一种基于深度学习的茶多酚超声提取智能预测方法及系统

本发明涉及茶多酚提取技术领域，公开了一种基于深度学习的茶多酚超声提取智能预测方法及系统，获取超声提取实验参数及对应的茶多酚提取率，通过超声提取设备中传感器实时采集包括温度、功率、时间的传感器数据，并同步获取提取液的光谱数据，对采集到的数据进行预处理；将预处理后的数据分为训练集和测试集进行模型训练，通过模拟退火算法对CNN‑LSTM混合模型进行超参数优化；将实时采集的工艺参数与光谱数据输入训练好的CNN‑LSTM混合模型中，输出茶多酚得率的预测值；若预测值低于目标值，模型自动调整工艺参数，并通过反馈机制更新参数设置，若预测值高于目标值，模型减少超声功率或缩短提取时间；本发明实现了茶多酚超声提取得率的精准预测。