一种基于深度学习的代餐粉原料配比智能优化系统及方法与流程

本发明涉及代餐粉原料配比优化，具体而言，涉及一种基于深度学习的代餐粉原料配比智能优化系统及方法。

背景技术：

1、现有代餐粉原料配比的确定与调整方式，主要依赖研发人员长期积累的行业经验完成人工调整，难以充分结合预设的目标营养需求、不同代餐原料自身的理化特性以及实际的食用应用环境，实现针对多个核心指标的协同优化，最终导致开发出的代餐粉普遍存在营养结构不均衡、粉体储存稳定性不足、实际冲调饮用时冲调性能下降，以及针对不同年龄、不同需求的应用人群适配性较差的问题。

2、因此，有必要设计一种基于深度学习的代餐粉原料配比智能优化系统及方法用以解决当前技术中存在的问题。

技术实现思路

1、鉴于此，本发明提出了一种基于深度学习的代餐粉原料配比智能优化系统及方法，旨在解决现有代餐粉配比人工优化难以实现多核心指标协同优化，导致代餐粉营养结构不均衡、稳定性与冲调性能差、人群适配性不足的技术问题。

2、一个方面，本发明提出了一种基于深度学习的代餐粉原料配比智能优化系统，包括：

3、原料特征采集模块，被配置为采集代餐粉原料对应的原料属性数据、历史配方数据和配方评价数据，并对所述原料属性数据进行特征提取，获得原料特征；

4、配比需求构建模块，被配置为根据目标代餐粉对应的应用需求数据建立配比优化单元，确定所述配比优化单元对应的目标指标集合，并根据所述目标指标集合确定当前配比状态和待调整配比状态；

5、原料关联分析模块，被配置为根据所述历史配方数据、配方评价数据和原料特征，通过深度学习方式对不同原料特征之间的关联关系进行分析，确定各原料特征对所述目标指标集合中各目标指标的影响关系；

6、配比参数优化模块，被配置为根据所述影响关系和待调整配比状态，确定各原料对应的配比调整参数，并根据所述配比调整参数生成候选原料配比方案；

7、配比偏差修正模块，被配置为获取所述候选原料配比方案对应的评价信息，并将所述评价信息与所述目标指标集合进行比对，确定所述候选原料配比方案对应的指标偏差状态，根据所述指标偏差状态对所述候选原料配比方案执行原料比例增加、减少、替换或保持调整，确定目标原料配比方案；

8、优化反馈更新模块，被配置为获取所述目标原料配比方案对应的实际评价数据，根据所述实际评价数据更新原料特征之间的关联关系，并基于更新后的关联关系对后续代餐粉原料配比进行优化。

9、进一步地，根据目标代餐粉对应的应用需求数据建立配比优化单元，确定所述配比优化单元对应的目标指标集合时，包括：

10、获取所述目标代餐粉对应的应用需求数据，对所述应用需求数据进行需求特征提取，获得目标人群特征、营养需求特征、食用环境特征和产品性能需求特征；

11、根据所述目标人群特征和营养需求特征确定所述目标代餐粉对应的营养需求约束条件；

12、根据所述食用环境特征和产品性能需求特征确定所述目标代餐粉对应的感官性能需求条件和加工适配需求条件；

13、根据所述营养需求约束条件、所述感官性能需求条件和所述加工适配需求条件建立配比优化单元，并基于所述配比优化单元确定所述目标代餐粉对应的目标指标集合。

14、进一步地，根据所述目标指标集合确定当前配比状态和待调整配比状态时，包括：

15、获取当前代餐粉原料配比方案对应的配比参数信息，并根据所述配比参数信息确定各原料对应的当前配比特征；

16、根据所述当前配比特征对所述目标指标集合中的各目标指标进行指标匹配，确定当前原料配比方案对应的指标满足状态；

17、根据所述指标满足状态与所述目标指标集合之间的指标差异，确定当前配比方案对应的配比偏差特征；

18、根据所述配比偏差特征确定当前配比状态，并根据所述当前配比状态中存在偏差的目标指标对应的原料调整需求，确定待调整配比状态。

19、进一步地，通过深度学习方式对不同原料特征之间的关联关系进行分析，确定各原料特征对所述目标指标集合中各目标指标的影响关系时，包括：

20、获取所述历史配方数据和配方评价数据，对所述历史配方数据中的原料组合特征与配方评价数据中的指标评价特征进行关联匹配，获得原料配比关联样本；

21、根据所述原料配比关联样本，对各原料对应的原料特征进行特征融合，获得原料组合特征集合；其中，所述原料特征包括营养特征、理化特征和感官特征；

22、将所述原料组合特征集合输入至深度学习分析过程，对不同原料特征之间的关联关系进行特征映射，确定各原料特征与所述目标指标集合中各目标指标之间的关联程度；

23、根据所述关联程度确定各原料特征对所述目标指标集合中对应目标指标的影响关系。

24、进一步地，根据所述影响关系和待调整配比状态，确定各原料对应的配比调整参数时，包括：

25、获取所述待调整配比状态对应的指标偏差信息，并根据所述指标偏差信息确定待优化目标指标和待优化目标指标对应的偏移方向；

26、根据所述影响关系对所述待优化目标指标对应的原料特征响应关系进行分析，确定不同原料特征变化对所述待优化目标指标的响应方向；

27、根据所述响应方向和待调整配比状态，筛选满足所述待优化目标指标调整需求的目标原料，并确定各目标原料对应的配比调整趋势；

28、根据所述配比调整趋势结合各目标原料对应的当前配比参数，计算各目标原料对应的配比调整参数。

29、进一步地，将所述评价信息与所述目标指标集合进行比对，确定所述候选原料配比方案对应的指标偏差状态时，包括：

30、获取所述候选原料配比方案对应的评价信息，对所述评价信息进行指标特征提取，获得所述候选原料配比方案对应的实际指标特征；

31、根据所述目标指标集合确定各目标指标对应的指标约束范围，并将所述实际指标特征与所述指标约束范围进行匹配，确定所述候选原料配比方案对应的指标符合状态；

32、根据所述指标符合状态确定所述候选原料配比方案中各目标指标对应的偏差类型，并根据所述偏差类型确定对应的指标偏差方向；

33、根据所述指标偏差方向和所述目标指标集合，确定所述候选原料配比方案对应的指标偏差状态。

34、进一步地，根据所述指标偏差状态对所述候选原料配比方案执行原料比例增加、减少、替换或保持调整，确定目标原料配比方案时，包括：

35、根据所述指标偏差状态确定所述候选原料配比方案对应的指标调整需求，并根据所述指标调整需求确定待调整目标原料；

36、根据所述待调整目标原料对应的原料特征和影响关系，确定所述待调整目标原料对所述目标指标的响应方向；

37、当所述目标指标对应的实际指标特征低于所述目标指标集合对应的指标范围，且所述待调整目标原料对所述目标指标具有正向影响时，增加所述待调整目标原料对应的配比参数；

38、当所述目标指标对应的实际指标特征高于所述目标指标集合对应的指标范围，且所述待调整目标原料对所述目标指标具有正向影响时，减少所述待调整目标原料对应的配比参数；

39、当所述待调整目标原料对应的调整结果导致其他目标指标产生偏差时，根据所述目标指标对应的调整需求替换所述待调整目标原料；

40、当所述目标指标对应的实际指标特征满足所述目标指标集合，且所述待调整目标原料不存在调整需求时，保持所述待调整目标原料对应的配比参数；

41、根据调整后的原料配比参数确定目标原料配比方案。

42、进一步地，根据所述实际评价数据更新原料特征之间的关联关系，并基于更新后的关联关系对后续代餐粉原料配比进行优化时，包括：

43、获取所述目标原料配比方案对应的实际评价数据，并根据所述实际评价数据确定所述目标原料配比方案对应的实际指标特征；

44、根据所述实际指标特征与所述目标原料配比方案对应的原料特征进行关联分析，确定实际原料特征变化对所述目标指标集合中各目标指标的实际响应关系；

45、根据所述实际响应关系与所述影响关系进行比对，确定所述原料特征对所述目标指标集合中各目标指标的影响关系变化；

46、根据所述影响关系变化更新所述原料特征对所述目标指标集合中各目标指标的影响关系，并基于更新后的影响关系对后续代餐粉原料配比进行优化。

47、进一步地，根据所述实际指标特征与所述目标原料配比方案对应的原料特征进行关联分析，确定实际原料特征变化对所述目标指标集合中各目标指标的实际响应关系时，包括：

48、获取所述目标原料配比方案对应的原料配比参数变化信息，并根据所述原料配比参数变化信息确定各原料特征对应的变化特征；

49、根据所述变化特征与所述实际指标特征进行时间对应和特征匹配，确定原料特征变化与目标指标变化之间的响应映射关系；

50、根据所述响应映射关系分析各原料特征变化对所述目标指标集合中对应目标指标的实际影响方向，确定目标指标对应的实际响应方向；

51、根据所述实际影响方向和所述实际响应方向，确定所述实际原料特征变化对所述目标指标集合中各目标指标的实际响应关系。

52、与现有技术相比，本发明的有益效果在于：

53、本发明通过深度学习预先学习历史配方数据、原料特征和配方评价数据之间的关联关系，能够精准确定不同原料特征对各目标指标的影响规律，无需研发人员仅依靠经验进行配比调整，可针对预设的多个目标指标实现协同优化，能够有效保证开发得到的代餐粉营养结构均衡，同时提升代餐粉粉体储存稳定性，改善冲调饮用过程中的冲调性能，并且能够针对不同应用需求、不同人群进行适配性优化，大幅提升了代餐粉配方开发的准确性和开发效率，同时通过实际评价数据不断更新原料特征与目标指标之间的影响关系，能够持续优化后续配比开发过程，进一步提升配比优化的精准度。

54、另一个方面，本发明还提出了一种基于深度学习的代餐粉原料配比智能优化方法，包括以下步骤：

55、采集代餐粉原料对应的原料属性数据、历史配方数据和配方评价数据，并对所述原料属性数据进行特征提取，获得原料特征；

56、根据目标代餐粉对应的应用需求数据建立配比优化单元，确定所述配比优化单元对应的目标指标集合，并根据所述目标指标集合确定当前配比状态和待调整配比状态；

57、根据所述历史配方数据、配方评价数据和原料特征，通过深度学习方式对不同原料特征之间的关联关系进行分析，确定各原料特征对所述目标指标集合中各目标指标的影响关系；

58、根据所述影响关系和待调整配比状态，确定各原料对应的配比调整参数，并根据所述配比调整参数生成候选原料配比方案；

59、获取所述候选原料配比方案对应的评价信息，并将所述评价信息与所述目标指标集合进行比对，确定所述候选原料配比方案对应的指标偏差状态，根据所述指标偏差状态对所述候选原料配比方案执行原料比例增加、减少、替换或保持调整，确定目标原料配比方案；

60、获取所述目标原料配比方案对应的实际评价数据，根据所述实际评价数据更新原料特征之间的关联关系，并基于更新后的关联关系对后续代餐粉原料配比进行优化。

61、可以理解的是，上述基于深度学习的代餐粉原料配比智能优化系统及方法具备相同的有益效果，在此不再赘述。