【技术实现步骤摘要】
本专利技术涉及饲料生产，具体涉及一种基于深度学习的饲料生产控制方法及系统。
技术介绍
1、饲料生产是一个复杂且需要高度精细化的过程，传统上依赖人工经验和固定的生产流程，但这种方法往往难以应对原料质量波动、设备状态变化等不确定因素，导致生产效率低下、产品质量不稳定。
2、随着大数据和人工智能技术的快速发展，越来越多的企业开始尝试将智能化技术应用于饲料生产过程中。然而，现有的智能化饲料生产控制方法大多基于简单的机器学习模型，对复杂多变的饲料生产过程数据的处理能力和预测精度有限，难以实现对生产策略的有效评估和优化。因此，迫切需要一种能够高效处理饲料生产过程数据、准确评估生产策略并给出优化建议的饲料生产控制方法。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于深度学习的饲料生产控制方法及系统，解决现有技术中难以高效处理饲料生产过程数据、准确评估生产策略并给出优化建议的问题。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、第一...
【技术保护点】
1.一种基于深度学习的饲料生产控制方法，其特征在于，包括：
2.如权利要求1所述的饲料生产控制方法，其特征在于，所述饲料生产过程数据包括原料质量数据、配方比例数据、生产温度数据、生产湿度数据、生产搅拌速度数据以及设备状态数据；所述历史饲料生产过程数据包括历史原料质量数据、历史配方比例数据、历史生产温度数据、历史生产湿度数据、历史搅拌速度数据以及历史设备状态数据。
3.如权利要求1所述的饲料生产控制方法，其特征在于，所述步骤S100中饲料生产过程数据进行预处理的步骤包括数据清洗、缺失值处理、异常值检测与处理以及数据归一化处理。
4.如...
【技术特征摘要】
1.一种基于深度学习的饲料生产控制方法，其特征在于，包括：
2.如权利要求1所述的饲料生产控制方法，其特征在于，所述饲料生产过程数据包括原料质量数据、配方比例数据、生产温度数据、生产湿度数据、生产搅拌速度数据以及设备状态数据；所述历史饲料生产过程数据包括历史原料质量数据、历史配方比例数据、历史生产温度数据、历史生产湿度数据、历史搅拌速度数据以及历史设备状态数据。
3.如权利要求1所述的饲料生产控制方法，其特征在于，所述步骤s100中饲料生产过程数据进行预处理的步骤包括数据清洗、缺失值处理、异常值检测与处理以及数据归一化处理。
4.如权利要求1所述的饲料生产控制方法，其特征在于，所述改进的crossformer深度学习模型结构包括：
5.如权利要求3所述的饲料生产控制方法，其特征在于，所述维度分段嵌入层具体实现方式为：将预处理后的实时饲料生产过程数据在时间序列上分...
【专利技术属性】
技术研发人员：邵富贵，张云华，陈丽娟，邵业，
申请(专利权)人：安徽富贵饲料有限公司，
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。