深度学习驱动的龟鳖肉脱腥效果预测方法及系统
本技术涉及食品智能检测,更具体地说,本技术涉及深度学习驱动的龟鳖肉脱腥效果预测方法及系统。
背景技术:
1、食品智能检测是融合传感技术、信息技术与智能算法的食品品质在线评价与控制手段,通过在食品加工关键工序中部署多源传感设备,实时采集反映食品品质的物理、化学及感官特征信号,结合数据驱动模型实现品质参数的快速量化与加工过程的闭环调控。
2、龟鳖肉因其高蛋白、低脂肪的营养特性及滋阴补肾的药膳价值,是食品精深加工的重要原料,但其固有的腥味严重制约了加工产品的可接受性与市场拓展,脱腥处理已成为龟鳖肉深加工过程中的关键工序;目前,龟鳖肉脱腥效果预测技术尚处于起步阶段,现有技术多以脱腥工艺参数为输入、以脱腥效果指标为输出进行端到端的黑箱建模,无法在脱腥处理过程中根据实时采集的传感数据对最终脱腥效果进行提前预判;另外,当预测效果不达预期时,无法反向推演出需要调整哪些工艺参数及其调整量,导致预测结果难以转化为具体的工艺调控指令,智能化程度不足。因此,如何实现工艺参数与脱腥效果之间跨尺度映射的在线推理与逆向优化,以提升脱腥工艺调控的智能化水平是业界面临的难题。
技术实现思路
1、本技术提供深度学习驱动的龟鳖肉脱腥效果预测方法及系统,可将龟鳖肉脱腥过程中的蛋白质构象变化作为中介信号,实现工艺参数与脱腥效果之间跨尺度映射的在线推理与逆向优化,以提升脱腥工艺调控的智能化水平。
2、第一方面,本技术提供深度学习驱动的龟鳖肉脱腥效果预测方法,所述预测方法包括如下步骤:
3、通过传感器网络采集经不同脱腥工艺参数处理的龟鳖肉样本在脱腥全过程中的多源响应数据,进而构建龟鳖肉脱腥进程的样本数据集;
4、依据所述样本数据集确定龟鳖肉脱腥进程中工艺参数驱动蛋白质构象参数变化的第一映射关系,基于所述样本数据集建立蛋白质构象参数与脱腥效果指标的第二映射关系;
5、对所述第一映射关系和所述第二映射关系进行层级耦合,得到以蛋白质构象为中介层的脱腥效果预测模型;
6、在龟鳖肉脱腥生产过程中,基于传感器网络采集当前脱腥工序的运行参数和传感数据,将所述运行参数和所述传感数据输入所述脱腥效果预测模型,进而输出龟鳖肉脱腥的效果预估值和工艺优化结果。
7、在本实施例中,通过传感器网络采集经不同脱腥工艺参数处理的龟鳖肉样本在脱腥全过程中的多源响应数据,进而构建龟鳖肉脱腥进程的样本数据集具体包括:
8、通过传感器网络采集不同脱腥工艺参数处理的龟鳖肉样本的脱腥工艺运行数据、蛋白质构象光谱数据、顶空气味传感数据和脱腥效果检测数据,得到多源响应数据,其中,所述传感器网络包括:电子鼻传感器、工艺参数采集单元和近红外光谱探头;
9、对所述多源响应数据进行异常值剔除、基线校正和时间戳配准处理,得到时序匹配的多源特征向量;
10、基于所述多源特征向量进行脱腥效果关联标注,构建龟鳖肉脱腥进程的样本数据集。
11、在本实施例中,依据所述样本数据集确定龟鳖肉脱腥进程中工艺参数驱动蛋白质构象参数变化的第一映射关系具体包括:
12、从所述样本数据集中提取脱腥工艺参数子集与蛋白质构象参数子集;
13、对所述脱腥工艺参数子集进行显著性因子筛选,得到对蛋白质构象变化具有主导作用的核心工艺参数;
14、以所述核心工艺参数为输入变量、所述蛋白质构象参数为输出变量,经时序滑动窗口对齐后进行非线性拟合与交叉验证,得到工艺参数驱动蛋白质构象变化的第一映射关系。
15、在本实施例中,基于所述样本数据集建立蛋白质构象参数与脱腥效果指标的第二映射关系具体包括:
16、从所述样本数据集中提取蛋白质构象参数子集与脱腥效果指标子集;
17、对所述蛋白质构象参数子集与所述脱腥效果指标子集进行相关性分析,筛选得到核心构象特征;
18、以所述核心构象特征为输入变量、所述脱腥效果指标为输出变量,经时序对齐拟合与精度校验,得到蛋白质构象参数与脱腥效果指标的第二映射关系。
19、在本实施例中,对所述第一映射关系和所述第二映射关系进行层级耦合,得到以蛋白质构象为中介层的脱腥效果预测模型具体包括:
20、以蛋白质构象参数为公共接口,将所述第一映射关系的输出端与所述第二映射关系的输入端串联,得到构象参数序列;
21、通过龟鳖肉脱腥进程的样本数据集对所述构象参数序列进行全局偏差校正,得到前向预测链路;
22、对所述前向预测链路执行端到端联合参数调整,以工艺参数序列为输入、以脱腥效果指标为监督信号,得到以蛋白质构象为中介层的脱腥效果预测模型。
23、在本实施例中,在龟鳖肉脱腥生产过程中,基于传感器网络采集当前脱腥工序的运行参数和传感数据具体包括:
24、在龟鳖肉脱腥生产过程中,通过传感器网络中的电子鼻传感器采集顶空气味信号,通过传感器网络中的工艺参数采集单元获取工艺运行参数,通过传感器网络中的近红外光谱探头获取蛋白质构象光谱信号;
25、对所述顶空气味信号、所述工艺运行信号和所述蛋白质构象光谱信号进行同步时间标记与降噪处理,得到当前脱腥工序的运行参数和传感数据。
26、在本实施例中,将所述运行参数和所述传感数据输入所述脱腥效果预测模型,进而输出龟鳖肉脱腥的效果预估值和工艺优化结果具体包括:
27、通过所述运行参数和所述传感数据构建当前脱腥进程的状态输入矩阵;
28、将所述状态输入矩阵输入所述脱腥效果预测模型,经蛋白质构象中介层的层级推理,输出效果预估值;
29、基于所述效果预估值,以目标脱腥效果为约束条件,反向求解工艺参数修正量,生成工艺优化结果。
30、在本实施例中,所述工艺参数是指调控龟鳖肉脱腥反应过程的可控操作参数,包括发酵温度、发酵时长、发酵菌种添加量、料液酸碱度值。
31、在本实施例中,所述蛋白质构象参数是指龟鳖肉肌原纤维蛋白的结构表征参数,包括二级结构组成比例、表面疏水性指数、色氨酸残基荧光强度。
32、第二方面,本技术提供深度学习驱动的龟鳖肉脱腥效果预测系统,用于执行深度学习驱动的龟鳖肉脱腥效果预测方法,所述预测系统包括:
33、数据采集模块,用于通过传感器网络采集经不同脱腥工艺参数处理的龟鳖肉样本在脱腥全过程中的多源响应数据,进而构建龟鳖肉脱腥进程的样本数据集;
34、关系映射模块,用于依据所述样本数据集确定龟鳖肉脱腥进程中工艺参数驱动蛋白质构象参数变化的第一映射关系,基于所述样本数据集建立蛋白质构象参数与脱腥效果指标的第二映射关系;
35、模型耦合模块,用于对所述第一映射关系和所述第二映射关系进行层级耦合,得到以蛋白质构象为中介层的脱腥效果预测模型;
36、在线调控模块,用于在龟鳖肉脱腥生产过程中,基于传感器网络采集当前脱腥工序的运行参数和传感数据,将所述运行参数和所述传感数据输入所述脱腥效果预测模型,进而输出龟鳖肉脱腥的效果预估值和工艺优化结果。
37、本技术公开的实施例提供的技术方案具有以下有益效果:
38、本技术提供的技术方案可实现工艺参数与脱腥效果之间跨尺度映射的在线推理与逆向优化;首先,通过传感器网络采集经不同脱腥工艺参数处理的龟鳖肉样本在脱腥全过程中的多源响应数据,构建覆盖脱腥全程的样本数据集,为脱腥进程中工艺参数、蛋白质构象与脱腥效果之间的跨尺度映射建模提供时序完备的数据基础;进而依据样本数据集分别确定工艺参数驱动蛋白质构象参数变化的第一映射关系以及蛋白质构象参数与脱腥效果指标之间的第二映射关系,将脱腥效果预测从传统的工艺参数到脱腥效果端到端黑箱建模解耦为工艺参数到蛋白质构象再到脱腥效果的双层可解释映射链,使模型具备从蛋白质构象变化角度解释脱腥效果优劣的归因能力;其次,通过对所述第一映射关系和所述第二映射关系进行层级耦合,以蛋白质构象为中介层构建脱腥效果预测模型,使工艺参数对脱腥效果的传导路径通过蛋白质构象参数的中介变量实现跨尺度关联,模型在接收当前时刻输入后执行前向推理,在脱腥处理尚未结束时即可输出最终脱腥效果的预估值,可实现从终点滞后检测到过程中提前预判的转变;最后,在龟鳖肉脱腥生产过程中,将运行参数和传感数据输入脱腥效果预测模型,当输出的效果预估值偏离目标时,沿预测链路的反向以目标脱腥效果为约束条件逆向求解工艺参数修正量,生成可执行的工艺优化结果,实现从单向效果预测到闭环工艺调控的能力跃升,有利于提升脱腥工艺调控的自适应能力。
39、综上所述,本技术采用的技术方案可将龟鳖肉脱腥过程中的蛋白质构象变化作为中介信号,实现工艺参数与脱腥效果之间跨尺度映射的在线推理与逆向优化,以提升脱腥工艺调控的智能化水平。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com