摘要
牛奶作为重要的乳制品,富含多种人体必需营养素,在居民膳食结构中地位重要,但其品质受多种因素影响,蛋白质质量浓度是衡量营养价值的关键指标之一,因此,牛奶蛋白质质量浓度检测意义深远。当前常用检测方法有化学分析法、超声波法和光谱分析法等。传统分析方法精度高,但操作复杂、耗时且易破坏样品,难以满足实时监测需求。针对上述问题,提出了一种基于改进正弦算法(Improved Sine Algorithm,MSA)引导的蜣螂优化算法(Dung Beetle Optimization,DBO)优化的反向传播人工神经网络(Back Propagation Neural Network,BPNN)模型(MSADBO-BPNN),以构建牛奶蛋白质定量分析模型。该模型解决了DBO全局探索和局部开发能力不平衡的问题,有效改善了算法易陷入局部最优、全局探索能力弱的缺陷,通过对BPNN模型进行参数优化,以实现最优定量分析效果。实验结果表明,MSADBO-BPNN模型预测误差指标均小于其他对比模型,训练集和测试集的决定系数R2分别达到0.983 7和0.967 6,模型精度高,泛化能力好,在牛奶快速无损检测领域具有广泛的应用潜力。
出处
《科技与创新》
2025年第24期32-34,共3页
Science and Technology & Innovation
