[发明专利]用于黑蒜发酵的水分控制方法

权利要求书

1.一种用于黑蒜发酵的水分控制方法，其特征在于，包括：获取由摄像头采集的预定时间段的发酵液监控视频以及所述预定时间段内多个预定时间点的发酵环境的湿度值；从所述发酵液监控视频提取多个发酵液监控关键帧；将所述多个发酵液监控关键帧排列为三维输入张量后通过使用三维卷积核的第一卷积神经网络模型以得到发酵液状态变化特征图；将所述发酵液状态变化特征图通过空间注意力模块以得到空间增强酵液状态变化特征图；对所述空间增强发酵液状态变化特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到空间增强发酵液状态变化特征向量；将所述预定时间内的多个预定时间点的湿度值按照时间维度排列为湿度输入向量后通过多尺度邻域特征提取模块以得到湿度特征向量；对所述空间增强发酵液状态变化特征向量和所述湿度特征向量进行关联编码以得到分类特征矩阵；对所述分类特征矩阵进行特征分布校正以得到校正后分类特征矩阵；以及将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果表示当前时间点的发酵环境的湿度值应增大或应减小。

2.根据权利要求1所述的用于黑蒜发酵的水分控制方法，其特征在于，所述从所述发酵液监控视频提取多个发酵液监控关键帧，包括：以预定采样频率对所述发酵液监控视频进行采样处理以得到所述多个发酵液监控关键帧。

3.根据权利要求2所述的用于黑蒜发酵的水分控制方法，其特征在于，所述将所述多个发酵液监控关键帧排列为三维输入张量后通过使用三维卷积核的第一卷积神经网络模型以得到发酵液状态变化特征图，包括：使用所述使用三维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述使用三维卷积核的第一卷积神经网络的最后一层的输出为所述发酵液状态变化特征图，所述使用三维卷积核的第一卷积神经网络的第一层的输入为所述三维特征张量。

4.根据权利要求3所述的用于黑蒜发酵的水分控制方法，其特征在于，所述将所述发酵液状态变化特征图通过空间注意力模块以得到空间增强发酵液状态变化特征图，包括：计算所述发酵液状态变化特征图的沿空间维度的各个特征矩阵的全局均值以得到空间特征向量；将所述空间特征向量输入Softmax激活函数以得到空间注意力权重特征向量；以及以所述空间注意力权重特征向量中各个位置的特征值作为权重分别对所述发酵液状态变化特征图的沿空间维度的各个特征矩阵进行加权以得到所述空间增强发酵液状态变化特征图。

5.根据权利要求4所述的用于黑蒜发酵的水分控制方法，其特征在于，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一尺度的一维卷积核，所述第二卷积核使用具有第二尺度的一维卷积核。

6.根据权利要求5所述的用于黑蒜发酵的水分控制方法，其特征在于，所述将所述预定时间内的多个预定时间点的湿度值按照时间维度排列为湿度输入向量后通过多尺度邻域特征提取模块以得到湿度特征向量，包括：将所述湿度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度湿度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述湿度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度湿度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一邻域尺度湿度特征向量和所述第二邻域尺度湿度特征向量进行级联以得到所述湿度特征向量。

7.根据权利要求6所述的用于黑蒜发酵的水分控制方法，其特征在于，所述对所述空间增强发酵液状态变化特征向量和所述湿度特征向量进行关联编码以得到分类特征矩阵，包括：以如下公式对所述空间增强发酵液状态变化特征向量和所述湿度特征向量进行关联编码以得到分类特征矩阵；其中，所述公式为：

其中V_c表示所述空间增强发酵液状态变化特征向量，V表示所述湿度特征向量，M表示所述分类特征矩阵。