香料油的智能化制备方法及其系统技术方案

本申请涉及智能制备领域，其具体地公开了一种香料油的智能化制备方法及其系统，其通过采用基于深度学习的深度神经网络模型提取出关于辣椒籽粉的状态特征在时序上基于全局的状态变化特征分布信息和处理仓内的温度和压力的协同变化关联隐含特征信息，最后计算两者之间的响应性估计来进行分类。这样，能够精准地基于实际辣椒籽粉的状态情况来自适应地调控饱和蒸汽的通入时间，以此来达到利用少次循环就能够得到理想状态下的辣椒籽油的目的，进而提高辣椒籽油的生物活性和总体工艺产率。而提高辣椒籽油的生物活性和总体工艺产率。而提高辣椒籽油的生物活性和总体工艺产率。

【技术实现步骤摘要】
香料油的智能化制备方法及其系统


[0001]本申请涉及智能制备领域，且更为具体地，涉及一种香料油的智能化制备方法及其系统。

技术介绍

[0002]辣椒籽油是香料油的一种，其是以优质辣椒经去皮后的辣椒籽为原料，经提取、分离、精制而成的一种保健用油。具有降低血脂、预防血管硬化、防止血栓形成、抗氧化，抗衰老等多种生物学功效，对高血压、中风、心脏病等有显著的改善效果。
[0003]辣椒籽油作为一种调料油，其制作方法很是讲究，目前关于辣椒籽油提取的研究多采用常规植物油提取方法，如溶剂提取法、超临界二氧化碳提取法等。溶剂提取法成本低、操作简单，但是有机溶剂使用量大，产品中有有机溶剂残留、安全性低；超临界二氧化碳提取法虽然能生产无溶剂残留、质量较好的辣椒籽油产品，但该法对设备要求高、操作复杂，并且超临界萃取对目标物没有选择性，除获得目标物外，还可能提取出蜡质等物质。
[0004]针对上述问题，中国专利申请CN106753759B公开一种“提取辣椒籽油的方法”。其通过瞬时闪蒸技术来进行辣椒籽油的提取，在此过程中，辣椒籽通过循环的抽真空、通入热蒸汽增压和升温、泄压的方式来进行水分的瞬间闪蒸以及形成细胞多孔结构，有利于挥发性成分的提取。这样的处理方式，能够避免提取过程中使用到有机试剂，处理时间短，提取效率高，较好的保留了辣椒籽油的生物活性，并且简化了工艺步骤，提高了辣椒籽油的总体工艺产率。
[0005]然而，在实际采用该方法进行辣椒籽油的提取过程中，却发现每次循环提取的效果并不理想，往往需要进行较多次的循环提取来得到理想状态的辣椒籽油。这是由于在通入热蒸汽以实现增压和升温时，只是向处理仓内通入饱和的蒸汽致使其温度和压力到达一定的范围，并进行保压一段时间，这样的处理方式并没有关注到这些数据间的协同性，当温度值选取适宜时仓内压力可能还达不到预期的数值，而当压力选取适宜时温度可能已经超过了预定范围，进而影响辣椒籽油提取的效果。
[0006]因此，期待一种优化的香料油的智能化制备方案。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种香料油的智能化制备方法及其系统，其通过采用基于深度学习的深度神经网络模型提取出关于辣椒籽粉的状态特征在时序上基于全局的状态变化特征分布信息和处理仓内的温度和压力的协同变化关联隐含特征信息，最后计算两者之间的响应性估计来进行分类。这样，能够精准地基于实际辣椒籽粉的状态情况来自适应地调控饱和蒸汽的通入时间，以此来达到利用少次循环就能够得到理想状态下的辣椒籽油的目的，进而提高辣椒籽油的生物活性和总体工艺产率。
[0008]根据本申请的一个方面，提供了一种香料油的智能化制备方法，其包括：
[0009]获取预定时间段内多个预定时间点的处理仓的温度值和压力值，以及，由摄像头采集的辣椒籽粉在所述预定时间段内的状态监控视频；
[0010]从所述状态监控视频中提取多个状态监控关键帧；
[0011]将所述多个状态监控关键帧分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个状态特征矩阵；
[0012]将所述多个状态特征矩阵分别展开为一维的状态特征向量后通过基于转换器的上下文编码器以得到状态变化语义特征向量；
[0013]将所述多个预定时间点的处理仓的温度值和压力值分别按照时间维度排列为温度输入向量和压力输入向量后，对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵；
[0014]基于所述温度输入向量和所述压力输入向量，对所述参数关联矩阵进行特征分布优化以得到优化参数关联矩阵；
[0015]将所述优化参数关联矩阵通过相邻层使用互为转置的卷积核的第二卷积神经网络模型以得到参数关联特征矩阵；
[0016]计算所述参数关联特征矩阵相对于所述状态变化语义特征向量的响应性估计以得到分类特征向量；以及
[0017]将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止通入饱和蒸汽。
[0018]在上述香料油的智能化制备方法中，所述从所述状态监控视频中提取多个状态监控关键帧，包括：以预定采样频率对所述状态监控视频进行采样处理以得到所述状态监控视频。
[0019]在上述香料油的智能化制备方法中，所述将所述多个状态监控关键帧分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个状态特征矩阵，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个状态监控关键帧进行卷积处理、基于局部特征矩阵的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始状态特征矩阵；以及，将所述多个初始状态特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个状态特征矩阵。
[0020]在上述香料油的智能化制备方法中，所述将所述多个状态特征矩阵分别展开为一维的状态特征向量后通过基于转换器的上下文编码器以得到状态变化语义特征向量，包括：将所述多个状态特征矩阵中各个状态特征矩阵沿着行向量或者列向量进行展开以得到多个状态特征向量；将所述多个状态特征向量输入所述基于转换器的上下文编码器以得到多个上下文语义状态特征向量；以及，将所述多个上下文语义状态特征向量进行级联以得到所述状态变化语义特征向量。
[0021]在上述香料油的智能化制备方法中，所述将所述多个状态特征向量输入所述基于转换器的上下文编码器以得到多个上下文语义状态特征向量，包括：将所述多个状态特征向量进行一维排列以得到全局状态特征向量；计算所述全局状态特征向量与所述多个状态特征向量中各个状态特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力
关联矩阵通过Softmax分类函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述多个状态特征向量中各个状态特征向量进行加权以得到所述多个上下文语义状态特征向量。
[0022]在上述香料油的智能化制备方法中，所述对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵，包括：以如下公式对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵；
[0023]其中，所述公式为：
[0024][0025]其中V1表示所述温度输入向量，V2表示所述压力输入向量，M表示所述参数关联矩阵。
[0026]在上述香料油的智能化制备方法中，所述基于所述温度输入向量和所述压力输入向量，对所述参数关联矩阵进行特征分布优化以得到优化参数关联矩阵，包括：以如下公式计算所述温度输入向量和所述压力输入向量之间的图核游走节点分布融合特征矩阵，其中，所述公式为：
[0027][0028]其中，V1表示所述温度输入向量，V2表示所述压力输入向量，M
c
表示所述图核游走节点分布融合特征矩阵，D(V1,V2)为所述温度输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种香料油的智能化制备方法，其特征在于，包括：获取预定时间段内多个预定时间点的处理仓的温度值和压力值，以及，由摄像头采集的辣椒籽粉在所述预定时间段内的状态监控视频；从所述状态监控视频中提取多个状态监控关键帧；将所述多个状态监控关键帧分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个状态特征矩阵；将所述多个状态特征矩阵分别展开为一维的状态特征向量后通过基于转换器的上下文编码器以得到状态变化语义特征向量；将所述多个预定时间点的处理仓的温度值和压力值分别按照时间维度排列为温度输入向量和压力输入向量后，对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵；基于所述温度输入向量和所述压力输入向量，对所述参数关联矩阵进行特征分布优化以得到优化参数关联矩阵；将所述优化参数关联矩阵通过相邻层使用互为转置的卷积核的第二卷积神经网络模型以得到参数关联特征矩阵；计算所述参数关联特征矩阵相对于所述状态变化语义特征向量的响应性估计以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止通入饱和蒸汽。2.根据权利要求1所述的香料油的智能化制备方法，其特征在于，所述从所述状态监控视频中提取多个状态监控关键帧，包括：以预定采样频率对所述状态监控视频进行采样处理以得到所述状态监控视频。3.根据权利要求2所述的香料油的智能化制备方法，其特征在于，所述将所述多个状态监控关键帧分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个状态特征矩阵，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个状态监控关键帧进行卷积处理、基于局部特征矩阵的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始状态特征矩阵；以及将所述多个初始状态特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个状态特征矩阵。4.根据权利要求3所述的香料油的智能化制备方法，其特征在于，所述将所述多个状态特征矩阵分别展开为一维的状态特征向量后通过基于转换器的上下文编码器以得到状态变化语义特征向量，包括：将所述多个状态特征矩阵中各个状态特征矩阵沿着行向量或者列向量进行展开以得到多个状态特征向量；将所述多个状态特征向量输入所述基于转换器的上下文编码器以得到多个上下文语义状态特征向量；以及将所述多个上下文语义状态特征向量进行级联以得到所述状态变化语义特征向量。5.根据权利要求4所述的香料油的智能化制备方法，其特征在于，所述将所述多个状态
特征向量输入所述基于转换器的上下文编码器以得到多个上下文语义状态特征向量，包括：将所述多个状态特征向量进行一维排列以得到全局状态特征向量；计算所述全局状态特征向量与所述多个状态特征向量中各个状态特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述多个状态特征向量中各个状态特征向量进行加权以得到所述多个上下文语义状态特征向量。6.根据权利要求5所述的香料油的智能化制备方法，其特征在于，所述对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵，包括：以如下公式对所述温度输入向量和所述压力输入向量进行关联编码以得到参数关联矩阵；其中，所述公式为：...

【专利技术属性】
技术研发人员：王小妹，
申请(专利权)人：江西恒诚天然香料油有限公司，
类型：发明
国别省市：