摘要
本发明提供了一种咖啡二次发酵工艺过程优化方法、介质及系统,属于咖啡二次发酵技术领域,包括:首先,获取小规模实验生产的全过程数据,基于这些数据,建立了各发酵参数的时间序列模型和状态参数的动态模型,并与品质参数建立关联映射,构建了一个多输入多输出的嵌入式深度神经网络预测模型。为了增强模型泛化能力,利用数据增广和知识蒸馏技术,进一步优化得到第二预测模型。接下来,基于第二预测模型,构建反向神经网络模型,实现从目标品质到初始发酵参数的反向映射。最后,利用反向模型,输入理想的品质参数,反演得到最优的二次发酵初始参数。同时,将这些初始参数输入到预测模型中,得到各时刻的发酵参数变化趋势,为工艺调控提供依据。
技术关键词
二次发酵工艺
咖啡
参数
时间序列模型
动态变化模型
深度神经网络模型
知识蒸馏技术
数学模型
分支
多层卷积神经网络
二次发酵技术
可读存储介质
数据
模拟可调
门控循环单元
多输入多输出
小规模
梯度下降法