利用機器學習模型重新定義烘焙產品保存期限概念:以受保護 原產地名稱(PDO)酸種麵包為例,探討其技術保存模式
學生姓名:
趙俊凱
指導教授:
吳彰哲
學期:
114下
摘 要:
傳統的烘焙產品保質期測定主要依賴主觀的感官評價，這多多少少限制了其預測能力與技術轉移。本研究旨在透過整合統計學和機器學習（ML）方法，建構一個客觀的、數據驅動的框架，以識別和量化麵包保質期的核心決定因素。本研究採用了2×2×2分析因子設計（發酵、溫度、包裝）來製備樣品，持續監測理化與大氣參數。三因素變異數分析證實，儲存×溫度（η² ÷ 0.41）和氣調包裝（η² ÷ 0.36）是主要影響因素。最佳組合（4℃ + 氣調包裝）實現了100%的成功率，將保質期從常溫條件下的16天延長至54天。為了進行預測，本研究開發了一個用於二元分類的廣義線性模型（GLM），並透過10折交叉驗證對其進行了嚴格驗證。廣義線性模型（GLM）的整體準確率達到 89%（AUC 為 92%），並明確識別 pH 值和總可滴定酸度（TTA）是最具影響力的預測因子。總之，GLM 為客觀的 SL 預測提供了一個可靠的工具。整合的 ANOVA-GLM 框架實現了 3.3倍的 SL 擴展和 92% 的預測準確率。研究結果證實，防腐劑的有效性並非完全取決於製程本身，而是受最終化學酸度的影響，這為食品業的即時品質控制（QC）提供了一個可擴展的框架。
趙俊凱.pdf