王红英 宋春风

产品品质控制与预测对饲料加工生产有着重要意义，可以有效避免原料的浪费，降低生产成本和保证产品品质的一致性。在实际生产过程中，饲料企业基本以“经验值+实践”的方式探求配方变化后的加工工艺参数，因而产品品质产生波动，造成不必要的浪费。已有研究表明，国外科学家已将人工神经网络应用于农产品加工品质及食品加工品质的预测方面[1-5]。但其研究均是在实验室完成，与实际生产存在一定差距。而神经网络在饲料领域的应用仅在饲料配方的设计开发上，并取得了较好的效果[6]。国内还未见有将其应用于饲料加工过程产品品质控制与预测的文献和报道。本文引入了基于人工神经网络模型的预测方法，以实际规模生产过程的可控易控加工参数数据作为网络学习样本，然后将训练完成后的网络预测模型应用于饲料实际生产，以期达到快速准确地预测最终产品的品质指标参数。

1 BP预测模型结构设计

BP神经网络（Back-Propagation Network，简称BP网络）是目前人工神经网络中最常用的一种，已经广泛应用于模式识别、函数逼近、信号处理和系统控制等领域，取得了显著的成果[7]。BP网络的实质是一个从输入到输出的高度非线性的映射，所采用的算法是把样本的I/O问题转化为非线性的优化问题。假设网络的输入层有n个结点，输出层有m个结点，则网络是由Rn到Rm的映射，具体表示如下：

根据上述分析，在乳猪料加工过程中，因其工序多，输入参数亦较多，且最终产品品质指标亦不止一个。……