食品质量安全是目前人们最为关心的问题。随着中国经济的增长,国民收入的增加,人民生活质量的不断提高,乳制品已成为百姓不可或缺的食品之一。其质量的好坏不仅影响生产企业的声誉,更重要的是影响人们的身体健康。因此,开展计算机技术应用于产品质量预测的研究工作,可以有效地控制产品质量,同时,也可以减少质检的工作量,对于保证乳制品质量具有重要意义。高级人工智能在乳制品生产的过程中进行质量智能控制,是当今乳制品企业质量管理的发展趋势。本文针对乳制品品种繁多,生产工艺复杂等特点,以及生产中每一个环节的控制,可能会成为影响产品最终质量的关键因素,结合目前流行的神经网络技术,对乳制品质量预测进行了仿真实验,并在系统中具体实现。主要工作如下:1.在深入研究乳制品生产过程的基础上,详细分析了乳制品质量预测软件的系统需求,提出了乳制品中小企业质量预测系统的解决方案,对乳制品预测系统进行了模块化设计。2.针对人工神经网络具有自适应、自组织、自学习能力的特征,结合乳制品生产特点,建立了基于人工神经网络的乳制品质量预测模型,为本课题深入研究奠定了理论基础。3.利用归一化方法对样本数据进行处理,以减少对神经网络模型训练的影响。通过建立的BP神经网络和RBF神经网络的两种质量预测模型,应用MATLAB软件对其分别进行了仿真实验。通过实验数据确定了应用于质量预测系统的RBF神经网络模型。4.对系统数据库进行了分析设计与实现,应用新型的SSH框架,即以Hibernate作为持久层, Struts作为表示层,并结合Spring作为业务层与框架整合的方法,实现了B/S模式的乳制品质量预测系统的部分功能。结果验证了该方法应用于乳制品质量预测系统是有效可行的。