白酒发酵阶段的多维数据融合与可解释机器学习智能识别

科学分野:

• 食品科学与技术
• 生物技术
• 制造业中的人工智能

背景:

• 传统的白酒生产依赖于人类的专业知识，在固态发酵过程中缺乏实时客观的控制。
• 目前的方法涉及回顾性的离线分析，阻碍了过程优化和标准化。
• 需要智能系统来动态监测和控制发酵阶段。

研究 の 目的:

• 开发一种利用多维传感器数据和可解释机器学习的白酒发酵阶段智能识别方法。
• 客观地将发酵划分为不同的阶段，并使用各种分析技术验证划分结果。
• 评估机器学习算法在发酵阶段识别中的准确性和可解释性。

主な方法:

• 采用无监督学习将发酵过程客观地划分为三个阶段。
• 使用生化动力学、偏最小二乘判别分析（PLS-DA）和风味化合物分析进行验证。
• 评估了六种机器学习算法，重点关注多层感知器（MLP）和Shapley Additive exPlanations（SHAP）的可解释性。

主要な成果:

• 发酵过程客观地划分为三个不同的阶段，并通过多个维度进行了验证。
• 多层感知器（MLP）模型在独立测试集上识别发酵阶段的准确率为99.48%。
• SHAP分析确定二氧化碳浓度、pH值、温度和湿度是驱动分类的关键特征，并突出了它们之间的非线性相互作用。

結論:

• 所开发的智能方法为白酒发酵的实时监测提供了一种可扩展、经济高效的解决方案。
• 该方法有助于将基于经验的白酒酿造转变为标准化、智能化的生产。
• 为通过人工智能整合推动传统发酵食品行业的发展提供了坚实的技术基础。