Notice

  • Bibliomer n° : 13 - Mars 2001
  • Thème : 2 - Transformation
  • Sous-thème : 2 - 2 Procédés de transformation
  • Notice n° : 2001-1280

Prédiction du temps de congélation pour les produits alimentaires en utilisant les réseaux de neurones

Prediction of freezing time for food products using a neural network

Mittal G.S.*, Zhang J.

* School of Engineering, University of Guelph, Ontario, Canada NIG 2W1 ; Tél.: 1.519.8244120, ext. 2431 ; Fax : 1.519.8360227 ; E-mail : mittal@net2.eos.uoguelph.ca

Food Research International, 2000, n° 33, p. 557-562 - Texte en Anglais


Analyse

L'objet de cet article est de montrer les possibilités offertes par des modèles à base de réseaux de neurones pour prédire un temps de congélation (-18°C à coeur) de produits alimentaires. Les réseaux de neurones fonctionnent par apprentissage c'est-à-dire qu'ils s'adaptent pour optimiser leurs réponses à la base d'informations de référence.
Dans cette étude, l'apprentissage pour déterminer un temps de congélation sur un parallélépipède est réalisé à partir de données issues du modèle proposé par Pham en 1986 et adapté par Cleland & co. en 1987. Les entrées du réseau correspondent aux paramètres géométriques, aux caractéristiques physiques du produit et aux conditions environnementales de la congélation, soit au total 10 entrées. Le modèle de Pham modifié est utilisé sur un jeu de 52488 valeurs d'entrées pour prédire les temps de congélation correspondant. Ce dernier modèle étant considéré comme moins fiable pour les forts temps (>1000 s) de congélation, les auteurs ne retiennent pour la phase d'apprentissage et de validation que les 44351 données jugées comme correctes. De ce jeu, deux séries de 8870 données sont extraites aléatoirement pour la phase de test en apprentissage et pour la phase de validation. Les 26611 données restantes servent de données d'apprentissage. Le type de réseaux retenus pour cette analyse est un réseau Wardnet qui diffère des réseaux perceptrons multicouches pour l'utilisation de fonctions d'activations plus variées. Après différents tests, une structure contenant 3 couches cachées de 40 neurones pour chaque couche a été jugée comme optimale. Une erreur relative moyenne d'environ 3.5 % est observée sur le jeu de données de validation et seulement 754 sur 8870 données ont une erreur relative supérieure à 10 %. Pour le domaine étudié, une analyse rapide et aisée de l'importance relative des différentes variables d'entrées étudiées peut être obtenue en calculant la somme des poids connectés à ces entrées.
Le réseau entraîné et validé à partir des données issues du modèle de Pham est ensuite utilisé pour prédire des temps de congélation sur des données expérimentales de la littérature. Dans ce cas, cette prédiction entraîne une erreur relative moyenne inférieure à 10 % sur 87.4 % des 150 cas analysés.
En conclusion, dans le cadre des objectifs fixés, cette méthode semble disposé d'un fort potentiel. Les auteurs insistent sur la structure évolutive par apprentissage des réseaux de neurones. Ils évacuent à mon avis un peu rapidement les aspects très numériques et pas toujours très répétables des réseaux de neurones (Le choix d'une structure lors de la phase d'apprentissage est souvent délicat et des résultats différents peuvent être observés suivant les utilisateurs).
Cet article ne permet malheureusement pas de réellement comparer les performances de ce nouvel outil avec d'autres modèles moins numériques et plus physiques. Un nombre important de caractéristiques produits souvent difficiles à obtenir précisément (chaleur spécifique, humidité, densité, conductivité thermique...) doit être renseigné, comme pour les autres méthodes d'ailleurs, pour obtenir une prédiction. L'étude n'englobe pas l'analyse des capacités d'extrapolation du réseau obtenu pour des formes plus complexe qu'un parallélépipède, ce qui en diminue sa généralisation.
Analyse réalisée par : Baron R. / IFREMER


Imprimer Imprimer

Analyse au format pdf




© Bibliomer 1992-2017

Site élaboré dans le cadre d'un partenariat Ifremer - FranceAgriMer - CITPPM,
en collaboration avec les centres techniques CTCPA, IFIP

Le Site Bibliomer, est déclaré auprès de la CNIL. Pour de plus amples informations n'hésitez pas à écrire à la CNIL : Commission Nationale de l'Informatique et des Libertés - 21, rue St-Guillaume 75340 Paris cedex 7 - Tél : 01 53 73 22 22 - Fax : 01 53 73 22 00

Bibliomer est compatible avec zotero

Icônes : Tango