Управление технологическим процессом копчения рыбной продукции на основе оценки ее качества
Автор: Ким Э.Н., Тимчук Е.Г., Глебова Е.В., Лаптева Е.П., Заяц Е.А.
Журнал: Вестник Красноярского государственного аграрного университета @vestnik-kgau
Рубрика: Пищевые технологии
Статья в выпуске: 11, 2023 года.
Бесплатный доступ
Цель исследования - система управления технологическим процессом копчения рыбной продукции на основе инструментальной оценки ее качества. Объект исследования - технологический процесс копчения рыбной продукции. Теоретические и практические исследования проводились на базе кафедры «Управление техническими системами» ФГБОУ ВО «Дальрыбвтуз» (г. Владивосток, Приморский край). Шкалы органолептической оценки строили согласно рекомендациям ГОСТ ISO 11036-2017 «Органолептический анализ. Методология. Характеристика структуры». Модели строили, используя инструменты методологии IDEF0. Применялись органолептические и инструментальные методы оценки качества копченой рыбной продукции, методы структурно-функционального моделирования процессов. Исследование выполнялось в несколько этапов: разработка методики измерения цветовых характеристик копченой рыбной продукции, идентификация диапазонов значений цветовых характеристик копченой рыбной продукции, разработка модели контроля технологического процесса копчения рыбной продукции, разработка модели управления технологическим процессом копчения рыбной продукции, разработка системы управления технологическим процессом копчения рыбной продукции. Результаты исследования позволили разработать патент № 217961 «Устройство управления готовности копченой рыбной продукции», дата приоритета - 16.12.2022. Разработанный способ может послужить основой для автоматизации как разрабатываемого, так и существующего коптильного оборудования. Его использование минимизирует субъективизм органолептических методов контроля готовности копченой рыбной продукции, оптимизирует длительность процесса обработки рыбного сырья коптильными средствами и тем самым энергозатраты технологического процесса. Дальнейшее развитие данного исследования возможно путем совершенствования этапа анализа данных на этапе контроля качества копченой рыбной продукции с помощью нейронной сети, которая, анализируя данные цветовых характеристик, будет предлагать оператору варьировать диапазоны значений цветовых характеристик. Релевантность предложений рекуррентной нейронной сети возможно реализовать посредством цепей Маркова.
Управление технологическим процессом, копченая рыбная продукция, оценка качества, органолептические показатели, цветовые характеристики
Короткий адрес: https://sciup.org/140304247
IDR: 140304247 | DOI: 10.36718/1819-4036-2023-11-305-310
Список литературы Управление технологическим процессом копчения рыбной продукции на основе оценки ее качества
- Стратегия повышения качества пищевой продукции в Российской Федерации до 2030 года: распоряжение Правительства РФ № 1364-рот 29 июня 2016 г. URL: http://static.government.ru/media/files/9JUDtB OpqmoAatAhvT2wJ8UPT5Wq8qIo.pdf (дата обращения: 05.05.2023).
- Разработка системы контроля технологического процесса копчения рыбной продукции / Э.Н. Ким [и др.] // Наука и бизнес: пути развития. 2021. № 7 (121). С. 64-67.
- Тимчук Е.Г. Применение «электронных сенсорных» устройств, оснащенных искусственным интеллектом, для обеспечения качества пищевой продукции // Наука и бизнес: пути развития. 2022. № 10 (136). С. 131-133.
- Золотин А.Ю., Вайнерман Е.С., Антипова Т.А. Нетривиальный подход к созданию пищевых продуктов // Пищевая промышленность. 2016. № 1. С. 30-33.
- Использование системы компьютерного зрения для автоматизированного определения органолептических показателей качества семян подсолнечника / Л.А. Крьлова [и др.] // Хранение и переработка сельхоз-сырья. 2017. № 12. С. 53-56.
- Томашевич И.Б. Система компьютерного зрения для измерения цветовых параметров мяса и мясных продуктов: обзор // Теория и практика переработки мяса. 2018. Т. 3, № 4. С. 4-15.
- Федянина Н.И. Методы определения цветовых характеристик растительного сырья: обзор // Пищевые системы. 2021. Т. 4, № 4. С. 230-238.
- A computer vision system for coffee beans classification based on computational intelligence techniques / E.M. De Oliveira [et al.] // J Food Eng. 2016. 171:22-27. DOI: 10.1016/ j.jfoodeng.2015.10.009.
- Mazen F.M.A., Nashat A.A. Ripeness classification of bananas using an artificial neural network // Arab J Sci Eng. 2019. 44(8):6901-6910. DOI: 10.1007/s13369-018-03695-5.
- A maturity estimation of bell pepper (Capsicum annuum L.) by artificial vision system for quality control / M.J. Villasenor-Aguilar [et al.] // Appl Sci (Switzerland). 2020. 10(15):1-18. DOI: 10.3390/app10155097.
- Mass estimation of mango fruits (Mangifera indica L., cv. 'Nam Dokmai') by linking image processing and artificial neural network / K. Utai [et al.] // EngAgricEnvironFood. 2019. 12(1):103-110. DOI: 10.1016/j.eaef.2018.10.003.
- Пат. RU 217961 U1. Устройство управления готовности копченой рыбной продукции / КимЭ.Н., Тимчук Е.Г, Стастен С.С.; патентообладатель Дальневосточный гос. технический рыбохозяйственный ун-т. № 2022133278; заявл. 16.12.2022; опубл. 26.04.2023, Бюл. № 12.
