[发明专利]基于人工智能的白酒基酒分级方法及系统

说明书

本发明公开了一种基于人工智能的白酒基酒分级方法及系统，所述分级方法包括：收集基酒样本的VCD光谱图像，作为特征集；将收集到的基酒样本根据人工品评进行分类和分级，将所得分级类别与特征集对应，形成标签数据集；通过标签数据集对前馈神经网络模型进行训练，得到分级模型。本发明可在低成本、较少样本的情况下对馥郁香型等复杂香型的白酒的基酒进行准确分级，并显著提高了基酒分级效率。

技术领域

本发明涉及人工智能的技术领域，具体涉及基于前馈神经网络分级方法的技术领域。

背景技术

白酒的制备通常包括选料、制曲、发酵、蒸馏、陈酿、勾兑、灌装，其中，刚蒸馏出的酒为基酒，其度数较高，如果直接饮用会对人体造成一定的伤害，需要进行一定比例的勾兑。不同种类的基酒通过勾兑会得到不同质量、不同口感和不同风格的饮用酒，因此基酒的分级入库、贮存以及同等级的合并至关重要，可为下一步的白酒勾兑做好坚实的基础工作。

目前传统的基酒分类或分级方法主要包括感官品评法和仪器分析法。其中，感官品评法主要依赖于人工品酒师，需耗费大量的人力和时间成本，且易引入人为误差；仪器分析法包括色谱法，色谱质谱联用技术，光谱法，电子舌和电子鼻以及阵列传感器等。

部分现有技术进一步将仪器分析法与统计算法相结合，以对基酒的风味指标进行深入研究，如“基于多元色谱和主成分分析解析酱香型白酒大回酒风味品质研究”中采用多元色谱分析了酱香型白酒贮存1～3年的七个轮次基酒中的风味物质，包括酯类、醇类、醛类、酸类、酮类以及吡嗪类等的含量变化，并通过主成分分析得到其中乳酸和乳酸乙酯与酱香型白酒大回酒基酒的感官品质呈正相关。但该类方法存在较明显的一些缺陷，如其多针对一种类型的基酒，难以适用于其他类型，特别是香型复杂的白酒，如馥郁香型白酒；此外，其研究主要针对风味物质含量，而实际的白酒品级划分基于更复杂的综合指标，导致其在分级上难以到达理想的准确性。

另一方面，馥郁香型白酒具有“色清透明、诸香馥郁、入口绵甜、醇厚丰满、香味协调、回味悠长典型风格”和“前浓、中清、后酱”的独特口味特征，其香型复杂且前期相关研究较少，通过人工品评的方法也难以实现准确判断，

发明内容

针对现有技术的缺陷，本发明的目的在于提出一种可在低成本、较少样本的情况下对馥郁香型等复杂香型的白酒的基酒进行准确分级的分级方法和系统，该方法或系统能够快速、简单且准确地判断出基酒的等级，提高白酒制备的效率和质量。

本发明的技术方案如下：

基于人工智能的白酒基酒分级方法，其包括：

S1收集基酒样本的振动圆二色光谱图像(VCD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。

根据本发明的一些优选实施方式，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。

根据本发明的一些优选实施方式，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。

根据本发明的一些优选实施方式，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，其后，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。