蓝莓酒的智能化制作方法及其系统技术方案

公开了一种蓝莓酒的智能化制作方法及其系统。其首先将挑选后蓝莓的检测图像通过蓝莓品种特征提取器以得到品种特征向量，接着，将待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量，然后，计算所述品种特征向量和所述风格特征向量的关联矩阵，接着，对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵，最后，将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到用于表示推荐的发酵温度值的解码值。这样，可以提高蓝莓酒的品质和生产效率。品质和生产效率。品质和生产效率。

【技术实现步骤摘要】
蓝莓酒的智能化制作方法及其系统


[0001]本申请涉及智能化制作领域，且更为具体地，涉及一种蓝莓酒的智能化制作方法及其系统。

技术介绍

[0002]蓝莓酒是一种用新鲜或冷冻的蓝莓发酵制成的果酒，具有浓郁的果香和紫红色的色泽。工业蓝莓酒的制作是一个复杂的过程，需要经过多个步骤。首先，要选择优质的蓝莓，清洗、去杆、破碎，然后加入酵母和糖，进行发酵。发酵后，要对酒液进行澄清、过滤、稳定，以去除杂质和防止变质。最后，要将酒液装瓶、封口、标签，然后储存或运输。
[0003]其中，发酵的时间和温度可以根据蓝莓的品种和酒的风格来进行调节。具体来说，不同品种的蓝莓有着不同的果糖和葡萄糖含量、酸度和多酚含量等特性，这些因素都会影响发酵时间和温度的选择，比如，低酸高糖的蓝莓更适合较高温度下快速发酵。此外，工业蓝莓酒的风格也会影响发酵时间和温度的选择，例如，若是要制作干型蓝莓酒，就需要采用较低的温度和较长的发酵时间，以利于糖分的完全转化为酒精。通常，温度的控制由人工来进行，但人工控制温度往往存在一定的误差，特别是在大规模生产时，会因为人力资源有限而难以精细调节。
[0004]因此，期待一种优化的蓝莓酒的制作方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种蓝莓酒的智能化制作方法及其系统。其首先将挑选后蓝莓的检测图像通过蓝莓品种特征提取器以得到品种特征向量，接着，将待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量，然后，计算所述品种特征向量和所述风格特征向量的关联矩阵，接着，对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵，最后，将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到用于表示推荐的发酵温度值的解码值。这样，可以提高蓝莓酒的品质和生产效率。
[0006]根据本申请的一个方面，提供了一种蓝莓酒的智能化制作方法，其包括：获取挑选后蓝莓的检测图像，以及，待制作蓝莓酒风格的文本描述；将所述检测图像通过蓝莓品种特征提取器以得到品种特征向量；将所述待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量；计算所述品种特征向量和所述风格特征向量的关联矩阵；对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵；以及将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的发酵温度值。
[0007]在上述的蓝莓酒的智能化制作方法中，将所述检测图像通过蓝莓品种特征提取器以得到品种特征向量，包括：使用所述蓝莓品种特征提取器的各层在层的正向传递中对输入数据分别进行二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述
蓝莓品种特征提取器的最后一层输出所述品种特征向量，其中，所述蓝莓品种特征提取器的第一层的输入为所述检测图像。
[0008]在上述的蓝莓酒的智能化制作方法中，将所述待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量，包括：对所述待制作蓝莓酒风格的文本描述进行分词处理以将所述待制作蓝莓酒风格的文本描述转化为由多个词组成的词序列；使用所述文本编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及使用所述文本编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述风格特征向量。
[0009]在上述的蓝莓酒的智能化制作方法中，计算所述品种特征向量和所述风格特征向量的关联矩阵，包括：以如下关联公式计算所述品种特征向量和所述风格特征向量的所述关联矩阵；其中，所述关联公式为：，其中，表示所述品种特征向量，表示所述品种特征向量的转置向量，表示所述风格特征向量，表示所述关联矩阵，表示向量相乘。
[0010]在上述的蓝莓酒的智能化制作方法中，对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵，包括：以如下优化公式对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到所述优化关联矩阵；其中，所述优化公式为：，其中，是所述关联矩阵的第位置的特征值，和是所述关联矩阵的特征值集合的均值和标准差，且 是所述优化关联矩阵的第位置的特征值。
[0011]在上述的蓝莓酒的智能化制作方法中，将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的发酵温度值，包括：使用所述解码器的多个全连接层以如下解码公式对所述优化关联矩阵进行解码回归以获得所述解码值，其中，所述解码公式为：，其中，是所述优化关联矩阵，是所述解码值，是权重矩阵，表示矩阵乘。
[0012]根据本申请的另一个方面，提供了一种蓝莓酒的智能化制作系统，其包括：数据获取模块，用于获取挑选后蓝莓的检测图像，以及，待制作蓝莓酒风格的文本描述；特征提取模块，用于将所述检测图像通过蓝莓品种特征提取器以得到品种特征向量；文本编码模块，用于将所述待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量；关联矩阵计算模块，用于计算所述品种特征向量和所述风格特征向量的关联矩阵；优化模块，用于对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵；以及解码回归模块，用于将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的发酵温度值。
[0013]在上述的蓝莓酒的智能化制作系统中，所述特征提取模块，用于：使用所述蓝莓品种特征提取器的各层在层的正向传递中对输入数据分别进行二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述蓝莓品种特征提取器的最后一层输出所述品
种特征向量，其中，所述蓝莓品种特征提取器的第一层的输入为所述检测图像。
[0014]在上述的蓝莓酒的智能化制作系统中，所述文本编码模块，用于：对所述待制作蓝莓酒风格的文本描述进行分词处理以将所述待制作蓝莓酒风格的文本描述转化为由多个词组成的词序列；使用所述文本编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及使用所述文本编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述风格特征向量。
[0015]在上述的蓝莓酒的智能化制作系统中，所述关联矩阵计算模块，用于：以如下关联公式计算所述品种特征向量和所述风格特征向量的所述关联矩阵；其中，所述关联公式为：，其中，表示所述品种特征向量，表示所述品种特征向量的转置向量，表示所述风格特征向量，表示所述关联矩阵，表示向量相乘。
[0016]与现有技术相比，本申请提供的蓝莓酒的智能化制作方法及其系统，其首先将挑选后蓝莓的检测图像通过蓝莓品种特征提取器以得到品种特征向量，接着，将待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量，然后，计算所述品种特征向量和所述风格特征向量的关联矩阵，接着，对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵，最后，将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到用于表示推荐的发酵温度值的解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种蓝莓酒的智能化制作方法，其特征在于，包括：获取挑选后蓝莓的检测图像，以及，待制作蓝莓酒风格的文本描述；将所述检测图像通过蓝莓品种特征提取器以得到品种特征向量；将所述待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量；计算所述品种特征向量和所述风格特征向量的关联矩阵；对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵；以及将所述优化关联矩阵作为解码矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的发酵温度值。2.根据权利要求1所述的蓝莓酒的智能化制作方法，其特征在于，将所述检测图像通过蓝莓品种特征提取器以得到品种特征向量，包括：使用所述蓝莓品种特征提取器的各层在层的正向传递中对输入数据分别进行二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述蓝莓品种特征提取器的最后一层输出所述品种特征向量，其中，所述蓝莓品种特征提取器的第一层的输入为所述检测图像。3.根据权利要求2所述的蓝莓酒的智能化制作方法，其特征在于，将所述待制作蓝莓酒风格的文本描述经分词处理后通过文本编码器以得到风格特征向量，包括：对所述待制作蓝莓酒风格的文本描述进行分词处理以将所述待制作蓝莓酒风格的文本描述转化为由多个词组成的词序列；使用所述文本编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及使用所述文本编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述风格特征向量。4.根据权利要求3所述的蓝莓酒的智能化制作方法，其特征在于，计算所述品种特征向量和所述风格特征向量的关联矩阵，包括：以如下关联公式计算所述品种特征向量和所述风格特征向量的所述关联矩阵；其中，所述关联公式为：，其中，表示所述品种特征向量，表示所述品种特征向量的转置向量，表示所述风格特征向量，表示所述关联矩阵，表示向量相乘。5.根据权利要求4所述的蓝莓酒的智能化制作方法，其特征在于，对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到优化关联矩阵，包括：以如下优化公式对所述关联矩阵进行流形曲面的高斯概率密度参数二次正则化以得到所述优化关联矩阵；其中，所述优化公式为：，其中，是所述关联矩阵的第位置的特征值，和是所述关联矩阵的特征值集合的均值和标准差，且 是所述优化关联矩阵的第位置...

【专利技术属性】
技术研发人员：陈柏霖，黄筱惠，陈锦荣，
申请(专利权)人：杭州汇之宝农业科技有限公司，
类型：发明
国别省市：