摘要
本发明涉及酿酒技术领域,公开了一种基于大曲等级的关键化合物识别方法及装置,旨在解决现有大曲关键化合物确定方法存在效率和准确性较低的问题,方案主要包括:获取多个大曲样本的大曲等级和代谢化合物数据,并构建样本数据集;将样本数据集划分为训练集和测试集,利用训练集训练神经网络模型,并利用测试集评估神经网络模型的训练效果,训练完成后,获得大曲等级预测模型;在大曲等级预测模型中嵌入特征贡献模块;针对测试集中的每个大曲样本,将代谢化合物数据输入大曲等级预测模型,获得大曲等级预测结果,根据大曲等级预测结果并基于特征贡献模块,获得关键化合物识别结果。本发明提高了关键化合物确定的效率和准确性,适用于酿酒过程调控。
技术关键词
大曲
训练神经网络模型
识别方法
神经网络模型训练
样本
数据
嵌入特征
优化神经网络模型
训练集
模块
吡嗪
己酸乙酯
油酸乙酯
丁二醇
酿酒技术
识别装置
标签
醇类
系统为您推荐了相关专利信息
寻优方法
缺陷回波信号
超声传感器阵列
波束
染色体
风险预警方法
电力负荷预测
随机森林模型
数据
风险监测技术
内容生成系统
系统维护方法
时间序列预测模型
历史运行数据
指标
级联神经网络
关节炎
识别方法
空间金字塔池化
多尺度