基于神经网络参数优化的食品工业数据建模系统的制作方法

技术特征：
1.一种基于神经网络参数优化的食品工业数据建模系统，其特征在于，包括：数据采集模块，用于获取食品工业过程的多个位点的现场生产数据，以及受所述多个位点的现场生产数据所影响的过程终点的生产结果数据；神经网络建模模块，用于构建以所述多个位点为输入参数，所述过程终点为输出参数的神经网络模型，以所述多个位点的现场生产数据及其对应的生产结果数据为训练样本，对所述神经网络模型进行训练；以及位点筛选模块，用于从训练好的神经网络模型中获取所述多个位点对应的权重系数，根据所述权重系数从所述多个位点中选择关键位点建立所述食品工业过程的模型。2.根据权利要求1所述的系统，其特征在于，该系统还包括：数据清洗模块，用于对所述数据采集模块获取的现场生产数据进行数据清洗；数据预处理模块，用于对数据清洗后的现场生产数据进行数据预处理；以及特征工程模块，用于对预处理后的现场生产数据进行特征提取，特征提取后的现场生产数据用于输入至所述神经网络建模模块。3.根据权利要求2所述的系统，其特征在于，对现场生产数据进行数据清洗，包括：剔除所述现场生产数据中的文字描述类信息；以及将所述现场生产数据的时间间隔进行统一。4.根据权利要求2所述的系统，其特征在于，所述对数据清洗后的现场生产数据进行数据预处理，包括：筛选出数据清洗后的现场生产数据中的缺失值或异常值，对所述缺失值进行插补，对所述异常值进行删除或用插补法进行补充；以及对数据清洗后的现场生产数据进行降噪处理。5.根据权利要求2所述的系统，其特征在于，所述对预处理后的现场生产数据进行特征提取，包括：采用lasso回归法对预处理后的现场生产数据进行处理，得到对应的特征向量。6.根据权利要求1所述的系统，其特征在于，所述神经网络模型的权重系数的初始值通过遗传算法进行确定。7.根据权利要求1所述的系统，其特征在于，从训练好的神经网络模型中获取所述多个位点对应的权重系数，包括：对训练好的神经网络模型中的每层神经元到下一层神经元对应的权值进行归一化处理；利用olden权值连接法将对应神经元的权值相乘并求和，计算出作为输入参数的多个位点相对于所述过程终点的权重系数。8.一种基于神经网络参数优化的食品工业数据建模设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于神经网络参数优化的食品工业数据建模系统。9.根据权利要求8所述的设备，其特征在于，所述设备为服务器。10.一种计算机可读存储介质，存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行并实现权利要求1至7中任一项所述的基于神经网络参数优化的食品工
业数据建模系统。

技术总结
本发明的实施方式提供一种基于神经网络参数优化的食品工业数据建模系统，包括：数据采集模块，用于获取食品工业过程的多个位点的现场生产数据，以及受所述多个位点的现场生产数据所影响的过程终点的生产结果数据；神经网络建模模块，用于构建以所述多个位点为输入参数，所述过程终点为输出参数的神经网络模型，以所述多个位点的现场生产数据及其对应的生产结果数据为训练样本，对所述神经网络模型进行训练；以及位点筛选模块，用于从训练好的神经网络模型中获取所述多个位点对应的权重系数，根据所述权重系数从所述多个位点中选择关键位点建立所述食品工业过程的模型。本发明提供的实施方式应用于食品工业数据建模中。供的实施方式应用于食品工业数据建模中。供的实施方式应用于食品工业数据建模中。


技术研发人员：佟毅 李义 叔谋 刘颖慰 赵优 徐扬 赵国兴 都健 张磊 刘琳琳 董亚超 陶然 周聪聪 李明鑫
受保护的技术使用者：中粮生物科技股份有限公司 大连理工大学 中粮营养健康研究院有限公司
技术研发日：2021.09.18
技术公布日：2022/1/28