基于多维数据融合和可解释的机器学习的baijiu发酵阶段的智能识别
Lin Du1, Junchao Zhou2, Yongqing Tang3
1Liquor Making Biotechnology and Intelligent Manufacturing of Key Laboratory of China National Light Industry, Sichuan University of Science and Engineering, Yibin 644005, People's Republic of China; School of Mechanical Engineering, Sichuan University of Science and Engineering, Yibin 644005, People's Republic of China.
本研究介绍了一种使用传感器数据和机器学习的智能方法,以识别Baijiu发酵阶段. 多层感知器模型实现了99.48%的准确性,使标准化智能生产成为可能.
科学领域:
- * 食品科学与技术 * 食品科学与技术
- * 生物技术 * 生物技术
- *人工智能在制造业中的应用
背景情况:
- *传统的Baijiu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控制.
- *目前的方法涉及回顾性离线分析,阻碍了流程优化和标准化.
- * 需要智能系统来动态监测和控制发酵阶段.
研究的目的:
- * 通过使用多维传感器数据和可解释的机器学习,开发 Baijiu 发酵阶段的智能识别方法.
- * 客观地将发酵分成不同的阶段,并使用各种分析技术验证细分.
- * 评估机器学习算法,以准确和可解释的发酵阶段识别.
主要方法:
- *无监督学习,客观地将发酵分成三个阶段.
- *使用生物化学动力学,部分最小平方差分分析 (PLS-DA) 和风味化合物分析进行验证.
- *对六种机器学习算法的评估,重点关注多层感知器 (MLP) 和Shapley增量扩展 (SHAP) 的解释性.
主要成果:
- * 发酵过程客观地分为三个不同的阶段,在多个维度中得到验证.
- *多层感知器 (MLP) 模型在独立测试组上确定发酵阶段的准确率达到99.48%.
- * SHAP分析确定了二氧化碳度,pH值,温度和湿度作为驱动分类的关键特征,突出了它们的非线性相互作用.
结论:
- *开发的智能方法为实时发酵监测提供了可扩展,具有成本效益的解决方案.
- *这种方法有助于从基于经验的Baijiu造转向标准化,智能化的生产.
- * 提供强大的技术基础,通过人工智能集成推进传统发酵食品行业.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
09:12Optimization of Processing of Tiebangchui with Highland Barley Wine Based on the Box-Behnken Design Combined with the Entropy Method
Published on: May 19, 2023
相关概念视频
Classification of Titrimetric Analysis Based on Reaction Types
Titrations between an acid and a base lead to neutralization reactions that form...
Microbial Fermentation
Fermentation
Fermentation is a type of metabolic process that occurs in the absence of oxygen, where organic molecules such as glucose are broken down to produce energy. During this process, the...
