食品科学 ›› 2022, Vol. 43 ›› Issue (17): 50-55.doi: 10.7506/spkx1002-6630-20210717-194
金学波,张佳帅,郭天洋,王小艺,苏婷立,赖燕群,孔建磊,白玉廷
JIN Xuebo, ZHANG Jiashuai, GUO Tianyang, WANG Xiaoyi, SU Tingli, LAI Yanqun, KONG Jianlei, BAI Yuting
摘要: 镉污染范围广、毒性大、易侵入,被认为是最具危害性的重金属之一,人长期摄入过量的镉会引起很多疾病甚至癌症。因此,在小麦加工链中预测镉元素含量的变化趋势,制定相应对策来降低其危害,具有重要的现实意义。针对小麦加工链镉含量数据含有强非线性、强随机性噪声而导致的传统建模拟合度不高等问题,本研究提出一种基于正则化方法的深度预测模型。首先,利用门控循环单元(gated recurrent unit,GRU)建立深度预测模型。其次,使用正则化方法修改模型的损失函数,通过加入噪声惩罚项来淡化训练时模型对于噪声的拟合程度,减小噪声对模型预测性能的影响。最后,使用贝叶斯优化方法进行超参数的选择,保证所建立的模型能够准确地预测小麦加工链各环节中的镉含量。本研究的预测结果表明,如果原麦中镉含量小于0.1 mg/kg,则经过加工的成品小麦粉也基本满足GB 2762—2017《食品安全国家标准 食品中污染物限量》的要求。
中图分类号: