[发明专利]智能微藻培养系统及其工作方法

权利要求书

1.一种智能微藻培养系统，其特征在于，包括：

训练模块，包括：

训练数据获取单元，用于获取训练数据，其中，所述训练数据包括微藻的光合作用产氧量、空气复氧量、内部微生物的呼吸耗氧量、沉积物的耗氧量、藻液循环系统参数和培养基添加量；

特征编码单元，用于将所述训练数据中的各项数据排列为输入向量后通过包含一维卷积层和全连接层的编码器模型以获得特征向量；

分类损失函数值计算单元，用于将所述特征向量通过以所述培养基添加量作为标签值的分类器以获得分类损失函数值；

损失函数值构造单元，用于基于所述培养基添加量、培养基含氧比和混氧系数来计算损失函数值，其中，所述损失函数值为所述培养基含氧比与所述混氧系数之间的乘积减去修正参数的差值与所述培养基添加量之间的乘积，所述修正参数与所述培养基添加量、所述培养基含氧比和所述混氧系数有关；

训练单元，用于以所述分类损失函数值和所述损失函数值之间的加权和来训练所述编码器模型；以及

推断模块，包括：

待预测数据获取单元，用于获取待预测数据，所述待预测数据包括微藻的光合作用产氧量、空气复氧量、内部微生物的呼吸耗氧量、沉积物的耗氧量、藻液循环系统参数和培养基添加量；

编码单元，用于将所述待预测数据中的各项数据排列为输入向量后通过经训练模块训练的所述编码器模型以获得分类特征向量；以及

分类单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示培养基添加量是否合理。

2.根据权利要求1所述的智能微藻培养系统，其中，所述特征编码单元，包括：

全连接编码子单元，用于：进一步用于使用所述编码器模型的全连接层对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征；以及

一维卷积编码子单元，用于使用所述编码器模型的一维卷积层对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间关联的高维关联隐含特征。

3.根据权利要求2所述的智能微藻培养系统，其中，所述全连接编码子单元，进一步用于以如下公式对所述输入向量进行全连接编码，其中，所述公式为其中X是输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘。

4.根据权利要求3所述的智能微藻培养系统，其中，所述分类损失函数值计算单元，进一步用于使用所述分类器以如下公式对所述特征向量进行处理以获得分类结果，其中，所述公式为softmax{(W_n,B_n):…:(W₁,B₁)|X}，其中，W₁到W_n为权重矩阵，B₁到B_n为偏置向量，X为特征向量；以及，计算所述分类结果和真实值之间的交叉熵数值作为所述分类损失函数值。

5.根据权利要求4所述的智能微藻培养系统，其中，所述损失函数值构造单元，进一步用于基于所述培养基添加量、培养基含氧比和混氧系数以如下公式来计算所述损失函数值；

其中，所述公式为L_label＝K_h×(J×K_j-DO)，其中，J为培养基添加量，K_j为培养基含氧比，K_h为混氧系数，DO为修正参数。

6.根据权利要求5所述的智能微藻培养系统，其中，所述修正参数通过对损失函数值的时间序列求导和进行拉普拉斯变换得到：