一种发酵茶智能化固态发酵方法技术

本发明专利技术提供一种发酵茶智能化固态发酵方法。在无菌操作下，将发酵剂的种子液进行人工接种，置于智能发酵罐中进行固态发酵；在发酵茶固态发酵过程中，通过嗅觉传感器实时获取发酵罐内发酵茶气味变化，通过可见/近红外光谱模块实时获取发酵罐内发酵茶颜色及多酚含量变化，最后将固态发酵适度的发酵茶，采用压榨过滤技术使茶水分离，再利用冷冻干燥技术进行干燥，制得品质稳定的发酵茶成品。本发明专利技术的方法和装置，基于嗅觉传感器技术、可见/近红外光谱技术，采用智能发酵罐对发酵茶固态发酵进行实时监测，相比传统人工感官检测，实时监测能保证发酵茶成品的品质稳定，提高发酵茶加工生产效率，更适用于发酵茶智能化加工领域。

An Intelligent Solid State Fermentation Method for Fermented Tea

The invention provides an intelligent solid-state fermentation method for fermented tea. Under aseptic operation, the seed liquor of the starter was inoculated artificially and placed in an intelligent fermentation tank for solid-state fermentation. In the process of solid-state fermentation of fermented tea, the odor changes of fermented tea in fermentation tank were acquired by olfactory sensor in real time, and the color and polyphenol content changes of fermented tea in fermentation tank were acquired by visible/near infrared spectroscopy module in real time. Finally, the solid-state fermentation was moderately fermented. Tea is separated by pressing and filtering technology, and then dried by freeze-drying technology to produce fermented tea with stable quality. The method and device of the present invention, based on olfactory sensor technology and visible/near infrared spectroscopy technology, adopts intelligent fermentation tank to monitor solid-state fermentation of fermented tea. Compared with traditional artificial sensory detection, real-time monitoring can ensure the quality stability of fermented tea products, improve the production efficiency of fermented tea processing, and is more suitable for the field of intelligent processing of fermented tea.

【技术实现步骤摘要】
一种发酵茶智能化固态发酵方法
本专利技术涉及发酵茶智能化固态发酵技术及设备，具体是基于智能发酵罐，利用嗅觉传感器技术、可见/近红外光谱技术，实现在线检测发酵茶固态发酵的方法及装置。
技术介绍
发酵茶具有止渴、防癌、抗癌、助消化、减肥、延缓衰老等作用，深受消费者喜爱。发酵茶的制茶工艺一般包括杀青、揉捻、渥堆发酵和干燥等工序，其中发酵是发酵茶品质形成的关键工艺，以微生物活动为中心的一种生化作用，是生化动力(胞外酶)、物化动力(微生物热)以及微生物自身代谢的综合作用，即在湿热、微生物及胞外酶三者的相互作用下，形成发酵茶所特有的色泽红润、汤色红艳、香气高爽、滋味醇厚等特点。传统的发酵茶制作通过茶农的眼看、鼻闻和手探来掌握翻堆和出堆时机，即采用的是一种感官标准判断法。在发酵茶渥堆过程中，茶叶由青色变化到近似黄褐色，并可闻到青香酒精味时，即认为达到了渥堆要求。这种传统方法虽然可行，但存在主观判断失误、适度标准不规范以及渥堆时间偏长等问题，可能导致发酵茶汤色浑浊、口感苦涩、发酵味重，甚至带有酸馊和霉味，影响感官愉悦，成为发酵茶推广中的障碍。为了控制发酵茶品质和提高生产效率，有必要对发酵茶渥堆方法和机械装置进行技术革新。如申请号为CN201310053371.1的“黑茶动态发酵工艺”专利，公开了一种动态组合发酵工艺，并使之形成流水作业、标准化生产，其采用二次渥堆技术，使得黑茶品质更加稳定，但是该发酵工艺采用发酵室人工进行控制，不能得到黑茶发酵过程中的内部变化信息，机械化程度不高，生产效率较低。嗅觉传感器是根据可视化传感器与待检测气体反应前后的颜色变化对气体进行定性、定量判别，不仅利用气体敏感材料和待检测气体之间的范德华力等很弱的相互作用，而且引入金属键、极性键等较强的化学反应，所以在检测精度、灵敏度等方面与常见的气体传感器相比有明显的优势。如申请号为CN201510542739.X的“一种基于嵌入式的嗅觉可视化自动检测装置及其检测方法”专利，公开了一种将嵌入式技术和嗅觉可视化技术相结合，实现嗅觉可视化检测白酒挥发性气体，但嗅觉传感器技术在黑茶发酵中的应用未见报道。可见/近红外光谱，是一种包含可见光(visiblelight，VIS)和近红外光(near-infrared，NIR)区间的电磁波，相应的波长范围为380～1700nm，已广泛应用于固体、液体中色泽及有机成分的快速检测，在工业生产及食品、农产品品质的分析领域得到广泛应用。如申请号为CN201310392685.4的“不同承印材质印刷颜色特性的预测方法”专利，公开了一种利用可见光谱技术来解决印刷上不同承印纸张下印刷出的颜色预测问题，但采用纸张的光谱反射率，没有转换成相应的色度值，对于试样的真实数值，无法得到有效评估。因此寻找一种简便快速检测黑茶固态发酵适度的方法，对满足实际生产需求有着重要的现实意义。
技术实现思路
本专利技术采用自制的发酵剂人工接种于智能发酵罐内，结合嗅觉传感器技术和可见/近红外光谱技术，实时监测发酵罐内气体成分变化、发酵茶色泽及内部成分变化，经过膜分离浓缩之后，进行冷冻干燥，制成发酵茶成品，可使得发酵茶成品品质更加稳定。本专利技术的目的在于克服传统发酵茶发酵以及人工感官评定所存在的不足，提供一种发酵茶智能化固态发酵方法，该方法采用智能发酵罐取代传统渥堆发酵，可大大缩短发酵茶成品的加工时间；采用嗅觉传感器技术和可见/近红外光谱技术，实时监测发酵罐内发酵茶固态发酵程度，可有效控制发酵茶固态发酵过程，提高发酵茶成品的品质。针对本专利技术的方法及装置，具体采用的技术方案如下：一种发酵茶智能化固态发酵方法，包括以下步骤：步骤一，在无菌操作下，将发酵剂的种子液进行人工接种，置于智能发酵罐中进行固态发酵，实现发酵茶优势菌种的接种；步骤二，在发酵茶固态发酵过程中，通过嗅觉传感器和可见/近红外光谱模块实时获取发酵罐内发酵茶发酵物的传感器数据，构建基于改进深度降噪自编码极限学习机的发酵适度评定模型，实现发酵茶固态发酵在线预测；步骤三，将固态发酵适度的发酵茶，采用压榨过滤技术使茶水分离，再利用冷冻干燥技术进行干燥，保证发酵茶成品的品质稳定。进一步，步骤二中，所述改进深度降噪自编码极限学习机的发酵适度评定模型，以深度降噪自编码的第一层隐含层的输出作为极限学习机的输入，将降噪自编码的最后两层分别设计为极限学习机的输入层和隐含层，并将其连接权值和偏置用作极限学习机的输入权值和偏置。进一步，步骤二的具体实现过程为：引入能实现特征提取和隐含层参数学习的无监督式学习网络降噪自编码，将原始数据X通过一定概率X*～PD(X*|X)随机映射为带有噪声污染的输入数据X*，通过降噪自编码网络的训练重构输入.降噪自编码的网络输出与其输入原始数据X近似一致，降噪自编码无监督训练过程分为编码和解码两个阶段，其实现步骤如下：编码阶段：假设一个含d维的原始输入数据X*被映射成一个d′维的隐层特征代表Y，其计算公式如下：Y＝f(X*，θ)＝μ(W·X*+b)式中，θ＝{(W，b)|W∈Rd′×d，b∈Rd′×1}，W，b分别表示输入层与隐含层之间连接权值和偏置；μ(·)为映射激活函数；解码阶段：隐层特征代表Y通过重构自编码的网络输出其中，θ′＝{(W′，b′)|W∈Rd×d′，b∈Rd×1}，W′，b′分别表示为隐含层与输出层之间的连接权值和偏置；通过最小化网络输出和原始数据X的误差实现模型参数的更新，其中，优化目标函数为：公式(3)中第一项均方误差项；第二项为正则项，λ为优化目标参数，上式中优化目标函数为一个凸优化问题，采用基于梯度下降方式的优化迭代算法对其求解；最后将多个降噪自编码网络进行堆栈形成深度降噪自编码网络并进行逐层训练，由前一层所学到的数据特征用于下一层的输入，直到所有层得到训练；此时获得深度降噪自编码网络的一个整体初始值。进一步，还包括：引入极限学习机作为深度混合模型的终端进行发酵适度的回归预测，以深度降噪自编码的第一层隐含层的输出作为极限学习机的输入，将深度降噪自编码的最后两层分别设计为极限学习机的输入层和隐含层，并将其连接权值和偏置用作极限学习机的输入权值和偏置；具体实现过程如下：给定训练样本{(xi，yi)}，其中i＝1，2，3，...，N，设定L个隐含层节点，激励函数为f(x)，则其数学模型的表达式为：其中，ωi为输入神经元与第i个隐含层节点的连接权值，bi为第i个隐含层节点的偏置，βi为第i个隐含层节点与输出神经元的连接权值，oj为第j个输入样本的预测输出值，此处极限学习机网络的连接权值和偏执来自深度降噪自编码网络的最后两层的权值和偏执；当隐含层神经元个数与训练样本个数相等时，对于任意的w和b，单隐含层前馈神经网络SLFNN可以以零误差逼近N个训练样本，即对于给定的任意小误差ε，当激活函数g(x)无限可微时，网络训练误差可以逼近任意一个ε(ε＞0)，即深度降噪自编码极限学习机的整个训练过程中参数不需要进行完全调整，只需对隐含层和输出层之间的连接权值β进行微调，其解为：其中，H+为隐含层输出矩阵H的Moore-Penrose广义逆，Y′为输出矩阵Y的转置；最终将深度降噪自编码所学习到的初始值经过极限学习机网络预测后，将其预测误差反向传播以实现整个网络参数的更新，以输出高精度的深本文档来自技高网...

【技术保护点】
1.一种发酵茶智能化固态发酵方法，其特征在于，包括以下步骤：步骤一，在无菌操作下，将发酵剂的种子液进行人工接种，置于智能发酵罐中进行固态发酵，实现发酵茶优势菌种的接种；步骤二，在发酵茶固态发酵过程中，通过嗅觉传感器和可见/近红外光谱模块实时获取发酵罐内发酵茶发酵物的传感器数据，构建基于改进深度降噪自编码极限学习机的发酵适度评定模型，实现发酵茶固态发酵在线预测；步骤三，将固态发酵适度的发酵茶，采用压榨过滤技术使茶水分离，再利用冷冻干燥技术进行干燥，保证发酵茶成品的品质稳定。

【技术特征摘要】
1.一种发酵茶智能化固态发酵方法，其特征在于，包括以下步骤：步骤一，在无菌操作下，将发酵剂的种子液进行人工接种，置于智能发酵罐中进行固态发酵，实现发酵茶优势菌种的接种；步骤二，在发酵茶固态发酵过程中，通过嗅觉传感器和可见/近红外光谱模块实时获取发酵罐内发酵茶发酵物的传感器数据，构建基于改进深度降噪自编码极限学习机的发酵适度评定模型，实现发酵茶固态发酵在线预测；步骤三，将固态发酵适度的发酵茶，采用压榨过滤技术使茶水分离，再利用冷冻干燥技术进行干燥，保证发酵茶成品的品质稳定。2.根据权利要求1所述的一种发酵茶智能化固态发酵法，其特征在于，步骤二中，所述改进深度降噪自编码极限学习机的发酵适度评定模型，以深度降噪自编码的第一层隐含层的输出作为极限学习机的输入，将降噪自编码的最后两层分别设计为极限学习机的输入层和隐含层，并将其连接权值和偏置用作极限学习机的输入权值和偏置。3.根据权利要求1所述的一种发酵茶智能化固态发酵法，其特征在于，步骤二的具体实现过程为：引入能实现特征提取和隐含层参数学习的无监督式学习网络降噪自编码，将原始数据X通过一定概率X*～PD(X*|X)随机映射为带有噪声污染的输入数据X*，通过降噪自编码网络的训练重构输入.降噪自编码的网络输出与其输入原始数据X近似一致，降噪自编码无监督训练过程分为编码和解码两个阶段，其实现步骤如下：编码阶段：假设一个含d维的原始输入数据X*被映射成一个d′维的隐层特征代表Y，其计算公式如下：Y＝f(X*，θ)＝μ(W·X*+b)式中，θ＝{(W，b)|W∈Rd′×d，b∈Rd′×1}，W，b分别表示输入层与隐含层之间连接权值和偏置；μ(·)为映射激活函数；解码阶段：隐层特征代表Y通过重构自编码的网络输出其中，θ′＝{(W′，b′)|W∈Rd×d′，b∈Rd×1}，W′，b′分别表示为隐含层与输出层之间的连接权值和偏置；通过最小化网络输出和原始数据X的误差实现模型参数的更新，其中，优化目标函数为：公式(3)中第一项均方误差项；第二项为正则项，λ为优化目标参数，上式中优化目标函数为一个凸优化问题，采用基于梯度下降方式的优化迭代算法对其求解；最后将多个降噪自编码网络进行堆栈形成深度降噪自编码网络并进行逐层训练，由前一层所学到的数据特征用于下一层的输入，直到所有层得到训练；此时获得深度降噪自编码网络的一个整体初始值。4.根据权利要求3所述的一种发酵茶智能化固态发酵法，其特征在于，还包括：引入极限学习机作为深度混合模型的终端进行发酵适度的回归预测，以深度降噪自编码的第一层隐含层的输出作为极限学习机的输入，将深度降噪自编码的最后两层分别设计为极限学习机的输入层和隐含层，并将其连接权值和偏置用作极限学习机的输入权值和偏置；具体实现过程如下：给定训练样本...

【专利技术属性】
技术研发人员：陈全胜，王安成，李欢欢，欧阳琴，郭志明，程武，管国强，齐向辉，唐杏燕，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32