买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明公开了基于数据驱动的茶叶初制生产线参数协同控制方法及系统，通过实验设备和生产线软件收集茶叶生产中的工艺参数、图像信息和含水率信息；对收集的数据进行预处理，剔除异常数据，提高模型性能；通过特征值重要性和相关性分析，对重要特征和化学成分进行选择；应用茶叶工艺数据集训练机器学习模型，使用网格优化方法获取多个模型的最佳超参数；对比不同模型在不同单元的建模结果，滚烘单元最佳模型为PLSR，杀青、初烘、复烘最佳模型为SVM，多个化学成分预测模型为MRF；以各单元含水率和毛茶化学成分为目标，使用多目标算法优化工艺参数，将优化结果应用到茶叶生产线控制软件，实现高品质茶叶生产。

主权项：1.基于数据驱动的茶叶初制生产线参数协同控制方法，其特征在于包括如下步骤：步骤S1：获取茶叶初制生产线的多个单元数据集，包括各单元工艺参数、加工前后的含水率、鲜叶图像信息、毛茶的品质和最终毛茶的多个化学成分含量；步骤S2：对所述多个单元数据集进行预处理；步骤S3：数据筛选；根据生产过程中各单元数据的变化情况，去除基本不变化的数据和或具有相同变化趋势的数据，通过机器学习预测工艺参数和鲜叶图像信息对相应含水率和化学成分的重要性，删除重要性低的数据，其中，通过SHAP方法计算每个化学成分的特征重要性，构建工艺参数与化学成分的相关性系数图，选取与所述品质相关的化学成分；步骤S4：构建机器学习模型，建立筛选后的工艺参数和鲜叶图像信息与含水率的关系，建立筛选后的工艺参数与含水率及品质相关的化学成分的关系；机器学习模型包括偏最小二乘回归PLSR，对于有k个化学成分及含水率、m个单元工艺参数数据，n个样本的数据构成的矩阵为和，从X中提取第一主成分，然后建立主成分与Y之间的线性回归方程，若回归方程精度满足要求，则算法终止；否则，从剩余的X中提取第二个主成分，并建立方程，直到精度达到要求，PLSR具体计算包括主成分分解和关联矩阵B计算，主成分分解是对X、Y矩阵进行特征因子分解，具体公式如下： ,式中，T和U分别表示矩阵X和Y的主成分得分矩阵，P和Q分别表示X和Y的载荷矩阵，E、F分别表示X和Y在拟合过程中的误差矩阵； , ,使用矩阵T和U建立线性回归模型，B表示关联矩阵；机器学习模型包括多元线性回归MLR，对于具有n个预测变量的多元线性回归，其公式如下： ,式中，x表示各单元的工艺参数和鲜叶图像信息，y表示加工后含水率，β0,β1,β2,…,βn表示多项式系数，ε表示回归模型的残差项；步骤S5：基于机器学习模型，建立每个单元的含水率预测模型和最终毛茶多个化学成分预测模型；步骤S6：根据所述预测模型，以各单元含水率和毛茶化学成分为目标，基于鲜叶图像信息，以每个单元的实际应用的工艺参数范围为限制条件，优化工艺参数，并将优化结果应用于茶叶初制生产线的参数控制。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于数据驱动的茶叶初制生产线参数协同控制方法及系统