【技术实现步骤摘要】
本专利技术属于绿茶初制生产领域，具体涉及一种基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法。
技术介绍
1、绿茶是全球最大的消费饮料之一，含有儿茶素、咖啡因、茶氨酸、维生素等多种对人体有益的成分，具有清热降火、稳定血糖、降低诸如癌症和心血管疾病等慢性病的发生率的功能。茶叶从鲜叶到商品茶要经历初制和精制两个生产过程，初制是将茶叶从鲜叶加工到毛茶的制作过程。杀青是绿茶初制过程中的关键步骤，它将新鲜茶叶中的酶活性迅速停止，防止茶叶继续发酵和氧化。这样可以保持茶叶的绿色色泽和新鲜香气，使茶叶保持较高的抗氧化性和营养价值。因此提高绿茶杀青的配置成为需求。
2、目前，绿茶杀青过程仍处于半人工和半机械化水平，需要靠人工指导，依靠“一看二闻三摸”的“看茶做茶”方式，对茶叶加工设备的温度、时间进行简单过程控制，主要通过试错来找到理想的杀青工艺参数，但茶叶杀青加工又是一个大滞后控制，靠人工经验和试错法还远远达不到自动化的要求。
3、例如，cn107704690a公开了一种对茶叶杀青摊放的影响参数进行优化的方法，包括确定影响茶叶品质的杀青摊放参数以及优化目标，且对杀青摊放参数进行多层次统计实验设计并进一步进行试验，得到优化目标的实验设计值；根据杀青摊放参数的实验设计赋值及其对应得到的优化目标的实验设计值，构建二次拟合曲面模型；对二次拟合曲面模型进行显著性验证和方差分析，确定最佳二次拟合曲面模型；基于最佳二次拟合曲面模型建立优化目标与杀青摊放参数的非线性关系，确定茶叶杀青摊放工艺优化模型并进行求解，获得最优的杀青摊放参数值。
4、上述技术方案虽然能够分析茶叶杀青摊放杀青工艺参数的交互特性，但无法快速确定茶叶杀青过程中的杀青工艺参数或最佳杀青工艺参数组合。
5、针对上述现有技术存在的问题或缺陷，急需一种能够快速获得茶叶杀青过程中最佳杀青工艺参数组合的方法，能够解决现有茶叶杀青过程中大多依靠经验或多次试错而无法快速确定茶叶杀青过程中杀青工艺参数的技术问题。
技术实现思路
1、针对现有技术存在的问题和缺陷，本专利技术的目的是提供基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，该方法以杀青工艺参数为约束条件，使用最优的机器学习模型建立茶叶杀青工艺参数、茶叶杀青前、后状态的映射关系，采用改进粒子群算法，以杀青后目标含水率和杀青过程中能耗为优化目标，得到最优的茶叶杀青工艺参数组合，提高杀青质量和效率、减少能耗。
2、为了实现上述目的，本专利技术提出了基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，包括如下步骤：
3、步骤1：获取相应的杀青工艺参数数据集，通过不同杀青工艺参数加工品种相同但嫩度、色差不同的摊青叶来获取对应的鲜叶杀青后的含水率；
4、步骤2：将得到的杀青工艺参数数据集进行预处理，降低噪声和操作上不足带来的影响；选择不同的机器学习模型，使用上述数据进行训练，获取模型最佳超参数；
5、步骤3：对预测模型性能评估，选择性能最好的模型，建立绿茶杀青工艺参数、绿茶杀青前状态和杀青后含水率的关系模型；
6、步骤4：杀青工艺参数优化模型建立：数学模型如式(1)所示：
7、
8、上述式(1)中，z＝[l，a，b，ms]表示已知的茶叶状态参数，l，a，b，ms分别表示摊青完成后茶叶的黑白值、红绿值、黄蓝值、茶叶含水率；表示杀青工艺参数；t1，t2，t3，t4，t5，vd，vb，vh分别表示杀青设备的一区温度、二区温度、三区温度、四区温度、五区温度、滚筒速度、上料速度、排湿风机速度；ω表示杀青工艺参数可行域集合，即取值范围；f2(t1)分别表示目标含水率和实际含水率差值函数、杀青工艺参数下的含水率、能耗值函数；mf、tmin分别表示杀青的目标含水率和不影响茶叶外观等品质的最低杀青温度；f表示适应度，λ1和λ2表示含水率差值与能耗的重要程度，0≤λ1≤1，0≤λ2≤1，缩放系数为k；
9、步骤5：进行粒子群算法：随机生成初始化粒子群，采用训练好的机器学习模型、含水率差值函数和能耗值函数计算每个粒子的目标函数值，将该值作为粒子群的适应度，将适应度最小的位置做为最佳位置，根据个体最优位置和全局最优位置和粒子适应度大小在所有粒子中的排序大小更新每个粒子速度和位置；
10、步骤6：根据pareto支配关系评价粒子的位置，更新非支配解集；在粒子群达到最大迭代次数之后输出最新非支配解集，以及目标含水率最小差值和最低能耗的解集。
11、本专利技术提出了基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，包括通过不同杀青工艺参数加工品种相同、嫩度和色差等不同的摊青叶，采集鲜叶杀青后的的含水率数据，将收集到的杀青前茶叶状态和杀青工艺参数数据集进行预处理，计算相应的杀青工艺参数等数据，并对数据中的缺失值和异常值进行删除，降低噪声和操作上带来的干扰，将获取的杀青工艺参数数据集用于多个机器学习模型的训练，获取最佳模型参数，通过对不同的模型训练和评估，选择性能最好的模型，采用粒子群优化算法，以杀青目标含水率和温度为优化目标，根据机器学习模型和改进粒子群，推荐最佳杀青工艺参数。本专利技术实现了绿茶杀青过程中杀青工艺参数的确定，具有成本低、效率高、智能化等特点。
12、优选的，所述步骤1中茶叶含水率和色差测量方式为：在茶叶杀青前，取15g摊青后的茶叶均匀混合，从中选取5g作为样本，放置于试样盘中，色差采用通用色差计，对于每一批绿茶，随机测量五个点的色差，求平均值得到该批次绿茶杀青前的色差；茶叶含水率通过快速水分测定法检测，采用近红外加热，温度设定为2min内快速加热至140℃，当30s内水分损失低于0.005g时停止工作并锁定含水率。
13、优选的，所述步骤1中在收到茶鲜叶后，由五个专业的工人综合评审茶叶的嫩度；茶叶的杀青工艺参数使用自行设计的茶叶生产线协同控制软件获取数据，且每间隔一分钟采集一次相关数据。
14、优选的，所述步骤2中对杀青工艺参数数据集的预处理方法为：根据杀青设备中相机拍摄的图像，确定每批次茶叶的加工时间，同时确定每批次茶叶对应的杀青工艺参数；去除试错和设备中的绿茶重量过少时获取的相关数据，将杀青工艺参数设定值稳定后的参数做为正常参数；对去除异常值后的杀青工艺参数计算平均值，得到每个批次的杀青工艺参数。
15、优选的，所述步骤2中的机器学习模型包括随机森林、支持向量机、宽度学习系统；将所述杀青工艺参数数据集按照8:2划分为测试集和训练集，对上述模型进行训练并优化超参数；
16、随机森林优化超参数为：’n_estimators’、’max_depth’、’min_samples_leaf’和min_samples_split；
17、对于支持向量机，优化超参数有：’c’、’gamma’、’kernel’、’degree’；
18、对于宽度学习系统，优化超参数有’numfea’、’numwin’、’numenhan’、’c’；...
【技术保护点】
1.基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤1中茶叶含水率和色差测量方式为：在茶叶杀青前，取15g摊青后的茶叶均匀混合，从中选取5g作为样本，放置于试样盘中，色差采用通用色差计，对于每一批绿茶，随机测量五个点的色差，求平均值得到该批次绿茶杀青前的色差；茶叶含水率通过快速水分测定法检测，采用近红外加热，温度设定为2min内快速加热至140℃，当30s内水分损失低于0.005g时停止工作并锁定含水率。
3.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤1中在收到茶鲜叶后，由五个专业的工人综合评审茶叶的嫩度；茶叶的杀青工艺参数使用自行设计的茶叶生产线协同控制软件获取数据，且每间隔一定时间采集一次相关数据。
4.根据权利要求3所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤2中对杀青工艺参数数据集的预处理方法为：根据杀青设备中相机拍摄的图像，确
5.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤2中的机器学习模型包括随机森林、支持向量机、宽度学习系统；将所述杀青工艺参数数据集按照8:2划分为测试集和训练集，对上述模型进行训练并优化超参数；
6.根据权利要求5所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤3中通过R2和RMSE对预测模型性能标准进行评估，并选择性能最好的模型，所述性能最好的模型为随机森林模型。
7.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，步骤5中可对第n个粒子在第i次迭代时的速度和位置更新改进公式，所述改进公式如式(2)和式(3)所示：
8.根据权利要求7所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤5粒子的速度和位置更新方式为：计算每个粒子的适应度在所有粒子中的排序序号，对于序号大于阈值SN的粒子重新随机生成位置和速度，对于序号小于阈值SN的粒子使用改进公式(2)和(3)更新速度和位置；
...【技术特征摘要】
1.基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤1中茶叶含水率和色差测量方式为：在茶叶杀青前，取15g摊青后的茶叶均匀混合，从中选取5g作为样本，放置于试样盘中，色差采用通用色差计，对于每一批绿茶，随机测量五个点的色差，求平均值得到该批次绿茶杀青前的色差；茶叶含水率通过快速水分测定法检测，采用近红外加热，温度设定为2min内快速加热至140℃，当30s内水分损失低于0.005g时停止工作并锁定含水率。
3.根据权利要求1所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤1中在收到茶鲜叶后，由五个专业的工人综合评审茶叶的嫩度；茶叶的杀青工艺参数使用自行设计的茶叶生产线协同控制软件获取数据，且每间隔一定时间采集一次相关数据。
4.根据权利要求3所述的基于随机森林和改进粒子群的茶叶杀青工艺参数优化方法，其特征在于，所述步骤2中对杀青工艺参数数据集的预处理方法为：根据杀青设备中相机拍摄的图像，确定每批次茶叶的加工时间，同时确定每批次茶叶对应的杀青工艺参数；去除试错和设备中的绿茶重量过少时获取的相关...
【专利技术属性】
技术研发人员：彭继宇，陈康，朱逢乐，冯海强，赵章风，王岳梁，钟江，乔欣，蒋建东，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。