【技术实现步骤摘要】
本专利技术涉及茶叶制备，更具体的说是涉及一种基于近红外光谱的茶叶智能化揉捻集成系统及方法。
技术介绍
1、目前，随着茶叶加工规模化的发展和人们对优质茶叶的需求增加，茶叶从原料到加工至干茶的品质越来越受到人们关注。茶叶的品质，可以通过观察颜色、外形，闻气味等手段，来进行判断。
2、茶叶在加工过程中，会经历多个加工工序，随着加工工序的逐步进行，茶叶的状况在发生变化。判断茶叶的品质时，一般是针对加工完成后的成品茶叶，主要了解加工完成后的成品茶叶的状况，难以获知加工过程对茶叶的成品品质的影响。现有的茶叶的加工工艺，主要依赖于经验来进行设置，不便于作调整，可控性较差。现阶段，红外光谱法以其无污染、无损伤取样、实时性、使用方便等特点成为检测的首选，同时，信息科学技术的快速发展和广泛渗透已经成为现今社会的一个重要的时代特征，其各种识别理论和技术应运而生，并得到广泛应用。
3、因此，如何基于红外光谱提升加工所得的成品茶叶的品质是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于近红外光谱的茶叶智能化揉捻集成系统，通过红外光谱采集茶叶揉捻时的信息，从而控制调整茶叶揉捻机的转速与压力，提升了所得的成品茶叶的品质。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于近红外光谱的茶叶智能化揉捻集成系统，设置于茶叶揉捻机上，包括：近红外光谱采样模块、plc控制器、数据库、成品预测模块、相似度判别模块，在所述茶叶揉
4、优选的，所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据包括茶叶水分数据、茶多酚数据、茶氨酸数据。
5、优选的，所述成品预测模块中的成品预测模型具体包括：第一神经网络模块、第二神经网络模块、相似度度量模块，所述第一神经网络模块与第二神经网络模块结构相同，均为gru层、多头注意力机制层、全连接层，所述gru层、多头注意力机制层、全连接层依次连接；所述相似度度量模块分别与所述第一神经网络模块、第二神经网络模块连接。
6、优选的，所述成品预测模块中的成品预测模型训练具体包括：
7、数据获取模块，所述数据获取模块获取所述数据库内茶叶揉捻符合与不符合品质要求下的历史茶叶近红外光谱数据，及对应的压力数据与转速数据；
8、样本对构建模块，基于所述数据获取模块获取的历史茶叶近红外光谱数据，及对应的压力数据与转速数据构建训练样本对；
9、模型训练模块，通过所述gru层分别提取每一类历史样本数据的茶叶变化特征，学习多个所述茶叶变化特征相互耦合下在时间上的累计变化特征；通过所述多头注意力机制层捕获各个所述茶叶变化特征的加权权重；基于所述训练样本对通过所述相似度度量模块实现相似度更新参数使所述成品预测模型得到收敛。
10、优选的，所述相似度判别模块具体包括：
11、水分判别模块，所述水分判别模块将采样最后时刻的所述近红外光谱数据中茶叶水分数据与历史茶叶近红外光谱数据中的茶叶水分数据进行相似度计算，筛选水分相似值；
12、茶多酚判别模块，所述茶多酚判别模块将采样最后时刻的所述近红外光谱数据中茶多酚数据与历史茶叶近红外光谱数据中的茶多酚数据进行相似度计算，筛选茶多酚相似值；
13、茶氨酸判别模块，所述茶氨酸判别模块将采样最后时刻的所述近红外光谱数据中茶氨酸数据与历史茶叶近红外光谱数据中的茶氨酸数据进行相似度计算，筛选茶氨酸相似值；
14、综合判别模块，所述综合判别模块将水分相似值、茶多酚相似值、茶氨酸相似值组合得到待判别茶叶的特征向量，将所述历史茶叶近红外光谱数据按照同样方式组合，通过比较历史特征向量与所述待判别茶叶的特征向量，推荐所述数据库的历史成功案例中茶叶近红外光谱数据所对应的压力数据与转速数据。
15、优选的，还包括二次调整模块，所述二次调整模块同步接收所述plc控制器发送的采样信号，经过预设时间间隔后，发送重复采样信号到所述plc控制模块，使所述plc控制模块进行二次压力数据与转速数据调整。
16、优选的，所述样本对构建模块中包括根据成品茶叶状态划分的同类型样本对与不同类型样本对。
17、一种基于近红外光谱的茶叶智能化揉捻集成方法，包括：在所述茶叶揉捻机启动后，所述plc控制器收集初始压力数据与初始转速数据发送至所述成品预测模块，并在间隔固定时间后，发送采样信号到所述近红外光谱采样模块；所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据，通过所述plc控制器将所述近红外光谱数据发送至所述成品预测模块与相似度判别模块；所述成品预测模块内部预设成品预测模型，根据所述成品预测模型，结合所述近红外光谱数据、初始压力数据与初始转速数据对成品茶叶情况进行预测，预测不符合品质要求则通过plc控制器发送调整信号到所述相似度判别模块；所述数据库预存储历史样本数据，包括历史茶叶近红外光谱数据，及对应的压力数据与转速数据；所述相似度判别模块将所述近红外光谱数据与历史茶叶近红外光谱数据进行相似度比对，选择相似度大于预设阈值且相似度最高的历史茶叶近红外光谱数据所对应的压力数据与转速数据，通过所述plc控制器发送至所述茶叶揉捻机调整所述初始压力数据与初始转速数据。
18、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于近红外光谱的茶叶智能化揉捻集成系统，通过近红外光谱技术和成品预测模型结合历史数据对茶叶进行评估和排序，对茶叶进行实时监测和预测，从而实现智能化的生产过程，确保生产出的茶叶质量稳定且符合标准，能够通过相似度判别模块和数据库比对数据，自动调整揉捻机的压力数据和转速数据，提高生产效率和产品一致性，系统能够预存储历史样本数据，对比实时数据，为智能化决策提供支持和依据，所采集数据包括茶叶水分、茶多酚、茶氨酸等多维信息，可以综合判断茶叶品质，提高生产过程的全面性和准确性，还包括二次调整模块，可以在采集数据后进行二次数据调整，确保生产参数的准确性和稳定性。
本文档来自技高网...【技术保护点】
1.一种基于近红外光谱的茶叶智能化揉捻集成系统，设置于茶叶揉捻机上，其特征在于，包括：近红外光谱采样模块、PLC控制器、数据库、成品预测模块、相似度判别模块，在所述茶叶揉捻机启动后，所述PLC控制器收集初始压力数据与初始转速数据发送至所述成品预测模块，并在间隔固定时间后，发送采样信号到所述近红外光谱采样模块；所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据，通过所述PLC控制器将所述近红外光谱数据发送至所述成品预测模块与相似度判别模块；所述成品预测模块内部预设成品预测模型，根据所述成品预测模型，结合所述近红外光谱数据、初始压力数据与初始转速数据对成品茶叶情况进行预测，预测不符合品质要求则通过PLC控制器发送调整信号到所述相似度判别模块；所述数据库预存储历史样本数据，包括历史茶叶近红外光谱数据，及对应的压力数据与转速数据；所述相似度判别模块将所述近红外光谱数据与历史茶叶近红外光谱数据进行相似度比对，选择相似度大于预设阈值且相似度最高的历史茶叶近红外光谱数据所对应的压力数据与转速数据，通过所述PLC控制器发送至所述茶叶揉捻机调整所述初始压力数据与初始转速数据。
2.根
3.根据权利要求2所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述成品预测模块中的成品预测模型具体包括：第一神经网络模块、第二神经网络模块、相似度度量模块，所述第一神经网络模块与第二神经网络模块结构相同，均为GRU层、多头注意力机制层、全连接层，所述GRU层、多头注意力机制层、全连接层依次连接；所述相似度度量模块分别与所述第一神经网络模块、第二神经网络模块连接。
4.根据权利要求3所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述成品预测模块中的成品预测模型训练具体包括：
5.根据权利要求2所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述相似度判别模块具体包括：
6.根据权利要求1所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，还包括二次调整模块，所述二次调整模块同步接收所述PLC控制器发送的采样信号，经过预设时间间隔后，发送重复采样信号到所述PLC控制模块，使所述PLC控制模块进行二次压力数据与转速数据调整。
7.根据权利要求4所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述样本对构建模块中包括根据成品茶叶状态划分的同类型样本对与不同类型样本对。
8.一种基于近红外光谱的茶叶智能化揉捻集成方法，应用于权利要求1-7任一所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，包括：在所述茶叶揉捻机启动后，所述PLC控制器收集初始压力数据与初始转速数据发送至所述成品预测模块，并在间隔固定时间后，发送采样信号到所述近红外光谱采样模块；所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据，通过所述PLC控制器将所述近红外光谱数据发送至所述成品预测模块与相似度判别模块；所述成品预测模块内部预设成品预测模型，根据所述成品预测模型，结合所述近红外光谱数据、初始压力数据与初始转速数据对成品茶叶情况进行预测，预测不符合品质要求则通过PLC控制器发送调整信号到所述相似度判别模块；所述数据库预存储历史样本数据，包括历史茶叶近红外光谱数据，及对应的压力数据与转速数据；所述相似度判别模块将所述近红外光谱数据与历史茶叶近红外光谱数据进行相似度比对，选择相似度大于预设阈值且相似度最高的历史茶叶近红外光谱数据所对应的压力数据与转速数据，通过所述PLC控制器发送至所述茶叶揉捻机调整所述初始压力数据与初始转速数据。
...【技术特征摘要】
1.一种基于近红外光谱的茶叶智能化揉捻集成系统，设置于茶叶揉捻机上，其特征在于，包括：近红外光谱采样模块、plc控制器、数据库、成品预测模块、相似度判别模块，在所述茶叶揉捻机启动后，所述plc控制器收集初始压力数据与初始转速数据发送至所述成品预测模块，并在间隔固定时间后，发送采样信号到所述近红外光谱采样模块；所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据，通过所述plc控制器将所述近红外光谱数据发送至所述成品预测模块与相似度判别模块；所述成品预测模块内部预设成品预测模型，根据所述成品预测模型，结合所述近红外光谱数据、初始压力数据与初始转速数据对成品茶叶情况进行预测，预测不符合品质要求则通过plc控制器发送调整信号到所述相似度判别模块；所述数据库预存储历史样本数据，包括历史茶叶近红外光谱数据，及对应的压力数据与转速数据；所述相似度判别模块将所述近红外光谱数据与历史茶叶近红外光谱数据进行相似度比对，选择相似度大于预设阈值且相似度最高的历史茶叶近红外光谱数据所对应的压力数据与转速数据，通过所述plc控制器发送至所述茶叶揉捻机调整所述初始压力数据与初始转速数据。
2.根据权利要求1所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述近红外光谱采样模块采集被揉捻茶叶的近红外光谱数据包括茶叶水分数据、茶多酚数据、茶氨酸数据。
3.根据权利要求2所述的一种基于近红外光谱的茶叶智能化揉捻集成系统，其特征在于，所述成品预测模块中的成品预测模型具体包括：第一神经网络模块、第二神经网络模块、相似度度量模块，所述第一神经网络模块与第二神经网络模块结构相同，均为gru层、多头注意力机制层、全连接层，所述gru层、多头注意力机制层、全连接层依次连接；所述相似度度量模块分别与所述第一神经网络模块、第二神经网络模块连接。
4.根据权利要求3所述的一种基于近红外光谱的茶叶...
【专利技术属性】
技术研发人员：李占彬，陆洋，叶章涛，杨昌彪，申鹰，马凯，崔姗姗，吴阳，穆波，李林竹，
申请(专利权)人：贵州省分析测试研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。