开云优惠体育网页版入口

专利名称：针对复方黑金茶发酵生产过程优化系统及方法

专利类型：发明专利

专利申请号：CN202410995222.5

专利申请（专利权）人：汉中市黑金茶开云优惠体育网页版入口有限公司,汉中市开云优惠体育网页版入口资源统筹中心(汉中植物研究所)
权利人地址：陕西省汉中市汉台区汉中高新技术产业开发区火炬路9号

专利发明（设计）人：发明人:孙凡,熊小飞,王楚翘,熊欣瑶,宫可焓,张舒涵,张义伟,汤红伟,陈建军,刘轶

专利摘要：本发明涉及食品工程技术领域，具体为针对复方黑金茶发酵生产过程优化系统及方法。建立连翘叶原料质量评估指标体系，并利用计算机视觉和机器学习技术进行检测和筛。菇ㄗ贤庀呱本棠Ｐ，包括紫外线照射强度、照射时间和搅拌速度模型，实现杀菌过程的定量控制，构建菌种发酵过程数学模型，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，并预测发酵结果，构建图像序列分析算法，判别发酵终点；通过数值模拟和反向求解，获取满足不同发酵需求的发酵参数。本发明从原料选择、杀菌方式、菌种配比、发酵控制等方面进行了系统创新，提高了黑金茶的品质稳定性和多样性，为传统黑茶产业转型升级提供了新思路。

主权利要求：
1.针对复方黑金茶发酵生产过程优化方法，其特征在于，包括：
建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。
构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；
基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；
基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；
获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求;构建阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，计算阿姆斯特丹散囊菌和冠突散囊菌在不同菌悬液浓度下接种连翘叶的发酵结果；
采用回归算法模型拟合阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型；
收集菌种发酵过程数学模型的数据样本，所述数据样本包括，阿姆斯特丹散囊菌的菌悬液浓度 ，冠突散囊菌的菌悬液浓度 ，培养时间t；测量每个样本在培养结束后的目标值，即发酵后连翘叶中阿姆斯特丹散囊菌的含量 和冠突散囊菌的含量 ；
发酵后连翘叶中菌含量与菌悬液浓度呈现对数关系，即菌含量的对数值与菌悬液浓度的对数值成正比：；
；
其中， 和 分别是菌悬液浓度对数值的系数，反映了浓度每增加10倍，菌含量对数值的增加幅度； 和 发酵时间的系数，反映了发酵时间每增加1小时，菌含量对数值的增加幅度， 和 是常数项，反映了其他因素对菌含量的影响;通过发酵实验对 、 、 、 、 和 值进行拟合计算；
选取第 次实验时的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度组合 ，在预定发酵时间t下进行发酵后，测量第 次发酵实验后连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌含量 ，重复多次实验得到发酵实验数据集；
对发酵实验数据集进行对数变换得到新的数据集：
；
根据实验数据集求解回归模型中参数 的估计值：
；
其中， 表示实验数据集中数据点的个数； 、 、 和 表示第 次实验数据的阿姆斯特丹散囊菌和冠突散囊菌的菌含量和菌悬液浓度；
将得到的模型参数值代入原模型方程，得到拟合的模型：
；
；
其中， 和 分别表示模型预测的连翘叶在发酵后的阿姆斯特丹散囊菌和冠突散囊菌含量， 和 分别是拟合计算的菌悬液浓度对数值的系数； 和 是拟合计算后的发酵时间的系数； 和 是拟合计算后的常数项;利用拟合好的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，预测在任意给定的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度 ，以及预定发酵时间t后，连翘叶中的菌含量 ；
在给定目标连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌的菌含量 和预定发酵时间t后，反向求解出所需菌悬液浓度 。
2.根据权利要求1所述的针对复方黑金茶发酵生产过程优化方法，其特征在于，建立连翘叶原料质量评估指标体系，以叶片大小、完整度、褐变程度和色彩均匀度作为质量评估的质量指标参数；搭建机器视觉检测平台，采用第一彩色工业相机采集连翘叶原料图像；构建连翘叶原料质量评估模型，采集大量不同的连翘叶样本，通过人工分级和留样分析，获得连翘叶质量指标参数与品质等级的对应关系数据；将连翘叶质量指标参数与品质等级的对应关系数据构建成数据集，用于训练卷积神经网络模型；利用训练完成的卷积神经网络模型提取连翘叶图像的色彩、纹理和形状特征，对连翘叶进行检测；当检测到不符合标准的连翘叶时，通过气动分拣机构将不符合标准的连翘叶筛除。
3.根据权利要求2所述的针对复方黑金茶发酵生产过程优化方法，其特征在于，将经过制茶处理后的连翘叶进行紫外线照射杀菌，分别构建紫外线杀菌照射强度模型、紫外线杀菌照射时间模型以及构建紫外线杀菌搅拌模型；
所述紫外线杀菌照射强度模型为：
；
其中，是入射紫外线强度， 是连翘叶深度 处的紫外线强度；是连翘叶对紫外线的吸收系数；是连翘叶在紫外线照射下的安全阈值， 是紫外线最低有效杀菌强度，是连翘叶的平均厚度；
所述紫外线杀菌照射时间模型为：
；
；
其中， 是紫外线照射连翘叶的杀菌时间； 是连翘叶中初始微生物数量，是紫外线杀菌后的目标微生物数量；是紫外线杀菌速率常数；是入射紫外线强度； 是接受紫外线杀菌的连翘叶总重量；是紫外线的照射面积；是连翘叶的密度。
4.根据权利要求3所述的针对复方黑金茶发酵生产过程优化方法，其特征在于，对连翘叶在紫外线杀菌过程中进行滚筒搅拌，将连翘叶置于滚筒式搅拌装置中，通过搅拌，使连翘叶不断翻动，接受紫外线均匀照射；
构建紫外线杀菌搅拌模型，设滚筒的内半径为 ，转速为 ，连翘叶在滚筒内壁的摩擦系数为 ，当滚筒转动时，连翘叶受到重力、离心力和摩擦力的作用，连翘叶在滚筒翻动时满足：；
其中， 为滚筒的角速度，是重力加速度，与滚筒转速的关系为： ，代入上式，得出转速条件： ；
即滚筒转速下限为 ，低于滚筒转速下限时连翘叶无法充分翻动；
在紫外线杀菌完成后对连翘叶进行抽样检测，若不满足杀菌需求则重新进行杀菌；若满足杀菌需求则对连翘叶进行接种。
5.根据权利要求4所述的针对复方黑金茶发酵生产过程优化方法，其特征在于，在预定发酵时间结束前的时间段内，采用第二彩色工业相机，在相同拍摄条件下，以固定时间间隔对发酵中的连翘叶进行图像采集；构建第二卷积神经网络模型提取图像的色彩特征，所述色彩特征包括色调、饱和度和明度；
第二卷积神经网络将提取的色彩特征与发酵完成的连翘叶进行对比，以发酵完成连翘叶的色彩特征均值和差异容限值的加减计算范围作为比对阈值范围；
当检测到发酵时连翘叶色彩特征符合发酵完成连翘叶的色彩特征时，完成连翘叶发酵终点判别，并结束连翘叶的发酵；
当预定发酵时间结束时，且在发酵中的连翘叶中未检测到发酵完成的连翘叶的色彩特征，则延长 时长的发酵时间，并在延长的 时长时间段内重复进行发酵终点判别。
6.针对复方黑金茶发酵生产过程优化系统，其用于实现权利要求1至5任一项所述针对复方黑金茶发酵生产过程优化方法，其特征在于，包括：筛选模块、杀菌模块、发酵预测模块、发酵结果检测模块以及发酵参数计算模块；
所述筛选模块，建立连翘叶原料质量评估指标体系和数据采集平台，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。
所述杀菌模块，构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；
所述发酵预测模块，基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；
所述发酵结果检测模块，基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；
所述发酵参数计算模块，获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。
7.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1至5任一项所述的针对复方黑金茶发酵生产过程优化方法。
8.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至5任一项所述的针对复方黑金茶发酵生产过程优化方法。 说明书 : 针对复方黑金茶发酵生产过程优化系统及方法技术领域[0001] 本发明涉及食品工程技术领域，具体为一种针对复方黑金茶发酵生产过程优化系统及方法。背景技术[0002] 黑金茶，属后发酵型黑茶类，属菌茶类。选用阿姆斯特丹散囊菌、冠突散囊菌(金花)，以汉中炒制后优质绿茶作为基茶，通过现代微生物技术进行杀菌、接种、培养、干燥、植菌等系列复杂工艺制作，形成独特的新茶品种。黑金茶深沉的茶体上附着亮黄色的金花，能有效催化茶叶中的蛋白质、多酚类物质氧化，并在多年自然陈化中转化为对人体有益的物质。[0003] 现有的黑金茶生产工艺许多地方需要改进，基茶在接种发酵菌种时无法精确控制发酵效果和发酵时间，因此生产出的黑金茶品质不一。需要对黑金茶的发酵生产进行规范化。[0004] 鉴于此，本发明提出针对复方黑金茶发酵生产过程优化系统及方法。发明内容[0005] 为实现上述目的，本发明提供如下技术方案：针对复方黑金茶发酵生产过程优化方法，包括：建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。籟0006] 构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；[0007] 基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；[0008] 基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；[0009] 获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。[0010] 优选的，建立连翘叶原料质量评估指标体系，以叶片大小、完整度、褐变程度和色彩均匀度作为质量评估的质量指标参数；搭建机器视觉检测平台，采用第一彩色工业相机采集连翘叶原料图像；构建连翘叶原料质量评估模型，采集大量不同的连翘叶样本，通过人工分级和留样分析，获得连翘叶质量指标参数与品质等级的对应关系数据；将连翘叶质量指标参数与品质等级的对应关系数据构建成数据集，用于训练卷积神经网络模型；利用训练完成的卷积神经网络模型提取连翘叶图像的色彩、纹理和形状特征，对连翘叶进行检测；当检测到不符合标准的连翘叶时，通过气动分拣机构将不符合标准的连翘叶筛除。[0011] 优选的，将经过制茶处理后的连翘叶进行紫外线照射杀菌，分别构建紫外线杀菌照射强度模型、紫外线杀菌照射时间模型以及构建紫外线杀菌搅拌模型；[0012] 所述紫外线杀菌照射强度模型为：[0013][0014] 其中，是入射紫外线强度， 是连翘叶深度 处的紫外线强度； 是连翘叶对紫外线的吸收系数； 是连翘叶在紫外线照射下的安全阈值， 是紫外线最低有效杀菌强度，是连翘叶的平均厚度；[0015] 所述紫外线杀菌照射时间模型为：[0016][0017][0018] 其中， 是紫外线照射连翘叶的杀菌时间； 是连翘叶中初始微生物数量， 是紫外线杀菌后的目标微生物数量；是紫外线杀菌速率常数；是入射紫外线强度； 是接受紫外线杀菌的连翘叶总重量；是紫外线的照射面积；是连翘叶的密度。[0019] 优选的，对连翘叶在紫外线杀菌过程中进行滚筒搅拌，将连翘叶置于滚筒式搅拌装置中，通过搅拌，使连翘叶不断翻动，接受紫外线均匀照射；[0020] 构建紫外线杀菌搅拌模型，设滚筒的内半径为 ，转速为 ，连翘叶在滚筒内壁的摩擦系数为 ，当滚筒转动时，连翘叶受到重力、离心力和摩擦力的作用，连翘叶在滚筒翻动时满足：[0021][0022] 其中， 为滚筒的角速度，是重力加速度，与滚筒转速的关系为：，代入上式，得出转速条件： ；[0023] 即滚筒转速下限为 ，低于滚筒转速下限时连翘叶无法充分翻动；[0024] 在紫外线杀菌完成后对连翘叶进行抽样检测，若不满足杀菌需求则重新进行杀菌；若满足杀菌需求则对连翘叶进行接种。[0025] 优选的，在预定发酵时间结束前的时间段内，采用第二彩色工业相机，在相同拍摄条件下，以固定时间间隔对发酵中的连翘叶进行图像采集；构建第二卷积神经网络模型提取图像的色彩特征，所述色彩特征包括色调、饱和度和明度；[0026] 第二卷积神经网络将提取的色彩特征与发酵完成的连翘叶进行对比，以发酵完成连翘叶的色彩特征均值和差异容限值的加减计算范围作为比对阈值范围；[0027] 当检测到发酵时连翘叶色彩特征符合发酵完成连翘叶的色彩特征时，完成连翘叶发酵终点判别，并结束连翘叶的发酵；[0028] 当预定发酵时间结束时，且在发酵中的连翘叶中未检测到发酵完成的连翘叶的色彩特征，则延长 时长的发酵时间，并在延长的 时长时间段内重复进行发酵终点判别。[0029] 优选的，构建阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，计算阿姆斯特丹散囊菌和冠突散囊菌在不同菌悬液浓度下接种连翘叶的发酵结果；[0030] 采用回归算法模型拟合阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型；[0031] 收集菌种发酵过程数学模型的数据样本，所述数据样本包括，阿姆斯特丹散囊菌的菌悬液浓度 ，冠突散囊菌的菌悬液浓度 ，培养时间t；测量每个样本在培养结束后的目标值，即发酵后连翘叶中阿姆斯特丹散囊菌的含量 和冠突散囊菌的含量 ；[0032] 发酵后连翘叶中菌含量与菌悬液浓度呈现对数关系，即菌含量的对数值与菌悬液浓度的对数值成正比：[0033][0034][0035] 其中， 和 分别是菌悬液浓度对数值的系数，反映了浓度每增加10倍，菌含量对数值的增加幅度； 和 发酵时间的系数，反映了发酵时间每增加1小时，菌含量对数值的增加幅度， 和 是常数项，反映了其他因素对菌含量的影响。[0036] 优选的，通过发酵实验对 、 、 、 、 和 值进行拟合计算；[0037] 选取第 次实验时的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度组合，在预定发酵时间t下进行发酵后，测量第 次发酵实验后连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌含量 ，重复多次实验得到发酵实验数据集；[0038] 对发酵实验数据集进行对数变换得到新的数据集：[0039] ；[0040] 根据实验数据集求解回归模型中参数 的估计值：[0041][0042] 其中， 表示实验数据集中数据点的个数； 、 、 和 表示第 次实验数据的阿姆斯特丹散囊菌和冠突散囊菌的菌含量和菌悬液浓度；[0043] 将得到的模型参数值代入原模型方程，得到拟合的模型：[0044][0045][0046] 其中， 和 分别表示模型预测的连翘叶在发酵后的阿姆斯特丹散囊菌和冠突散囊菌含量； 和 分别是拟合计算的菌悬液浓度对数值的系数； 和 是拟合计算后的发酵时间的系数； 和 是拟合计算后的常数项。[0047] 优选的，利用拟合好的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，预测在任意给定的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度 ，以及预定发酵时间t后，连翘叶中的菌含量 ；[0048] 在给定目标连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌的菌含量 和预定发酵时间t后，反向求解出所需菌悬液浓度 ；[0049] 基于拟合完成的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，根据不同类型复方黑金茶的发酵需求，设立多个菌悬液浓度梯度 ，在同时经历预定发酵时间t后，生产出满足不同需求的复方黑金茶。[0050] 优选的，针对复方黑金茶发酵生产过程优化系统，其用于实现所述针对复方黑金茶发酵生产过程优化方法，包括：筛选模块、杀菌模块、发酵预测模块、发酵结果检测模块以及发酵参数计算模块；[0051] 所述筛选模块，建立连翘叶原料质量评估指标体系和数据采集平台，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。籟0052] 所述杀菌模块，构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；[0053] 所述发酵预测模块，基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；[0054] 所述发酵结果检测模块，基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；[0055] 所述发酵参数计算模块，获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。[0056] 一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行所述的针对复方黑金茶发酵生产过程优化方法。[0057] 一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的针对复方黑金茶发酵生产过程优化方法。[0058] 本发明的有益效果：采用连翘叶替代传统的茶叶作为原料，赋予黑金茶独特的风味和药用价值，连翘具有清热解毒、消肿散结的功效，与黑金茶的保健属性相得益彰；连翘叶经过精心挑选、初步加工处理后，作为发酵的培养基，为散囊菌提供良好的生长环境。[0059] 采用紫外线杀菌法，通过合理设计辐照强度和时间，既能达到无菌要求，又能最大限度保留连翘叶的营养成分和活性物质；杀菌后的连翘叶，为后续的菌种接种奠定了良好基础。[0060] 精准控制菌种接种量和发酵条件，确保发酵过程的一致性和可重复性。通过建立数学模型，量化菌悬液浓度在特定温湿度和pH值参数下与发酵效果之间的关系，采用自动化接种设备，精确调控接种量，保证散囊菌在连翘叶上的均匀分布。[0061] 根据消费者需求，设计多类型发酵的复方黑金茶产品，提升产品的市场竞争力。附图说明[0062] 图1为本发明针对复方黑金茶发酵生产过程优化方法流程图；[0063] 图2为本发明针对复方黑金茶发酵生产过程优化系统结构图；[0064] 图3是本发明提供的电子设备结构示意图；[0065] 图4是本发明提供的计算机可读存储介质结构示意图。具体实施方式[0066] 为了更好地理解本申请，将参考附图对本申请的各个方面做出更详细的说明。应理解，这些详细说明只是对本申请的示例性实施方式的描述，而非以任何方式限制本申请的范围。在说明书全文中，相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。[0067] 在附图中，为了便于说明，已稍微调整了元素的大小、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的，用语“大致”、“大约”以及类似的用语用作表近似的用语，而不用作表程度的用语，并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。另外，在本申请中，各步骤处理描述的先后顺序并不必然表示这些处理在实际操作中出现的顺序，除非有明确其他限定或者能够从上下文推导出的除外。[0068] 还应理解的是，诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述，其表示存在所陈述的特征、元件和/或部件，但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外，当诸如“...中的至少一个”的表述出现在所列特征的列表之后时，其修饰整列特征，而非仅仅修饰列表中的单独元件。此外，当描述本申请的实施方式时，使用“可”表示“本申请的一个或多个实施方式”。并且，用语“示例性的”旨在指代示例或举例说明。[0069] 除非另外限定，否则本文中使用的所有措辞（包括工程术语和开云优惠体育网页版入口术语）均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是，除非本申请中有明确的说明，否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义，而不应以理想化或过于形式化的意义解释。[0070] 需要说明的是，在不冲突的情况下，本申请中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本申请。[0071] 实施例1[0072] 参照图1，本发明的第一个实施例，提供了针对复方黑金茶发酵生产过程优化方法。[0073] S1：建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛选。[0074] 建立连翘叶原料质量评估指标体系，以叶片大小、完整度、褐变程度和色彩均匀度作为质量评估的质量指标参数；搭建机器视觉检测平台，采用第一彩色工业相机采集连翘叶原料图像；构建连翘叶原料质量评估模型，采集大量不同的连翘叶样本，通过人工分级和留样分析，获得连翘叶质量指标参数与品质等级的对应关系数据；将连翘叶质量指标参数与品质等级的对应关系数据构建成数据集，用于训练卷积神经网络模型；利用训练完成的卷积神经网络模型提取连翘叶图像的色彩、纹理和形状特征，对连翘叶进行检测；当检测到不符合标准的连翘叶时，通过气动分拣机构将不符合标准的连翘叶筛除。[0075] S2：构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制。[0076] 将经过制茶处理后的连翘叶进行紫外线照射杀菌，分别构建紫外线杀菌照射强度模型、紫外线杀菌照射时间模型以及构建紫外线杀菌搅拌模型。[0077] 所述紫外线杀菌照射强度模型为：[0078][0079] 其中，是入射紫外线强度， 是连翘叶深度 处的紫外线强度； 是连翘叶对紫外线的吸收系数，由本领域技术人员通过大量实验确定； 是连翘叶在紫外线照射下的安全阈值， 是紫外线最低有效杀菌强度，是连翘叶的平均厚度；[0080] 所述紫外线杀菌照射时间模型为：[0081][0082][0083] 其中， 是紫外线照射连翘叶的杀菌时间； 是连翘叶中初始微生物数量， 是紫外线杀菌后的目标微生物数量；是紫外线杀菌速率常数，由本领域技术人员通过大量实验确定； 是入射紫外线强度； 是接受紫外线杀菌的连翘叶总重量；是紫外线的照射面积；是连翘叶的密度。[0084] 紫外线杀菌相较于其他的杀菌方法，在有效杀菌的同时，对连翘叶的破坏程度最。佣畲笙薅鹊乇；ち桃兜钠分。[0085] 对连翘叶在紫外线杀菌过程中进行滚筒搅拌，将连翘叶置于滚筒式搅拌装置中，通过搅拌，使连翘叶不断翻动，接受紫外线均匀照射。[0086] 滚筒搅拌装置采用食品级304不锈钢材质，表面经电解抛光处理，达到Ra≤0.8μm的粗糙度要求。[0087] 构建紫外线杀菌搅拌模型，可以使连翘叶紫外线照射更加均匀，避免局部杀菌不足。[0088] 设滚筒的内半径为 ，转速为 ，连翘叶在滚筒内壁的摩擦系数为 ，当滚筒转动时，连翘叶受到重力、离心力和摩擦力的作用，连翘叶在滚筒翻动时满足：[0089][0090] 其中， 为滚筒的角速度，是重力加速度，与滚筒转速的关系为：，代入上式，得出转速条件： 。[0091] 即滚筒转速下限为 ，低于滚筒转速下限时连翘叶无法充分翻动。[0092] 在紫外线杀菌完成后对连翘叶进行抽样检测，若不满足杀菌需求则重新进行杀菌；若满足杀菌需求则对连翘叶进行接种。[0093] 在紫外线杀菌后，随机抽取100g连翘叶样品，采用平板涂布法测定样品表面的菌落总数；杀菌后的连翘叶上的菌落总数应低于1000CFU/g，否则重新调整杀菌强度和时间参数，并重新进行杀菌。[0094] 通过构建紫外线杀菌强度模型，设定统一的紫外线杀菌强度，将连翘叶中的大部分微生物杀灭；通过紫外线杀菌时间模型，可以将不同批次连翘叶上的微生物杀灭到同一数量级标准，对连翘叶后续接种阿姆斯特丹散囊菌和冠突散囊菌时发酵步骤设定相同的微生物起始环境，有利于生产出品质稳定的复方黑金茶。[0095] 将完成紫外线杀菌的连翘叶转移到接种器皿中，配置阿姆斯特丹散囊菌和冠突散囊菌的菌悬液，将阿姆斯特丹散囊菌和冠突散囊菌的菌悬液分别雾化喷洒到连翘叶中，对连翘叶进行接种，接种后的连翘叶装入培养袋中进行发酵。[0096] 将紫外线杀菌后的连翘叶运转到接种器皿中，所述接种器皿中含有旋转式混合器用于将连翘叶与接种的菌种均匀混合。[0097] 连翘叶接种阿姆斯特丹散囊菌和冠突散囊菌的流程为：将接种器皿内的环境调节成阿姆斯特丹散囊菌和冠突散囊菌的适宜生长环境，包括调节温度、湿度以及pH值。[0098] 示例性的，阿姆斯特丹散囊菌和冠突散囊菌在25?30℃的温度范围内生长最为旺盛，因此，将发酵环境的温度设定为28±2℃；发酵环境的相对湿度应控制在85?95%之间，可以将湿度设定为RH=90±5%；阿姆斯特丹散囊菌和冠突散囊菌都属于中性或微碱性菌种，在pH值6.5?7.5的范围内生长较好，将发酵环境的pH值设定为：pH=7.0±0.2。[0099] 对发酵环境的温度、湿度和pH值采用在线监测，当监测参数偏离设定范围时，自动启动调节装置（如加热器、加湿器、酸碱液泵等），将环境参数调整到最佳状态，确保发酵过程的稳定性。[0100] 将阿姆斯特丹散囊菌和冠突散囊菌在相同体积纯净水中稀释，制成阿姆斯特丹散囊菌和冠突散囊菌的菌悬液，根据待接种的连翘叶重量配置对应比例的菌悬液，并且按照发酵需求设置相应菌悬液的浓度梯度。[0101] 将阿姆斯特丹散囊菌和冠突散囊菌的菌悬液分别从雾状喷射器喷洒到连翘叶上，在雾状喷射器喷射菌悬液时对连翘叶进行翻搅；通过翻搅可以让阿姆斯特丹散囊菌和冠突散囊菌的菌悬液均匀地附着在连翘叶表面，实现最佳接种效果。[0102] 在连翘叶接种阿姆斯特丹散囊菌和冠突散囊菌后，装入培养袋中进行发酵，设定发酵时间和发酵温度，采用非密闭的发酵环境，使用通风管道对发酵环境进行通风，在通风管道中安装空气过滤装置，对管道中流动的空气进行过滤，为发酵环境输送干净清洁的空气。[0103] S3：基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测。[0104] 构建阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，计算阿姆斯特丹散囊菌和冠突散囊菌在不同菌悬液浓度下接种连翘叶的发酵结果。[0105] 采用回归算法模型拟合阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型。[0106] 收集菌种发酵过程数学模型的数据样本，所述数据样本包括，阿姆斯特丹散囊菌的菌悬液浓度 ，冠突散囊菌的菌悬液浓度 ，培养时间t；测量每个样本在培养结束后的目标值，即发酵后连翘叶中阿姆斯特丹散囊菌的含量 和冠突散囊菌的含量 。[0107] 发酵后连翘叶中菌含量与菌悬液浓度呈现对数关系，即菌含量的对数值与菌悬液浓度的对数值成正比：[0108][0109][0110] 其中， 和 分别是菌悬液浓度对数值的系数，反映了浓度每增加10倍，菌含量对数值的增加幅度； 和 是发酵时间的系数，反映了发酵时间每增加1小时，菌含量对数值的增加幅度， 和 是常数项，反映了其他因素对菌含量的影响。[0111] 通过发酵实验对 、 、 、 、 和 值进行拟合计算。[0112] 菌种发酵过程数学模型的实验设计采用单因素实验法，即在其他条件不变的情况下，改变单一变量（如菌悬液浓度、发酵时间等）的水平，研究其对响应值（菌含量）的影响规律。[0113] 选取第 次实验时的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度组合，在预定发酵时间t下进行发酵后，测量第 次发酵实验后连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌含量 ，重复多次实验得到发酵实验数据集。[0114] 对发酵实验数据集进行对数变换得到新的数据集：[0115] ；[0116] 根据实验数据集求解回归模型中参数 的估计值：[0117][0118] 其中， 表示实验数据集中数据点的个数； 、 、 和 表示第 次实验数据的阿姆斯特丹散囊菌和冠突散囊菌的菌含量和菌悬液浓度。[0119] 将得到的模型参数值代入原模型方程，得到拟合的模型：[0120][0121][0122] 其中， 和 分别表示模型预测的连翘叶在发酵后的阿姆斯特丹散囊菌和冠突散囊菌含量； 和 分别是拟合计算的菌悬液浓度对数值的系数； 和 是拟合计算后的发酵时间的系数； 和 是拟合计算后的常数项。[0123] S4：基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别。[0124] 计算正常发酵完成连翘叶色彩特征的均值阈值，采集 个正常发酵完成的连翘叶图像样本对应的色彩特征向量为 。其中， ； 是第i个连翘叶图像样本的色调分量； 是第i个连翘叶图像样本的饱和度分量； 是第i个连翘叶图像样本的明度分量。[0125] 色调均值阈值 的计算公式为： ；[0126] 饱和度均值阈值 的计算公式为： ；[0127] 明度均值阈值 的计算公式为： 。[0128] 提取发酵时连翘叶图像的色彩特征，使用第二卷积神经网络模型对采集到的连翘叶图像进行色彩特征提。玫缴侍卣飨蛄：[0129][0130] 其中， 是连翘叶发酵时的色调分量特征值， 是连翘叶发酵时的饱和度分量特征值； 是连翘叶发酵时的明度分量特征值。[0131] 判断发酵时连翘叶色彩特征是否达到正常发酵完成的均值阈值：计算发酵时连翘叶色彩特征 与正常发酵完成阈值的差异：[0132][0133] 其中， 表示连翘叶色调特征分量与色调阈值的差异； 表示连翘叶饱和度特征分量与饱和度阈值的差异； 表示连翘叶明度特征分量与明度阈值的差异。[0134] 设定色彩特征向量的差异容限值 、 、 ，判断发酵时连翘叶色彩特征是否达到正常发酵完成的均值阈值：[0135][0136] 其中， 为一个布尔值，表示发酵时连翘叶色彩特征是否接近正常发酵完成的均值阈值。[0137] 如果 为True(即1)，则表示当前连翘叶色彩特征符合正常发酵完成的色彩特征；如果 为False(即0)，则表示当前连翘叶色彩特征与正常发酵完成阈值差异较大，则发酵未完成。[0138] 当检测到发酵时连翘叶色彩特征符合发酵完成连翘叶的色彩特征时，完成连翘叶发酵终点判别，并结束连翘叶的发酵；[0139] 当预定发酵时间结束时，且在发酵中的连翘叶中未检测到发酵完成的连翘叶的色彩特征，则延长 时长的发酵时间，并在延长的 时长时间段内重复进行发酵终点判别。[0140] S5：获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。[0141] 利用拟合好的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，预测在任意给定的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度 ，以及预定发酵时间t后，连翘叶中的菌含量 ；[0142] 在给定目标连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌的菌含量 和预定发酵时间t后，反向求解出所需菌悬液浓度 。[0143] 基于拟合完成的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，根据不同类型复方黑金茶的发酵需求，设立多个菌悬液浓度梯度，在同时经历预定发酵时间t后，生产出一批满足不同需求的复方黑金茶。[0144] 组织专业的感官评定小组，对不同发酵程度的复方黑金茶产品进行感官品评，记录评分结果和反馈意见，对复方黑金茶的发酵进行调节。[0145] 在菌种发酵过程数学模型的指导下，可以通过设置多个菌悬液浓度梯度，在相同的发酵时间内，生产出一系列满足不同口感需求的复方黑金茶产品；这种多元化、梯度化的生产模式，不仅可以提高产品的多样性，满足消费者的个性化需求，也能够提高原料利用效率，降低生产成本，为企业创造更大的经济效益。[0146] 实施例2[0147] 参照图2，本发明的第二个实施例，提供了针对复方黑金茶发酵生产过程优化系统。[0148] 所述系统包括筛选模块、杀菌模块、发酵预测模块、发酵结果检测模块以及发酵参数计算模块。[0149] 所述筛选模块，建立连翘叶原料质量评估指标体系和数据采集平台，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛选。[0150] 所述杀菌模块，构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制。[0151] 所述发酵预测模块，基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测。[0152] 所述发酵结果检测模块，基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别。[0153] 所述发酵参数计算模块，获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。[0154] 实施例3[0155] 图3是本发明一个实施例提供的电子设备结构示意图。如图3所示，根据本发明的又一方面还提供了一种电子设备500。该电子设备500可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的针对复方黑金茶发酵生产过程优化方法。[0156] 根据本发明实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实现。[0157] 如图3所示，电子设备500可包括总线501、一个或多个CPU502、ROM503、RAM504、连接到网络的通信端口505、输入/输出组件506、硬盘507等。[0158] 电子设备500中的存储设备，例如ROM503或硬盘507可存储本发明提供的针对复方黑金茶发酵生产过程优化方法。[0159] 针对复方黑金茶发酵生产过程优化方法，包括：将采摘的连翘叶按照杀青、初揉、渥堆、复揉和烘焙的顺序进行制茶处理；将经过制茶处理后的连翘叶进行紫外线杀菌，建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。还菇ㄗ贤庀呱本棠Ｐ，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。进一步地，电子设备500还可包括用户界面508。当然，图3所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图3示出的电子设备中的一个或多个组件。[0160] 实施例4[0161] 图4是本发明一个实施例提供的计算机可读存储介质结构示意图。[0162] 如图4所示，是根据本发明一个实施方式的计算机可读存储介质600。[0163] 计算机可读存储介质600上存储有计算机可读指令。[0164] 当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本发明实施方式的针对复方黑金茶发酵生产过程优化方法。[0165] 存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。另外，根据本发明的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。[0166] 例如，本发明提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本发明提供的方法步骤对应的指令，例如：建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛。还菇ㄗ贤庀呱本棠Ｐ，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。[0167] 在该计算机程序被中央处理单元(CPU)执行时，执行本发明的方法中限定的上述功能。可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。[0168] 用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其他方式特别说明。[0169] 此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。[0170] 另外，本发明的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。[0171] 如上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是，以上所述仅为本发明的具体实施方式，并不用于限制本发明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。

专利地区：陕西

专利申请日期：2024-07-24

专利公开日期：2024-10-18

专利公告号：CN118551664B