, 9 таблиц, 2 приложения.

Краткое содержание работы Во введении обоснована актуальность работы, сформулированы цели и задачи исследования, раскрыты научная новизна и практическая ценность работы.

В первой главе анализируется технологический процесс производства шоколадных батончиков с помадно-сливочной начинкой как объекта контроля. В процессе анализа дана характеристика технологического процесса как объекта управления, проведен анализ сырья и полуфабрикатов, необходимых для производства шоколадных батончиков с помадно-сливочной начинкой, с точки зрения влияния на вкус готового изделия. Описан технологический процесс производства шоколадных батончиков, а также рассмотрены технологические операции, в которых изменение физико-химических свойств вещества наиболее очевидно побуждает изменение вкусовых показателей.

Проведен обзор методов и средств оценки вкуса, применяемых в пищевой промышленности. Рассматриваются методы органолептического контроля, как основного средства определения вкусовых показателей на большинстве пищевых предприятий, а также инструментальные методы и средства оценки вкуса, основанные на применении:

• газо-жидкостной хроматографии и масс-спектрометрии;

• пьезорезонансных сенсоров;

• технологии использующей потенциометрические химические сенсоры (ионоселективные электроды), с дальнейшей статистической обработкой данных, получившей название «электронный язык»

По результатам обзора проанализирована возможность применения инструментальных методов для оценки вкусовых показателей шоколадных изделий на производстве, а также выявлены недостатки органолептических методов контроля вкуса.

Проведено исследование возможностей применения нейросетевых технологий для оценки вкуса шоколадных изделий на производстве. В процессе исследования проанализированы сферы применения нейросетевых технологий на уровне технологических процессов, рассмотрены информационные источники, в которых применительно к пищевой промышленности исследуются возможности использования аппарата НС для определения показателей качества продукции.

Во второй главе выполнена математическая постановка задачи контроля вкуса готового изделия и сформулированы основные этапы решения поставленной задачи.

При подходе к решению задачи контроля вкуса готового изделия методами математического моделирования зависимость выходных и входных параметров можно описать уравнением:

У = Р&еаХюь.ХошаУ, (1)

где

Хис - входной вектор, характеризующий значения параметров технологического процесса, измеренных в ходе изготовления изделия; Х1аЬ - входной вектор, характеризующий значения показателей качества сырья и полуфабрикатов, измеренных в ходе изготовления изделия; Хдиа1 - входной вектор, характеризующий исходные показатели качества сырья и полуфабрикатов, определенные в процессе входного контроля. Параметр Хчиа1 как и другие влияет на вкус готового изделия, но формируется до начала изготовления изделия и во время технологического процесса остается неизменным. Вследствие этого уравнение (1) можно свести к виду:

У = Р(Х[ес,Х1аЬ); (2)

при условии, что исходные компоненты (сырье и полуфабрикаты) используемые в производстве шоколадных изделий прошли входной контроль и признаны пригодными для дальнейшего применения.

Более детальная формализация математической зависимости между показателями вкуса готового изделия и параметрами характеризующими вкус в ходе технологического процесса с помощью общеизвестных методов математического моделирования - достаточно сложная и слабоизученная задача.

При подходе к решению этой задачи, используя аппарат НС, постановка задачи контроля вкуса сводится к постановке задачи классификации образов. Суть задачи классификации заключается в отнесении к определенному критерию образа формирующегося на основе действия некоторого количества ситуаций.

Пусть х - множество описаний ситуаций, из которых формируется образ вкуса, У - множество критериев вкуса, по которым осуществляется классификация.

Существует неизвестная целевая зависимость - отображение:

Г«*-*?; (3)

значения которой известны только на образах вкуса обучающей выборки наблюдений

^ = {(*!, У'О. - - Ут)} (4)

Требуется построить алгоритм

<ьх-У\ (5)

способный классифицировать произвольный объект

%аг (6)

Стоит отметить, что критерии вкуса, по которым осуществляется классификация, относятся к пересекающимся классам, что дает возможность отнести оцениваемый образ вкуса сразу нескольким классам. А также критерии вкуса будут являться нечеткими классами. Это позволит количественно определить степень принадлежности образа вкуса к каждому из классов, то есть составляющие У могут принимать любые значения из диапазона [0,1].

Для решения поставленной задачи были сформулированы основные этапы решения:

1. Составление достаточной выборки входных параметров НС.

2. Подбор типа и формирование архитектуры НС.

3. Выбор алгоритма обучения НС.

4. Проведение «обучения» НС.

5. Проверка полученных результатов на работоспособность.

6. Проведение классификации результатов по выделенным кластерам.

7. Разработка технических решений для реализации ПАК контроля вкуса шоколадных изделий.

В третьей главе разрабатывается НСМ оценки показателей вкуса шоколадных изделий (на примере технологической линии по производству шоколадных батончиков с помадно-сливочной начинкой) для решения поставленной задачи автоматизации контроля вкуса готового изделия.

В процессе разработки был проведен анализ технологических параметров и показателей качества, измеряемых по ходу технологического процесса с целью выявления контрольных точек для составления достаточной выборки входных параметров НСМ. К группе основных информативных параметров достаточной выборки относятся: массовые доли компонентов, идущих на приготовление шоколадных батончиков; время уваривания помадного сиропа и его температура в варочном котле; количество ароматических компонентов; массовые доли влаги сахара, патоки, молока и масла; массовые доли жира молока, масла и шоколадной массы; вязкость шоколадной массы.

Таблица 1

Измеряемый параметр Тнп параметра Средство измерения Способ обработки Средство передачи

Количество сахара технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Количество патоки технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Количество масла технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Количество молока технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Время уваривания помадного сиропа технологич. таймер контроллера программа контроллера коммуникац. модуль

Температура помадного сиропа в технологич. термометр сопротивления программа контроллера коммуникац. модуль

Количество ароматизатора технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Количество коньяка технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Количество спирта технологич. тензометрия весовой модуль контроллера коммуникац. модуль

Массовая доля влаги сахара качеств. рефрактометр ручной вСАОА-система

Массовая доля влаги патоки качеств. рефрактометр ручной БСАОА-система

Массовая доля влаги молока качеств. рефрактометр ручной БСАОА-система

Массовая доля жира молока качеств. рефрактометр ручной БСАОА-система

Массовая доля влаги масла качеств. рефрактометр ручной ЭСАОА-система

Массовая доля жира масла качеств. рефрактометр ручной БСАОА-система

Массовая доля жира шоколадной массы качеств. рефрактометр ручной БСАОА-система

Вязкость шоколадной массы качеств. вискозиметр вычислит, блок прибора ЗСАОА-система

Группа дополнительных информативных параметров формируется на стадии проведения обучения НСМ. К указанной категории будут отнесены те параметры, весовые коэффициенты которых при обучении НСМ будут иметь значения оказывающие влияние на показатели выходного слоя НС. Параметры, в которых весовые коэффициенты будут оказывать незначительное влияние на показатели выходного слоя НС или же не будут влиять на эти показатели вовсе, при промышленном использовании системы контроля вкуса готового изделия использоваться не будут.

Осуществлен подбор архитектуры НС и алгоритма обучения для реализации НСМ. В процессе реализации подбора были проклассифицированы основные типы архитектур НС. После чего был

проведен анализ на возможность использования различных архитектур для решения задачи оценки вкуса.

Выбор структуры НС осуществляется в соответствии с постановкой и сложностью решаемой задачи. Задача автоматического контроля вкуса шоколадных изделий, как было выяснено ранее, при описании математической постановки можно свести к задаче классификации образов. То есть, необходимо реализовать распределение образов формирующихся на основе действия некоторого количества ситуаций. Образом в такой постановке будет являться вкус готового шоколадного изделия, отнесенный к различным критериям, по которым осуществляется оценка. Набор ситуаций - это вектор значений технологических параметров и показателей качества соответствующих оцениваемой продукции в процессе ее изготовления.

Использование для решения задачи автоматизации контроля вкуса НС, типа однослойный персептрон выдала неудовлетворительные результаты, так как однослойные сети обладают низкими вычислительными способностями и используются для решения простейших логических задач.

Дальнейшая экспериментальная часть работы проводилась с применением многослойных НС прямого распространения, типа многослойный персептрон. Сеть, такого типа имеет структуру, показанную на рисунке 1. Такая структура является наиболее распространенной для решения задач классификации.

Для сравнения вычислительных способностей однослойной сети и многослойной при решении задачи автоматического контроля вкуса была взята многослойная сеть с одним скрытым слоем, количество нейронов в котором, было выбрано произвольным способом и равнялось 30 нейронам. При этом количество нейронов входного слоя в обеих сетях равнялось 42. В процессе обучения на входы НС подавались обучающие выборки, состоящие из 150 полученных экспертным путем комбинаций входов -

Рис.1. Структура сети, типа многослойный персептрон.

выходов. Результаты обучения можно проследить в графическом виде, представленном на рисунке 2.

""-■-5 --^-2 4 • I 10 12 14 10 И

Время обучения, мин вРе"я °6УЧ«Н№ мин

Рис. 2. Графическое представление результатов обучения (слева -однослойная сеть, справа - многослойная сеть)

В случае с использованием многослойной сети заданной произвольным образом результат обучения оказался лучше, практически в 2 раза, чем при использовании сети однослойного типа.

НС с обратными связями, рекуррентные сети, отличаются от сетей прямого распространения тем, что имеют в своей структуре связи, в которых выход нейрона следующего слоя поступает на вход нейрона предыдущего слоя. Наличие обратных связей дает возможность осуществлять решение динамических задач. Динамика создается за счет обратных связей, которые модифицируют входные нейроны, что приводит к изменению состояния нейронов сети. В сети возникает некоторый переходный процесс, который завершается формированием нового состояния, отличающегося в общем случае от предыдущего. Использование НС с обратными связями для решения задачи контроля вкуса было принято не целесообразным, так как сети такого типа могут быть иметь очень сложную динамику поведения и вследствие этого их работа может быть неустойчивой при подаче на них входных выборок. Рекуррентные сети представляют большой интерес для исследователей в области НС, однако при решении практических задач наиболее полезными оказываются структуры прямой передачи данных.

Использование нечетких множеств при оценке значений выходного слоя НС дает возможность оценить степень принадлежности каждого образца вкуса к соответствующему критерию.

Таким образом, для решения поставленной задачи, оптимальной архитектурой сети будет являться гибридная сеть сочетающая в себе организацию связей между нейронами как в многослойном персептроне со значениями выходного слоя выраженными нечеткими правилами, что позволяет получить результат о принадлежности вкуса исследуемого шоколадного изделия к критериям по которым осуществляется оценка. Осуществлен подбор количества слоев и количества нейронов для каждого слоя НС.

Количество скрытых слоев определялось экспериментальным путем в среде «МаЙаЬ» с учетом теоретического обоснования. В процессе экспериментов были рассмотрены следующие структуры НС: сеть с одним скрытым слоем (расходящаяся сеть), сеть с двумя скрытыми слоями (расходящаяся сеть), сеть с тремя скрытыми слоем (расходящаяся сеть), сеть с одним скрытым слоем (сходящаяся сеть), сеть с двумя скрытыми слоями (сходящаяся сеть), сеть с тремя скрытыми слоем (сходящаяся сеть). Представленные структуры НС подвергались обучению согласно алгоритма обратного распространения ошибки. На вход НС подавалась одинаковая обучающая выборка.

Результаты экспериментов были объединены в сводную таблицу:

_Таблица 2

Архитектура сети Поведение сети Ошибка обучения

Сеть с одним скрытым слоем расходящаяся 15%

Сеть с двумя скрытыми слоями расходящаяся 18% ■

Сеть с тремя скрытыми слоем расходящаяся 26%

Сеть с одним скрытым слоем сходящаяся 22%

Сеть с двумя скрытыми слоями сходящаяся 21%

Сеть с тремя скрытыми слоем сходящаяся 28%

Выходу-ого нейрона скрытого слоя у^ вычислялся следующим образом:

1+е 1

где

(8)

XI - значение ¡-ого элемента входного вектора я:;, и/ц - соответствующий весовой коэффициент; Из уравнений (7) и (8) следует:

Выход ¿-ого нейрона НСМ ук вычислялся по формуле:

= = (Ю)

где

(П)

Подставляя, в уравнение (11), значения (10) получим:

Зк~ 1,7=1—-А* хю, >

1+е

Отсюда следует, что в итоге значение выхода ¿-ого нейрона НСМ ук будет вычисляться по формуле:

Ук*-^ 1 ;

Фактором, по которому производился выбор наиболее оптимальной архитектуры сети, стала оценка ошибки обучения. В сети с одним скрытым слоем, где количество нейронов скрытого слоя возрастает по сравнению с предыдущем слоем ошибка обучения оказалась наименьшей и составила 15%.

Наиболее подходящим алгоритмом обучения для выбранного типа сети, был признан алгоритм обратного распространения ошибки, который строится следующим образом: подается на вход сети один из возможных образов и в режиме обычного функционирования НС, когда сигналы распространяются от входов к выходам, рассчитываются значения последних.

Рассчитывается ошибка сети 8к для выходного слоя по формуле:

(14)

(15)

(16)

(17)

(18)

Если ошибка сети существенна, корректировка весовых коэффициентов продолжается, в противном случае - сеть можно считать обученной. По результатам обучения был проведен анализ работоспособности НСМ. Под оценкой работоспособности сети подразумевается проверка на способность к обобщению полученных знаний. То есть, необходимо оценить укладываются ли результаты выдаваемые сетью на выходах в предел допустимой погрешности при подаче на вход сети выборки с заранее известными значениями выходных параметров, но отличной от обучающей выборки.

Предел допустимой погрешности был выбран и согласован с технологами, отвечающими за качество продукции линии по производству шоколадных батончиков. Значение Едоп было установлено на границе в 15% по каждому критерию вкуса.

Таблица 3

=(Ук

Рассчитывается изменения весов выходного слоя Дм'£у: Рассчитывается 8^ и Ди^1-1 для скрытого слоя:

Корректируются все веса НС игу:

Юцк) = ы^) +

Критерий Средняя погрешность Предельно допустимая погрешность (Едоп)

Сладкий 12% 15%

Соленый 8% 15%

Кислый 6% 15%

Горький 14% 15%

Послевкусие 9% 15%

Подробные данные по каждой входной выборке-отражены в приложении к диссертации.

Для оценки интенсивности вкусовых показателей была выбрана семи бальная шкала, в которой 0 - соответствует отсутствие оцениваемого показателя, а 7 - соответствует ярко выраженному наличию этого самого показателя.

Для описания шкалы интенсивности показателей вкуса в математическом виде использовались базовые понятия нечетких множеств (таблица 4).

Такая постановка дает возможность перейти от численных значений ук полученных в результате работы НСМ к балловой оценке полученной в результате работы дегустационной комиссии.

Значения ук 6 М(0; 1), где М - множество принадлежностей, а ук = ц(гк). Таким образом, полученные значения ук характеризуют степень принадлежности к соответствующему классу входного образа Х( поданного на вход НС.

____Таблица 4

Балл Словесное описание Степень принадлежности, ц(гк)

0 отсутствует 0

1 о ^ § о «> 3 Е § я и 3 я 0,2

2 0,3

3 0,4

4 0,6

5 V * I 0,7

6 0,8

7 Ярко выраженный 1

Полученное нечеткое множество А можно представить в следующем

виде:

А =

¿к

т

где - степень принадлежности входного образа к элементу шкалы

интенсивности показателей вкуса гк.

А =

V0,2 + 2/о,3 + 3/о,4 + 4/о,6 + 5/о,7 + 6/о,8 + Ц™ В приведенном выражении знак «+» обозначает символ объединения.

Характеристиками такого множества будут являться: высота - 1 (множество является нормальным), носители: {2,3,4,5,6,7}, точка перехода - между 3 и 4.

Графическое представление нечеткого множества А приведено рисунке 3.

Рис.3. Графическое представление нечеткого множества.

на

По результатам вычислений можно построить профиль вкуса исследуемого образца (рисунок 4):

сладкий

Рис. 4. Иллюстрация профиля вкуса исследуемого образца.

Получение оценки приемлемости вкуса исследуемого образца становится возможным, благодаря проведению кластерного анализа.

Количество кластеров определено заранее и их количество равно трем. Каждый из кластеров несет в себе информацию о годности выпускаемого продукта: годен, условно годен, брак. Предварительные центры кластеров (точки в 5-мерном пространстве, вокруг которых сконцентрированы соответствующие объекты) обозначим через = {^¡1- ^¡г> Щз. Их значения приведены в таблице 5: _____ _Таблица 5

Название Показатели вкуса

кластера Сладкий, 17ц Соленый, г КИСЛЫЙ, Р;3 ГорЬКИЙ, Послевкусие, Рц

Годен 6 1 1 2 6

Усл. годен 5 2 3 4 4

Брак 3 3 5 5 2

Для решения задачи кластеризации был выбран метод к-средней. Согласно выбранному методу результат сводится к нахождению таких координат центров кластеров, V = (у^ V*, которые обеспечат минимум следующего критерия:

Результаты расчетов были получены с помощью пакета прикладных программ МайаЪ и приведены в таблице 6:

Таблица 6

Название Показатели вкуса

кластера Сладкий, ¡>ц Соленый, Кислый, Vi3 Горький, Послевкусие, v¡5

Годен 6 1 1 3 5

Усл. годен 4 2 2 4 3

Брак 3 3 4 5 1

Для реализации выдачи управляющего воздействия на исполнительные механизмы технологической линии был составлен перечень основных параметров по которым осуществляется корректировка показателей вкуса (таблица 7).

Таблица 7

Корректирующий параметр Показатели вкуса

Сладкий Горький Послевкусие

Превыш. Заниж. Превыш. Заниж. Превыш. Заниж.

Количество сахара Уменьшить уставку Увеличить уставку

Время уваривания помадного сиропа Уменьшить уставку Увеличить уставку

Температура помадного сиропа Уменьшить уставку Увеличить уставку

Количество коньяка Уменьшить уставку Увеличить уставку

Количество спирта Уменьшить уставку Увеличить уставку

Вязкость шоколадной Уменьшить уставку Увеличить уставку

Количество ароматизатора Уменьшить уставку Увеличить уставку

При отклонении параметра, полученного профиля вкуса, от эталонного происходит согласно классификации изменение уставки корректирующего параметра в пределах допустимого диапазона. Непосредственное воздействие на исполнительный механизм осуществляется посредством передачи команды контроллера с учетом скорректированной уставки. Корректировка параметров технологического процесса по показателям: «соленый» и «кислый» не производится в связи с недостаточной изученностью зависимостей между технологическими параметрами и этими показателями вкуса.

В четвертой главе разработана структура ПАК автоматического контроля показателей вкуса шоколадных батончиков с помадно-сливочной начинкой. Подобран комплекс технических средств для физической реализации ПАК. Разработан алгоритм работы комплекса для всех

элементов структуры. Разработаны интерфейсы пользователя для ввода данных в систему и аналитической обработки полученных результатов.

Разработанная структура ПАК контроля показателей вкуса шоколадных батончиков с помадно-сливочной начинкой позволяет реализовать функции присущие автоматизированным системам управления (рисунок 5), которые позволяют выполнить необходимые условия для корректной работы, разработанной и проверенной в экспериментальных условиях НСМ.

Г*

Объект управления

I-

Устройства сбора данйьм

Устройства управления

Средства хранения информации

Средства Средства Средства

Оператор отображения нейросетеаого конвертирования'

информации моделирования протоколов

Рис.5. Замкнутый контур системы управления.

Анализируемые НСМ данные должны быть получены непосредственно от объекта управления в автоматическом режиме с заранее заданным алгоритмом. Так как функционирование модели выполняется не в режиме реального времени, а по запросу пользователя, либо же по заданному пользователем циклу, то данные полученные с объекта управления необходимо сохранять в систематизированном и структурированном виде. Выборка из хранилища данных подается на вход НСМ, которая реализуется посредством специального программного обеспечения, предназначенного для работы с аппаратом НС.

В разработанной структуре ПАК информационные потоки данных передаются по различным коммуникационным протоколам. Для обеспечения интеграции блоков ПАК требуется применение средств конвертирования протоколов. Вывод результатов работы программы, реализующей НСМ производится на АРМе пользователя и представляет собой специально разработанный пользовательский интерфейс. Управляющее воздействие на объект управления подается с устройства, которое имеет возможность принять и обработать информацию о полученных данных в результате расчета.

Для физической реализации разработанной структуры подобран комплекс технических средств, позволяющий реализовать все описанные функции применительно к автоматизированной линии по производству шоколадных батончиков с помадно-сливочной начинкой (рисунок 6). Объект управления.

Объектом управления будет являться технологический процесс производства шоколадных батончиков с помадно-сливочной начинкой. Устройства сбора данных.

В качестве микропроцессорных устройств снимающих информационные данные о значении технологических параметров процесса с датчиков используются программируемые логические контроллеры, предназначенные для построения систем автоматизации низкой и средней степени сложности. Информация о значениях показателей качества на протяжении технологического процесса заносится сотрудниками лаборатории посредством человеко-машинного интерфейса, который может быть реализован средствами SCADA-системы, либо с помощью стандартных программных пакетов, как например MS Excel с разработанным интерфейсом пользователя на языках программирования высокого уровня. Средства хранения информации.

Для хранения данных полученных от технологического процесса выбрана СУБД MS SQL SERVER. Она позволяет осуществить прием информационного потока как с программного логического контроллера, так и с практически любой SCADA-системы. Выбранная СУБД поддерживает протоколы взамодействия с базами данных, такие как ODBC и OLE DB, что повышает ее возможности интеграции с приложениями уровня автоматизированных систем управления производством. Средства конвертирования протоколов.

Наиболее широко применяемым средством обмена данными между программным обеспечением различных производителей является открытый протокол ОРС. В качестве конвертера протоколов было выбрано специализированное программное обеспечение, позволяющее без потери производительности преобразовывать информацию, полученную при помощи прямых SQL запросов к базе данных в данные формата ОРС. Средства нейросетевого моделирования.

В качестве средства нейросетевого моделирования был выбран пакет прикладных программ для решения задач технических вычислений, а так же интерактивная среда разработки алгоритмов и современный инструмент анализа данных Matlab. В состав пакета входит инструмент для синтеза, обучения и анализа НС Neural Network Toolbox. При помощи этого инструмента реализуется интеллектуальный модуль ПАК, позволяющий осуществить проектирование и функционирование НСМ типа многослойный персептрон, которая является ключевым элементом для автоматического контроля вкуса шоколадных изделий. Средства отображения информации.

Результаты полученные с помощью работы НСМ представляют набор последовательностей данных и не вызывают у пользователя никакого интереса. Для представления рассчитанной информации в удобном и понятном виде используется средства человеко-машинного интерфейса в виде SCADA-системы. Устройства управления.

Устройствами, осуществляющими выдачу управляющих воздействий на исполнительные механизмы технологической линии, являются модули вывода программируемых логических контроллеров. Информационный сигнал, поступающий от интеллектуального модуля нейросетевого моделирования, обрабатывается программой контроллера, вследствие чего выдается управляющее воздействие на конкретный исполнительный механизм и тем самым происходит корректировка технологического процесса в соответствии с рассчитанными данными.

Наряду с таким видом управления, возможна реализация более прозрачного, с точки зрения оператора, вида воздействия на технологический процесс. Информация о показателях вкуса готового изделия с помощью интерфейса пользователя становится доступной оператору линии как совокупность рекомендаций, следуя которым, оператор имеет возможность вмешаться в технологический процесс посредством человеко-машинного интерфейса с панели оператора, расположенной непосредственно на технологическом оборудовании.

Рис.6. Реализация ПАК.

Универсальность разработанной структуры и подобранные под нее технические средства автоматизации позволяют использовать разработанный ПАК для автоматического контроля вкуса других продуктов питания. Для этого потребуется проведение ряда экспериментальных работ по адаптации НСМ под конкретный вид продукции.

Разработан алгоритм работы комплекса в общем виде (рисунок 7), а также подробные алгоритмы для каждого из узлов в отдельности.

Ввод измеренных значений в лаборатории, а также вывод результатов работы НСМ реализованы с помощью разработанного человеко-машинного интерфейса.

Средствами разработки послужили SCADA-еистема, и как альтернативный, более бюджетный вариант формы MS Excel с поддержкой языка программирования VBA. Согласование функций, которые должна выполнять программа, было проведено с эксплуатационным персоналом. Разработанные экранные формы приведены на рисунке 8.

Рис.7. Обобщенный алгоритм работы ПАК. 23

Рис.8. Экранные формы человеко-машинного интерфейса.

Заключение и основные результаты работы.

• Проведен анализ, обобщение и систематизация направлений использования аппарата нейронных сетей в различных отраслях (пищевой) промышленности. Обоснованы наиболее перспективные направления автоматизации контроля вкуса кондитерских изделий на основе применения аппарата искусственных нейронных сетей. Сформулированы предложения для обеспечения широкого использования аппарата искусственных нейронных сетей.

• Разработаны методологические основы создания автоматизированной системы контроля показателей вкуса кондитерских изделий.

• Проведены экспериментальные исследования и проанализирован технологических процесс производства шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой) с целью разработки автоматизированной системы контроля показателей вкуса шоколадных изделии. Выявлены и проанализированы зависимости между измеряемыми в процессе производства шоколадных изделий параметрами и

показателями вкуса готового изделия. На основе исследования экспериментальных данных разработан классификатор измеряемых в процессе производства шоколадных изделий параметров с точки зрения способов обработки информации.

• Сформулирована математическая постановка задачи автоматизации контроля показателей вкуса шоколадных батончиков с помадно-сливочной начинкой.

• Разработана и оптимизирована нейросетевая модель принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности. Разработано и обосновано алгоритмическое и математическое обеспечение задачи автоматизации контроля показателей вкуса шоколадных изделий.

• Разработаны и апробированы метод и способ автоматического контроля показателей вкуса шоколадных изделий, основанный на работе нейросетевой модели.

• Спроектирована структура программно- аппаратного комплекса для автоматизации контроля показателей вкуса шоколадных изделий. Проведена экспериментальная проверка результатов исследования на экспериментальном и промышленном оборудовании линии по производству шоколадных батончиков с помадно - сливочной начинкой.

• На базе современного программного и аппаратного обеспечения разработаны технические решения и практические рекомендации по функционированию программно- аппаратного комплекса контроля показателей вкуса в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП.

• Результаты работы внедрены на ОАО «КК Бабаевский» (что подтверждается соответствующим актом), а также в учебном процессе ГОУ ВПО Московского государственного университета прикладной биотехнологии студентов специальности 220301 -«Автоматизация технологических процессов и производств».

Список работ, опубликованных по теме диссертации:

1. Шаверин A.B., Благовещенская М.М. Исследование возможностей современных автоматизированных технологических линий для построения интеллектуального модуля прогнозирования вкусовых качеств кондитерских масс // Сборник докладов V Юбилейной школы-конференции с международным участием «Высокоэффективные пищевые технологии, методы и средства для их реализации», М.: МГУПП, 2007. - с.391 -393;

2. Шаверин A.B., Благовещенская М.М. Создание программно-аппаратного комплекса для оценки показателей вкуса кондитерских изделий // Сборник докладов II Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», Звенигород, 2009. - с.58 - 60;

3. Шаверин A.B., Титова М.Е. Оценка показателей вкуса изделий пищевой биотехнологии на основе создания программно-аппаратного комплекса // Сборник докладов I Всероссийской студенческой научной конференции «Молодежная наука - пищевой промышленности», СевКавГТУ, 2009 - с. 122 - 123;

4. Шаверин A.B., Благовещенская М.М. Электронный дегустатор: Нейронные сети для определения органолептики продуктов питания И «Мясные технологии» №10 (82), «Отраслевые ведомости»,2009 -с.58-59;

5. Шаверин A.B., Благовещенская М.М. Применение нейронных сетей для определения вкусовых показателей шоколадных изделий // Сборник докладов II Испано-Российского форума по информационным и телекоммуникационным технологиям, Мадрид, 2009.

6. Шаверин A.B., Благовещенская М.М. Автоматизированная система интеллектуального контроля вкуса шоколадных изделий // «Хранение и переработка сельхозсырья» №11, «Пищевая промышленность», 2009 - с.55 - 57;

7. Шаверин A.B., Благовещенская М.М. Создание программно-аппаратного комплекса по прогнозированию вкуса кондитерских изделий // Сборник докладов международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», М.: МГУПБ, 2009. - с.207 - с.208;

8. Шаверин A.B., Благовещенская М.М. Исследование возможности построения интеллектуального модуля для прогнозирования вкусовых качеств кондитерских масс // Сборник докладов международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», М.: МГУПБ, 2009. - с.157 - с.159

Отпечатано в типографии ООО "Франтера" Подписано к печати 20.11.2009г. Формат 60x84/16. Бумага "Офсетная №1" вОг/м2. Печать трафаретная. Усл.печл. 1,63. Тираж 100. Заказ 315.

WWW.FRANTERA.RU

Список используемых сокращений.

ВВЕДЕНИЕ.

1. СОВРЕМЕННЫЕ МЕТОДЫ КОНТРОЛЯ ПОКАЗАТЕЛЕЙ ВКУСА ПРИ ПРОИЗВОДСТВЕ ШОКОЛАДНЫХ ИЗДЕЛИЙ.

1.1. Анализ технологического процесса производства шоколадных батончиков с помадно-сливочной начинкой как объекта управления.

1.1.1. Характеристика стадий и материальных потоков технологического процесса производства шоколадных батончиков с помадно-сливочной начинкой. Требования при создании системы контроля вкуса.

1.1.2. Анализ влияния состояния сырья и полуфабрикатов шоколадных батончиков с помадно-сливочной начинкой на вкус готового изделия.

1.1.3. Исследование и анализ технологического процесса производства шоколадных батончиков с помадно-сливочной, влияние схем их формирования на вкус готового изделия.

1.2. Методы органолептического контроля показателей вкуса шоколадных изделий.

1.2.1. Место органолептического контроля в производственном цикле изготовления шоколадных изделий.

1.2.2. Подготовительные операции органолептического контроля.

1.2.3. Методы проведения органолептического контроля.

1.2.4. Недостатки органолептического контроля.

1.3. Обзор и анализ основных инструментальные методов и средств оценки вкуса пищевых изделий.

С целью выбора подхода к решению задачи автоматизации контроля показателей вкуса шоколадных изделий в диссертационной работе проведен обзор и анализ методов, используемых при решении аналогичных задач в различных отраслях промышленности.

1.3.1. Применение методов газо-жидкостной хроматографии.

1.3.2. Использование пьезорезонансных сенсоров.

1.3.3. Электронный язык.

1.4. Исследование возможностей применения нейросетевых технологий для оценки вкуса шоколадных изделий на производстве.

1.4.1. Анализ сфер применения нейросетевых технологий на уровне технологических процессов.

1.4.2. Возможность применения нейросетевых технологий для оценки вкуса шоколадных изделий на производстве.

1.5. Задачи исследования.

2. МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА ЗАДАНИИ КОНТРОЛЯ ВКУСА ГОТОВОГО ИЗДЕЛИЯ ПРИ ПРОИЗВОДСТВЕ ШОКОЛАДНЫХ БАТОНЧИКОВ С ПОМАДНО-СЛИВОЧНОЙ НАЧИНКОЙ.

2.1. Содержательная постановка задачи контроля вкуса готового кондитерского изделия.

2.2. Математическая постановка задачи контроля вкуса готового изделия.

2.3. Формулировка основных этапов решения задачи контроля вкуса готового изделия.

2.4. Разработка технических решений для реализации программно-аппаратного комплекса контроля вкуса шоколадных изделий.

2.5. Выводы.

3. РАЗРАБОТКА НЕЙРОСЕТЕВОЙ МОДЕЛИ ОЦЕНКИ ВКУСА ШОКОЛАДНЫХ БАТОНЧИКОВ С ПОМАДНО-СЛИВОЧНОЙ НАЧИНКОЙ

3.1. Выявление контрольных точек для составления оптимальной выборки входных параметров нейросетевой модели.

3.1.1. Анализ измеряемых технологических параметров в процессе изготовления шоколадных батончиков с помадно-сливочной начинкой.

3.1.2. Анализ измеряемых показателей качества в процессе изготовления шоколадных батончиков с помадно-сливочной начинкой.

3.1.3. Формирование оптимальной выборки входных параметров нейронной сети.

3.2. Подбор архитектуры нейронной сети и алгоритма обучения для реализации нейросетевой модели.

3.2.1. Классификация нейронных сетей.

3.2.2. Анализ возможности применения нейронных сетей различных типов для решения задачи контроля вкуса шоколадных изделий.

3.2.3. Подбор количества слоев и количества нейронов каждого слоя нейронной сети.

3.2.4. Подбор алгоритма и проведение обучения нейронной сети.

3.3. Анализ работоспособности нейросетевой модели.

3.4. Формализация результатов моделирования.

3.5. Выводы.

4. РАЗРАБОТКА ТЕХНИЧЕСКИХ РЕШЕНИЙ ДЛЯ РЕАЛИЗАЦИИ ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА КОНТРОЛЯ ВКУСА ШОКОЛАДНЫХ ИЗДЕЛИЙ.

4.1. Разработка структуры и описание функций программно-аппаратного комплекса контроля вкуса шоколадных изделий.

4.2. Подбор технических средств для физической реализации программно-аппаратного комплекса контроля вкуса шоколадных изделий.

4.3. Разработка алгоритма работы интеллектуального программного модуля оценки вкуса шоколадных изделий.

4.4. Разработка интерфейса пользователя ввода данных и аналитической обработки полученных результатов.

4.5. Выводы.

Актуальность темы

Обеспечение населения Российской Федерации качественными, разнообразными отечественными продуктами питания является приоритетной социально- экономической проблемой. Решение этой проблемы тесно связано с широкой автоматизацией технологических процессов, внедрением новых информационных технологий, появлением необходимых средств контроля для реализации автоматизированных систем управления, проведением организационно-технических мероприятий, способствующих улучшению качества и увеличению ассортимента выпускаемых пищевых продуктов.

Среди многих отраслей пищевой промышленности важнейшее место принадлежит кондитерской. Шоколадные изделия необычайно сложны по своему составу и обладают комплексом различных свойств, которые составляют в совокупности качество продукции. Одними из важнейших критериев качества являются органолептические показатели. Первое, на что обращает внимание потребитель — это форма, цвет и вкус изделия. Одно из основных направлений развития кондитерской промышленности связано с автоматизацией контроля органолептических показателей качества готовых изделий. Существующие в настоящее время методы оценки качества кондитерской продукции субъективны и далеки от совершенства. Так, в настоящее время основным заключающим фактором о вкусе готового кондитерского изделия является оценка дегустационной комиссии. За отсутствием профессиональных дегустаторов, а также вследствие несоблюдения на большинстве кондитерских предприятиях условий проведения дегустаций, такая оценка может зачастую давать необъективные показания о вкусе изделия. Назрела необходимость повышения объективности контроля вкуса готовой кондитерской продукции, за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс и создания на их базе автоматизированной системы контроля.

Изложенное позволяет сделать вывод об актуальности темы диссертационной работы «Автоматизация контроля показателей вкуса готовых шоколадных изделий», имеющей важное народнохозяйственное значение.

Успешное решение этой задачи при минимальных затратах на подготовку и проведение анализов становится возможным, благодаря внедрению в производственный процесс разработанного автоматизированного программно-аппаратного комплекса (ПАК) контроля вкусовых показателей шоколадных изделий, в основе алгоритма работы которого заложена нейросетевая модель (НСМ). Функционирование НСМ базируется на применении аппарата искусственных нейронных сетей (НС), который является одним из направлений развития теории искусственного интеллекта. Модель НС состоит из одного или нескольких слоев искусственных нейронов, которые имитируют работу своих биологических аналогов (нервных клеток).

Базовыми элементами автоматизированного ПАК являются:

• микропроцессорные устройства сбора, обработки и передачи информации (входят в состав автоматизированной системы управления технологическим процессом (АСУ ТП));

• человеко-машинный интерфейс, позволяющий осуществлять обмен данными между оператором и микропроцессорным устройством;

• система управления базами данных (СУБД);

• программное обеспечение, в основе алгоритма которого заложена НСМ;

• шлюзовое программное обеспечение (позволяет осуществлять сбор, преобразование и передачу данных между различными коммуникационными протоколами).

Реализация ПАК позволит автоматически контролировать вкус выпускаемой кондитерской продукции на пригодность. Использование системы автоматизированного контроля вкуса уменьшит влияние человеческого фактора на объективность анализа, а также сократит производственный цикл выпуска шоколадных изделий, исключив стадию органолептической оценки вкуса.

Цель и задачи исследования.

Целью настоящей работы является повышение эффективности кондитерского производства и качества готовой продукции за счет разработки научной концепции и методологии создания автоматизированной системы контроля показателей вкуса шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой).

Для достижения цели были поставлены и решены следующие задачи исследований:

• проведение анализа, обобщение и систематизация направлений использования аппарата НС в различных отраслях (в том числе пищевой) промышленности;

• научное обоснование и разработка методологических основ создания автоматизированной системы контроля показателей вкуса кондитерских изделий;

• проведение экспериментальных исследований и анализа технологического процесса производства шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой) с целью разработки метода автоматизации контроля показателей вкуса; выявление и анализ зависимостей между измеряемыми в процессе производства шоколадных изделий параметрами и показателями вкуса готового изделия;

• проведение анализа и классификация градаций вкуса шоколадных изделий на основе исследования экспериментальных данных по контролируемым параметрам этого процесса;

• разработка и обоснование алгоритмического и математического обеспечения задачи автоматизации контроля показателей вкуса шоколадных изделий;

• разработка оптимальной НСМ принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности;

• проектирование и апробация структуры ПАК контроля показателей вкуса шоколадных изделий;

• разработка архитектуры реализующей комплекс автоматизированной системы контроля показателей вкуса шоколадных изделий с использованием НСМ принятия решений;

• разработка на базе современного программного и аппаратного обеспечения технических решений АСУ ТП для реализации предложенного метода контроля показателей вкуса шоколадных изделий.

Объекты и методы исследования.

Объектом исследования является поточная технологическая линия по производству шоколадных батончиков с помадно-сливочной начинкой, функционирующая на производстве ОАО Кондитерский Концерн «Бабаевский» (типовая линия производства шоколадных изделий).

Предмет исследования составила совокупность теоретических, методологических и практических задач, связанных с автоматизацией контроля показателей вкуса шоколадных изделий. Были исследованы модели, методы, средства и способы контроля показателей вкуса готовых изделий по результатам значений различных наиболее информативных технологических параметров, а также основных показателей качества сырья и полуфабрикатов, измеренных в процессе производства шоколадных батончиков.

При проведении теоретических и экспериментальных исследований использованы основные положения теории автоматического управления, математического моделирования, нейронных сетей; элементы теории принятия решений; методы системного анализа; теории нечетких множеств, методы математической статистики и сенсорной оценки.

Научная новизна работы.

В результате теоретического анализа и экспериментальных расчетов обоснованы наиболее перспективные направления автоматизации контроля вкуса кондитерских изделий на основе применения аппарата искусственных нейронных сетей.

Разработаны методологические основы создания автоматизированной системы контроля показателей вкуса кондитерских изделий.

Разработаны теоретические основы общего подхода к автоматизации контроля показателей вкуса готовых шоколадных изделия, в частности впервые разработаны:

• метод автоматизации контроля показателей вкуса шоколадных изделий;

• способ автоматического контроля показателей вкуса шоколадных изделий, основанный на работе НСМ.

• оптимальная НСМ принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности;

• классификатор измеряемых в процессе производства шоколадных изделий параметров с точки зрения автоматизации обработки информации;

• алгоритмическое и математическое обеспечения задачи автоматизации контроля показателей вкуса шоколадных изделий;

• методика и алгоритм проектирования архитектуры комплекса автоматизированной системы контроля показателей вкуса шоколадных изделии с использованием НСМ принятия решений;

• структура ПАК, реализующего способ автоматического контроля показателей вкуса шоколадных изделий.

Практическая ценность работы состоит в возможности автоматизации контроля показателей вкуса шоколадных изделий на основе НСМ для создания АСУ ТП в кондитерской промышленности.

Основные позиции, определяющие практическую ценность работы, заключаются в следующем:

• Создана и апробирована методика автоматического контроля показателей вкуса шоколадных изделий в режиме реального времени.

• Разработано и обосновано математическое и алгоритмическое обеспечение задач автоматизации контроля показателей вкуса шоколадных изделий.

• Сформулированы предложения для обеспечения широкого использования в пищевой промышленности аппарата искусственных нейронных сетей (НС), который является одним из направлений развития теории искусственного интеллекта.

• Даны рекомендации по созданию автоматизированного ПАК для контроля вкусовых показателей шоколадных изделий с использованием НСМ. Данная разработка позволит контролировать вкусовые показатели шоколадных изделий.

• Применен и апробирован разработанный способ автоматического контроля показателей вкуса шоколадных изделий, на примере шоколадных батончиков с помадно-сливочной начинкой;

• Создана структура функционирования ПАК контроля показателей вкуса в автоматическом режиме с использованием комплекса в автоматизированных технологических линиях кондитерских предприятий;

• Даны рекомендации по подбору технических средств автоматизации ПАК контроля показателей вкуса с возможностью интеграции его в АСУ ТП.

Результаты, полученные в процессе выполнения диссертационной работы, были использованы при проведении научных исследований по заданиям Министерства образования и науки Российской Федерации, Федерального агентства по образованию:

• по проекту «Снижение риска получения некачественной продукции за счет научно-обоснованных методов, приборов и систем автоматического контроля безопасности сырья, полуфабрикатов и готовых продуктов питания» аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» (код ГРНТИ — 65.01.85, регистрационный номер - 7242).

• по проекту «Организация и проведение научно-методической конференции по проблемам комплексной автоматизации и управления производственными процессами для обеспечения выпуска продукции заданного уровня качества на пищевых предприятиях города Москвы»

Апробация работы.

Основные положения диссертационной работы были обсуждены и одобрены на:

• V-ой Юбилейной школе-конференции с международным участием «Высокоэффективные пищевые технологии, методы и средства для их реализации» (г. Москва), МГУ1111, 2007;

• П-ой Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», 2009;

• 1-ой Всероссийской студенческой научной конференции «Молодежная наука - пищевой промышленности», СевКавГТУ, 2009;

• электронной научной конференции на основе Интернет-форума, научно-информационного издательского центра и редакции журнала «В мире науки», 2009;

• семинаре «Интенсификация и автоматизация технологических процессов обработки пищевых продуктов» под руководством академика И.А. Рогова, МГУПБ, 2009;

• IX -ой Всероссийской выставке научно-технического творчества молодежи «НТТМ-2009»;

• И-ом Испанско- Российском Форуме по информационным и коммуникационным технологиям, Мадрид, 21 - 25 сентября 2009; • Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания»,МГУПБ, 2009

Полученные в рамках настоящего исследования научные и практические результаты внедрены в учебный процесс кафедры «Автоматизация биотехнических систем» ГОУ ВПО Московского государственного университета прикладной биотехнологии для студентов направлений «Автоматика и управление» и «Управление и информатика в технических системах», а также специальности «Автоматизация технологических процессов и производств» по следующим дисциплинам: «Моделирование систем», «Технические средства автоматизации» и «Проектирование автоматизированных систем» о чем свидетельствуют соответствующие акты внедрения.

Проект «Программно-аппаратный комплекс автоматической оценки вкуса шоколадных изделий» стал финалистом отборочного тура конкурса по программе «У.М.Н.И.К.», а также награжден дипломом I степени по итогам Всероссийской выставки научно-технического творчества молодежи «НТТМ-2009».

Получена грамота за проект - победитель «Автоматизация контроля вкуса готовой продукции» конкурса 2009г. ассоциации «Университетский комплекс прикладной биотехнологии»

Разработанная, как часть ПАК, система расчета и регистрации показателей качества кондитерских изделий внедрена и введена в эксплуатацию в конфетном цехе ОАО «КК Бабаевский» о чем свидетельствует соответствующий акт ввода в эксплуатацию.

По итогам работы подготовлены две заявки на изобретения.

Публикации.

По теме диссертационной работы опубликовано 8 печатных работ.

Структура и объем работы.

Диссертационная работа состоит из введения, 4 глав, заключения, списка используемой литературы (113 источников) и приложений. Работа изложена на 125 страницах машинописного текста, содержит 21 рисунок, 9 таблиц, 2 приложения.

ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Проведен анализ, обобщение и систематизация направлений использования аппарата НС в различных отраслях (пищевой) промышленности. Обоснованы наиболее перспективные направления автоматизации контроля вкуса кондитерских изделий на основе применения аппарата искусственных НС. Сформулированы предложения для обеспечения широкого использования аппарата искусственных НС. Разработаны методологические основы создания автоматизированной системы контроля показателей вкуса кондитерских изделий. Проведены экспериментальные исследования и проанализирован технологических процесс производства шоколадных изделий (на примере линии по производству шоколадных батончиков с помадно-сливочной начинкой) с целью разработки автоматизированной системы контроля показателей вкуса шоколадных изделии. Выявлены и проанализированы зависимости между измеряемыми в процессе производства шоколадных изделий параметрами и показателями вкуса готового изделия. На основе исследования экспериментальных данных разработан классификатор измеряемых в процессе производства шоколадных изделий параметров с точки зрения способов обработки информации.

Сформулирована математическая постановка задачи автоматизации контроля показателей вкуса шоколадных батончиков с помадно-сливочной начинкой.

Разработана и оптимизирована НСМ принятия решений о вкусе шоколадных изделий в условиях последовательной и параллельной обработки данных от произвольного числа информационных источников и влияния неопределенности. Разработано и обосновано алгоритмическое и математическое обеспечение задачи автоматизации контроля показателей вкуса шоколадных изделий.

Разработаны и апробированы метод и способ автоматического контроля показателей вкуса шоколадных изделий, основанный на работе НСМ. Спроектирована структура ПАК для автоматизации контроля показателей вкуса шоколадных изделий. Проведена экспериментальная проверка результатов исследования на экспериментальном и промышленном оборудовании линии по производству шоколадных батончиков с помадно — сливочной начинкой.

На базе современного программного и аппаратного обеспечения разработаны технические решения и практические рекомендации по функционированию программно- аппаратного комплекса контроля показателей вкуса в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП. Результаты работы внедрены на ОАО «КК Бабаевский» (что подтверждается соответствующим актом), а также в учебном процессе ГОУ ВПО Московского государственного университета прикладной биотехнологии студентов специальности 220301 - «Автоматизация технологических процессов и производств».

1. Аверин А.Н. Нечеткие множества в моделях управления и искусственного интеллекта-М.: Наука, 1986.

2. Ануфриев И., Смирнов А., Смирнова Е. MATLAB 7.0 в подлиннике -Новая техническая книга, 2005.

3. Андреев Е. SCADA-системы: взгляд изнутри М.: Москва, 2004.

4. Баффингтон Р., Уилсон М. Детекторы для газовой хроматографии. М.: Мир, 1993.

5. Бергер Г. Автоматизация посредством STEP 7 с использованием STL и SCL и программируемых контроллеров SIMATIC S7-300/400 Siemens, 2001.

6. Бойерл Х.-П., Бах-Беценар Г. Коммуникация в технике автоматизации — Siemens, 1991.

7. Боровко О.Г. Контроль качества кондитерских товаров в торговле. — М.: Экономика, 1984.

8. Бутковский А.Г. Методы управления в системах с распределенными параметрами. М.: Наука, 1975.

9. Галушкин А.И. Теория нейронных сетей. Книга 1. М.: ИПРЖР, 2000.

10. Ю.Гитис JI.X. Кластерный анализ в задачах классификации, оптимизации ипрогнозирования. М.: Издательство Московского государственного университета, 2001.

11. П.Гришин В.Г. Образный анализ экспериментальных данных. М.: Наука, 1982.

12. Герасимова И.В., Новикова Н.В., Карушева Н.В. Основы кондитерского производства-М.: Колос, 1996.

13. Грень А.И., Высоцкая JI.E., Михайлова Т.В. Химия вкуса и запаха мясных продуктов. Киев: Наук, думка, 1985.

14. М.Горбань А.Н. Обучение нейронных сетей. -М.: СП "ParaGraph", 1990.

15. ГОСТ 6534-89 «Шоколад. Общие технические условия»;

16. Г0СТ Р ИСО 3972-2005 «Органолептический анализ. Методология. Метод исследования вкусовой чувствительности».

17. Денисенко В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. -М.: Горячая линия-телеком, 2009.

18. Дикий Б.Ф. Автоматический контроль состава и свойств пищевых продуктов М.: Пищевая промышленность, 1968.

19. Дорф Р., Бишоп Р. Современные системы управления: Перевод с английского Лаборатория базовых знаний, 2002.

20. Дудников Е.Г., Балакирев B.C., Кривсунов В.Н., Цирлин A.M. Построение математических моделей химико-технологических объектов. -Л.: Химия, 1970.

21. Драгилев А.И. Оборудование для производства сахарных кондитерских изделий. Учебник для Вузов. М., ИРПО, Академия. 2000.

22. Драгилев А. И., Осташенкова Н. В., Войно Л. И. Шоколад, пралине (сырье, технология, оборудование, технохимический и микробиологический контроль). -М.: ДеЛи принт, 2007.

23. Дюран Б., Оделл П. Кластерный анализ. -М.: Статистика, 1976.

24. Дьяконов В.П., Круглов В.А. Математические пакеты расширения MATLAB. Специальный справочник. СПб: Питер. 2001.

25. Дьяконов В.П. Matlab 6.5 SP1/7 + Simulink 5/6 в математике и моделировании -М,: СОЛОН-Пресс, 2005.

26. Ежов A.C., Шумский С.С. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: Мир, 1998.

27. Жарикова Г.Г., Кондакова И.А., Леонова И.Б. Оценка качества кондитерских изделий по органолептическим показателям. — М.: АгроНИИТЭПП, 1995.

28. Жамбю М. Иерархический кластер анализ и соответствия. - М.: Финансы и статистика, 1988.29.3убченко A.B. Технология кондитерского производства Воронеж, 1999.

29. ЗО.Зубченко A.B. Влияние физико-химических процессов на качество кондитерских изделий. -М.: Агропродмаш, 1986.

30. Иглин С.П. Теория вероятностей и математическая статистика на базе MATLAB Харьков: Издательство НТУ "ХПИ", 2006.

31. Калач A.B., Коренман Я.И., Нифталиев С.И. Искусственные нейронные сети вчера, сегодня, завтра. Воронеж: ВГТА, 2002.

32. Катралл Р.В. Химические сенсоры, М.: Научный мир, 2000.

33. Кафка Б.В. Техно-химический контроль кондитерского производства — М.: Пищепромиздат, 1956.

34. Карпин Е.Б Автоматизация технологических процессов пищевых производств-М.: Агропромиздат, 1985.

35. Каллан Р. Основные концепции нейронных сетей. М.: Издательский дом "Вильяме", 2003.

36. Кантере В.М., Матисон В.А., Фоменко М.А. Сенсорный анализ продуктов питания. М.: Типография РАСХН, 2003.

37. Клюев A.C., Глазов Б.В., Дубровский А.Х., Клюев A.A. Проектирование систем автоматизации технологических процессов — М.: Энергоатомиздат, 1990.

38. Кокашинский Г.Р. Производство шоколадных изделий М.: Пищевая промышленность, 1966.

39. Коротнев В.Д., Винничек Л.Б., Кочетова Г.Н. и др. Организация и управление производством М.: КолосС, 2005.

40. Кохонен Т. Ассоциативные запоминающие устройства. М.: Мир, 1982.

41. Кондрашов В., Королев С. Matlab как система программирования научно-технических расчетов М.: Мир, 2002.

42. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи М.: Горячая линия-телеком, 2003.

43. Комашинский В.И., Смирнов Д.А. Введение нейро-информационные технологии СПб.: Тема, 1999.

44. Круглов В.В., Борисов H.H. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001.

45. Круглов В.В., Дли М.И., Голусов Р.Ю. Нечеткая логика и искусственные нейронные сети. — М.: Издательство физико-математической литературы, 2001.

46. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика-М.: Горячая линия-телеком, 2001.

47. Камман К. Работа с ионоселективными электродами. М.: Мир, 1980.

48. Кучменко Т.А. Применение метода пьезокварцевого микровзвешивания в аналитической химии. Воронеж: изд. ВГТА, 2001.

49. Лурье И.С. Технохимический контроль сырья в кондитерском производстве. Справочник. -М.: агропромиздат, 1987.

50. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH.- СПб.: БХВ Петербург, 2003.

51. Миллер Д. Магическое число семь, плюс или минус два. В кн.: Инженерная психология. М, 1964.

52. Минифай Б. Шоколад, конфеты, карамель и другие кондитерские изделия. М.: Профессия, 2005.

53. Миттаг Х.И., Ринне X. Статистические методы обеспечения качества -М.: Машиностроение, 1995.

54. Мишель Ж. Программируемые контроллеры. Архитектура и применение1. М.: Машиностроение, 1992.

55. Мкртчян С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) — М.: Энергия, 1971.

56. Минский И.И., Пейперт С. Перцептроны. М.: Мир, 1971.

57. Медведев B.C., Потемкин В.Г. «Нейронные сети. MATLAB 6» М.: Диалог-МИФИ, 2002.

58. Мандель Н.Д. Кластерный анализ. -М.: Финансы и статистика, 1988.

59. Малов В.В. Пьзорезонансные датчики. М.: Энергоатомиздат, 1989.

60. Нестеров A.JI. Проектирование АСУТП. Методическое пособие. Книга 1- СПб.: Деан, 2006.

61. Парр Э. Программируемые контроллеры. Руководство для инженера -М.: Бином. Лаборатория знаний, 2007.

62. Петрову И.К. Технологические измерения и приборы в пищевой промышленности. -М.: Агропромиздат, 1985.

63. Петров И.В. Программируемые контроллеры. Стандартные языки и инструменты. М.: Солон-Пресс, 2003.

64. Поршнев C.B. MATLAB 7. Основы работы и программирования. Учебник

65. М.: "Бином. Лаборатория знаний", 2006г.

66. Позняковский В.М. Кондитерские изделия. Практическое учебное пособие. Кемерово: КТИПП, 1999.

67. Потемкин В.Г. Система MATLAB. Справочное пособие М.: Диалог-МИФИ, 1997.71 .Прикладные нечеткие системы. / Под ред. Т. Тэрано, К. Асаи, М. Сученко. М.: Мир, 1993.

68. Потемкин В.Г. Вычисления в среде MATLAB M.: Диалог-МИФИ. 2004.

69. Родина Т.Г., Вукс Г.А. Дегустационный анализ продуктов. — М.: Колос, 1994.

70. Розонова С.С. Классификационная проблема в современной науке -Новосибирск: Наука, 1986.

71. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы — М.: Горячая линия-телеком, 2006.

72. Сакодынский К.И., Бражников В.В., Волков С.А. и др. Аналитическая хроматография М.: Химия, 1993.

73. Сафронова Т.М. Справочник дегустатора рыбной продукции — М.: ВНИРО, 1998.

74. Смагин А.Г., Ярославский М.И. Пьезоэлектричество кварца и кварцевые резонаторы -М.: Энергия, 1970.

75. Скуратовская О.Д. Контроль качества продукции физико-химическими методами. Сахар и сахарные кондитерские изделия М.:ДелиПринт, 2005.

76. Сокал P.P. Кластер анализ и классификация: основные направления М., 1980.

77. Семененко М. Введение в математическое моделирование Солон-Р, 2002.

78. Суровцев И.С., Клюкин В.И., Пивоварова Р.П. Нейронные сети. -Воронеж: ВГУ, 1994.

79. Терехов В.А., Ефимов Д. В., Тюкин И.Ю. Нейросетевые системы управления. Уч. Пособие для вузов. -М.: Высшая школа, 2002.

80. Тэрано Т., Асаи К., Сугэно М. М.: Мир, 1993.

81. Уоссерман Ф. Нейрокомпьютерная техника: теория и практика. — М.: Мир, 1992.

82. Штовба С.Д. Проектирование нечетких систем средствами MATLAB — М.: Горячая Линия Телеком, 2007 г.

83. Шаповалова E.H., Пирогов A.B. Хроматографические методы анализа. -М.: МГУ, 2007.

84. Фатхутдинов P.A. Организация производства-М.: ИНФРА-М, 2000.

85. Федоров Ю.Н.Справочник инженера по АСУТП: Проектирование и разработка-М.: Инфра-Инженерия, 2008.

86. Черных И. Simulink: среда создания инженерных приложений -М.:Диалог-МИФИ, 2003.9 ¡.Царев И.Н., Царев В.И., Катраков И.Б. Практическая газовая хроматография. Барнаул: АтлГУ, 2000.

87. Хайвер К. Высокоэффективная газовая хроматография —М.: Мир, 1993.

88. Экспертиза качества кондитерских изделий. Методическое руководство — М., 2000.

89. Beckett S.T. Science of chocolate. RSCPublishing, 2008.

90. Gardner J., Bartlett P. Electronic Noses: Principles and Applications Oxford University Press, 1998.

91. Garcia L.A., Arguesso F., Garcia A.I., Diaz M. Application of neural networks for controlling and predicting quality parameters in beer fermentation Journal of industrial microbiology, 1995.

92. Garner W.R., Hake H.W., Eriksen C.W. Operationism and the concept of perception. Psychol.Rev, 1956.

93. Haykin S., Neural networks a Comprehensive Foundation, Second Edition -' Prentice Hall, Inc., 1999.

94. Kohonen Т., "Self-Organizing Maps", Springer, 1995

95. Kohonen Т., "Self-Organizing Maps"(2-nd edition), Springer, 1997.

96. Kohonen Т., Huang T.S., Schroeder M.R. "Self-Organizing Maps"(Third edition), Springer, 2003.

97. Mahnke W OPC Unified Architecture Springer-Verlag, 2009.

98. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D'Amico A. Sensors and Actuators B, 1999.

99. Legin A., Rudnitskaya A., Vlasov Yu. In: Integrated Analytical Systems, Comprehensive Analytical Chemistry. V. XXXIX. Ed. S. Alegret. Amsterdam: Elsevier, 2003.

100. Newton D. E. Food Chemestry Facts On File, Inc., 2007.

101. Swingler K. Applying Neural Networks. A Practical Guide Morgan Kaufman Publishers.

102. Sun D.W. Modern Techniques for food authentication Academic Press, 2008.

103. Principe J. Euliano N. Lefebvre C. Neural and Adaptive Systems. Fundamentals through Simulation John Wiley & Sons.

104. Trion R.G. Cluster-analysis L.: Ann Arbor Edwards Bros., 1939.

105. Wong M.A. A hybrid clustering method for identifying hign JASA, 1982.

106. Wilson C.I. Threapleton L. Application Of Artificial Intelligence For Predicting Beer Flavours From Chemical Analysis European Brewery Convention, from the Proceedings of the 29th EBC Congress -Dublin, 2003.

107. Zurada J. Introduction to Artificial Neural Systems West Publishing Company, 1994.