CN115936346A - 一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 - Google Patents
一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115936346A CN115936346A CN202211443707.0A CN202211443707A CN115936346A CN 115936346 A CN115936346 A CN 115936346A CN 202211443707 A CN202211443707 A CN 202211443707A CN 115936346 A CN115936346 A CN 115936346A
- Authority
- CN
- China
- Prior art keywords
- koji making
- koji
- equipment
- making
- bean
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 244000046052 Phaseolus vulgaris Species 0.000 title claims abstract description 133
- 235000010627 Phaseolus vulgaris Nutrition 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000008569 process Effects 0.000 title claims abstract description 53
- 239000000463 material Substances 0.000 claims abstract description 182
- 238000012163 sequencing technique Methods 0.000 claims abstract description 49
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 239000007858 starting material Substances 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 21
- 239000002994 raw material Substances 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 20
- 235000010749 Vicia faba Nutrition 0.000 claims description 16
- 240000006677 Vicia faba Species 0.000 claims description 16
- 235000002098 Vicia faba var. major Nutrition 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 235000015067 sauces Nutrition 0.000 abstract 2
- 238000004891 communication Methods 0.000 description 10
- 230000004927 fusion Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 235000002568 Capsicum frutescens Nutrition 0.000 description 2
- 240000008574 Capsicum frutescens Species 0.000 description 2
- 241000820057 Ithone Species 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000008159 sesame oil Substances 0.000 description 2
- 235000011803 sesame oil Nutrition 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- LPUQAYUQRXPFSQ-DFWYDOINSA-M monosodium L-glutamate Chemical compound [Na+].[O-]C(=O)[C@@H](N)CCC(O)=O LPUQAYUQRXPFSQ-DFWYDOINSA-M 0.000 description 1
- 235000013923 monosodium glutamate Nutrition 0.000 description 1
- 239000004223 monosodium glutamate Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 235000002639 sodium chloride Nutrition 0.000 description 1
- 239000003549 soybean oil Substances 0.000 description 1
- 235000012424 soybean oil Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
本发明涉及智能决策技术,揭露了一种提升豆瓣品质的制曲工艺方法,包括:获取待制曲的豆瓣类型,并查询豆瓣类型制曲时所需的制曲材料,提取制曲材料中每个材料的属性标签;对属性标签进行标签筛选,得到目标标签,构建制曲材料对应的制曲环境;结合制曲环境和制曲原料,配置豆瓣类型的制曲设备,获取豆瓣类型的历史制曲数据,提取历史制曲数据中的环境数据和制曲数据,计算环境数据中的环境因素对制曲设备的干扰系数,计算制曲材料的材料占比;识别制曲设备的设备参数,根据目标标签和设备参数,对制曲设备中的每个设备进行排序组合,得到排序制曲设备,完成对制曲材料的制曲加工。本发明通过提高提升豆瓣品质的制曲工艺效率。
Description
技术领域
本发明涉及智能决策技术领域,尤其涉及一种提升豆瓣品质的制曲工艺方法、装置、设备及介质。
背景技术
豆瓣酱是是一种调味品,主要材料有蚕豆、黄豆等,辅料有辣椒、香油、食盐等,根据消费者的习惯不同,在生产豆瓣酱中配制了香油、豆油、味精、辣椒等原料,豆瓣制曲工艺是指豆瓣的加工方法,目前豆瓣制曲工艺主要的是通过将制曲需要用到材料按照一定的比例混合,或者与材料对应的反应发酵物进行反应,再调整制曲时的加工温度,等到反应时间结束,完成豆瓣的加工,但是该方法没有考虑环境对设备造成的干扰和设备之间的关联性,进而导致原本的材料配比达不到指定的制曲要求,进而导致制曲后的豆瓣品质降低,因此需要一种能够提升豆瓣品质的制曲工艺的方法。
发明内容
本发明提供一种提升豆瓣品质的制曲工艺方法、装置、设备及存储介质,其主要目的在于能够提升豆瓣品质的制曲工艺。
为实现上述目的,本发明提供的一种提升豆瓣品质的制曲工艺方法,包括:
获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
可选地,所述提取所述制曲材料中每个材料的属性标签,包括:
识别所述制曲材料中每个材料的材料名称;
根据所述材料名称,查询每个所述材料对应的材料参数;
对所述材料参数进行过滤处理,得到目标参数;
提取所述目标参数的参数属性,根据所述参数属性,构建每个属性对应的标签,得到属性标签。
可选地,所述根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,包括:
获取所述豆瓣类型的文本标签,计算所述属性标签中每个标签与所述文本标签的关联度;
根据所述关联度,利用预设的筛选函数对所述属性标签进行筛选,得到目标标签。
可选地,所述计算所述属性标签中每个标签与所述文本标签的关联度,包括:
可以通过下述公式计算所述关联度:
其中,所述Y表示标签与文本标签的关联度,X表示属性标签的总数量,a表示属性标签的起始值,Fi表示属性标签中第i个标签的空间向量,lnFi表示第i个标签的空间向量的对数值,H表示文本标签的空间向量,lnH表示文本标签的空间向量对数值,maxmax()表示二级最大差,minmin()表示二级最小差,ω表示关联系数。
可选地,所述根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,包括:
提取所述制曲数据中所述豆瓣类型的材料消耗数据和豆瓣转化数据;
计算所述材料消耗数据和所述豆瓣转化数据的比值,得到所述豆瓣类型的转化率;
查询所述制曲设备在制曲加工时的损耗值,计算所述转化率与预设转化率的差值;
结合所述损耗值和所述差值,计算出所述环境因素对所述制曲设备的干扰系数。
可选地,所述基于所述干扰系数,计算所述制曲材料的材料占比,包括:
实时监测所述制曲设备的当前环境,查询所述当前环境对应的干扰系数,得到目标系数;
根据所述目标系数,计算所述制曲材料的实际损耗,基于所述实际损耗,配置所述制曲材料的材料占比。
可选地,所述根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,包括:
对所述目标标签进行排序,得到标签序列;
根据所述标签序列,对所述制曲设备进行排序,得到第一序列;
根据所述制曲材料的权重值,对所述设备参数进行排序,得到参数序列;
根据所述参数序列,对所述制曲设备进行排序,得到第二序列;
将所述第一序列和所述第二序列合并,得到所述最终序列;
基于所述最终序列,对所述制曲设备进行排序组合,得到排序制曲设备。
为了解决上述问题,本发明还提供一种提升豆瓣品质的制曲工艺装置,所述装置包括:
属性提取模块,用于获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
环境构建模块,用于根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
干扰系数计算模块,用于结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
制曲加工模块,用于识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的提升豆瓣品质的制曲工艺方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的提升豆瓣品质的制曲工艺方法。
本发明通过获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,通过所述豆瓣类型可以便于查询制曲时的制曲材料,进而便于后续提取所述智取材料对应的属性标签,本发明通过根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,通过结合所述豆瓣类型对所述属性标签筛选,得到的标签与所述豆瓣类型更加贴合,以便于后续构建的所述制曲环境与所述豆瓣类型关联性更高,其中,本发明通过结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,可以配置所述豆瓣类型的相关制曲设备,以便于后续对豆瓣进行制曲加工;此外,本发明通过识别所述制曲设备的设备参数,可以得到所述制曲设备的详细参数,如设备功率、设备名称以及设备原理等信息。因此,本发明实施例提供的一种提升豆瓣品质的制曲工艺方法、装置、设备及存储介质,能够在于能够提升豆瓣品质的制曲工艺。
附图说明
图1为本发明一实施例提供的提升豆瓣品质的制曲工艺方法的流程示意图;
图2为本发明一实施例提供的提升豆瓣品质的制曲工艺装置的功能模块图;
图3为本发明一实施例提供的实现所述提升豆瓣品质的制曲工艺方法的电子设备的结构示意图。
图中,1-电子设备;10-处理器;11-存储器;12-通信总线;13-通信接口;100-提升豆瓣品质的制曲工艺装置;101-属性提取模块;102-环境构建模块;103-干扰系数计算模块;104-制曲加工模块。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种提升豆瓣品质的制曲工艺方法。本申请实施例中,所述提升豆瓣品质的制曲工艺方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述提升豆瓣品质的制曲工艺方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的提升豆瓣品质的制曲工艺方法的流程示意图。在本实施例中,所述提升豆瓣品质的制曲工艺方法包括步骤S1—S4:
S1、获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签。
本发明通过获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,通过所述豆瓣类型可以便于查询制曲时的制曲材料,进而便于后续提取所述智取材料对应的属性标签。
其中,所述豆瓣类型是准备进行制曲的类别,可以了解到豆瓣的详细名称以及编号等信息,所述制曲材料智所述豆瓣类型在制曲时需要用到的原材料,如豆瓣、面粉以及制曲菌种等材料,进一步的,可以通过互联网和云端查询待制曲的豆瓣类型和所述制曲材料。
本发明通过提取所述制曲材料中每个材料的属性标签,可以得到所述制曲材料对应的属性信息,如材料的名称、构成元素以及使用时需要的注意因素等信息,其中,所述属性标签是根据每个材料对应的属性构成的标签。
作为本发明的一个实施例,所述提取所述制曲材料中每个材料的属性标签,包括:识别所述制曲材料中每个材料的材料名称,根据所述材料名称,查询每个所述材料对应的材料参数,对所述材料参数进行过滤处理,得到目标参数,提取所述目标参数的参数属性,根据所述参数属性,构建每个属性对应的标签,得到属性标签。
其中,所述材料参数是所述制曲材料中每个材料对应的参数信息,如使用环境、温度以及适用范围等信息,所述目标参数是所述材料参数中的无效参数经过过滤处理后得到的参数,所述无效参数是对于豆瓣制曲工艺毫无关联性的参数,所述参数属性是所述目标参数对应的属性。
进一步的,所述制曲材料中每个材料的材料名称可以通过OCR文字识别实现,可以通过过滤算法对所述材料参数进行过滤处理,所述目标参数的参数属性可以通过属性提取器进行提取,所述属性提取器是由脚本语言编译,可以通过标签生成器构建每个属性对应的标签。
S2、根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境。
本发明通过根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,通过结合所述豆瓣类型对所述属性标签筛选,得到的标签与所述豆瓣类型更加贴合,以便于后续构建的所述制曲环境与所述豆瓣类型关联性更高,其中,所述目标标签是结合所述豆瓣类型对所述属性标签筛选后得到的标签。
作为本发明的一个实施例,所述根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,包括:获取所述豆瓣类型的文本标签,计算所述属性标签中每个标签与所述文本标签的关联度,根据所述关联度,利用预设的筛选函数对所述属性标签进行筛选,得到目标标签。
其中,所述文本标签是所述豆瓣类型对应的文本形式的标签,所述关联度是所述属性标签中每个标签与所述文本标签的关联程度,进一步的,可以通过上述的标签生成器获取所述豆瓣类型的文本标签,所述预设的筛选函数包括FILTER筛选函数。
进一步的,作为本发明的一个可选实施例,所述计算所述属性标签中每个标签与所述文本标签的关联度,包括:
可以通过下述公式计算所述关联度:
其中,所述Y表示标签与文本标签的关联度,X表示属性标签的总数量,a表示属性标签的起始值,Fi表示属性标签中第i个标签的空间向量,lnFi表示第i个标签的空间向量的对数值,H表示文本标签的空间向量,lnH表示文本标签的空间向量对数值,maxmax()表示二级最大差,minmin()表示二级最小差,ω表示关联系数。
本发明通过根据所述目标标签,构建所述制曲材料对应的制曲环境,结合所述目标标签构建的制曲环境,可以贴合所述制曲材料的特性,从而使所述制曲材料中的每个材料都能很好的适应环境,其中,所述制曲环境是所述制曲材料可以进行制曲的环境,如温度、湿度以及反应周期等。
作为本发明的一个实施例,所述根据所述目标标签,构建所述制曲材料对应的制曲环境,包括:对所述目标标签中的环境标签进行提取,得到多个环境标签,计算所述制曲材料中每个材料的权重值,根据所述权重值,对所述多个环境标签进行标签融合,得到融合环境标签,基于所述融合环境标签,构建所述制曲材料对应的制曲环境。
其中,所述环境标签是所述目标标签中有关于环境的标签,所述权重值表示每个所述材料在所述制曲材料中的重要程度,所述融合环境标签是将所述多个环境标签融合到一起后得到的标签,进一步的,可以通过标签提取器对所述目标标签中的环境标签进行提取,可以通过编程所述融合环境标签对应的环境代码,通过运行所述环境代码得到制曲环境。
进一步的,作为本发明的一个可选实施例,所述计算所述制曲材料中每个材料的权重值,包括:
可以通过下述公式计算所述权重值:
进一步的,作为本发明的一个可选实施例,所述对所述多个环境标签进行标签融合,得到融合环境标签,包括:
可以通过下述公式对所述多个环境标签进行标签融合:
其中,Qa表示融合环境标签,σ表示sigmoid函数,i表示起始环境标签,x表示终止环境标签,S表示环境标签的特征值,Xi表示第i个环境标签的特征值,∈(i,z)表示环境标签的所属范围。
S3、结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比。
本发明通过结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,可以配置所述豆瓣类型的相关制曲设备,以便于后续对豆瓣进行制曲加工,其中,所述制曲设备是所述豆瓣类型的加工设备,如制曲罐、菌种培养皿等。
本发明通过获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,通过所述环境数据和所述制曲数据,可以了解到所述豆瓣类型在制曲时外部环境对制曲工艺的影响,进而便于后续计算所述制曲设备的干扰系数,其中,所述历史制曲数据是所述豆瓣类型之前的加工数据,所述环境数据是所述历史制曲数据中关于环境的数据信息,所述制曲数据是所述历史制曲数据中有关制曲的数据,进一步的,可以通过提取函数提取所述历史制曲数据中的环境数据和制曲数据,所述提取函数包括left函数。
本发明通过根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,通过所述干扰系数可以了解所述环境因素对所述制曲设备的影响,为后续的材料占比的配置提供了保障,其中,所述干扰系数是所述环境因素对所述制曲设备的影响程度。
作为本发明的一个实施例,所述根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,包括:提取所述制曲数据中所述豆瓣类型的材料消耗数据和豆瓣转化数据,计算所述材料消耗数据和所述豆瓣转化数据的比值,得到所述豆瓣类型的转化率,查询所述制曲设备在制曲加工时的损耗值,计算所述转化率与预设转化率的差值,结合所述损耗值和所述差值,计算出所述环境因素对所述制曲设备的干扰系数。
其中,所述材料消耗数据是制曲时材料消耗的数量,所述豆瓣转化数据是所述材料最终转化成豆瓣的数据,所述转化率是所述材料的转化比例,所述损耗值是所述制曲设备在对所述材料进行加工时损失值。
进一步的,作为本发明的一个可选实施例,可以通过上述的left函数提取所述制曲数据中所述豆瓣类型的材料消耗数据和豆瓣转化数据,可以通过对所述损耗值和所述差值进行求和,得到所述环境因素对所述制曲设备的干扰系数。
本发明通过基于所述干扰系数,计算所述制曲材料的材料占比,提高了所述豆瓣类型的转化率,避免因环境影响导致所述材料的转化效率降低,其中,所述材料占比是所述制曲材料中每个材料的配比。
作为本发明的一个实施例,所述基于所述干扰系数,计算所述制曲材料的材料占比,包括:实时监测所述制曲设备的当前环境,查询所述当前环境对应的干扰系数,得到目标系数,根据所述目标系数,计算所述制曲材料的实际损耗,基于所述实际损耗,配置所述制曲材料的材料占比。
其中,所述当前环境是所述制曲设备当前所处的环境,所述目标系数是所述当前环境对应的干扰系数,所述实际损耗是所述制曲材料的损耗情况,进一步的,可以通过环境监测仪实时监测所述制曲设备的当前环境。
S4、识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
本发明通过识别所述制曲设备的设备参数,可以得到所述制曲设备的详细参数,如设备功率、设备名称以及设备原理等信息,其中,所述设备参数是所述制曲设备的详细介绍信息,进一步的,可以通过OCR文字识别技术识别所述制曲设备的设备参数。
本发明通过根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,可以将所述制曲设备按照所述制曲材料的次序进行排序,提高了所述制曲设备的加工效率,其中,所述排序制曲设备是所述制曲设备经过排序后得到的设备。
作为本发明的一个实施例,所述根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,包括:对所述目标标签进行排序,得到标签序列,根据所述标签序列,对所述制曲设备进行排序,得到第一序列,根据所述制曲材料的权重值,对所述设备参数进行排序,得到参数序列,根据所述参数序列,对所述制曲设备进行排序,得到第二序列,将所述第一序列和所述第二序列合并,得到所述最终序列,基于所述最终序列,对所述制曲设备进行排序组合,得到排序制曲设备。
其中,所述标签序列是所述目标标签排序后的序列,所述参数序列是所述设备参数排序后得到的序列,所述最终序列是所述第一序列和所述第二序列合并后得到的序列,进一步的,可以通过排序算法对所述目标标签进行排序,所述排序算法包括基数排序法,可以通过CONCAT函数实现所述第一序列和所述第二序列的合并。
本发明通过依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工,通过结合所述材料占比和所述排序制曲设备,可以提升所述豆瓣类型的制曲工艺。
本发明通过获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,通过所述豆瓣类型可以便于查询制曲时的制曲材料,进而便于后续提取所述智取材料对应的属性标签,本发明通过根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,通过结合所述豆瓣类型对所述属性标签筛选,得到的标签与所述豆瓣类型更加贴合,以便于后续构建的所述制曲环境与所述豆瓣类型关联性更高,其中,本发明通过结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,可以配置所述豆瓣类型的相关制曲设备,以便于后续对豆瓣进行制曲加工;此外,本发明通过识别所述制曲设备的设备参数,可以得到所述制曲设备的详细参数,如设备功率、设备名称以及设备原理等信息。因此,本发明实施例提供的一种提升豆瓣品质的制曲工艺方法,能够提升豆瓣品质的制曲工艺。
如图2所示,是本发明一实施例提供的提升豆瓣品质的制曲工艺装置的功能模块图。
本发明所述提升豆瓣品质的制曲工艺装置100可以安装于电子设备中。根据实现的功能,所述提升豆瓣品质的制曲工艺装置100可以包括属性提取模块101、环境构建模块102、干扰系数计算模块103及制曲加工模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述属性提取模块101,用于获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
所述环境构建模块102,用于根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
所述干扰系数计算模块103,用于结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
所述制曲加工模块104,用于识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
详细地,本申请实施例中所述提升豆瓣品质的制曲工艺装置100中所述的各模块在使用时采用与上述图1中所述的提升豆瓣品质的制曲工艺方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明一实施例提供的实现提升豆瓣品质的制曲工艺方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如提升豆瓣品质的制曲工艺方法程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行提升豆瓣品质的制曲工艺方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如提升豆瓣品质的制曲工艺方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的提升豆瓣品质的制曲工艺方法程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种提升豆瓣品质的制曲工艺方法,其特征在于,所述方法包括:
获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
2.如权利要求1所述的提升豆瓣品质的制曲工艺方法,其特征在于,所述提取所述制曲材料中每个材料的属性标签,包括:
识别所述制曲材料中每个材料的材料名称;
根据所述材料名称,查询每个所述材料对应的材料参数;
对所述材料参数进行过滤处理,得到目标参数;
提取所述目标参数的参数属性,根据所述参数属性,构建每个属性对应的标签,得到属性标签。
3.如权利要求1所述的提升豆瓣品质的制曲工艺方法,其特征在于,所述根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,包括:
获取所述豆瓣类型的文本标签,计算所述属性标签中每个标签与所述文本标签的关联度;
根据所述关联度,利用预设的筛选函数对所述属性标签进行筛选,得到目标标签。
5.如权利要求1所述的提升豆瓣品质的制曲工艺方法,其特征在于,所述根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,包括:
提取所述制曲数据中所述豆瓣类型的材料消耗数据和豆瓣转化数据;
计算所述材料消耗数据和所述豆瓣转化数据的比值,得到所述豆瓣类型的转化率;
查询所述制曲设备在制曲加工时的损耗值,计算所述转化率与预设转化率的差值;
结合所述损耗值和所述差值,计算出所述环境因素对所述制曲设备的干扰系数。
6.如权利要求5所述的提升豆瓣品质的制曲工艺方法,其特征在于,所述基于所述干扰系数,计算所述制曲材料的材料占比,包括:
实时监测所述制曲设备的当前环境,查询所述当前环境对应的干扰系数,得到目标系数;
根据所述目标系数,计算所述制曲材料的实际损耗,基于所述实际损耗,配置所述制曲材料的材料占比。
7.如权利要求1所述的提升豆瓣品质的制曲工艺方法,其特征在于,所述根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,包括:
对所述目标标签进行排序,得到标签序列;
根据所述标签序列,对所述制曲设备进行排序,得到第一序列;
根据所述制曲材料的权重值,对所述设备参数进行排序,得到参数序列;
根据所述参数序列,对所述制曲设备进行排序,得到第二序列;
将所述第一序列和所述第二序列合并,得到所述最终序列;
基于所述最终序列,对所述制曲设备进行排序组合,得到排序制曲设备。
8.一种提升豆瓣品质的制曲工艺装置,其特征在于,所述装置包括:
属性提取模块,用于获取待制曲的豆瓣类型,并查询所述豆瓣类型制曲时所需的制曲材料,提取所述制曲材料中每个材料的属性标签;
环境构建模块,用于根据所述豆瓣类型,对所述属性标签进行标签筛选,得到目标标签,根据所述目标标签,构建所述制曲材料对应的制曲环境;
干扰系数计算模块,用于结合所述制曲环境和所述制曲原料,配置所述豆瓣类型的制曲设备,获取所述豆瓣类型的历史制曲数据,提取所述历史制曲数据中的环境数据和制曲数据,根据所述制曲数据,计算所述环境数据中的环境因素对所述制曲设备的干扰系数,基于所述干扰系数,计算所述制曲材料的材料占比;
制曲加工模块,用于识别所述制曲设备的设备参数,根据所述目标标签和所述设备参数,对所述制曲设备中的每个设备进行排序组合,得到排序制曲设备,依据所述材料占比和所述排序制曲设备,完成对所述制曲材料的制曲加工。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的提升豆瓣品质的制曲工艺方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的提升豆瓣品质的制曲工艺方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211443707.0A CN115936346A (zh) | 2022-11-18 | 2022-11-18 | 一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211443707.0A CN115936346A (zh) | 2022-11-18 | 2022-11-18 | 一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936346A true CN115936346A (zh) | 2023-04-07 |
Family
ID=86654871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211443707.0A Withdrawn CN115936346A (zh) | 2022-11-18 | 2022-11-18 | 一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936346A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523503A (zh) * | 2024-01-08 | 2024-02-06 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及系统 |
-
2022
- 2022-11-18 CN CN202211443707.0A patent/CN115936346A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523503A (zh) * | 2024-01-08 | 2024-02-06 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及系统 |
CN117523503B (zh) * | 2024-01-08 | 2024-05-03 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814962A (zh) | 识别模型的参数获取方法、装置、电子设备及存储介质 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113283446A (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
CN113657495B (zh) | 基于概率预测模型的保险产品推荐方法、装置、设备 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN113298159A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN115936346A (zh) | 一种提升豆瓣品质的制曲工艺方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN113592605A (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN112990374A (zh) | 图像分类方法、装置、电子设备及介质 | |
CN113435308B (zh) | 文本多标签分类方法、装置、设备及存储介质 | |
CN113486238A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN112685536B (zh) | 文本对话方法、装置、电子设备及存储介质 | |
CN114973374A (zh) | 基于表情的风险评测方法、装置、设备及存储介质 | |
CN114769072A (zh) | 高速喷射阀控制方法、装置、电子设备及存储介质 | |
CN115147660A (zh) | 基于增量学习的图像分类方法、装置、设备及存储介质 | |
CN115034812A (zh) | 基于大数据的钢铁行业销售量预测方法及装置 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN112631589A (zh) | 应用程序首页布局配置方法、装置、电子设备及存储介质 | |
CN112561893A (zh) | 图片匹配方法、装置、电子设备及存储介质 | |
CN111539315B (zh) | 基于黑盒模型的模型训练方法、装置、电子设备及介质 | |
CN113704666B (zh) | 基于应用程序的上下线方法、装置、设备及存储介质 | |
CN114742238B (zh) | 豆瓣酱的原料筛选方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230407 |