复合能量胶配方工艺优化方法、装置、存储介质和设备

摘要: 本发明涉及食品开发,尤其涉及复合能量胶配方工艺优化方法、装置、存储介质和设备。背景技术:1、能量胶是一类广泛应用于马拉松、越野跑、骑行、登山等耐力运动场景的便携...
复合能量胶配方工艺优化方法、装置、存储介质和设备

本发明涉及食品开发,尤其涉及复合能量胶配方工艺优化方法、装置、存储介质和设备。

背景技术:

1、能量胶是一类广泛应用于马拉松、越野跑、骑行、登山等耐力运动场景的便携式运动营养食品。现有市售能量胶多以葡萄糖、果糖、麦芽糊精、低聚麦芽糖浆等碳水化合物为主要能量来源,能够在运动过程中快速补充糖分,但其营养组成相对单一,对蛋白质、活性肽和脂质等营养素的补充方面存在不足。

2、因此,需要对能量胶配方进行优化。然而,传统食品配方优化主要依赖人工经验和大量单因素实验,实验周期长,试错成本高,难以同时综合考虑多维评价指标。

3、因此,现有技术还有待于改进和发展。

技术实现思路

1、基于上述现有技术的不足,本发明的目的在于提供复合能量胶配方工艺优化方法、装置、存储介质和设备,旨在解决传统能量胶配方优化周期长、试错成本高、难以综合考虑多维指标的问题。

2、本发明的技术方案如下:

3、本发明的第一方面,提供一种复合能量胶配方工艺优化方法,其中,包括如下步骤:

4、获取向量知识库,所述向量知识库包括能量胶相关知识库和历史实验数据库;

5、将用户输入的目标需求转化为检索向量,基于所述检索向量在所述向量知识库中进行检索,获得最相关的知识片段;

6、将所述最相关的知识片段与所述用户输入的目标需求共同作为提示词,输入到大语言模型中,生成a个候选配方工艺;

7、利用训练好的梯度提升回归树模型对所述a个候选配方工艺的性能综合评价值进行预测,并按照性能综合评价值从高到低的顺序,对所述a个候选配方工艺进行排序,得到排名前b名的候选配方工艺;其中,b≤a;

8、获取排名前b名的候选配方工艺的实验验证结果;

9、基于所述实验验证结果,输出符合目标需求的配方工艺。

10、可选地,若实验验证结果均不符合目标需求,则将实验验证结果及对应的配方工艺写入历史实验数据库,并利用大语言模型进行配方工艺迭代优化,直至最终输出符合目标需求的配方工艺。

11、可选地,所述能量胶相关知识库包括食品胶体知识库、原料相容性知识库和食品安全边界知识库;所述食品胶体知识库包括复合能量胶的原料种类和原料用量的约束范围以及复合能量胶的ph的约束范围;以质量百分含量计算,原料种类和原料用量的约束范围如下:

12、多糖凝胶剂 0.6%~1.5%,蛋清蛋白 2%~8%,蛋清肽 1%~4%,蛋黄卵磷脂 0.5%~2.0%,中链甘油三酯油 1%~5%,糖源 5%~25%,酸度调节剂 0.05%~0.50%,食品级防腐剂0.02%~0.08%,余量至100%的为水;

13、蛋黄卵磷脂与中链甘油三酯油的质量比为1:2~1:4;

14、多糖凝胶剂选自黄原胶、魔芋胶、结冷胶和卡拉胶中的至少一种;

15、糖源选自葡萄糖、果糖、麦芽糖和麦芽糊精中的至少一种;

16、酸度调节剂选自柠檬酸钠、苹果酸和乳酸中的至少一种;

17、食品级防腐剂选自山梨酸钾、山梨酸、苯甲酸钠和脱氢乙酸钠中的至少一种;

18、ph的约束范围为4.5~5.5;

19、所述原料相容性知识库包括多糖凝胶剂与蛋清蛋白和蛋清肽的相容性、蛋黄卵磷脂与中链甘油三酯油的乳化关系以及ph对蛋白质沉淀风险的影响;

20、所述历史实验数据库包括复合能量胶的配方数据、工艺数据、原料属性数据、理化性能数据和稳定性数据。

21、可选地,所述实验验证结果包括理化性能结果和稳定性结果;

22、所述理化性能结果包括ph、表观黏度、持水性、硬度、弹性、黏聚性、胶黏性、储能模量、损耗模量、损耗角正切值、蛋白质含量、脂肪含量、总糖含量、初始过氧化值、菌落种类及菌落总数;

23、所述稳定性结果包括ph稳定性结果、表观黏度稳定性结果、持水性稳定性结果、分层指数稳定性结果、乳析指数稳定性结果、过氧化值稳定性结果、菌落总数稳定性结果和感官评分稳定性结果。

24、可选地,所述性能综合评价值包括综合品质评分和稳定性安全指数;

25、所述综合品质评分的计算公式如下:

26、;

27、其中:

28、

q为综合品质评分;

29、

a为外观均匀性归一化评分;

30、

w为持水性归一化评分;

31、

r为流变学适宜性归一化评分;

32、

t为质构适宜性归一化评分;

33、

o为氧化稳定性归一化评分;

34、

c为感官接受度归一化评分;

35、

s为微生物安全性归一化评分;

36、~为权重系数,且;

37、稳定性安全指数=1-稳定性风险指数;

38、所述稳定性风险指数的计算公式如下:

39、;

40、其中:

41、

rs为稳定性风险指数;

42、

ln为分层指数归一化值;

43、

en为乳析指数归一化值;

44、

pn为过氧化值增长率归一化值;

45、

vn为表观黏度变化率归一化值;

46、

nn为菌落总数归一化值;

47、

α1~

α5为风险权重系数,且

α1+

α2+

α3+

α4+

α5=1。

48、可选地,利用训练好的梯度提升回归树模型对所述a个候选配方工艺的性能综合评价值进行预测,并按照性能综合评价值从高到低的顺序,对所述a个候选配方工艺进行排序,得到排名前b名的候选配方工艺的步骤具体包括:

49、利用训练好的梯度提升回归树模型对所述a个候选配方工艺的综合品质评分和稳定性安全指数进行预测,得到综合品质评分预测值和稳定性安全指数预测值;

50、基于综合品质评分预测值和稳定性安全指数预测值得到推荐指数,推荐指数的计算公式为:

51、;

52、其中,

ri为推荐指数,为综合品质评分预测值的归一化值,为稳定性风险指数预测值的归一化值,1-为稳定性安全指数预测值的归一化值,

b为安全边界函数;

53、按照所述推荐指数从高到低的顺序,对a个候选配方工艺进行排序,得到排名前b名的候选配方工艺。

54、可选地,所述训练好的梯度提升回归树模型通过以下训练方法获得:

55、提供待训练的梯度提升回归树模型;

56、提供若干个复合能量胶的配方工艺以及其实测性能综合评价值,所述实测性能综合评价值包括实测综合品质评分和实测稳定性安全指数;

57、将所述若干个复合能量胶的配方工艺输入至所述待训练的梯度提升回归树模型,得到若干个复合能量胶的预测性能综合评价值,所述预测性能综合评价值包括预测综合品质评分和预测稳定性安全指数;

58、基于所述实测性能综合评价值和所述预测性能综合评价值,得到损失函数;

59、基于所述损失函数,对待训练的梯度提升回归树模型进行训练,直至损失函数收敛,得到训练好的梯度提升回归树模型。

60、本发明的第二方面,提供一种复合能量胶配方工艺优化装置,其中,包括:

61、数据获取模块,用于获取向量知识库,所述向量知识库包括能量胶相关知识库和历史实验数据库;

62、需求转化与检索模块,用于将用户输入的目标需求转化为检索向量,基于所述检索向量在所述向量知识库中进行检索,获得最相关的知识片段;

63、配方生成模块,用于将所述最相关的知识片段与所述用户输入的目标需求共同作为提示词,输入到大语言模型中,生成a个候选配方工艺;

64、性能预测模块,用于利用训练好的梯度提升回归树模型对所述a个候选配方工艺的性能综合评价值进行预测,并按照性能综合评价值从高到低的顺序,对所述a个候选配方工艺进行排序,得到排名前b名的候选配方工艺;其中,b≤a;

65、性能验证模块,用于获取排名前b名的候选配方工艺的实验验证结果;

66、配方工艺输出模块,用于基于所述实验验证结果,输出符合目标需求的配方工艺。

67、本发明的第三方面,提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,实现本发明如上所述的复合能量胶配方工艺优化方法。

68、本发明的第四方面,提供一种电子设备,其中,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现本发明如上所述的复合能量胶配方工艺优化方法。

69、有益效果:

70、本发明中基于能量胶相关知识库和历史实验数据库,利用大语言模型生成候选配方工艺,同时通过检索增强生成方法,能够降低大语言模型生成不合理配方工艺或虚构实验规律的风险,提高配方工艺推荐的可解释性和可复现性。利用梯度提升回归树模型预测性能综合评价值,能够在实验数据量有限的情况下对性能综合评价值进行预测,综合考虑多维性能指标。本发明采用检索增强生成方法,并基于大语言模型和梯度提升回归树模型协同优化配方工艺,能够减少盲目试错,提高复合能量胶的配方工艺筛选效率,优化周期短,成本较低,可兼顾多维指标。