针对复方黑金茶发酵生产过程优化系统及方法与流程

本发明涉及食品工程，具体为一种针对复方黑金茶发酵生产过程优化系统及方法。

背景技术：

1、黑金茶，属后发酵型黑茶类，属菌茶类。选用阿姆斯特丹散囊菌、冠突散囊菌(金花)，以汉中炒制后优质绿茶作为基茶，通过现代微生物技术进行杀菌、接种、培养、干燥、植菌等系列复杂工艺制作，形成独特的新茶品种。黑金茶深沉的茶体上附着亮黄色的金花，能有效催化茶叶中的蛋白质、多酚类物质氧化，并在多年自然陈化中转化为对人体有益的物质。

2、现有的黑金茶生产工艺许多地方需要改进，基茶在接种发酵菌种时无法精确控制发酵效果和发酵时间，因此生产出的黑金茶品质不一。需要对黑金茶的发酵生产进行规范化。

3、鉴于此，本发明提出针对复方黑金茶发酵生产过程优化系统及方法。

技术实现思路

1、为实现上述目的，本发明提供如下技术方案：针对复方黑金茶发酵生产过程优化方法，包括：建立连翘叶原料质量评估指标体系，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛选；

2、构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；

3、基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；

4、基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；

5、获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。

6、优选的，建立连翘叶原料质量评估指标体系，以叶片大小、完整度、褐变程度和色彩均匀度作为质量评估的质量指标参数；搭建机器视觉检测平台，采用第一彩色工业相机采集连翘叶原料图像；构建连翘叶原料质量评估模型，采集大量不同的连翘叶样本，通过人工分级和留样分析，获得连翘叶质量指标参数与品质等级的对应关系数据；将连翘叶质量指标参数与品质等级的对应关系数据构建成数据集，用于训练卷积神经网络模型；利用训练完成的卷积神经网络模型提取连翘叶图像的色彩、纹理和形状特征，对连翘叶进行检测；当检测到不符合标准的连翘叶时，通过气动分拣机构将不符合标准的连翘叶筛除。

7、优选的，将经过制茶处理后的连翘叶进行紫外线照射杀菌，分别构建紫外线杀菌照射强度模型、紫外线杀菌照射时间模型以及构建紫外线杀菌搅拌模型；

8、所述紫外线杀菌照射强度模型为：

9、

10、其中，是入射紫外线强度，是连翘叶深度处的紫外线强度；是连翘叶对紫外线的吸收系数；是连翘叶在紫外线照射下的安全阈值，是紫外线最低有效杀菌强度，是连翘叶的平均厚度；

11、所述紫外线杀菌照射时间模型为：

12、

13、<msub><mi>t</mi><mi>l</mi></msub><mi>=-</mi><mfrac bevelled="true"><mrow><mi>log</mi><mfrac><mi>n</mi><msub><mi>n</mi><mn>0</mn></msub></mfrac></mfenced></mrow><mrow><mi>[k</mi><msub><mi>i</mi><mn>0</mn></msub><mfrac><msub><mi>m</mi><mi>l</mi></msub><mi>sρ</mi></mfrac></mfenced></mrow></mfrac><mi>]</mi>

14、其中，是紫外线照射连翘叶的杀菌时间；是连翘叶中初始微生物数量，是紫外线杀菌后的目标微生物数量；是紫外线杀菌速率常数；是入射紫外线强度；是接受紫外线杀菌的连翘叶总重量；是紫外线的照射面积；是连翘叶的密度。

15、优选的，对连翘叶在紫外线杀菌过程中进行滚筒搅拌，将连翘叶置于滚筒式搅拌装置中，通过搅拌，使连翘叶不断翻动，接受紫外线均匀照射；

16、构建紫外线杀菌搅拌模型，设滚筒的内半径为，转速为，连翘叶在滚筒内壁的摩擦系数为，当滚筒转动时，连翘叶受到重力、离心力和摩擦力的作用，连翘叶在滚筒翻动时满足：

17、

18、其中，为滚筒的角速度，是重力加速度，与滚筒转速的关系为：，代入上式，得出转速条件：；

19、即滚筒转速下限为，低于滚筒转速下限时连翘叶无法充分翻动；

20、在紫外线杀菌完成后对连翘叶进行抽样检测，若不满足杀菌需求则重新进行杀菌；若满足杀菌需求则对连翘叶进行接种。

21、优选的，在预定发酵时间结束前的时间段内，采用第二彩色工业相机，在相同拍摄条件下，以固定时间间隔对发酵中的连翘叶进行图像采集；构建第二卷积神经网络模型提取图像的色彩特征，所述色彩特征包括色调、饱和度和明度；

22、第二卷积神经网络将提取的色彩特征与发酵完成的连翘叶进行对比，以发酵完成连翘叶的色彩特征均值和差异容限值的加减计算范围作为比对阈值范围；

23、当检测到发酵时连翘叶色彩特征符合发酵完成连翘叶的色彩特征时，完成连翘叶发酵终点判别，并结束连翘叶的发酵；

24、当预定发酵时间结束时，且在发酵中的连翘叶中未检测到发酵完成的连翘叶的色彩特征，则延长时长的发酵时间，并在延长的时长时间段内重复进行发酵终点判别。

25、优选的，构建阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，计算阿姆斯特丹散囊菌和冠突散囊菌在不同菌悬液浓度下接种连翘叶的发酵结果；

26、采用回归算法模型拟合阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型；

27、收集菌种发酵过程数学模型的数据样本，所述数据样本包括，阿姆斯特丹散囊菌的菌悬液浓度，冠突散囊菌的菌悬液浓度，培养时间t；测量每个样本在培养结束后的目标值，即发酵后连翘叶中阿姆斯特丹散囊菌的含量和冠突散囊菌的含量；

28、发酵后连翘叶中菌含量与菌悬液浓度呈现对数关系，即菌含量的对数值与菌悬液浓度的对数值成正比：

29、

30、

31、其中，和分别是菌悬液浓度对数值的系数，反映了浓度每增加10倍，菌含量对数值的增加幅度；和发酵时间的系数，反映了发酵时间每增加1小时，菌含量对数值的增加幅度，和是常数项，反映了其他因素对菌含量的影响。

32、优选的，通过发酵实验对、、、、和值进行拟合计算；

33、选取第次实验时的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度组合，在预定发酵时间t下进行发酵后，测量第次发酵实验后连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌含量，重复多次实验得到发酵实验数据集；

34、对发酵实验数据集进行对数变换得到新的数据集：

35、；

36、根据实验数据集求解回归模型中参数的估计值：

37、<munder><mi>min</mi><mo><msub><mi>α</mi><mi>a</mi></msub><mi>,</mi><msub><mi>α</mi><mi>b</mi></msub><mi>,</mi><msub><mi>β</mi><mi>a</mi></msub><mi>,</mi><msub><mi>β</mi><mi>b</mi></msub><mi>,</mi><msub><mi>γ</mi><mi>a</mi></msub><mi>,</mi><msub><mi>γ</mi><mi>b</mi></msub></mo></munder><mstyle displaystyle="false"><munderover><mo>∑</mo><mi>i=1</mi><msub><mi>n</mi><mi>s</mi></msub></munderover><mi>[</mi></mstyle><msup><mrow><msub><mi>log</mi><mn>10</mn></msub><msub><mi>m</mi><mi>ai</mi></msub></mfenced><mi>-</mi><msub><mi>α</mi><mi>a</mi></msub><mi>⋅</mi><msub><mi>log</mi><mn>10</mn></msub><msub><mi>c</mi><mi>ai</mi></msub></mfenced><mi>-</mi><msub><mi>β</mi><mi>a</mi></msub><mi>⋅t-</mi><msub><mi>γ</mi><mi>a</mi></msub></mrow></mfenced><mn>2</mn></msup><mo>+</mo><mrow><msub><mi>log</mi><mn>10</mn></msub><msub><mi>m</mi><mi>bi</mi></msub></mfenced></mrow></mfenced><mi>-</mi><msub><mi>α</mi><mi>b</mi></msub><mi>⋅</mi><msub><mi>log</mi><mn>10</mn></msub><msub><mi>c</mi><mi>bi</mi></msub></mfenced><mi>-</mi><msub><mi>β</mi><mi>b</mi></msub><mi>⋅t-</mi><msub><mi>γ</mi><mi>b</mi></msub><msup><mi>)</mi><mn>2</mn></msup><mi>]</mi>

38、其中，表示实验数据集中数据点的个数；、、和表示第次实验数据的阿姆斯特丹散囊菌和冠突散囊菌的菌含量和菌悬液浓度；

39、将得到的模型参数值代入原模型方程，得到拟合的模型：

40、

41、

42、其中，和分别表示模型预测的连翘叶在发酵后的阿姆斯特丹散囊菌和冠突散囊菌含量；和分别是拟合计算的菌悬液浓度对数值的系数；和是拟合计算后的发酵时间的系数；和是拟合计算后的常数项。

43、优选的，利用拟合好的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，预测在任意给定的阿姆斯特丹散囊菌和冠突散囊菌的菌悬液浓度，以及预定发酵时间t后，连翘叶中的菌含量；

44、在给定目标连翘叶中的阿姆斯特丹散囊菌和冠突散囊菌的菌含量和预定发酵时间t后，反向求解出所需菌悬液浓度；

45、基于拟合完成的阿姆斯特丹散囊菌和冠突散囊菌在连翘叶中的菌种发酵过程数学模型，根据不同类型复方黑金茶的发酵需求，设立多个菌悬液浓度梯度，在同时经历预定发酵时间t后，生产出满足不同需求的复方黑金茶。

46、优选的，针对复方黑金茶发酵生产过程优化系统，其用于实现所述针对复方黑金茶发酵生产过程优化方法，包括：筛选模块、杀菌模块、发酵预测模块、发酵结果检测模块以及发酵参数计算模块；

47、所述筛选模块，建立连翘叶原料质量评估指标体系和数据采集平台，利用计算机视觉和机器学习技术，对连翘叶进行检测和筛选；

48、所述杀菌模块，构建紫外线杀菌过程模型，包括紫外线杀菌照射强度模型、紫外线杀菌照射时间模型和紫外线杀菌搅拌模型，通过对紫外线灯进行调控，对杀菌过程进行定量化控制；

49、所述发酵预测模块，基于回归算法和实验数据，构建阿姆斯特丹散囊菌和冠突散囊菌的菌种发酵过程数学模型，利用回归算法和实验数据对模型参数进行拟合，建立菌悬液浓度、发酵时间与菌含量之间的定量关系，对发酵结果进行预测；

50、所述发酵结果检测模块，基于预测的发酵结果，在发酵时间结束前的时间段内以固定间隔的时间对发酵期间的连翘叶进行拍摄，并构建图像序列分析算法，对发酵终点进行判别；

51、所述发酵参数计算模块，获取连翘叶制茶发酵成复方黑金茶的不同发酵需求，根据菌种发酵过程数学模型，通过数值模拟和反向求解，获得发酵参数，满足不同的发酵需求。

52、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行所述的针对复方黑金茶发酵生产过程优化方法。

53、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的针对复方黑金茶发酵生产过程优化方法。

54、本发明的有益效果：采用连翘叶替代传统的茶叶作为原料，赋予黑金茶独特的风味和药用价值，连翘具有清热解毒、消肿散结的功效，与黑金茶的保健属性相得益彰；连翘叶经过精心挑选、初步加工处理后，作为发酵的培养基，为散囊菌提供良好的生长环境。

55、采用紫外线杀菌法，通过合理设计辐照强度和时间，既能达到无菌要求，又能最大限度保留连翘叶的营养成分和活性物质；杀菌后的连翘叶，为后续的菌种接种奠定了良好基础。

56、精准控制菌种接种量和发酵条件，确保发酵过程的一致性和可重复性。通过建立数学模型，量化菌悬液浓度在特定温湿度和ph值参数下与发酵效果之间的关系，采用自动化接种设备，精确调控接种量，保证散囊菌在连翘叶上的均匀分布。

57、根据消费者需求，设计多类型发酵的复方黑金茶产品，提升产品的市场竞争力。