一种低GI乳制品的制备配料优化方法、装置及电子设备与流程

本发明涉及食品，具体涉及一种低gi乳制品的制备配料优化方法。

背景技术：

1、近年来，随着社会老龄化和人们饮食习惯的改变，糖尿病、心血管疾病等慢性疾病呈上升趋势。选择科学合理的膳食结构是预防和控制这些疾病的关键。血糖生成指数(gi)是衡量食物对血糖影响的重要指标。低gi食物因其有助于维持血糖稳定，受到广泛关注。然而，目前市场上的低gi食品主要集中在谷物和豆类领域，对于乳制品领域，尤其是低gi乳制品的研究和开发相对较少。

2、低gi是指低升糖指数的食物，gi即glycemic index，是血糖生成指数的意思。它表示某种食物升高血糖效应与标准食品(通常为葡萄糖)升高血糖效应之比，也就是一个食物引起血糖升高的能力。

3、gi值受多种因素影响，如食物中碳水化合物的含量、类型、物理性状、成熟度、加工方式、贮存条件等。低gi食物在进入胃肠道后其消化吸收速度较慢，所以葡萄糖释放缓慢，引起餐后血糖的变化就较小，这对维持人们尤其是糖尿病患者的血糖稳定十分有利。而高gi食物恰恰相反，食用相同数量的食物会引起餐后血糖发生急剧的变化。

4、羊奶粉在低gi食品中有广泛的应用。羊奶中含有丰富的环磷腺苷，能够调节生理机能和物质代谢，对糖、脂肪代谢，核酸、蛋白质的合成调节起着重要作用。并且羊奶中含有丰富的蛋白质、维生素等人体必需的营养成分，经常喝羊奶不仅能控制血糖升高，还能补充人体所需的营养，增强体质。为此研发出一种基于羊奶粉的低gi乳制品。

技术实现思路

1、本发明的目的在于提供一种低gi乳制品的制备配料优化方法，通过优化原料选择、配比和加工工艺，制备出低gi乳制品，满足需要控制血糖的人群的需求。

2、本发明提供一种低gi乳制品的制备配料优化方法、装置及电子设备，包括：

3、获取低gi乳制品基础数据，所述低gi乳制品基础数据包括羊奶粉成分信息、羊奶粉加工条件以及最终食品gi值数据，所述羊奶粉成分信息包括包括羊奶粉蛋白质信息、羊奶粉脂肪信息、羊奶粉碳水化合物类型及含量信息，所述羊奶粉加工条件包括加工温度信息、加工时间信息、加工湿度信息与最终乳制品gi值的数据；

4、确定影响乳制品gi值的变量以及影响乳制品gi值因素信息，根据所述影响乳制品gi值的变量以及影响乳制品gi值因素信息采集乳制品gi值变量的观测值；

5、将所述采集乳制品gi值变量的观测值数据进行数据预处理，对所述低gi乳制品基础数据中的信息数据清洗，去除异常值或错误记录，对数据进行标准化，得到低gi乳制品预处理结果；

6、根据所述低gi乳制品预处理结果以及所述影响乳制品gi值的变量，建立回归分析模型，将所述低gi乳制品预处理结果建立数据集，并将数据集分成多个部分并对每部分建立序列标签，每次使用其中一部分作为测试集，其余部分作为训练集来拟合模型，通过计算测试集上的预测误差，评估回归分析模型性能；

7、若回归分析模型性能符合预期值，则实时采集低gi乳制品加工过程中的乳制品gi值变量数据，建立实时乳制品gi值变量数据集，对所述实时乳制品gi值变量数据集进行预处理后代入至回归分析模型，得到低gi乳制品的制备过程中各个自变量对gi值的影响程度信息。

8、进一步地，确定影响乳制品gi值的变量以及影响乳制品gi值因素信息，根据所述影响乳制品gi值的变量以及影响乳制品gi值因素信息采集乳制品gi值变量的观测值，包括；

9、采集乳制品gi值影响文献信息以及乳制品gi值研发历史数据，并对乳制品gi值影响文献信息以及乳制品gi值研发历史数据进行乳制品gi值影响信息特征提取，建立乳制品gi值变量特征样本库；

10、对所述乳制品gi值变量特征样本库内影响乳制品gi值的变量特征进行加权分析，得到乳制品gi值的变量特征加权系数；

11、根据所述乳制品gi值的变量特征加权系数，筛选出影响乳制品gi值的变量以及影响乳制品gi值因素信息。

12、进一步地，根据所述乳制品gi值的变量特征加权系数，筛选出影响乳制品gi值的变量以及影响乳制品gi值因素信息，包括；

13、根据所述乳制品gi值的变量特征加权系数，筛选出影响乳制品gi值的变量以及影响乳制品gi值因素信息；

14、将每个特征的观测值与其对应的权重相乘，得到加权后的特征值，计算公式为：加权特征值＝特征观测值×特征权重；

15、基于加权特征的统计分析：对加权后的特征进行统计分析，如描述性统计、方差分析、回归分析等，以揭示各特征对乳制品gi值的影响程度和方向；

16、根据统计分析结果，提取出对乳制品gi值有显著影响的变量及因素信息，这些信息可以包括变量的名称、影响方向(正向或负向)以及影响程度；

17、使用皮尔逊相关系数公式计算特征变量与gi值之间的相关性；

18、皮尔逊相关系数＝(n∑xy-∑x∑y)/√[(n∑x^2-(∑x)^2)(n∑y^2-(∑y)^2)]

19、其中，n是样本数量，x和y分别是特征变量和gi值的观测值；

20、加权特征值[i]＝特征观测值[i]×特征

21、权重[i]

22、其中，i表示第i个特征或样本

23、使用线性回归模型分析特征变量与gi值之间的关系，线性回归模型的为；

24、gi＝β0+β1×特征1+β2×特征2+...+βn×特征n；

25、其中，β0是截距项，β1到βn是各特征的回归系数，通过最小二乘法等方法进行计算。

26、进一步地，根据所述低gi乳制品预处理结果以及所述影响乳制品gi值的变量，建立回归分析模型，将所述低gi乳制品预处理结果建立数据集，并将数据集分成多个部分并对每部分建立序列标签，每次使用其中一部分作为测试集，其余部分作为训练集来拟合模型，通过计算测试集上的预测误差，评估回归分析模型性能，包括；

27、分析每次迭代的评估结果，观察模型性能的变化趋势；

28、根据评估结果选择性能最优的模型。

29、如权利要求4所述的方法，其特征在于，还包括；

30、数据预处理相关函数，在pandas库中的调取dropna(),fillna(),replace()等函数用于处理缺失值和异常值；

31、通过sklearn.preprocessing中的standardscaler(),minmaxscaler()对数据进行标准化；

32、pandas库中的get_dummies()用于分类变量的独热编码；

33、进行数据集划分相关函数；

34、sklearn.model_selection中的train_test_split()用于对训练集和测试集划分；

35、sklearn.model_selection中的kfold(),stratifiedkfold()用于k折交叉验证的数据集划分；

36、模型建立与训练相关函数；

37、sklearn.linear_model中的linearregression()用于线性回归模型的建立；

38、sklearn.tree中的decisiontreeregressor()用于决策树回归模型的建立；

39、sklearn.ensemble中的randomforestregressor()用于随机森林回归模型的建立；

40、模型的训练通常通过调用模型的fit()方法实现；

41、模型评估相关函数与计算公式；

42、sklearn.metrics中的；

43、mean_squared_error(),root_mean_squared_error(),mean_absolute_error()函数用于计算评估指标；

44、mse的计算公式是：

45、

46、其中：

47、n：代表样本的总数，表示对所有的样本i进行求和，计算每个样本的真实值与预测值之间的差的平方，yi：代表第i个样本的真实值，即实际观测到的目标变量值，yhati(或)：代表模型对第i个样本的预测值，即模型根据输入特征计算出的目标变量估计值；

48、mse通过计算每个样本的预测误差的平方并求平均来量化模型的预测性能，mse越小，说明模型的预测性能越好，因为它意味着预测值与实际值之间的差异越小，根据评估结果，可以选择性能最优的模型进行后续的应用。

49、本发明的有益效果如下：本发明提供的一种低gi乳制品的制备配料优化方法，通过优化原料选择、配比和加工工艺，对所述实时乳制品gi值变量数据集进行预处理后代入至回归分析模型，得到低gi乳制品的制备过程中各个自变量对gi值的影响程度信息，根据对所述实时乳制品gi值变量数据集进行预处理后代入至回归分析模型，得到低gi乳制品的制备过程中各个自变量对gi值的影响程度信息成功制备出低gi乳制品。从而使乳制品不仅口感丰富、营养丰富，而且有助于维持血糖稳定，适用于需要控制血糖的人群。本发明的低gi乳制品在实际应用中取得了显著效果。经过临床试验，食用本发明的低gi乳制品的人群在餐后血糖升高程度明显低于食用传统乳制品的人群。此外，本发明还获得了消费者的广泛好评，他们认为该乳制品口感丰富、营养丰富且有助于控制血糖。