基于机器学习的ι-型卡拉胶分子量预测方法、设备及存储介质

本发明涉及食品加工数字化技术领域，具体涉及基于机器学习的ι‑型卡拉胶分子量预测方法、设备及存储介质；本发明以ι‑型卡拉胶提取工艺中具有范围跨度的条件参数随机取离散值作为机器学习模型的输入变量，以及所选取的随机取离散值调节所得卡拉胶的性质参数，作为输入变量，以测得的ι‑型卡拉胶分子量作为输出变量，建立数据集，通过数据增强，基于高斯过程回归预测模型（GPR）和支持向量回归预测模型（SVR）成功构建了一种GPR增强数据集SVR预测分子量的模型，该方法能够实现对生产工艺的对应条件得到产品的ι‑型卡拉胶分子量进行快速准确预测，节省其分子量的检测成本。