一种低温生产昆虫虫油的方法与流程

本公开涉及昆虫虫油，具体地，涉及一种低温生产昆虫虫油的方法。

背景技术：

1、昆虫虫油是一种具有潜在商业价值的生物资源，可广泛应用于医药、化妆品和生物能源等领域。目前，昆虫虫油提取的方法主要包括索氏提取法、微波辅助溶剂浸提法、超声辅助溶剂浸提法、机械挤压法以及溶剂萃取热浸法等。这些方法需要耗费大量时间和能源来提取昆虫虫油，导致生产效率不高。同时，还需要大量人力投入，使得生产成本居高不下，难以被广泛应用。索氏提取法虽然被广泛使用，但其工作时间较长，更适用于实验室少量油脂的提取。

2、因此，期望一种优化的低温生产昆虫虫油的方案。

技术实现思路

1、提供该技术实现要素：部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本公开提供了一种低温生产昆虫虫油的方法，所述方法包括：

3、从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，其中，所述油脂提取剂为阳离子表面活性剂和硫酸的反应溶液，所述阳离子表面活性剂为胺盐、季铵盐、杂环和啰盐中的一种或多种；

4、将所述混合物进行料液分离以得到提取剂-油脂混合液；

5、将所述提取剂-油脂混合液进行洗涤和分离处理以得到昆虫虫油。

6、可选地，从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，包括：获取由传感器组采集的搅拌温度的时间序列和搅拌速率的时间序列；将所述搅拌温度的时间序列和所述搅拌速率的时间序列分别按照时间维度排列为搅拌温度时序输入向量和搅拌速率时序输入向量；将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量进行非线性响应校正以得到优化搅拌温度时序输入向量和优化搅拌速率时序输入向量；通过基于深度神经网络的时序模式特征提取器分别对所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量进行特征提取以得到搅拌温度时序关联特征向量和搅拌速率时序关联特征向量；使用基于因子分解机的特征协同分析模块对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到搅拌温度-搅拌速度协同时序表征特征向量作为搅拌温度-搅拌速度协同时序表征特征；基于所述搅拌温度-搅拌速度协同时序表征特征，确定当前时间点的搅拌速率应增大、应减小或应保持不变。

7、可选地，将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量进行非线性响应校正以得到优化搅拌温度时序输入向量和优化搅拌速率时序输入向量，包括：将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量分别通过非线性响应校正模块以如下非线性响应校正公式进行处理以得到所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量；其中，所述非线性响应校正公式为：

8、

9、其中，为所述搅拌温度时序输入向量和所述搅拌速率时序输入向量中的其中一个时序输入向量的第i个位置的特征值，a、b、c和d为调整超参数，vi为所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量中的相应校正后的时序输入向量的第i个位置的特征值。

10、可选地，所述基于深度神经网络的时序模式特征提取器为基于一维卷积层的时序模式特征提取器。

11、可选地，使用基于因子分解机的特征协同分析模块对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到搅拌温度-搅拌速度协同时序表征特征向量作为搅拌温度-搅拌速度协同时序表征特征，包括：使用所述基于因子分解机的特征协同分析模块以如下特征协同分析公式对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到所述搅拌温度-搅拌速度协同时序表征特征向量；其中，所述特征协同分析公式为：

12、

13、其中，vi和vj分别为所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量中各个位置的特征值，ω0表示常数偏置，ωi为偏置向量，ωij为偏置矩阵，n为所述搅拌温度时序关联特征向量中特征值的个数，m为所述搅拌速率时序关联特征向量中特征值的个数，为所述搅拌温度-搅拌速度协同时序表征特征向量中各个位置的特征值。

14、可选地，基于所述搅拌温度-搅拌速度协同时序表征特征，确定当前时间点的搅拌速率应增大、应减小或应保持不变，包括：将所述搅拌温度-搅拌速度协同时序表征特征向量通过基于分类器的搅拌速率控制器以得到控制指令，所述控制指令用于表示当前时间点的搅拌速率应增大、应减小或应保持不变。

15、可选地，还包括训练步骤：用于对所述非线性响应校正模块、所述基于一维卷积层的时序模式特征提取器、所述基于因子分解机的特征协同分析模块和所述基于分类器的搅拌速率控制器进行训练。

16、可选地，所述训练步骤，包括：获取由传感器组采集的训练搅拌温度的时间序列和训练搅拌速率的时间序列；将所述训练搅拌温度的时间序列和所述训练搅拌速率的时间序列分别按照时间维度排列为训练搅拌温度时序输入向量和训练搅拌速率时序输入向量；将所述训练搅拌温度时序输入向量和所述训练搅拌速率时序输入向量进行非线性响应校正以得到训练优化搅拌温度时序输入向量和训练优化搅拌速率时序输入向量；通过所述基于深度神经网络的时序模式特征提取器分别对所述训练优化搅拌温度时序输入向量和所述训练优化搅拌速率时序输入向量进行特征提取以得到训练搅拌温度时序关联特征向量和训练搅拌速率时序关联特征向量；使用所述基于因子分解机的特征协同分析模块对所述训练搅拌温度时序关联特征向量和所述训练搅拌速率时序关联特征向量进行特征协同关联分析以得到训练搅拌温度-搅拌速度协同时序表征特征向量；将所述训练搅拌温度-搅拌速度协同时序表征特征向量通过所述基于分类器的搅拌速率控制器以得到分类损失函数值；基于所述分类损失函数值对所述非线性响应校正模块、所述基于一维卷积层的时序模式特征提取器、所述基于因子分解机的特征协同分析模块和所述基于分类器的搅拌速率控制器进行训练，在每一次迭代中，对所述训练搅拌温度-搅拌速度协同时序表征特征向量进行优化。

17、采用上述技术方案，通过从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，其中，所述油脂提取剂为阳离子表面活性剂和硫酸的反应溶液，所述阳离子表面活性剂为胺盐、季铵盐、杂环和啰盐中的一种或多种；将所述混合物进行料液分离以得到提取剂-油脂混合液；将所述提取剂-油脂混合液进行洗涤和分离处理以得到昆虫虫油。这样，能够对于搅拌条件进行实时监测和控制，实现了混合搅拌过程的优化，有助于推进昆虫虫油生产过程的智能化。

18、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种低温生产昆虫虫油的方法，其特征在于，包括：

2.根据权利要求1所述的低温生产昆虫虫油的方法，其特征在于，从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，包括：

3.根据权利要求2所述的低温生产昆虫虫油的方法，其特征在于，将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量进行非线性响应校正以得到优化搅拌温度时序输入向量和优化搅拌速率时序输入向量，包括：将所述搅拌温度时序输入向量和所述搅拌速率时序输入向量分别通过非线性响应校正模块以如下非线性响应校正公式进行处理以得到所述优化搅拌温度时序输入向量和所述优化搅拌速率时序输入向量；

4.根据权利要求3所述的低温生产昆虫虫油的方法，其特征在于，所述基于深度神经网络的时序模式特征提取器为基于一维卷积层的时序模式特征提取器。

5.根据权利要求4所述的低温生产昆虫虫油的方法，其特征在于，使用基于因子分解机的特征协同分析模块对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到搅拌温度-搅拌速度协同时序表征特征向量作为搅拌温度-搅拌速度协同时序表征特征，包括：使用所述基于因子分解机的特征协同分析模块以如下特征协同分析公式对所述搅拌温度时序关联特征向量和所述搅拌速率时序关联特征向量进行特征协同关联分析以得到所述搅拌温度-搅拌速度协同时序表征特征向量；

6.根据权利要求5所述的低温生产昆虫虫油的方法，其特征在于，基于所述搅拌温度-搅拌速度协同时序表征特征，确定当前时间点的搅拌速率应增大、应减小或应保持不变，包括：将所述搅拌温度-搅拌速度协同时序表征特征向量通过基于分类器的搅拌速率控制器以得到控制指令，所述控制指令用于表示当前时间点的搅拌速率应增大、应减小或应保持不变。

7.根据权利要求6所述的低温生产昆虫虫油的方法，其特征在于，还包括训练步骤：用于对所述非线性响应校正模块、所述基于一维卷积层的时序模式特征提取器、所述基于因子分解机的特征协同分析模块和所述基于分类器的搅拌速率控制器进行训练。

8.根据权利要求7所述的低温生产昆虫虫油的方法，其特征在于，所述训练步骤，包括：

技术总结本公开涉及一种低温生产昆虫虫油的方法。该方法包括：从能源昆虫中提取虫浆，并将所述虫浆与油脂提取剂进行混合搅拌以得到混合物，其中，所述油脂提取剂为阳离子表面活性剂和硫酸的反应溶液，所述阳离子表面活性剂为胺盐、季铵盐、杂环和啰盐中的一种或多种；将所述混合物进行料液分离以得到提取剂‑油脂混合液；将所述提取剂‑油脂混合液进行洗涤和分离处理以得到昆虫虫油。这样，能够对于搅拌条件进行实时监测和控制，实现了混合搅拌过程的优化，有助于推进昆虫虫油生产过程的智能化。技术研发人员：张兆新,耿玉霞受保护的技术使用者：青岛新农康源生物工程有限公司技术研发日：技术公布日：2024/6/18