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：青岛新农康源生物工程有限公司

摘要：本公开涉及一种低温生产昆虫虫油的方法。该方法包括：从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，其中，所述油脂提取剂为阳离子表面活性剂和硫酸的反应溶液，所述阳离子表面活性剂为胺盐、季铵盐、杂环和啰盐中的一种或多种；将所述混合物进行料液分离以得到提取剂‑油脂混合液；将所述提取剂‑油脂混合液进行洗涤和分离处理以得到昆虫虫油。这样，能够对于搅拌条件进行实时监测和控制，实现了混合搅拌过程的优化，有助于推进昆虫虫油生产过程的智能化。

主权项：1.一种低温生产昆虫虫油的方法，其特征在于，包括：从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，其中，所述油脂提取剂为阳离子表面活性剂和硫酸的反应溶液，所述阳离子表面活性剂为胺盐、季铵盐、杂环和啰盐中的一种或多种；将所述混合物进行料液分离以得到提取剂-油脂混合液；将所述提取剂-油脂混合液进行洗涤和分离处理以得到昆虫虫油；从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，包括：获取由传感器组采集的搅拌温度的时间序列和搅拌速率的时间序列；将所述搅拌温度的时间序列和所述搅拌速率的时间序列分别按照时间维度排列为搅拌温度时序输入向量和搅拌速率时序输入向量；将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量进行非线性响应校正以得到优化搅拌温度时序输入向量和优化搅拌速率时序输入向量；通过基于深度神经网络的时序模式特征提取器分别对所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量进行特征提取以得到搅拌温度时序关联特征向量和搅拌速率时序关联特征向量；所述基于深度神经网络的时序模式特征提取器为基于一维卷积层的时序模式特征提取器；使用基于因子分解机的特征协同分析模块对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到搅拌温度-搅拌速度协同时序表征特征向量作为搅拌温度-搅拌速度协同时序表征特征；基于所述搅拌温度-搅拌速度协同时序表征特征，确定当前时间点的搅拌速率应增大、应减小或应保持不变，包括：将所述搅拌温度-搅拌速度协同时序表征特征向量通过基于分类器的搅拌速率控制器以得到控制指令，所述控制指令用于表示当前时间点的搅拌速率应增大、应减小或应保持不变；将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量分别通过非线性响应校正模块以非线性响应校正公式进行处理以得到所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量；所述方法还包括训练步骤：用于对非线性响应校正模块、基于一维卷积层的时序模式特征提取器、基于因子分解机的特征协同分析模块和基于分类器的搅拌速率控制器进行训练；所述训练步骤，包括：获取由传感器组采集的训练搅拌温度的时间序列和训练搅拌速率的时间序列；将所述训练搅拌温度的时间序列和所述训练搅拌速率的时间序列分别按照时间维度排列为训练搅拌温度时序输入向量和训练搅拌速率时序输入向量；将所述训练搅拌温度时序输入向量和所述训练搅拌速率时序输入向量进行非线性响应校正以得到训练优化搅拌温度时序输入向量和训练优化搅拌速率时序输入向量；通过所述基于深度神经网络的时序模式特征提取器分别对所述训练优化搅拌温度时序输入向量和所述训练优化搅拌速率时序输入向量进行特征提取以得到训练搅拌温度时序关联特征向量和训练搅拌速率时序关联特征向量；使用所述基于因子分解机的特征协同分析模块对所述训练搅拌温度时序关联特征向量和所述训练搅拌速率时序关联特征向量进行特征协同关联分析以得到训练搅拌温度-搅拌速度协同时序表征特征向量；将所述训练搅拌温度-搅拌速度协同时序表征特征向量通过所述基于分类器的搅拌速率控制器以得到分类损失函数值；基于所述分类损失函数值对所述非线性响应校正模块、所述基于一维卷积层的时序模式特征提取器、所述基于因子分解机的特征协同分析模块和所述基于分类器的搅拌速率控制器进行训练，在每一次迭代中，对所述训练搅拌温度-搅拌速度协同时序表征特征向量进行优化；在每次所述训练搅拌温度-搅拌速度协同时序表征特征向量通过分类器进行分类迭代时，对所述训练搅拌温度-搅拌速度协同时序表征特征向量进行优化，表示为：以如下优化公式对所述训练搅拌温度-搅拌速度协同时序表征特征向量进行优化以得到优化后训练搅拌温度-搅拌速度协同时序表征特征向量；其中，所述优化公式为： ；其中，和分别是所述训练搅拌温度-搅拌速度协同时序表征特征向量的第和第位置的特征值，是所述训练搅拌温度-搅拌速度协同时序表征特征向量，是优化后训练搅拌温度-搅拌速度协同时序表征特征向量，表示按位置加法，表示矩阵乘法。

全文数据：

权利要求：

百度查询： 青岛新农康源生物工程有限公司 一种低温生产昆虫虫油的方法