← 返回列表
基于卷积网络注意力机制的茶叶杀青参数智能调控方法
摘要文本
本发明公开了基于卷积网络注意力机制的茶叶杀青参数智能调控方法，包括构建茶叶加工数据库，划分数据样本，构建多因子茶叶杀青参数智能调控模型，模型训练和测试等步骤。多因子茶叶杀青参数智能调控模型基于卷积层提取茶叶特征，再输入两个堆叠的注意力机制层调整特征重要性，通过两层全连接输出多因子杀青参数。其中，注意力机制层先引入不同的池化函数挖掘茶叶因子的特征，并使用多层感知机来计算不同卷积通道的权重，然后将权重加权到卷积后的茶叶特征，以达到特征重要性调整，提升网络性能的目的。本发明通过注意力机制和卷积神经网络关注到茶叶加工因子的重要特征，构建茶叶特征和加工参数之间的关系，实现茶叶加工参数的智能调控。
申请人信息
- 申请人:浙江工业大学
- 申请人地址:310014 浙江省杭州市拱墅区潮王路18号
- 发明人: 浙江工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于卷积网络注意力机制的茶叶杀青参数智能调控方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311260536.2 |
| 申请日 | 2023/9/27 |
| 公告号 | CN117481218A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | A23F3/06 |
| 权利人 | 浙江工业大学 |
| 发明人 | 赵章风; 方兆哲; 冯海强; 朱逢乐; 彭继宇; 李晓丽; 钟江; 乔欣; 蒋建东 |
| 地址 | 浙江省杭州市拱墅区潮王路18号 |
专利主权项内容
1.基于卷积网络注意力机制的茶叶杀青参数智能调控方法，其特征在于，包括如下步骤：步骤1：采集茶叶加工过程中的加工参数数据、茶叶状态数据，并构建数据库；步骤2：对采集到的茶叶数据进行预处理，并将其分为训练集、测试集；步骤3：构建基于注意力机制和卷积神经网络的多因子茶叶杀青参数智能调控模型，所述模型包括卷积层、卷积通道注意力模块、全连接层；步骤4：将准备好的数据放入模型中进行训练，模型能够根据茶叶多因子特征预测并智能调控杀青参数；训练采用均方根误差(RMSE)作为损失函数；经过超参数优化后，选用Adam作为优化器，学习率设为0.001，批处理数量为4；均方根误差的表达式如下：其中，f(x)为预测的加工参数值，y为真实的加工参数值；ii其中，Adam优化器的优化过程如下：其中，m和v分别为RMSE梯度的一阶矩阵和二阶矩阵，和/>分别是对m和v的修正，θ是模型的参数，θ为模型更新的参数，/>和/>分别是一阶和二阶矩阵指数衰减速率，ε设为10e-8，η为学习率。tttttt+1