郭廣頌陳良驥

(1. 鄭州航空工業(yè)管理學(xué)院機(jī)電工程學(xué)院，河南 鄭州 450046；2. 天津工業(yè)大學(xué)機(jī)械工程學(xué)院，天津 300387)

一種綜合咖啡智能拼配方法研究

郭廣頌1陳良驥2

(1. 鄭州航空工業(yè)管理學(xué)院機(jī)電工程學(xué)院，河南 鄭州 450046；2. 天津工業(yè)大學(xué)機(jī)械工程學(xué)院，天津 300387)

為了提高綜合咖啡拼配質(zhì)量與效率，研究了一種基于交互式遺傳算法(IGA)的咖啡智能拼配方法。該方法將拼配方案作為樣本個(gè)體，采用改進(jìn)的自適應(yīng)交叉和變異概率，交互界面提供10項(xiàng)評(píng)價(jià)指標(biāo)用于個(gè)體適應(yīng)值。研究由5位用戶參與優(yōu)化，結(jié)果顯示該方法界面友好、操作簡(jiǎn)便，可以在4～5代內(nèi)獲得一致性滿意解，且各組分比例差異均小于5%，適應(yīng)值均超過(guò)85。以傳統(tǒng)杯測(cè)拼配法為參照試驗(yàn)，結(jié)果表明，采用IGA 優(yōu)化方法超過(guò)傳統(tǒng)拼配方案水平?；贗GA在進(jìn)化優(yōu)化中的成功應(yīng)用，為咖啡拼配提供了一種智能化新思路。

遺傳算法；咖啡拼配；交互；設(shè)計(jì)；杯測(cè)

咖啡拼配是相對(duì)單品咖啡而言的[1]。拼配咖啡是指將不同品種、不同產(chǎn)地或不同烘焙度的咖啡豆按照某種需要組合在一起，也稱綜合咖啡或混合咖啡?？Х绕磁涞哪康囊话阌?個(gè)[2]：① 降低成本，為追求某種風(fēng)味而用一些價(jià)格較低的咖啡豆，調(diào)配出與某種價(jià)格較高的咖啡豆近似的風(fēng)味；② 平衡口感，為將咖啡豆最顯著的風(fēng)味特點(diǎn)放大，需要通過(guò)拼配來(lái)平衡各種味道；③ 穩(wěn)定風(fēng)味，作為農(nóng)作物，即使是同種同產(chǎn)區(qū)的咖啡豆，其風(fēng)味每年也會(huì)有差異，所以將幾種咖啡豆混合可以使每年的風(fēng)味基本保持一致；④ 特有的風(fēng)味，對(duì)于飲用任何一種單品咖啡都不能滿足用戶的口味，或者有些商家為了擁有屬于自己獨(dú)特風(fēng)味的咖啡豆，都會(huì)將幾種咖啡豆進(jìn)行拼配。拼配咖啡一般不采取等比例拼配，因?yàn)檫@樣咖啡豆可能會(huì)互相抑制特有的風(fēng)味，所以拼配時(shí)各組分需要按一定比例混合才能拼配出更美妙的味道。拼配咖啡不僅需要咖啡師的經(jīng)驗(yàn)和靈感，更要通過(guò)一定的科學(xué)計(jì)算才能完成，所以咖啡拼配是一門(mén)藝術(shù)性和技術(shù)性很強(qiáng)的工作[3]。

目前，對(duì)傳統(tǒng)食品研究采用智能化方法是一種發(fā)展趨勢(shì)。作為主要智能優(yōu)化算法的遺傳算法已經(jīng)應(yīng)用于食品品質(zhì)預(yù)測(cè)[4]、食品發(fā)酵[5-8]、食品生產(chǎn)線設(shè)計(jì)[9]、食品機(jī)械參數(shù)優(yōu)化[10-11]等領(lǐng)域?？Х绕磁浞桨冈O(shè)計(jì)主要受咖啡豆烘焙、混合比例、產(chǎn)地等因素約束，拼配方案的確定強(qiáng)烈依賴感官評(píng)價(jià)，是典型的混合性能指標(biāo)評(píng)價(jià)問(wèn)題。20世紀(jì)80年代在傳統(tǒng)遺傳算法的基礎(chǔ)上提出的交互式遺傳算法是一種可以將人的主觀活動(dòng)引入進(jìn)化過(guò)程中的進(jìn)化優(yōu)化算法。因?yàn)榻换ナ竭z傳算法的個(gè)體適應(yīng)值由人評(píng)價(jià)，所以可以將感官評(píng)價(jià)融入進(jìn)化，再利用遺傳策略對(duì)隱式性能指標(biāo)或混合性能指標(biāo)進(jìn)行優(yōu)化。目前咖啡拼配設(shè)計(jì)還沒(méi)有應(yīng)用交互式遺傳算法的先例?；谏鲜銮闆r，本試驗(yàn)擬設(shè)計(jì)一種基于改進(jìn)交互式遺傳算法的咖啡智能拼配進(jìn)化優(yōu)化系統(tǒng)，旨在大幅縮短咖啡拼配設(shè)計(jì)周期，實(shí)現(xiàn)簡(jiǎn)單，且適用于非專業(yè)或半專業(yè)人員拼配咖啡。

1 材料與方法

1.1 材料

巴西咖啡豆：波旁種，自然干燥式200 g，巴西Cafe Bom Dia Ltda公司；

摩卡咖啡豆：埃塞俄比亞種，水洗式200 g，意大利Segafredo Zanetti S.p.A公司；

藍(lán)山咖啡豆：牙買加種，水洗式200 g，牙買加Roasted Mans公司；

曼特寧咖啡豆：蘇門(mén)答臘種，蘇門(mén)答臘式200 g，意大利Kimbo S.P.A公司。

選用的樣品咖啡豆必須是烘焙后24 h以內(nèi)并且至少放置8 h。烘焙應(yīng)該在8～12 min內(nèi)完成，不能出現(xiàn)明顯的黑頭或焦糊豆。樣品豆烘焙好后應(yīng)該迅速用冷風(fēng)冷卻(不能用水冷卻)。當(dāng)樣品豆冷卻到室溫時(shí)(75 ℉或20 ℃)，應(yīng)該將其放入密封盒或密封袋保存至杯評(píng)時(shí)，以減少與空氣的接觸并防止污染。

1.2 儀器與設(shè)備

咖啡烘焙機(jī)： R300C型，北京SANTOKER公司；

自動(dòng)咖啡機(jī)：ESAM 6900.M型，邑隆貿(mào)易(上海)有限公司；

電動(dòng)磨豆機(jī)：M-520A型， 臺(tái)灣正晃行公司；

電子天平：WT100型，杭州萬(wàn)特衡器有限公司。

1.3 咖啡智能拼配方法

1.3.1 染色體編碼 綜合咖啡有甜、咸、酸、苦4種基礎(chǔ)味道，其中除咸味由調(diào)配工藝決定外，其余3種風(fēng)味均由咖啡豆決定。拼配咖啡時(shí)一般采用3～4種咖啡豆，如果咖啡豆種類多于6種會(huì)使咖啡的香味無(wú)法辨認(rèn)，所以本試驗(yàn)選用苦味(巴西)、酸味(摩卡)、甜味(藍(lán)山)和醇味(曼特寧)4種新咖啡豆為原料拼配綜合咖啡。由于咖啡豆的烘焙程度對(duì)口味有較大影響，所以每種咖啡豆設(shè)置一致烘焙(中度)和雙重烘焙(中深度)兩種烘焙度。

基于上述咖啡拼配原則，本試驗(yàn)將咖啡拼配樣本設(shè)置成“苦味”“酸味”“甜味”“醇味”四部分，每部分由7位二進(jìn)制編碼組成，其中第1位代表烘焙程度，0代表一致烘焙，1代表雙重烘焙，其余6位表示該咖啡豆的拼配比例(按重量計(jì)，范圍0%～63%)。本試驗(yàn)算法的染色體是對(duì)咖啡拼配樣本的編碼，即整條染色體是一個(gè)28位的二進(jìn)制編碼串，如染色體1011110001010000101000011110代表的拼配比例是“巴西(雙重烘焙)30%、摩卡20%、藍(lán)山20%、曼特寧30%”，這是一種濃味型綜合咖啡的拼配方案。

1.3.2 咖啡杯測(cè)方法 對(duì)于綜合咖啡的評(píng)價(jià)，參考美國(guó)特種咖啡協(xié)會(huì)(Specialty Coffee Association of America，SCAA)專業(yè)咖啡杯測(cè)體系[12]。即按干香/濕香、風(fēng)味、余韻、酸、醇厚度、一致性、平衡感、干凈度、甜和總評(píng)10個(gè)小項(xiàng)進(jìn)行評(píng)價(jià)。每個(gè)小項(xiàng)滿分為10分，以6分為起評(píng)分，共分為4個(gè)級(jí)別，其中6分為“好”；7分為“非常好”；8分為“優(yōu)秀”；9分以上為“超凡”。每個(gè)級(jí)別又分4個(gè)給分等級(jí)，給分單位是0.25分，所以4個(gè)等級(jí)共16個(gè)給分點(diǎn)。每杯咖啡的最終得分為上述10個(gè)小項(xiàng)得分相加，滿分為100分。

進(jìn)行杯測(cè)時(shí)，準(zhǔn)備好咖啡豆并在杯測(cè)開(kāi)始前現(xiàn)磨，磨好的咖啡粉到浸水之前的放置時(shí)間不能超過(guò)15 min；熱開(kāi)水 沖泡用水水溫應(yīng)在90～93 ℃；清洗湯勺用水：為不影響咖啡液的溫度，清洗湯勺水用1/3室溫開(kāi)水和2/3熱開(kāi)水混合。進(jìn)行干香/濕香評(píng)價(jià)熱水應(yīng)直接澆注到咖啡粉上并達(dá)到杯子的邊緣，確保所有咖啡粉都被浸濕。樣本咖啡粉的克數(shù)以杯子大小為基準(zhǔn)，適宜的比率是每8.25 g的咖啡粉用150 mL水，咖啡量調(diào)節(jié)誤差控制在0.25 g以內(nèi)。為防止咖啡味道散失，每次杯測(cè)應(yīng)在4 min內(nèi)完成。

1.3.3 系統(tǒng)交互式界面與操作 本系統(tǒng)采用Visual Basic 6.0 實(shí)現(xiàn)。首先，本系統(tǒng)將綜合咖啡口味風(fēng)格劃分為“苦味型”“酸味型”“大眾型”“甜味型”“濃味型”五類，樣本空間依據(jù)于這五類風(fēng)格相應(yīng)劃分為5個(gè)搜索區(qū)域，系統(tǒng)則根據(jù)用戶對(duì)咖啡風(fēng)格需求在相關(guān)樣本區(qū)域內(nèi)確定初始化種群，這既可以縮小搜索空間又可以滿足用戶需求，用戶需求交互界面見(jiàn)圖1；然后系統(tǒng)進(jìn)入圖2所示交互優(yōu)化界面，用戶首先點(diǎn)擊“初始化”按鈕選取初始拼配方案，咖啡智能拼配系統(tǒng)的每一進(jìn)化代提供6種拼配方案(個(gè)體)，即種群規(guī)模N=6。對(duì)于咖啡豆的烘焙程度，用“+”表示雙重烘焙，否則默認(rèn)為一致烘焙。為便于用戶拼配，系統(tǒng)同時(shí)給出每種拼配方案的咖啡豆混合比例。用戶根據(jù)各拼配方案沖調(diào)咖啡，并做出評(píng)價(jià)。結(jié)合咖啡杯測(cè)方法，拼配方案的評(píng)價(jià)設(shè)置干濕香等10項(xiàng)指標(biāo)，各項(xiàng)評(píng)價(jià)指標(biāo)以0.25分為計(jì)分單位，總分合計(jì)100分，用戶通過(guò)拖拽滑動(dòng)條對(duì)指標(biāo)進(jìn)行賦值。用戶評(píng)價(jià)結(jié)束后，點(diǎn)擊“下一代”按鈕，系統(tǒng)完成遺傳操作，生成進(jìn)化后的新一代拼配方案，供用戶繼續(xù)選擇。最后，當(dāng)各拼配方案的巴西咖啡豆比例均方差小于5%、其他咖啡豆比例均方差小于3%時(shí)，可以認(rèn)為優(yōu)選方案收斂，從6種優(yōu)選方案中選擇數(shù)目占最多的方案作為最佳拼配方案，點(diǎn)擊“結(jié)束”按鈕輸出該方案。此外，交互界面還提供“進(jìn)化代數(shù)”等輔助信息。

1.3.4 自適應(yīng)遺傳算子 由于采用固定的交叉和變異概率會(huì)使算法搜索性能下降，為了提高優(yōu)化質(zhì)量，采取自適應(yīng)遺傳操作[13-14]，即第t代進(jìn)化種群x(t)中的第i個(gè)進(jìn)化個(gè)體為xi(t)，其適應(yīng)值為f[xi(t)]，xi(t)∈x(t)，i=1,2,…,N，N為種群規(guī)模。則第t代的個(gè)體交叉概率pc(t)設(shè)計(jì)為：

(1)

式中：

t——種群進(jìn)化代數(shù)；

fmax——種群最大適應(yīng)值；

favg——種群平均適應(yīng)值；

f'——參與交叉的兩個(gè)個(gè)體中較大的適應(yīng)值；

T——最大進(jìn)化代數(shù)；

k1——常數(shù)。

相似地，第t代的個(gè)體變異概率pm(t)設(shè)計(jì)為：

(2)

式中：

f——待變異個(gè)體適應(yīng)值；

k2——常數(shù)。

2 結(jié)果與分析

2.1 系統(tǒng)優(yōu)化試驗(yàn)

為了驗(yàn)證系統(tǒng)的有效性，采用固定優(yōu)化解對(duì)照測(cè)試，即選擇1.3.1節(jié)“巴西(雙重烘焙)30%、摩卡20%、藍(lán)山20%、曼特寧30%(染色體1011110001010000101000011110)”拼配方案為優(yōu)化目標(biāo)方案，記為方案O。為了體現(xiàn)評(píng)價(jià)的客觀性，評(píng)審員在測(cè)試過(guò)程中始終不知道目標(biāo)方案O的具體參數(shù)。測(cè)試分為采用系統(tǒng)優(yōu)化方法(項(xiàng)目A)和傳統(tǒng)拼配方法(項(xiàng)目B)2個(gè)項(xiàng)目進(jìn)行：

項(xiàng)目A：從某咖啡培訓(xùn)機(jī)構(gòu)選擇5位咖啡師作為評(píng)審員，首先按方案O沖煮咖啡供評(píng)審員品嘗，確定優(yōu)化方案，然后采用本系統(tǒng)進(jìn)行拼配方案優(yōu)化。系統(tǒng)參數(shù)設(shè)置：輪賭法選擇個(gè)體、k1=9,k2=10，T=10。圖3顯示了5位用戶的平均適應(yīng)值變化情況，可以看到各用戶的適應(yīng)值均隨進(jìn)化代數(shù)增加而增加，算法收斂時(shí)適應(yīng)值均大于85，而且5位評(píng)審員只需4～5代進(jìn)化即可獲得滿意的拼配方案。圖4給出了各拼配方案中咖啡組分的進(jìn)化優(yōu)化箱型圖，可以看出各組分的比例分布與目標(biāo)方案基本一致。5位咖啡師最終獲得的最佳拼配方案分別記為A1、A2、A3、A4和A5，具體見(jiàn)表1。從拼配比例看，與目標(biāo)方案O相比，5位評(píng)審員優(yōu)化出的拼配方案基本一致。另外，各方案對(duì)烘焙程度的結(jié)論也一致，即巴西咖啡豆是雙重烘焙，其余咖啡豆為一致烘焙。這表明采用本文方法對(duì)于不同用戶，可以獲得一致性的優(yōu)化解，具有明顯的優(yōu)化普適性。

項(xiàng)目B：項(xiàng)目A測(cè)試結(jié)束1周后，進(jìn)行項(xiàng)目B測(cè)試。項(xiàng)目B采用傳統(tǒng)杯測(cè)法確定拼配方案，仍由參與項(xiàng)目A的5人做為評(píng)審員。為了體現(xiàn)杯測(cè)的一致性，首先為5位評(píng)審員提供等比例組合拼配樣本，然后各評(píng)審員根據(jù)目標(biāo)方案O進(jìn)行樣本成分調(diào)整，確定拼配方案。項(xiàng)目B中，5位評(píng)審員獲得的最佳拼配方案分別記為B1、B2、B3、B4和B5，具體見(jiàn)表2。與項(xiàng)目A結(jié)果相同，5位評(píng)審員對(duì)咖啡豆的烘焙程度結(jié)論一致。

2.2 驗(yàn)證分析

為了更客觀辨別評(píng)價(jià)結(jié)果，從某咖啡培訓(xùn)機(jī)構(gòu)另外選擇5名咖啡師，對(duì)目標(biāo)方案O及項(xiàng)目A和項(xiàng)目B獲得的拼配方案進(jìn)行對(duì)比測(cè)試。為了避免受心理因素干擾，對(duì)比測(cè)試采用盲評(píng)機(jī)制，即5位評(píng)審員分別對(duì)A1、A2、A3、A4、A5和B1、B2、B3、B4、B5兩組拼配方案進(jìn)行打分評(píng)價(jià)，但評(píng)價(jià)過(guò)程中評(píng)審員并不知道兩種方案參數(shù)與背景。結(jié)果顯示兩組方案評(píng)分基本一致，說(shuō)明采用本文方法進(jìn)行咖啡拼配是可行的。

最后，統(tǒng)計(jì)兩種方案相對(duì)于目標(biāo)方案O的組分誤差比例，結(jié)果見(jiàn)圖5。由圖5(a)可知，項(xiàng)目A各方案的組分誤差比例均小于5%；由圖5(b)可知，項(xiàng)目B各方案的組分誤差比例最大為5%，這雖然體現(xiàn)了手工拼配的特點(diǎn)(咖啡師習(xí)慣以5%比例調(diào)整拼配比例)，但誤差比例整體則比項(xiàng)目A大。相比之下，本方法可以獲得更精確的拼配比例。

3 結(jié)論

采用改進(jìn)的交互式遺傳算法進(jìn)行咖啡拼配方案優(yōu)化，在4～5個(gè)進(jìn)化代內(nèi)對(duì)不同用戶可以獲得一致性的滿意解，且滿意方案的適應(yīng)值均大于85，達(dá)到精品咖啡標(biāo)準(zhǔn)。與傳統(tǒng)杯測(cè)法拼配咖啡對(duì)比試驗(yàn)，采用改進(jìn)的交互式進(jìn)化優(yōu)化方法整體上達(dá)到專業(yè)杯測(cè)拼配水平。

從方法的操作性考察，交互式進(jìn)化優(yōu)化方法用于咖啡拼配對(duì)于專業(yè)用戶可以提供更多的設(shè)計(jì)靈感，對(duì)于半專業(yè)和非專業(yè)用戶則操作界面友好簡(jiǎn)便、優(yōu)化效果優(yōu)異。本研究有助于提高咖啡拼配質(zhì)量，提升方法優(yōu)化效率，繼續(xù)探尋交互式遺傳算法的工程應(yīng)用是進(jìn)一步研究的問(wèn)題。

[1] 伊記. 咖啡鑒賞[M]. 北京: 新世界出版社, 2014: 195-203.

[2] 郭光玲. 咖啡師手冊(cè)[M]. 北京: 化學(xué)工業(yè)出版社, 2008: 29-34.

[3] 張粵華. 咖啡調(diào)制[M]. 重慶: 重慶大學(xué)出版社, 2013: 2-9.

[4] 李冬冬, 賈柳君, 張海紅, 等. 基于介電譜技術(shù)結(jié)合遺傳算法的草莓品質(zhì)預(yù)測(cè)[J]. 食品工業(yè)科技, 2016, 37(11): 141-146.

[5] 談亞麗, 李嘯, 鄒嫚, 等. 基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的面包酵母高密度發(fā)酵培養(yǎng)基優(yōu)化[J].工業(yè)微生物, 2013, 43(1): 64-68.

[6] 朱曉媛, 胡鐵, 黎繼烈, 等. 基于遺傳算法的纖維素酶分批發(fā)酵動(dòng)力學(xué)研究[J]. 中國(guó)食品學(xué)報(bào), 2014, 14(1): 47-51.

[7] 沙如意, 樓堅(jiān), 蔡成崗, 等. 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的丙酮丁醇梭菌發(fā)酵預(yù)測(cè)模型研究[J]. 發(fā)酵科技通訊, 2016, 45(1): 23-26.

[8] 徐利, 周麗偉, 郭文強(qiáng), 等. 基于支持向量機(jī)-遺傳算法灰樹(shù)花發(fā)酵模型的建立及優(yōu)化[J]. 食品科學(xué), 2016, 37(11): 143-146.

[9] 張良安, 馬寅東, 單家正, 等. 基于遺傳算法和Petri網(wǎng)絡(luò)的機(jī)器人裝配生產(chǎn)線平衡方法[J]. 食品與機(jī)械, 2012, 28(2): 79-82.

[10] 王小勇, 李兵, 曾晨, 等. 基于遺傳算法的茶葉理?xiàng)l機(jī)參數(shù)優(yōu)化設(shè)計(jì)[J]. 茶葉科學(xué), 2016, 36(4): 440-444.

[11] 張國(guó)平. 食品機(jī)械平面四桿機(jī)構(gòu)的遺傳算法優(yōu)化設(shè)計(jì)[J]. 食品與機(jī)械, 2010, 26(3): 117-119.

[12] 崛口俊英. 咖啡完全掌握手冊(cè)[M]. 福州: 福建科學(xué)技術(shù)出版社, 2014: 62-76.

[13]GONGDun-wei,CHENJian,SUNXiao-yan,etal.Evaluatingindividualsininteractivegeneticalgorithmsusingvariationalgranularity[J].SoftComputing, 2015, 19(3): 621-635.

[14]GONGDun-wei,JIXin-fang,SUNJing,etal.Interactiveevolutionaryalgorithmswithdecision-maker'spreferencesforsolvingintervalmulti-objectiveoptimizationproblems[J].Neurocomputing, 2014, 137(4): 241-251.

A Research of Intelligent Method for Evolving Blends of Coffee

GUO Guang-song1CHENLiang-ji2

(1.SchoolofMechatronicsEngineering,ZhengzhouUniversityofAeronautics,Zhengzhou,Henan450046,China; 2.SchoolofMechanicalEngineeringTianjinPolytechnicUniversity,Tianjin300387,China)

In order to improve the quality and efficiency of coffee blend, a method based on interactive genetic algorithm (IGA) for it was studied. The blending solutions were used as individuals, with the improved adaptive crossover and mutation probability, and the interactive interface provides 10 indexes for individual fitness, and then five users participated the optimization. The results showed that the method was easy to operate, a consistent satisfactory solution could be obtained within 4～5 generations, with the difference of component ratio less than 5% and the fitness more than 85. Compared with the traditional cup testing, the results showed that the IGA optimization method was superior to the traditional one. Based on the successful application in evolutionary optimization of IGA, this research provided a new intelligent way for coffee blends.

Genetic Algorithm(GA); coffee blends; interactive; design; cup testing

國(guó)家自然科學(xué)基金面上項(xiàng)目(編號(hào)：51275485)；河南省科技攻關(guān)項(xiàng)目(編號(hào)：172102210513)

郭廣頌(1978—),男，鄭州航空工業(yè)管理學(xué)院副教授，碩士。E-mail:guogs78@126.com

2017-01-09

10.13652/j.issn.1003-5788.2017.03.040