[发明专利]一种基于神经网络预测算法的控制系统

权利要求书

1.一种基于神经网络预测算法的控制系统，其特征在于，所述控制系统包括：

采集单元：被配置为使用图像采样设备，用于对原材料茶叶在烘焙工序前进行初始样本的图像采集，基于初始样本的图像分析确定第一参数P₁；并且在茶叶完成烘焙工序后，进行结束样本的图像采集，分析确定结束样本值；

运算单元：一个预测模型被配置运行于所述运算单元；通过向所述预测模型输入第一参数P₁以及第二参数P₂，预测获得一个调试样本值；将所述调试样本值与标准样本值进行对比，缩小所述调试样本值与标准样本值的得分差距，确定在所述预测模型中与所述第二参数P₂对应的一组最优权重值；

控制单元：使用所述第二参数P₂以及对应的最优权重值，设置一组工作参数，并将所述工作参数用于控制烘焙设备的烘焙工作，所述第二参数P₂包括控制烘焙设备在三个烘焙工作阶段的烘焙温度H以及保持时间T,将烘焙温度H以及保持时间T进行参数组合，即：P₂=[(H₁,T₁)，(H₂,T₂)，(H₃,T₃)]；

其中，所述采集单元使用基于采用主成分分析法，对所述初始样本的图像信息进行主成分分析，获得多个图像特征变量，选择贡献率累计大于85%的7个主成分因子作为第一参数P₁的子参数；所述贡献率是指所述特征变量在被分析图像中的突出程度；

其中，所述预测模型被配置为采用人工神经网络进行机器学习运算；

所述运算单元还包括一个模型训练器，用于对所述预测模型进行预训练和常规训练；对所述预测模型的预训练，包括：

通过固定使用一组茶叶的原始样本，获得一组第一参数P₁；每次将一组预设的第二参数P₂作为工作参数，通过多次实际烘焙实验测试，获得多组结束样本，并对所述结束样本进行图像分析获得对应的多组结束样本值；为每组所述结束样本值进行评分并记录样本得分，用于评价所述结束样本的质量优劣程度；

预训练还包括：

将一个标准样本值作为预测目标，通过将多组第一参数P₁以及将多组第二参数P₂输入所述预测模型进行训练，并获得多个所述调试样本值；进一步的，将所述调试样本值与所述标准样本值进行对比，获得每一个调试样本值的样本得分。

2.根据权利要求1所述一种基于神经网络预测算法的控制系统，其特征在于，所述采集单元对所述初始样本以及所述结束样本的分析步骤包括：

图像预处理，包括对图像进行中值滤波以及锐化处理；

样本特征提取，包括对图像进行颜色特征以及纹理特征提取。

3.根据权利要求2所述一种基于神经网络预测算法的控制系统，其特征在于，所述控制系统的工作分为调参阶段和实施阶段；

在所述调参阶段，包括执行以下步骤：

S1：用户选定一个所述标准样本值，所述运算单元以所述标准样本值作为所述预测模型的输出目标；

S2：所述采集单元采集当前初始样本的图像信息，获得所述第一参数P₁，并将所述第一参数P₁输入所述预测模型；

S3：从数据库中提取一组所述第二参数P₂，输入所述预测模型，为所述第二参数P₂配置一组权重值；

S4：使用所述预测模型进行预测并输出一组所述调试样本值；

S5：将所述调试样本值与所述标准样本值进行评比，计算所述调试样本值的样本得分；

S6：若样本得分未达到满意阈值，则改变一组权重值中至少一个权重的数值；重复步骤S3至步骤S6，直到样本得分达到满意阈值；

S7：记录达到满意阈值时的一组权重值以及一组第二参数P₂为调参结果；

在所述实施阶段，包括执行以下步骤：

P1：所述控制单元调取所述调参结果，并按照所述调参结果设置烘焙设备工作；

P2：采集已完成烘焙的茶叶样本，并记录为结束样本；

P3：对所述结束样本进行图像分析获得结束样本值，为所述结束样本值进行评分。