1. 研究目的与意义
利用人工神经网络自适应、自组织、自学习能力的特征，以乳制品质量控制为例，以拉曼光谱谱图数据作为乳制品的质量特性数据为输入，研究建立面向乳制品的优化的人工神经网络质量预测图，实现对乳制品质量水平的快速、智能化判别。
受“三聚氰胺奶粉”事件影响，我国乳制品进口量从2008年的38.7万吨增加到2016年的195.56万吨，其中进口额排名第一的婴幼儿配方奶粉占43.7%。乳制品行业近年来发生的质量安全事件不仅严重的损害了消费者的健康，更给我国乳制品行业的发展造成重创。频发的食品安全事件，凸显了我国食品安全问题的严重性，也引起了公众和国家层面的高度重视。在2016年发布的《中华人民共和国国民经济和社会发展第十三个五年规划纲要》，2016年发布的《“健康中国2030”规划纲要》，2017年中国共产党第十九次全国代表大会报告等文件中，均明确提出“实施食品安全战略，让人民吃得放心”。为实现这一目标，需要不断完善食品质量安全监管控制手段，强化科技支撑体系。建立乳制品质量安全智能评价新方法，成为普通民众、监管部门均热切关注的问题之一。本项目拟研究建立的人工神经网络的质量预测模型，是新时期人工智能理论应用于乳制品质量管理的迫切要求，将为我国乳制品智能化高效管理控制体系的建立提供技术支持。
2. 研究内容和预期目标
研究内容：
针对目前乳制品质量水平智能化、快速判别模型匮乏的研究现状，拟研究建立面向乳制品层次划分、快速判别的人工智能判别方法。
研究基于拉曼光谱的乳制品质量要素分析，建立谱图特征支持的乳制品质量水平划分策略。通过拉曼光谱得到乳制品不同状态（如不同品种、品牌、产地、生产日期、品质等）条件下的样本光谱图，以所得数据输入，运用BP模型的正向传递和负向反馈模拟人工神经网络使得计算机自我学习并实现每一样本的质量归属预测，随着样本批次、数量的不断增加，进行模型自我修正误差、参数优化研究。最终实现计算机自我判别乳制品质量水平判别，建立优化模型。
3. 国内外研究现状
Nieuwoudt等运用拉曼光谱结合偏最小二乘法实现了对乳制品中富含氮的化合物（三聚氰胺、尿素、硫酸铵、双氰胺）及蔗糖的定量分析，检测限分别达到了lt;200 mg/L (0.02%)和lt;0.8%，识别正确率达到100%[1]，Mendes等运用拉曼光谱结合红外光谱分析了乳制品中的脂肪分子，运用偏最小二乘法可有效监控牛乳质量变化情况[2]，Jnior等运用拉曼光谱结合主成分分析法、偏最小二乘判别分析法（partial least squares-discriminant analysis，PLS-DA），实现了乳粉中掺麦芽糊精的快速判别[3]。
可见，基于智能学习算法的乳制品智能质量评价业已成为国际研究前沿热点问题。同时，我们也发现，现有相关研究主要立足于传统成分分析的智能化定量评价，在数据利用效率、质量判别准确性、智能化水平等方面存在研究深度不足，迫切需要投入大气力，发展系统优化的人工智能新方法。
4. 计划与进度安排
研究计划：
拉曼光谱得到乳制品数据，特征提取分析，建立试验样本数据库，人工神经网络算法处理数据，着重训练建立BP模型，实现乳制品质量数据预测，比对预测结果与实际结果，并优化判别模型，最终实现乳制品质量水平智能快速判别。
实验方案：
5. 参考文献
[1]M. K.Nieuwoudt, S. E. Holroyd, C. M. McGoverin, M. C. Simpson, D. E. Williams, Ramanspectroscopy as an effective screening method for detecting adulteration ofmilk with small nitrogen-rich molecules and sucrose, Journal of Dairy Science,99(4), pp 2520-2536, 2016.
[2]ThiagoO. Mendes, Georgia M. A. Junqueira, Brenda L. S. Porto, Charles D. Brito,Fernando Sato, Marcone A. L. de Oliveira, Virgilio Anjos, Maria J. V. Bell,Vibrational spectroscopy for milk fat quantification: line shape analysis ofthe Raman and infrared spectra, Journal of Raman Spectroscopy, 47(6), pp692-698, 2016.
