Россия
Приморский край, Россия
Россия
Приморский край, Россия
Приморский край, Россия
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 ГОСТISO 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
Введение. Постоянной задачей пищевой промышленности является обеспечение качества и безопасности выпускаемой продукции на основе оптимизации систем контроля и управления технологическими процессами, что нашло отражение и в основных направлениях стратегии повышения качества пищевой продукции в Российской Федерации до 2030 г. [1].
В области производства копченой рыбной продукции проблемой является отсутствие инструментальных методов контроля ее готовности в технологическом процессе. Это не позволяет автоматизировать управление процессом копчения, оптимизировать продолжительность процесса, минимизировать энергозатраты.
Управление качеством копченой рыбной продукции в процессе ее производства осложнено субъективностью существующих органолептических методов контроля качества и малой степенью его автоматизации [2–4].
Перспективным направление решения указанной проблемы является адаптация известных инструментальных методов для оценки цвета поверхности копченой рыбной продукции и создание на их основе систем автоматического контроля ее качества и управления технологическим процессом копчения.
Вопросами приборного измерения цвета пищевой продукции и создания систем управления качеством на его основе занимались такие ученые, как И.Г. Благовещенский, Л.А. Крылова, И.Б. Томашевич, Н.И. Федянина, E.M. De Oliveira, A.A. Nashat, M.J. Villaseñor-Aguilar, K. Utai [5–11]. Работы перечисленных авторов содержат теоретические и методические аспекты измерения цвета различной пищевой продукции, но не рассматривают практические элементы создания систем управления качеством копченой рыбной продукции, основанных на приборном измерении ее цветовых характеристик.
Цель исследования – разработка системы управления технологическим процессом копчения рыбной продукции на основе инструментальной оценки ее качества, позволяющая автоматизировать и оптимизировать технологический процесс копчения.
Задачи: разработка модели процесса 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.
Объекты и методы. Объектом исследования являлся технологический процесс копчения рыбной продукции. Теоретические и практические исследования проходили на базе кафедры «Управления 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.
Результаты и их обсуждение. На первом этапе на основе анализа научно-технической литературы и патентной документации была создана модель процесса измерения цветовых характеристик копченой рыбной продукции. Эта модель основана на способе определения цвета копченой продукции из гидробионтов, который заключается в измерении цветовых характеристик в различных цветовых моделях, рекомендованных Международной комиссией по освещению (CIE). Для разработки модели использовались инструменты методологии IDEF0.
Модель процесса измерения цветовых характеристик копченой рыбной продукции представлена на рисунке 1.
Практические исследования позволили определить диапазоны значений цветовых характеристик копченой рыбной продукции, соответствующие ее высокому качеству (табл.).
Рис. 1. Модель процесса измерения цветовых характеристик
копченой рыбной продукции
Диапазоны значений цветовых характеристик копченой рыбной продукции
|
Ассортимент |
Органолептическая оценка, баллы |
Доминирующая длина волны, нм |
Чистота цвета, % |
Яркость, % |
|
Горбуша г/к |
5 |
579–584 |
48–52 |
8 |
|
Кальмар г/к |
5 |
573–578 |
50–62 |
8 |
|
Сельдь г/к |
5 |
572–578 |
52–62 |
10 |
|
Сельдь х/к |
5 |
573–576 |
48–54 |
9 |
|
Горбуша х/к |
5 |
575–580 |
44–51 |
9 |
|
Кета х/к |
5 |
578–580 |
47–53 |
10 |
|
Нерка х/к |
5 |
576–581 |
54–63 |
9 |
|
Терпуг х/к |
5 |
576–581 |
51–62 |
5 |
Примечание: г/к – горячего копчения; х/к – холодного копчения.
Полученные значения цветовых характеристик копченой рыбной продукции послужили основой для создания базы данных граничных значений цветовых характеристик, сравнение с которой измеренных значений позволило разработать модель технологического процесса копчения рыбной продукции (рис. 2).
Следующим этапом являлось создание модели управления технологическим процессом копчения рыбной продукции (рис. 3).
Рис. 2. Модель контроля технологического процесса копчения рыбной продукции
Рис. 3. Модель управления технологическим процессом копчения рыбной продукции
На последнем этапе была разработана система управления технологическим процессом копчения рыбной продукции. Новизна технического решения подтверждена патентом № 217961 «Устройство управления готовности копченой рыбной продукции» [12].
Заключение. Разработанный способ управления технологическим процессом копчения рыбной продукцииможет послужить основой для автоматизации как разрабатываемых, так и существующих коптильных камер. Его использование минимизирует субъективизм органолептических методов исследования, что позволит увеличить рентабельность коптильного производства. Дальнейшее развитие данных исследований 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.
1. 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/9JUDtBOpqmoAatAhvT2wJ8UPT5Wq8qIo.pdf (дата обращения: 05.05.2023).
2. Разработка системы контроля технологического процесса копчения рыбной продукции / Э.Н. Ким [и др.] // Наука и бизнес: пути развития. 2021. № 7 (121). С. 64–67.
3. 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.
4. Золотин А.Ю., Вайнерман Е.С., Антипова Т.А. Нетривиальный подход к созданию пищевых продуктов // Пищевая промышленность. 2016. № 1. С. 30–33.
5. Использование системы компьютерного зрения для автоматизированного определения органолептических показателей качества семян подсолнечника / Л.А. Крылова [и др.] // Хранение и переработка сельхозсырья. 2017. № 12. С. 53–56.
6. 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.
7. Федянина Н.И. Методы определения цветовых характеристик растительного сырья: обзор // Пищевые системы. 2021. Т. 4, № 4. С. 230–238.
8. 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.
9. 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:https://doi.org/10.1007/s13369-018-03695-5.
10. A maturity estimation of bell pepper (Capsicum annuum L.) by artificial vision system for quality control / M.J. Villaseñor-Aguilar [et al.] // Appl Sci (Switzerland). 2020. 10(15):1–18. DOI:https://doi.org/10.3390/app10155097.
11. 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:https://doi.org/10.1016/j.eaef.2018.10.003.
12. Пат. RU 217961 U1. Устройство управления готовности копченой рыбной продукции / Ким Э.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.
