一种基于人工智能算法的咖啡制作系统及方法技术方案

本法公布了一种基于人工智能算法的咖啡制作方法，包括咖啡样品制作，通过改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度。咖啡样品标准成分测定；对咖啡样品进行标准成分测定，选择酸味分子、甜味分子、苦味分子、涩味分子中的成分组合作为样品标准成分。数据样本集选定；人工智能机器学习；将训练样本集中的数据分别设为输入层和输出层。根据人工神经网络学习模型对数据进行训练，获得优化模型。咖啡成品制作；输入希望的标准成分，获得选定咖啡豆对应的优选水粉比和冲泡温度，制作咖啡成品。本发明专利技术适用范围广，基于人智能算法使使用者获得直接、易用的个性化咖啡定制。化咖啡定制。化咖啡定制。

【技术实现步骤摘要】
一种基于人工智能算法的咖啡制作系统及方法


[0001]本专利技术涉及食品制造领域，尤其涉及一种基于人工智能算法的咖啡制作技术。

技术介绍

[0002]传统咖啡机通过咖啡量、温度、磨豆量、磨豆粗细、奶泡时间等咖啡制作参数的电脑预设程序控制来制作意式咖啡、卡布基诺咖啡、拿铁咖啡等咖啡，使用者可以直接选择各种咖啡种类，一般采用一键制作的方式。传统咖啡机主要采用奶泡系统的设置来完成花式咖啡的选择。
[0003]目前现有技术中的智能咖啡机一般指咖啡制作参数可调，例如调整咖啡量、温度、磨豆量、磨豆粗细、奶泡时间、杯量、杯温来实现部分口味的定制化。然而，由于咖啡机等咖啡制作系统的使用者并不了解咖啡机中参数与咖啡味道的关系，咖啡机中的过多参数也导致参数设置无法与咖啡味觉成分或酸甜苦涩等口味产生关联，输入咖啡制作参数无法解决咖啡制作系统使用者定制咖啡成分或咖啡口味的要求。
[0004]综上所述，现有智能咖啡系统和方法不能满足使用者对咖啡特定味觉分子成分或咖啡口味的个性化定制，即使通过制作参数的个性化定制也只能实现常规咖啡种类的选择或部分无法口味控制的咖啡个性化服务。

技术实现思路

[0005]针对现有技术的不足，本专利技术的目的之一是提供一种基于人工智能算法的咖啡制作方法。为实现上述目的，本专利技术提供了如下技术方案：
[0006]一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：
[0007]S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；
[0008]S2、咖啡样品标准成分测定；对咖啡样品进行标准成分测定，选择难挥发味觉分子作为衡量咖啡味道的样品标准成分；所述难挥发味觉分子包括酸味分子、甜味分子、苦味分子、涩味分子中的选择组合；
[0009]S3、数据样本集选定；选定样品标准成分测定值及样品对应的水粉比和冲泡温度的数据形成训练样本集A1和测试样本集B1；
[0010]S4、人工智能机器学习；将训练样本集A1中的样品标准成分测定值数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B1对优化模型进行测试，确认优选模型M1；
[0011]S5、咖啡成品制作；采用S4步骤中获得的优选模型M1，通过输入希望的标准成分，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得咖啡成品。
[0012]一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：
[0013]S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；
[0014]S2、味觉体验参数测定；设计味觉体验调查表，并对每个样品填写味觉体验调查表，形成咖啡样品对应的味觉参数数据样本，所述味觉参数包括酸味、甜味、苦味、涩味四种参数；
[0015]S3、数据样本集选定；选定样品味觉参数数据及样品对应的水粉比和冲泡温度的数据形成训练样本集A2和测试样本集B2；
[0016]S4、人工智能机器学习；将训练样本集A2中的样品味觉参数数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B2对优化模型进行测试，确认优选模型M2；
[0017]S5、咖啡成品制作；采用S4步骤中获得的优选模型M2，通过输入希望的味觉参数数据，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得咖啡成品。
[0018]一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：
[0019]S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；
[0020]S2、咖啡样品标准成分测定；选择难挥发味觉分子作为衡量咖啡味道的样品标准成分；所述难挥发味觉分子包括酸味分子、甜味分子、苦味分子、涩味分子中的选择组合；对咖啡样品进行标准成分进行测定；
[0021]S3、味觉体验参数测定；括设计味觉体验调查表，并对每个样品填写味觉体验调查表，形成咖啡样品对应的味觉参数数据样本；所述味觉参数包括酸味、甜味、苦味、涩味四种参数；
[0022]S4、数据样本集选定；选定样品味觉参数数据及样品对应的样品标准成分测定值的数据形成训练样本集A3和测试样本集B3；选定样品标准成分测定值及样品对应的水粉比和冲泡温度的数据形成训练样本集A4和测试样本集B4；
[0023]S5、人工智能机器学习；
[0024]S51、将训练样本集A3中的样品味觉参数数据设为输入层；将样品对应的样品标准成分测定值的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B2对优化模型进行测试，确认优选模型M3；
[0025]S52、将训练样本集A4中的样品标准成分测定值数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B4对优化模型进行测试，确认优选模型M4；
[0026]S6、咖啡成品制作；
[0027]S61、采用S51步骤中获得的优选模型M3，通过输入希望的味觉参数数据，获得选定咖啡豆对应的优选标准成分测定值；
[0028]S62、采用S52步骤中获得的优选模型M4，输入S61的优选标准成分测定值，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得
咖啡成品。
[0029]优选地，所述咖啡样品标准成分测定步骤中，所述酸味分子包括苹果酸、绿原酸、奎宁酸、烟酸、酸性脂肪中的一种或多种；所述甜味分子包括乳糖、麦芽糖、果糖、葡萄糖、乙酰基甲基甲醇中的一种或多种；所述苦味分子包括咖啡因、二甲基二硫、乙基苯酚、腐胺中的一种或多种；所述涩味包括绿原酸、乙基苯酚、咖啡酸中的这一种或多种。
[0030]优选地，所述咖啡样品标准成分测定步骤中，所述难挥发味觉分子为对乳糖、苹果酸、蔗糖、绿原酸、麦芽糖、奎宁酸、果糖、葡萄糖、咖啡酸9种味觉分子的部分或全部的搭配组合。
[0031]优选地，所述咖啡样品标准成分测定步骤中，采用气相色谱
‑
质谱联用技术对样品标准成分进行测定；具体包括：
[0032]S21、咖啡样品气化后随惰性气体进入气相色谱仪；
[0033]S22、混合物分离；
[0034]S23、使用质谱仪对分离物质进行成分检测获得检测数据：
[0035]S24、通过软件获得谱峰图，测定目标待测物的浓度。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；S2、咖啡样品标准成分测定；对咖啡样品进行标准成分测定，选择难挥发味觉分子作为衡量咖啡味道的样品标准成分；所述难挥发味觉分子包括酸味分子、甜味分子、苦味分子、涩味分子中的选择组合；S3、数据样本集选定；选定样品标准成分测定值及样品对应的水粉比和冲泡温度的数据形成训练样本集A1和测试样本集B1；S4、人工智能机器学习；将训练样本集A1中的样品标准成分测定值数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B1对优化模型进行测试，确认优选模型M1；S5、咖啡成品制作；采用S4步骤中获得的优选模型M1，通过输入希望的标准成分，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得咖啡成品。2.一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；S2、味觉体验参数测定；设计味觉体验调查表，并对每个样品填写味觉体验调查表，形成咖啡样品对应的味觉参数数据样本，所述味觉参数包括酸味、甜味、苦味、涩味四种参数；S3、数据样本集选定；选定样品味觉参数数据及样品对应的水粉比和冲泡温度的数据形成训练样本集A2和测试样本集B2；S4、人工智能机器学习；将训练样本集A2中的样品味觉参数数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B2对优化模型进行测试，确认优选模型M2；S5、咖啡成品制作；采用S4步骤中获得的优选模型M2，通过输入希望的味觉参数数据，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得咖啡成品。3.一种基于人工智能算法的咖啡制作方法，其特征在于，所述方法包括如下步骤：S1、咖啡样品制作；通过固定其他咖啡加工参数，并改变通用咖啡机的水粉比和冲泡温度，对选定咖啡豆进行加工，获得冲泡完成的咖啡样品，并记录样品对应的水粉比和冲泡温度；S2、咖啡样品标准成分测定；选择难挥发味觉分子作为衡量咖啡味道的样品标准成分；所述难挥发味觉分子包括酸味分子、甜味分子、苦味分子、涩味分子中的选择组合；对咖啡样品进行标准成分进行测定；S3、味觉体验参数测定；括设计味觉体验调查表，并对每个样品填写味觉体验调查表，形成咖啡样品对应的味觉参数数据样本；所述味觉参数包括酸味、甜味、苦味、涩味四种参数；
S4、数据样本集选定；选定样品味觉参数数据及样品对应的样品标准成分测定值的数据形成训练样本集A3和测试样本集B3；选定样品标准成分测定值及样品对应的水粉比和冲泡温度的数据形成训练样本集A4和测试样本集B4；S5、人工智能机器学习；S51、将训练样本集A3中的样品味觉参数数据设为输入层；将样品对应的样品标准成分测定值的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B2对优化模型进行测试，确认优选模型M3；S52、将训练样本集A4中的样品标准成分测定值数据设为输入层；将样品对应的水粉比和冲泡温度的数据设为输出层；根据人工神经网络学习模型对数据进行训练，获得优化模型；使用测试样本集B4对优化模型进行测试，确认优选模型M4；S6、咖啡成品制作；S61、采用S51步骤中获得的优选模型M3，通过输入希望的味觉参数数据，获得选定咖啡豆对应的优选标准成分测定值；S62、采用S52步骤中获得的优选模型M4，输入S61的优选标准成分测定值，获得选定咖啡豆对应的优选水粉比和冲泡温度；并以优选水粉比和冲泡温度加工选定咖啡豆获得咖啡成品。4.根据权利要求1或3所述的基于人工智能算法的咖啡制作方法，其特征在于：所述咖啡样品标准成分测定步骤中，所述酸味分子包括苹果酸、绿原酸、奎宁酸、烟酸、丹宁酸、焦梧酸、酸性脂肪中的一种或多种；所述甜味分子包括乳糖、麦芽糖、果糖、葡萄糖、乙酰基甲基甲醇中的一种或多种；所述苦味分子包括咖啡因、二甲基二硫、乙基苯酚、腐胺中的一种或多种；所述涩味包括绿原酸、乙基苯酚、咖啡酸中的这一种或多种。5.根据权利要求1或3所述的基于人工智能算法的咖啡制作方法，其特征在于：所述咖啡样品标准成分测定步骤中，所述难挥发味觉分子为对乳糖、苹果酸、蔗糖、绿原酸、麦芽糖、奎宁酸、果糖、葡萄糖、咖啡酸9种味觉分子的部分或全部的搭配组合。6.根据权利要求1或3所述的基于人工智能算法的咖啡制作方法，其特征在于：所述咖啡样品标准成分测定步骤中，采用气相色谱
‑
质谱联用技术对样品标准成分进行测定；具体包括：S21、咖啡样品...

【专利技术属性】
技术研发人员：吕轶啸，薛峤，吴净峰，洪亮，金石，马征，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：