范为嘉

摘 要：发酵工业受到手工操作的限制，未来将应用生物技术和方法，结合机器识别、深度学习等智能化技术，实现基于人工智能的发酵工业智能化。本文概括性地介绍机器学习算法在发酵智能化研究中的一些应用。

关键词：机器学习;发酵;神经网络;花卉授粉算法;遗传算法;支持向量机

引言[1，2]

机器学习专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能重新组织已有的知识结构使之不断改善自身的性能。发酵指人们借助微生物在有氧或无氧条件下的生命活动来制备微生物菌体本身、或者直接代谢产物或次级代谢产物的过程，在食品工业、生物和化学工业中均有广泛应用。机器学习算法在发酵中的应用已经得到各国科学家的研究。

1厌氧发酵制氢的神经网络非线性建模[2]

Ahmed El-Shafie使用梭状芽胞杆菌（ATCC13564）考查了利用人工神经网络（ANN）方法模拟和预测产氢量的可能性。他引入了一种独特的体系结构来模拟反应温度、初始介质pH值和初始底物三个输入参数之间的相互关系以预测氢气产率，并利用实验的60个数据记录建立了神经网络模型。结果表明，所提出的人工神经网络模型预测有很高的精度，最大误差为10%。此外，与传统方法Box-Wilson Design（BWD）的比较分析证明了ANN模型显著优于BWD。人工神经网络模型克服了BWD方法在记录数量上的局限性，它只是考虑氢产率随机模式的有限长度。

2利用神经网络和遗传算法研究酸奶发酵中酸化工艺的最佳温度分布[3]