[发明专利]基于人工智能的白酒基酒分级方法及系统

权利要求书

1.基于人工智能的白酒基酒分级方法，其特征在于，其包括：

S1收集基酒样本的振动圆二色光谱图像，由所述振动圆二色光谱图像的特征峰和/或指纹峰组成特征集；

S2将收集到的基酒样本根据人工品评进行分类和分级，将所得分级级别与其来自的基酒样本的特征集对应，形成标签数据集；

S3通过所述标签数据集进行前馈神经网络分类训练，所得训练后或进一步测试后的分类模型即为白酒基酒分级模型，通过该模型实现对白酒基酒的分级。

2.根据权利要求1所述的白酒基酒分级方法，其特征在于，所述特征集还包括收集的基酒样本生成信息，所述生产信息包括基酒发酵类别和基酒生产时间，所述基酒发酵类别包括底糟、中糟或盖糟。

3.根据权利要求1所述的白酒基酒分级方法，其特征在于，所述特征峰和/或指纹峰包括以下风味物质中的一种或多种的特征峰和/或指纹峰：乙醛、乙酸乙酯、正丙醇、仲丁醇、乙缩醛、异丁醇、正丁醇、丁酸乙酯、异戊醇、戊酸乙酯、乳酸乙酯、己酸乙酯和油酸乙酯。

4.根据权利要求1所述的白酒基酒分级方法，其特征在于，所述根据人工品评进行分类和分级包括：根据发酵类别，将基酒分为盖糟发酵，一次中糟发酵，二次中糟发酵，一次底糟发酵，二次底糟发酵五种大类，根据基酒品质，将各大类进一步分为第一到第五等级，从所述第一等级至所述第五等级，基酒品质依次下降。

5.根据权利要求1所述的白酒基酒分级方法，其特征在于，所述前馈神经网络包括：进行特征集数据输入的输入层、进行基酒等级类别输出的输出层、及隐藏层；根据权重设置，所述隐藏层形成：与所述输入层相连的第一分类器和第二分类器，与所述第一分类器相连的第一子分类器和第二子分类器，其中，第一分类器为三分类器，第二分类器为五分类器，第一子分类器为二分类器，第二子分类器为三分类器。

6.根据权利要求5所述的白酒基酒分级方法，其特征在于，所述前馈神经网络包括：依次相连的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第一Dropout层、Flatten层、第一～第二全连接层、第二Dropout层、第三全连接层。

7.根据权利要求6所述的白酒基酒分级方法，其特征在于，所述第一卷积层含有64个大小为10的卷积核，扫描步长为1，所述第一最大池化层的pool size为10，所述第二卷积层与所述第一卷积层设置相同，所述第二最大池化层与所述第一最大池化层设置相同，所述第一、第二Dropout层的Dropout率均为0.25，所述第一、第二全连接层的神经元数量分别为128和64，激活函数为relu，所述第三全连接层的神经元数量为5，激活函数为softmax。

8.根据权利要求7所述的白酒基酒分级方法，其特征在于，对所述前馈神经网络进行的分类训练中使用Adam优化器，Batch大小为64，学习率0.00001。

9.基于人工智能的白酒基酒分级系统，其包括存储有实现权利要求1-8中任一项所述的分级方法的程序和/或模型和/或结构数据的存储介质。