Fuzzy Neuronale Netze zur Qualitätssicherung in der Lebensmittelanalytik

Hintergrund:Es gibt eine Vielzahl von Methoden zur Charakterisierung der Qualität von Lebensmitteln, die jeweils immer nur Aussagen über einen Teil der Produktqualität liefern. Ebenso können sich Qualitätseinbußen auch in für sich genommen jeweils noch akzeptierbaren Abweichungen mehrerer Parameter vom Optimalwert äußern. Um eine Aussage über die Qualität insgesamt machen zu können, bedarf es der multivariaten Auswertung der von den einzelnen Messverfahren gelieferten Daten, z. B. mit Methoden der linearen multivariaten Statistik oder künstlichen Neuronalen Netzwerken. Fuzzy Neuronale Netze haben den Vorteil, dass die Klassifizierung anhand von Bereichen (groß, mittel, klein), in denen sich die Eingangsdaten bewegen können, getroffen wird und dass am Ende Regeln vorliegen, aus denen sich der Zusammenhang zwischen den Messdaten und der vorgenommenen Klassifizierung erkennen lässt. Ziel:Versuch der Widerspiegelung der humansensorischen Beschreibung der Lebensmittelqualität durch instrumentelle Meßmethoden und Auswertung der erhaltenen Meßdaten mit Fuzzy Neuronalen NetzenErgebnisse:Bei den ausgewählten Modell-Lebensmitteln (Erdbeeren, Fleisch, Majoran) ließen sich erfolgreich humansensorische Bewertungen für einzelne qualitätsbestimmende sensorische Eigenschaften anhand der Meßdatenauswertung mit Fuzzy Neuronalen Netzen widerspiegeln. Limitierend bei den durchgeführten Widerspiegelungsversuchen waren zum Teil die Güte der teils selbst, teils von Kooperationspartnern durchgeführten sensorischen Beurteilung der Proben sowie ein unzureichendes Qualitätsspektrum des Probenmaterials und damit eine zu schmale Basis für den Lerndatensatz.