人工神经网络在食品生物工程中的应用*

郑惠娜 章超桦 秦小明 肖秀春（水产品深加工广东普通高校重点实验室、广东海洋大学食品科技学院，湛江54088）（广东海洋大学信息学院，湛江54088）

人工神经网络在食品生物工程中的应用*

郑惠娜1**章超桦1秦小明1肖秀春2
（1水产品深加工广东普通高校重点实验室、广东海洋大学食品科技学院，湛江524088）（2广东海洋大学信息学院，湛江524088）

简述了人工神经网络的基本原理与使用方法，并介绍了其在食品微生物发酵、食品酶工程、食品生物活性物质等食品生物工程领域的研究进展，旨在为人工神经网络在食品工业中的更广泛应用提供一定的理论基础依据。

人工神经网络；食品；生物工程

生物工程技术是当今迅速发展的高新技术，随着食品工业的发展，发酵工程、酶工程等现代生物技术在食品领域中的应用越来越广泛，是未来发展最快的食品工业技术之一。然而，生物工程技术在食品开发中的应用大多属于非线性、非稳态系统，采用传统的方法建立数学模型可能与实际情况相差甚远。人工神经网络（artificial neural network，ANN）是近年来迅速兴起的一种非线性科学，是一门集优化、控制、预测、反馈于一体的应用技术科学，其在人工智能领域发展较快，但在食品生物技术领域的应用较少，还处于初步阶段。本文将简单介绍ANN的基本原理，并对其在食品生物工程技术领域方面应用的最新进展进行探讨，旨在为提高产品品质，引导食品加工向智能化、集约化的产业方向发展提供科学的理论基础。

1 人工神经网络概述

ANN是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络，是理论化的人脑神经网络的数学模型，他力图模拟人脑的一些基本特性如自组织性、自学习性、自适应性、容错性等，利用对象的外部特性来建立内部的动态模型。作为一种黑箱理论，ANN的实质是一种输入转化成输出的数学表达式，这种数学关系由网络的结构来确定，网络结构根据具体问题进行设计和训练。与其他计算机程序不同，他主要是通过对一系列样本的“学习”而不是通过编程来解决预测、评估或识别等问题，因此，适合模拟机理不明确的过程。ANN是一种三层前向结构的神经网络，其典型结构如图1所示，具体表述为：他由按层排列的神经元组成，接收输入信号的单元称输入层，输出信号的单元称输出层，不直接与输入输出发生联系的单元层称隐含层或中间层，利用ANN可以实现从输入到输出之间的非线性映射。ANN非常突出的优点是可以有效地对模型不确定的数据进行大规模非线性自适应信息处理，训练好的ANN能直接进行推理，在处理规律不明显、变量多的问题时具有特别的优越性。

图1 典型神经网络的结构

2 人工神经网络在食品生物技术中的应用

随着ANN技术的发展，其在食品领域的应用越来越广泛。近年来，ANN已在食品微生物发酵、食品酶工程、食品生物活性物质等方面得到了广泛应用。

2.1 AN N在食品微生物发酵工程中的应用

2.1.1 微生物培养基的优化

在食品微生物发酵过程中，选择一个最优的培养基配方是影响发酵成败的关键因素。然而，由于培养基成分较为复杂，配方优化过程中需要考虑的因素较多，必须做大量的试验才能获得优化结果。因此，许多研究工作者开始运用ANN进行培养基优化。国外学者Fang等采用ANN和遗传算法相结合对莫格假丝酵母（Candida mogii）发酵木糖醇的培养基进行优化。由建立的ANN模型得到的优化结果条件进行试验，木糖醇的产量比先前提高了15%。Liu等采用ANN优化嗜酸氧化亚铁硫杆菌（Acidithiobacillus thiooxidans） 培养基的三个重要组成成分 KH2PO4、（NH4）2SO4、MgSO4，研究结果表明建立的ANN模型能够准确进行实验预测，为非线性和非稳态的生物反应过程提供了有效的研究工具。近年来，国内学者对ANN在微生物培养基优化方面的研究也做了大量的工作。罗建平等等采用ANN结合实数编码加速遗传算法对怀槐悬浮细胞合成异酮的培养基进行优化，研究结果表明由模型优化的培养基中实际异黄酮的产率比正交试验优化的培养基异黄酮的产率提高近1.5倍。高梦祥等将ANN和正交试验相结合，提出了一种新的数据处理和分析方法，利用ANN特有的自学能力，通过仿真、评估和优化，获得了侧孢芽孢杆菌（Bacillus lateraporus）的发酵培养基配方。

2.1.2 过程控制与预测

在微生物发酵过程中，除了培养基对发酵过程产生重要影响外，发酵时间、温度、pH值及发酵罐的状态等因素都对微生物发酵产物的产量以及产物的感官品质产生重要的影响。由于生物发酵过程的高度非线性和明显的不确定性与时变特性，使得ANN在此过程中的应用尤显优势。李海亮等以黑木耳、糙米为原料，研究醋酸发酵的工艺条件，对接种量、摇床转速和装料量参数进行了单因素和正交试验，摸索出参数优化范围，并利用ANN和遗传算法联合对发酵条件进行优化，结果表明该方法与正交试验设计得出的结果相比，发酵酸度上升了8.0%，为发酵优化控制提供了一种更加准确的方法。蒋益虹等将ANN技术与传统正交试验方法相结合，提出一种新的优化工艺方法，并将该方法应用于实际生产中，取得了较好的效果。杨旭华等以提高间歇式微生物发酵的产品得率为目标，将BP神经网络和傅立叶神经网络相结合，提出发酵过程的发酵时间模型和最优发酵温度模型，实践应用表明，采用此种生产方案，产品平均得率提高5%。

2.2 AN N在食品酶工程中的应用

2.2.1 酶反应动力学建模

有关动力学模型的研究开始于20世纪初，1913年Michaelis和Menten提出采用动力学模型来描述酶的催化作用，他们提出的模型被称为米氏动力学模型或简单酶动力学模型，这个模型为现代酶反应机理研究奠定了基石。由于ANN对非线性和非稳态系统的酶催化反应具有较好的预测能力，目前，已经有部分研究将其应用于酶反应动力学模型的建立。Deniz等采用ANN对麦芽糖的酶解速率进行了预测并且建立了酶解动力学模型，确定了动力学常数Km及最大反应速率Vmax。Adam等利用ANN预测不同温度条件下胰酶水解豌豆分离蛋白的水解度，得到非常好的相关系数，并且初步建立了胰酶水解豌豆分离蛋白的动力学模型。张宇等采用ANN模拟和预测了纤维素酶水解反应，并与常用的响应面模型进行了比较，结果表明，人工神经网络模型比响应面模型更适合作为研究纤维素酶水解的动力学工具。Atena等采用ANN分析脂肪酶合成糖酯，研究结果表明，人工神经网络模型具有较好的预测能力。

2.2.2 酶解工艺优化

酶解工艺条件受多方面因素（酶解温度、pH值、底物浓度、酶浓度等）影响，酶反应系统是非线性和非稳态的生物反应系统，传统的正交试验和响应面方法往往不能得到很好的优化效果。目前，研究者使用ANN结合遗传算法对酶解工艺进行优化，能得到比传统方法更好的优化结果。Deniz等对比了ANN与响应面优化法对酶催化反应的模拟优化效果，结果表明对于非线性和非稳态系统的酶催化反应，ANN表现出更好的数据拟合和预测能力。李琳等以大宗淡水鱼资源-鳙鱼肉蛋白为原料，利用具有自学习特点的ANN可实现对酶解过程的模拟仿真，对其进行控制酶解以制备出具有清除自由基活性的鳙鱼肽。陈欣等结合ANN的良好特性，利用正交试验获得的数据作为ANN的训练样本，建立输入为酶解实验条件参数，输出为短肽产率的神经网络模型，研究结果表明将ANN与正交试验结合用于酶解实验条件优化可以缩短优化实验参数的时间，获得比单纯的正交试验更优化的实验条件。

2.3 AN N在食品生物活性物质中的应用

2.3.1 活性物质提取过程模拟控制

由于功能性有效成分提取条件及研究对象的复杂性，使得传统的优化方法已不能满足实际生产要求，ANN可以通过模型仿真，预测提取效果，为可控化生产提供依据。刘英梅等研究了基于模糊神经网络（FNN）的丹参醇提取模型，理论分析和实验结果表明，该方法能够较好地根据提取条件预测提取液中有效成分的含量。赵武奇等建立了苹果渣多酚提取工艺的人工神经网络模型，研究了提取工艺ANN模型的遗传算法优化技术，结果表明，采用ANN模型能获得最佳的提取工艺参数。蒋益虹等研究了荷叶中主要生理活性物质生物碱的提取优化工艺，将ANN与正交试验相结合，应用于荷叶生物碱的提取工艺，获得了实际应用效果好的提取工艺条件。

2.3.2 活性功能预测与优化

基于ANN对生物系统具有较好的预测能力，目前，许多研究者开始将其应用于物质活性功能预测。Claudia等将向前神经网络（feed-forward ANN）和概率神经网络（probabilistic ANN）分别应用于茶叶的分类及其抗氧化活性预测，均得到很好的分类及预测效果。Alvaro等采用多层神经元（multilayer ANN）预测精油的抗氧化活性，研究结果表明对于预测化学成分复杂的天然产物生物活性，ANN是一种可靠快速的方法。Adam等利用ANN建立了十字花科植物（TEACexp） 抗氧化活性的预测模型，研究结果表明，模型预测值与实际试验值误差小，精确度高，说明ANN在植物源性食品特性预测中具有很高的应用价值。Ott等将ANN成功应用于活性物质植物提取物的代谢分类中。Huang等提出物化驱动神经网络（Phys Chem ANN） 并将其应用于预测肽和蛋白的生物活性，得到很好的实验结果。

3 结论与展望

食品生物过程属于非线形、非稳态系统，由于ANN对非线性系统具有较强处理能力，使其在食品生物技术开发中的应用越来越受关注。然而，ANN在食品生物工程中的实际应用仍有许多问题有待解决，如：训练样本数据的选择、神经网络类型的选择、网络权值只收敛到局部极值而非全局极值等。因此，近年来针对ANN的一些固有缺陷，出现了混合神经网络，以及神经网络与遗传算法、模拟退火算法相结合等方法，增强了系统的准确预测和在线控制，使仿真系统具有较好的鲁棒性。随着ANN技术在食品生物工程技术中的不断发展和完善，其在食品工业中的应用将越来越广。

［1］李琳，赵谋明，张黎，等.人工神经网络在食品工业中的应用［J］.食品研究与开发，2005，26（1）：13-16.

［2］张蓓，熊明勇，张克旭.人工神经网络在发酵工业中的应用［J］.生物技术通讯，2003，14（1）：74-76.

［3］FANG B，CHEN H ，XIE X，et al.Using genetic algorithms coupling neural networks in a study ofxylitol production：medium optimisation［J］.Process Biochemistry，2003，38：979-985.

［4］LIU H L，YANG F C，LIN H YI，et al.Artificial neural network to predict the growth of the indigenous acidthiobacillus thiooxidans［J］.Chemical Engineering Journal，2008，137：231-237.

［5］罗建平，罗凯，陈晓燕，等.用神经网络和遗传算法优化怀槐悬浮细胞合成异黄酮［J］.生物工程学报，2004，20（5）：759-763.

［6］高梦祥，夏帆.基于人工神经网络的侧孢芽孢杆菌培养基的优化研究［J］.长江大学学报：自然科学版，2010，7（1）：71-73.

［7］李海亮，王莹，张洁.基于人工神经网络和遗传算法的黑木耳糙米醋发酵条件优化［J］.中国酿造，2011，（7）：141-143.

［8］蒋益虹，冯雷.人工神经网络方法在红曲杨梅果酒发酵工艺优化中的应用［J］.农业工程学报，2003，19（2）：140-143.

［9］杨旭华，戴华平，孙优贤.基于神经网络的发酵时间和最优发酵温度模型［J］.化工自动化及仪表，2004，31（1）：18-21.

［10］DENIZ B，FAHRIYE C D，ISMAIL H B.Modeling and optimization IV：Investigation of reaction kinetics and kinetic constants using a program in which artificial neural network （ANN） was integrated ［J］.Journal of Food Engineering ，2007，79：1 152-1 158.

［11］ADAM B，MAGDALENA K，RYSZARD A.Modeling the tryptic hydrolysis of pea proteins usingan artificial neural network［J］.LWT，2008，41：942-945.

［12］张宇，许敬亮，袁振宏.纤维素酶水解动力学的人工神经网络模型研究［J］.催化学报，2009，30（4）：355-358.

［13］ATENA A，MAHIRAN，NAZ C et al.Artificia neural network analysis of lipase-catalyzed synthesis of sugar alcohol ester［J］.Industrial Crops and Products，2011，33 ：42-48.

［14］DENIZ B，FAHRIVE C D，ISMAIL H B.Modeling and optimization III：Reaction rate estimation using artificial neural network（ANN）without a kinetic model［J］.Journal of Food Engineering，2007，79：622-628.

［15］李琳，赵谋明，张黎.利用人工神经网络优化制备鳙鱼抗氧化肽［J］.四川大学学报：工程科学版，2006，38（1）：80-85.

［16］陈忻，孙恢礼，黄汉文，等.基于人工神经网络的酶解波纹巴非蛤制备小分子肽的研究［J］.食品科学，2009，30（22）：54-57.

［17］TORRECILLA J S，OTERO L，SAVZ P D.A neural network approach for thermal/pressure food processing［J］.Journal of Food Engineering ，2004，62：89-95.

［18］刘英梅，蒋敏，陈鸿雁.基于自适应模糊神经网络的丹参醇提模型［J］.中成药，2007，29（8）：1 136-1 139.

［19］赵武奇，仇农学，王宏.苹果渣多酚提取工艺的神经网络建模与遗传算法优化［J］.食品科学，2007，28（12）：138-142.

［20］蒋益虹.荷叶生物碱的提取工艺优化［J］.浙江大学学报：农业与生命科学版，2004，30（5）：519-523.

［21］CLAUDIA C，CRISTEA V MI，ANAMARIA H，et al.Antioxidant activity prediction and classification of some teas using artificial neural networks［J］.Food Chemistry，2011，127：1 323-1 328.

［22］ALVARO C C，JOSE M P.Application of artificial neural networks to the prediction of the antioxidant activity of essential oils in two experimental in vitro models［J］.Food Chemistry，2010，118：141-146.

［23］ADAM B，HENRYK Z，HALINA K.Artificial neural networks for prediction ofantioxidantcapacity of cruciferous sprouts［J］.Trends in Food Science&Technology，2004，15：161-169.

［24］OTT KH，NELLY AB，BIJAY S.et al.Metabonomics classifies pathways affected by bioactive compounds，Artificial neural network classification of NMR spectra of plant extract［J］.Phytochemistry，2003，62：971-985.

［25］HUANGR B，DU QS，WEI Y T.et al.Physics and chemistry-driven artificial neural network for predicting bioactivity of peptides and proteins and their design［J］.Journal of Theoretical Biology，2009，256：428-435.

Application of artificial neural networks in bio-engineering of food

ZHENG Hui-na1**ZHANG Chao-hua1QIN Xiao-ming1XIAO Xiu-chun2
1（Key laboratory of aquatic product advanced processing of Guangdong higher education institutes,college of food science&technology,Guangdong ocean university，Zhanjiang 524088，China）
2（College of imformation，Guangdong ocean university，Zhanjiang 524088，China）

Artificial neural network(ANN)has strong capacity for nonlinear,non-steady-state system and is widely used for process modeling and simulation,optimization and control in biological systems.This paper outlines the basic principles and ues of artificial neural networks,and introdues its researched in food microbial fermentation,food enzyme engineering and food biologically active substances,etc.,and wish to provide some theory and base for better appliation ofANN in food industry.

artificial neutral networks；food；biological engineering

TS201.3

A

1673-6004（2012）01-0016-04

现代农业产业技术体系建设专项资金资助项目（CARS-48-07B）；广东省教育厅育苗工程自然科学资助项目（1109240）；广东省自然科学基金项目（S201104000 0255）

** 郑惠娜，女，1979出生，2006年毕业于中科院南海海洋研究所海洋生物资源综合利用专业，博士，讲师

2012-01-13