楊瑋，岳婷，曹薇，高煦堯，張文燕

（陜西科技大學(xué) 機(jī)電工程學(xué)院，陜西 西安710021）

食品冷鏈?zhǔn)侵敢赘称窂漠a(chǎn)地收購或捕撈之后，再進(jìn)行產(chǎn)品加工、貯藏、運(yùn)輸、分銷和零售直到消費(fèi)者手中，各個環(huán)節(jié)始終處于產(chǎn)品所必需的低溫環(huán)境下，以保證食品質(zhì)量安全，減少損耗，防止污染的特殊供應(yīng)鏈系統(tǒng)［1］.通過對陜西省豬肉市場現(xiàn)狀進(jìn)行分析發(fā)現(xiàn)，豬肉在生產(chǎn)到銷售的各個節(jié)點(diǎn)中，易腐爛的情況屢見不鮮［2］.為了最大程度地提供給顧客高品質(zhì)的豬肉產(chǎn)品，實(shí)現(xiàn)對豬肉冷鏈全程實(shí)時監(jiān)控和及時預(yù)警具有重要意義.本文采用BP（back propagation）神經(jīng)網(wǎng)絡(luò)的方法，分析豬肉冷鏈物流過程中的相關(guān)影響因素，并進(jìn)行環(huán)節(jié)安全預(yù)警.

1 豬肉冷鏈物流預(yù)警原理

1.1 基本原理

豬肉安全預(yù)警要實(shí)現(xiàn)其預(yù)防和控制功能，需要對整個供應(yīng)鏈中豬肉安全狀況信息進(jìn)行采集和匯總，經(jīng)過數(shù)據(jù)處理后進(jìn)行分析和評價，并預(yù)測豬肉安全趨勢的發(fā)展變化.豬肉預(yù)警的基本原理，如圖1所示.

圖1 豬肉安全預(yù)警基本原理Fig.1 Basic principle of pork safety warning

1.2 預(yù)警方法的提出

為提高豬肉安全預(yù)警的準(zhǔn)確性，將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于豬肉冷鏈物流安全預(yù)警系統(tǒng)中.BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入－輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程.它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小.影響豬肉安全的因素和變化機(jī)理在一些情況下是模糊的.由于神經(jīng)網(wǎng)絡(luò)算法在處理問題時，無需建立確定的數(shù)學(xué)模型，只需把已知的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)中，因此，在處理豬肉產(chǎn)品的安全預(yù)警問題時，具有一定優(yōu)勢.

2 豬肉安全預(yù)警模型的建立

2.1 指標(biāo)體系構(gòu)建的原則

指標(biāo)體系具有兩個特點(diǎn)：一是科學(xué)合理、具有操作性和可執(zhí)行性；二是全面、不重疊和指標(biāo)易于取得.要建立一套既科學(xué)又合理的評價指標(biāo)體系，就要考慮以下5個基本原則［3－4］：科學(xué)性原則、系統(tǒng)性原則、層次性原則、實(shí)用性原則和預(yù)見性原則.

2.2 預(yù)警指標(biāo)體系建立

通過對國家與地方標(biāo)準(zhǔn)的查閱［5－9］，以及對西安方欣集團(tuán)下屬的肉聯(lián)廠進(jìn)行調(diào)查和專家咨詢，將能夠合理取值的數(shù)據(jù)資料直接用作原始數(shù)據(jù)，不能獲得的指標(biāo)數(shù)據(jù)直接征詢專家意見和對現(xiàn)場調(diào)查進(jìn)行等級評價劃分.整個冷鏈涉及入廠候宰、屠宰加工、冷卻排酸、運(yùn)輸和銷售5個環(huán)節(jié).通過市場調(diào)研分析，確定了豬肉的29個安全指標(biāo)，再運(yùn)用層次分析法計算各個指標(biāo)權(quán)重因子，最后得出安全指標(biāo)及其權(quán)重，結(jié)果如表1所示.

表1 豬肉冷鏈物流安全指標(biāo)及其權(quán)重Tab.1 Pork cold chain safety indicators and their weights

2.3 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)警模型

BP神經(jīng)網(wǎng)絡(luò)的設(shè)計主要包括網(wǎng)絡(luò)層數(shù)、輸入層節(jié)點(diǎn)數(shù)、隱含層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)、傳輸函數(shù)、訓(xùn)練方法和訓(xùn)練參數(shù)的設(shè)置等［10］.對于豬肉預(yù)警系統(tǒng)采用三層BP神經(jīng)網(wǎng)絡(luò)模型，包括輸入層、隱含層和輸出層，如圖2所示.網(wǎng)絡(luò)的輸入是一個29維向量，即節(jié)點(diǎn)數(shù)為29個，每個節(jié)點(diǎn)通過權(quán)值矩陣ω與隱含層相連；隱含層由權(quán)值矩陣ω、偏置值向量b、累加器、傳輸函數(shù)f組成，節(jié)點(diǎn)數(shù)設(shè)置為9個；輸出層包含5類預(yù)警模式（A，B，C，D，E 類預(yù)警），即節(jié)點(diǎn)數(shù)為5個.網(wǎng)絡(luò)結(jié)構(gòu)采用29×9×5的3層結(jié)構(gòu).

傳輸函數(shù)選用常用的Sigmoid函數(shù)，使輸出結(jié)果在（0，1）之間.BP 網(wǎng)絡(luò)輸出端誤差為BP神經(jīng)網(wǎng)絡(luò)工具箱中的均方誤差（MSE），相應(yīng)表達(dá)式為

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)Fig.2 BP neural network model structure

式中：n為樣本數(shù)；pre為預(yù)測值；tru為真實(shí)值.

通過咨詢專家，將預(yù)測結(jié)果分為不同的警情等級結(jié)果［11］，如表2所示.

表2 警情等級劃分表Tab.2 Police intelligence classification table

2.4 預(yù)警指標(biāo)歸一化

為消除各指標(biāo)下數(shù)據(jù)間數(shù)量級的差距，避免因數(shù)量級不同而造成輸出結(jié)果誤差過大，需要對數(shù)據(jù)做歸一化處理，使所有數(shù)據(jù)取值范圍限定在（0，1）之間.

定性評價指標(biāo)歸一化處理，評判結(jié)果分5個等級：好、較好、一般、較差、差，對應(yīng)的評價值為0.30，0.25，0.20，0.15，0.10.文中采用最大最小值法，設(shè)x＝｛x1，1，…，xi，j，…｝，i＝1，…，15，j＝1，…，150，則正向指標(biāo)：數(shù)據(jù)大小與評價目標(biāo)同向變化，即指標(biāo)實(shí)際值xi，j越大，評價值pi，j越高，其歸一化公式為

負(fù)向指標(biāo)：數(shù)據(jù)大小與評價目標(biāo)反向變化，即指標(biāo)實(shí)際值xi，j越大，評價值pi，j越低，其歸一化公式為

文中數(shù)據(jù)資料主要來自西安方欣集團(tuán)，通過相關(guān)專家咨詢和現(xiàn)場調(diào)查獲取.以各個指標(biāo)的合理取值數(shù)據(jù)資料直接作為數(shù)據(jù)來源，對于不能直接獲得的指標(biāo)，則通過專家咨詢和現(xiàn)場調(diào)查給予不同等級的評價.共收集了200組數(shù)據(jù)、29項(xiàng)豬肉安全因素指標(biāo)的具體資料.

2.5 模型的訓(xùn)練及預(yù)測

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程就是不斷地對其權(quán)值和閾值做出調(diào)整，直到其達(dá)到輸出誤差值最小要求，以滿足實(shí)際應(yīng)用的需求.文中利用matlab神經(jīng)網(wǎng)絡(luò)工具箱中前向神經(jīng)網(wǎng)絡(luò)函數(shù)feedforwardnet創(chuàng)建BP網(wǎng)絡(luò)，使用Levenberg－Marquardt算法對應(yīng)的訓(xùn)練函數(shù)trainlm 進(jìn)行網(wǎng)絡(luò)訓(xùn)練，P和T分別為網(wǎng)絡(luò)輸入向量和目標(biāo)向量，程序代碼和參數(shù)設(shè)置為

net＝feedforwardnet（nHidden）；

net.trainFcn＝′trainlm′；

net.trainParam.show＝50；%每50輪顯示一次

net.trainParam.lr＝0.03；%學(xué)習(xí)速率為0.03

net.trainParam.epochs＝200；%最大訓(xùn)練輪回數(shù)為200

net.trainParam.goal＝0.000001；%目標(biāo)函數(shù)的誤差為0.000001

［net，tr］＝train（net，P′，T）；%訓(xùn)練網(wǎng)絡(luò)

Y＿train＝sim（net，P′）；%訓(xùn)練結(jié)果

3 仿真結(jié)果與可行性分析

BP神經(jīng)網(wǎng)絡(luò)采用有監(jiān)督的學(xué)習(xí)，用其解決具體問題時，首先需要一個訓(xùn)練數(shù)據(jù)集.通過MATLAB R2010a中自帶神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型.將200組數(shù)據(jù)中的190組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，其中40個樣本的訓(xùn)練結(jié)果對比圖，如圖3所示.由圖3可知：樣本的訓(xùn)練輸出曲線和期望輸出曲線能較好的擬合，具有較高的精準(zhǔn)性.

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.3 BP neural network training results

在建立的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，利用已訓(xùn)練好的網(wǎng)絡(luò)對剩余的10組數(shù)據(jù)集進(jìn)行測試，為了驗(yàn)證檢測模型的優(yōu)越性，采用兩種方法進(jìn)行對比，用以比較BP神經(jīng)網(wǎng)絡(luò)算法與回歸分析法的預(yù)測結(jié)果，如表3所示.表3中：誤差為相對誤差；測試代碼為Y＿test＝sim（net，P＿test′）.

模型的輸出分為5類警區(qū)，A，B，C，D，E 分別代表5個環(huán)節(jié).每類警區(qū)根據(jù)危害程度由低到高分為無警、微警、輕警、中警和重警5種警情.

由表3可知：以樣本2為例，在下一個周期內(nèi)，將會出現(xiàn)由屠宰加工環(huán)節(jié)中引起的B類預(yù)警，且危害程度為輕警；同時，通過神經(jīng)網(wǎng)絡(luò)模型預(yù)測得出的警區(qū)和預(yù)測警情優(yōu)于通過回歸分析所得的目標(biāo)矢量預(yù)測結(jié)果.說明利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)豬肉冷鏈物流安全預(yù)警的建模和評價是一種有效的方法.

表3 預(yù)測數(shù)據(jù)對比表Tab.3 Prediction data comparison table

4 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)參數(shù)

由于BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中的學(xué)習(xí)規(guī)則都是提前設(shè)定的，合理性有待考證，故使用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行優(yōu)化.算法流程如圖4所示.

遺傳算法程序代碼和參數(shù)設(shè)置為

net＝newff（P，T，hiddennum）；

maxgen＝10；%進(jìn)化代數(shù)，即迭代次數(shù)

sizepop＝20；%種群規(guī)模

pcross＝0.3；%交叉概率選擇，0和1之間

pmutation＝0.1；%變異概率選擇，0和1之間

使用遺傳算法改進(jìn)后的訓(xùn)練結(jié)果，如圖5所示.遺傳算法與神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)據(jù)對比，如表4所示.

由表4可知：在建模樣本相同的情況下，經(jīng)過遺傳算法改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測相對誤差小于改進(jìn)前的相對誤差，預(yù)測能力有所提高.因此，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果更加穩(wěn)定，所預(yù)測的結(jié)果具有良好的精準(zhǔn)性.

圖4 遺傳算法優(yōu)化過程Fig.4 Genetic algorithm optimization process

圖5 遺傳算法改進(jìn)后訓(xùn)練結(jié)果Fig.5 Improved genetic algorithm of training results

表4 遺傳算法與神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)據(jù)對比表Tab.4 Comparison table between the genetic algorithms and neural networks prediction data

5 結(jié)束語

為了確保豬肉冷鏈流通過程的質(zhì)量安全，需要及時控制影響豬肉品質(zhì)各環(huán)節(jié)的因素.因此，開展豬肉冷鏈物流安全預(yù)警研究，防患于未然，具有重要的理論與現(xiàn)實(shí)意義.由于影響豬肉安全的因素過多，使得豬肉在流通過程的不確定性過大，因此，預(yù)警的難度較大.文中針對豬肉產(chǎn)品在冷鏈物流過程中的安全問題，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于豬肉冷鏈安全預(yù)警當(dāng)中，并通過遺傳算法對該模型進(jìn)行優(yōu)化改進(jìn).仿真結(jié)果表明：所提出的BP神經(jīng)網(wǎng)絡(luò)模型可以有效提高豬肉在冷鏈物流中風(fēng)險預(yù)警的準(zhǔn)確性，避免病豬、變質(zhì)豬肉流入市場，具有較高的實(shí)用價值.

［1］羅文麗.豬肉的冷鏈時代［J］.中國物流與采購，2007（13）：50－53.

［2］劉燕.陜西省冷鏈物流發(fā)展探析［J］.新西部，2012（20）：15－22.

［3］鄭言.我國天然氣安全評價與預(yù)警系統(tǒng)研究［D］.武漢：中國地質(zhì)大學(xué)，2013：46－54.

［4］李成春.開發(fā)建設(shè)項(xiàng)目對自然保護(hù)區(qū)生物多樣性影響的評價指標(biāo)體系研究［D］.北京：中國科學(xué)院，2007：16－21.

［5］河北省技術(shù)監(jiān)督局.DB13／T 192－1994 鮮豬肉水分與試驗(yàn)方法［S］.石家莊：石家莊年鑒，1994：1－3.

［6］中華人民共和國質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB 9959.1－2001 鮮、凍片豬肉［S］.北京：中國標(biāo)準(zhǔn)出版社，2001：1－5.

［7］中華人民共和國農(nóng)業(yè)部.NY 5029－2001 無公害食品 豬肉［S］.北京：農(nóng)業(yè)出版社，2001：32.

［8］中華人民共和國商務(wù)部.SB／T 10656－2012 豬肉分級［S］.北京：中國標(biāo)準(zhǔn)出版社，2012：1－5.

［9］中華人民共和國質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.SN／T 3260－2012 供港澳冰鮮豬肉檢驗(yàn)檢疫規(guī)程［S］.北京：中國標(biāo)準(zhǔn)出版社，2012：1－7.

［10］章德賓，徐家鵬，許建軍，等.基于監(jiān)測數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型［J］.農(nóng)業(yè)工程學(xué)報，2010，26（1）：221－226.

［11］劉學(xué)文，郭時印，石暢，等.豬肉質(zhì)量安全風(fēng)險評價指標(biāo)構(gòu)建［J］.湖南農(nóng)業(yè)科學(xué)，2013（13）：102－106.