本技术提供一种豆制品发酵影响因素分析方法及系统,涉及食品安全检测技术领域,本发明在预设范围内设定多组关键参数,实时监测这些参数下的理化指标变化,包括单宁变化量、产酸能力、发酵速率和活性酶变化量,并构建理化指标预测模型,将关键参数作为输入进行训练,然后对发酵豆制品进行评估,以理化指标为输入训练感官评价指数预测模型,最后,以最大化感官评价指数为目标,通过遗传算法确定关键参数的最优组合,从而优化发酵工艺。本发明通过设定和实时调整关键发酵参数并结合理化指标监测与感官评价,实现了优化发酵过程和提升豆制品最终质量的目的。
背景技术
豆制品作为一种重要的食品类别,因其丰富的营养价值和多样化的风味,一直受到广泛关注。近年来,针对豆制品的发酵过程及其影响因素的研究和技术发展迅速,传统的豆制品发酵通常依赖于自然发酵或者使用特定的发酵菌种如乳酸菌、酵母来改善豆制品的风味和质地,这些方法在小规模手工生产中依然广泛应用,而现代技术的发展使得发酵过程更加可控和高效。自动化设备、精密控制系统和生物工程技术被引入到豆制品的发酵过程中。从简易的环境控制到复杂的生物过程控制,这些技术使得发酵过程更加稳定。
现有技术中的,公开号为CN103487398A公开了一种赖氨酸发酵液的分析方法,通过采集多个赖氨酸发酵液标准样品的近红外光谱图;分别获得所述多个标准样品中赖氨酸的含量、发酵菌种的OD值、还原糖的含量和氨基氮的含量;分别得到赖氨酸的含量、发酵菌种的OD值、还原糖的含量和氨基氮的含量与各自对应的近红外吸光度值的多元线性回归方程;计算得到所述赖氨酸发酵液待测样品中赖氨酸的含量、发酵菌种的OD值、还原糖的含量和氨基氮的含量。
现有技术不足:
首先,现有技术主要依赖于多元线性回归方程来预测赖氨酸发酵液中赖氨酸的含量、发酵菌种的OD值、还原糖的含量和氨基氮的含量。这种方法的不足在于,线性回归模型具有一定的局限性,其假设变量之间存在线性关系。但是在实际发酵过程中,多个影响因素之间可能存在复杂的非线性关系和交互作用,简单的线性回归模型难以准确捕捉和描述这些复杂关系,从而影响模型的预测精度和可靠性。
其次,现有技术中的多元线性回归模型需要基于大量的标准样品数据来建立,当发酵条件如温度、PH、搅拌速度等或环境条件发生变化时,模型的预测性能可能会降低,需要重新校准和调整。此外,这种方法不能有效处理发酵过程中的动态变化和噪声,对实时监测和优化有较高要求,这使得实际应用中可能面临调整困难、成本增加以及模型稳定性差等问题。
因此有必要提供一种豆制品发酵影响因素分析方法及系统来解决所述问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
实现思路