CC BY
35
СЕНСОРНЫЕ ТЕХНОЛОГИИ В ОПРЕДЕЛЕНИИ СВЕЖЕСТИ ОБЪЕКТОВ АКВАКУЛЬТУРЫ
М.К. Сборец
Воронежская государственная технологическая академия;
Е.В. Калач
Воронежская государственная технологическая академия
Прудовые рыбы являются одним из резервов увеличения высокоценных пищевых продуктов, так как не уступают, а в некоторых случаях превосходят океанических по качеству и соотношению основных эссенциаль-ных ингредиентов. Создание устойчивого ассортимента продуктов массового потребительского спроса имеет большое экономическое и социальное значение, так как при высокой пищевой ценности прудовая рыба значительно дешевле океанической и морской, а её объемы и виды легко планировать путём целенаправленного разведения и откорма [1].
Решая задачу снабжения населения продуктами питания на основе рыбы и морепродуктов (гидробионтов), добывающая и перерабатывающая подотрасли рыбной промышленности России вносят важный вклад в обеспечение продовольственной безопасности страны.
Обеспеченность сырьем позволяет предприятиям организовывать дифференцированную переработку рыбного сырья, выпуская разнообразный ассортимент продукции в соответствии с установленными требованиями. Это относится, прежде всего, к следующим видам продукции: быстрозамороженным рыбным полуфабрикатам; продукции на основе рыбного фарша, в том числе формованной с заданной структурой, определенным цветом, вкусом, запахом и консистенцией на основе недорогостоящего сырья; соленой, копченой продукции, пресервов из наиболее качественного и ценного сырья; биологически активным добавкам (БАД) от исходов обработки сырья [7].
При этом создаются предпосылки для успешной реализации комплексного подхода к переработке гидробионтов. Выстраивание вертикально интегрированных холдингов в регионах с наибольшим потреблением рыбо- и морепродуктов позволяет сохранить целостность (непрерывность) технологической цепочки от добычи сырья до реализации готовой продукции и организовать систему управления качеством и безопасностью во всех компаниях, входящих в холдинг.
Технологам по обработке рыбы необходимо создать новую стратегию производства с учетом современных представлений о системах управления качеством и безопасностью пищевых продуктов. В области научного обеспечения государственных гарантий по безопасности и качеству рыбной продукции приоритетными являются разработка и совершенствование методов испытаний продукции в целях сертификации и оценки соответствия [6].
В последнее десятилетие автоматизация процессов пищевых технологий привела к созданию материальных устройств, позволяющих регистрировать накопление, распад и взаимодействие различных веществ и изменение их состояния при самых низких концентрациях. Эти устройства, получившие названия «сенсоров», уже достаточно широко используются на различных этапах производства рыбной продукции. В зарубежной и отечественной литературе термины «органолептическая оценка» и «сенсорный анализ» часто применяют как равнозначные. Современный уровень развития науки органолептики требует разделения этих понятий. Способы измерения количества химических соединений в пищевом продукте с помощью сенсоров называют сенсорной технологией оценок [5].
Один из главных факторов безопасного потребления рыбы - объективная оценка степени ее пригодности, в основе которой лежат как орга-нолептические, так и физико-химические методы. Органолептический метод использует сенсорные рецепторы человека для оценки вкуса, запаха и цвета продукта. Он требует наличия высококвалифицированных дегустаторов и носит достаточно субъективный характер. При использовании физико-химических методов необходимо достаточное количество времени, дорогостоящее оборудование и химические реактивы, работа опытных специалистов [4].
Ежегодно 70% пищевой рыбной продукции изготавливается из мороженого сырья, объем которого составляет более 2,2 млн. т. В процессе хранения рыбы происходит деградация компонентов ее структуры и, соответственно, ухудшается качество.
В связи с этим особую актуальность приобретает создание портативных приборов для оперативного определения (экспресс-контроля) степени пригодности рыбы к употреблению в пищу и при этом доступных для потребителя.
В целях удовлетворения потребности в обеспечении качества и безопасности продукции предлагается для оценки качества и безопасности рыбы и рыбной продукции использовать мультисенсорную систему «электронный нос», состоящую из десяти пьезосенсоров. Работа такой системы основана на многоуровневой нейронной семиотической модели, описывающей механизм работы обонятельной луковицы человека.
На первом уровне происходит сбор первичной информации об одо-ранте (запаховом веществе), которую осуществляют обонятельные рецеп-торные нейроны (ОР). Каждый нейрон реагирует на раздражитель (запах) условной обонятельной среды и затем формирует выходной сигнал в зависимости от чувствительности к данному веществу.
Нейронная модель состоит из следующих частей:
1. Характеристика обонятельных рецепторных нейронов (I уровень модели).
Результирующая выходная реакция ОР модели зависит от концентрации одоранта в запаховой среде, а также от порога чувствительности обонятельного рецептора.
2. Характеристика обонятельного клубочка (II уровень модели).
Обонятельный клубочек служит ключевой структурой, в которой
происходит обмен данными между рецепторными нейронами и основными нейронами модели.
3. Характеристика основных нейронов (III уровень модели).
Осуществляется сложное взаимодействие между различными типами
основных нейронов (возбуждение и торможение соответствующих клеток, а также организация обратных связей), в результате чего нейроны приходят в состояние возбуждения или покоя.
Каждый обонятельный клубочек объединяет множество обонятельных рецепторов по входу и множество основных нейронов по выходу в единый модуль. Модули третьего уровня модели также взаимодействуют друг с другом, образуя в целом сложную нейронную сеть. Выходные сигналы модели снимаются со всех основных нейронов третьего уровня (митральных и кисточковых клеток).
Общий принцип работы модели заключается в следующем: каждый новый набор входных стимулов обонятельной среды приводит к переходу функциональной системы обонятельной луковицы в определенное сочетание возбужденных и невозбужденных основных нейронов.
Кроме того, данный переход происходит в динамике, то есть процесс обработки информации протекает во времени в определенной последовательности. Под временем понимается ряд этапов преобразования данных при прохождении их от входа к выходу модели. Работа описанной нейронной модели заключается в выполнении серии циклов, в результате которых происходит процесс самонастройки обонятельной луковицы на поступающие от рецепторных нейронов сигналы; результатом является информация о качестве одоранта, его концентрации.
Руководствуясь выбранной моделью, мы сделали попытку создать электронный аналог системы обоняния человека - «электронный нос». В качестве обонятельных рецепторов электронного носа выбраны пьезосен-соры. Этот выбор обусловлен тем, что пьезокварцевые резонаторы уже более 40 лет применяются для решения различных аналитических задач, например, для оценки вклада в суммарный аналитический сигнал системы отдельного изомера или гомолога. Нами применены пьезокварцевые резонаторы (пьезосенсоры) АТ - среза с номинальной частотой 8 МГц. Пьезок-варцевый резонатор представляет собой пластину, изготовленную из монокристалла пьезокварца с нанесенными с двух сторон металлическими электродами [2].
Устройство «электронный нос» (ЭН) (рис. 1) представляет собой аналитический инструмент, состоящий из системы слабоселективных сен-
соров с перекрестной специфичностью к различным веществам и использующий для обработки сигналов математические методы распознавания образов (искусственные нейронные сети, кластерный анализ, метод главного компонента), позволяющие проводить качественный и количественный анализ газов, паров веществ и запахов [5].
Сенсоры контролируют большее количество параметров продукта, чем органы человека (цвет, температуру, массу и влажность), причем бесконтактным способом. Преимущества сенсоров - эффективный, непрерывный, неразрушающий контроль качества, применимый в труднодоступных местах, с низкой себестоимостью продукции и высоким уровнем производительности труда. Пьезосенсоры осуществляют сбор первичной информации о природе и составе запаха, то есть соответствуют обонятельным рецепторным нейронам первого уровня модели [6].
Сигналы пьезосенсоров, зависящие от чувствительности, интенсивности запаха, затем группируются системой сбора и передачи информации на втором уровне модели. Для многоканальной регистрации сигналов десяти пьезосенсоров в системе «электронный нос» и последующей передачи полученных данных в персональный компьютер нами использована программируемая логическая интегральная схема (ПЛИС) фирмы Altera.
Такое решение позволило создать малогабаритную высокоинтегри-рованную систему сбора данных с гибкой структурой, поддерживающую также функцию внутрисхемного программирования. Затем общий выходной сигнал электронного носа обрабатывается на третьем уровне модели, который располагается уже в ЭВМ.
III уровень модели
Рисунок 1. Устройство «электронный нос».
Увеличение количества сенсоров в установке ЭН, являющихся информационными каналами устройства, обусловлено двумя причинами: 1. Повышение достоверности и надежности анализа.
2. Снижение точности получаемой информации в случае нарушения функционирования части сенсорной системы.
Суммарный сигнал «электронного носа» включает набор следующих трех параметров: максимальный частотный сигнал пьезосенсора за время анализа Л^ш^сигнал пьезосенсора к анализируемой пробе), время дости-
S
жения Tmax величины сигнала сенсора Л^^, площадь Ay фигуры, ограниченной функцией Лf=^(т) и осями OAf и От.
Набор этих трех выходных параметров каждого сенсора представляет собой входной вектор для третьего уровня обработки информации. После формирования суммарного сигнала анализатора ЭН создается база данных, в которую заносится информация о природе запаха и концентрации его отдельных компонентов, на основе которой затем формируется входной сигнал для слоя основных нейронов.
Третий уровень модели обонятельной системы в «электронном носе» представлен многослойной нейронной сетью (МНС) с обучением по методу обратного распространения ошибки (back propagation) [3]. Элементами такой сети являются нейроны, которые в зависимости от суммарного воздействия входных сигналов могут возбуждаться или тормозиться, в результате чего формируется конкретный выходной сигнал. Каждый сигнал, поступающий по дендритам нервной клетки, характеризуется возбуждающей или тормозящей способностью, то есть обладает некоторым отрицательным или положительным весом. При достижении нейроном определенного порогового значения уровня возбуждения происходит его активизация, и по аксону передается сигнал другим элементам сети, которые образуют последовательный ряд слоев.
Принимая во внимания результаты исследований ароматограммы, общего химического состава и оценки биологической ценности, на кафедре технологии мяса и мясных продуктов были разработаны новые рыбные продукты с использованием мяса прудовой рыбы ТУ 9272-001-497454502008 - «Пресервы из прудовой рыбы в соусах и заливках», ТУ 9266-00249745450-2008 - «Полуфабрикаты из прудовых рыб замороженные и охлаждённые», отличающиеся высокой пищевой и биологической ценностью и отвечающие современным требованиям функционального питания. В условиях экспериментально опытного цеха на базе ОАО «Восток» произведена выработка опытной партии пресервов из прудовых рыб по разработанной рецептуре.
Список использованной литературы
1. Абрамова Л.С. Пути рационального использования сырьевых ресурсов рыбного хозяйства страны / Л.С. Абрамова // Пищевая промышленность. - 2004. - № 3.
2. Воронков Г.С., Изотов В.А. Компьютерная модель нейронных механизмов обработки информации на первом синаптическом уровне обонятельной системы / Г.С. Воронков, В.А. Изотов // Интеллектуальные системы. - 1998. - Т.3. - Вып. 1-2. - С. 87-108.
3. Искусственный интеллект: применение в химии / под ред. Т. Пирса, Б. Хони. - М.: «Мир», 1988. - 430 с.
4. Калач А.В., Коренман Я.И., Нифталиев С.И. Искусственные нейронные сети - вчера, сегодня, завтра. - Воронеж: Воронеж. гос. технол. акад., 2002. - 213 с.
5. Калач А.В. Пьезосенсоры в мониторинге окружающей среды // Эколог. системы и приборы. - 2004. - №10. - С. 8 - 11.
6. Котенев Б.Н., Зайцева Ю.Б. О первоочередных задачах рыбохозяй-ственной науки в связи с утверждением «Концепции развития рыбного хозяйства Российской Федерации (2003 - 2020 гг.)» и действиях, необходимых для ее реализации / Б.Н. Котенев, Ю.Б. Зайцева // Рыбное хозяйство. -2003. - № 6.
7. Проселков В.Г. Управление качеством и безопасностью рыбной продукции / В.Г. Проселков // Рыбная промышленность. - 2005. - № 4.
