天然植物加工控制方法、系统、计算机设备和存储介质与流程

1.本技术涉及加工控制技术领域，特别是涉及一种天然植物加工控制方法、系统、计算机设备和存储介质。


背景技术：

2.随着企业产品的加工、管理和决策向数字化、信息化和智能化靠近，使企业的加工系统具有像人一样思考和工作的能力也逐渐成为国内原料加工企业的发展方向。但是，目前天然植物加工控制与现代科学技术的有机结合还不够紧密。
3.在相关技术中，天然植物加工系统仅对工业加工中产生的数据进行收集和存储，虽然部分企业已积累了大量的加工数据，但是并没有对这些数据进行处理，令企业积累的这份无形资产没有被很好地利用起来，从而使得目前的天然植物加工系统自动化程度低且控制理论单一，进而使得天然植物加工系统中的各个天然植物加工子系统不能及时地响应和准确地控制，造成加工效率低的问题。因此，目前急需一种天然植物加工系统处理方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种天然植物加工控制方法、系统、计算机设备和存储介质。
5.一种天然植物加工控制方法，该方法包括：
6.获取历史时间段内的工业大数据，其中，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
7.获取各个天然植物加工子系统的控制指令；
8.根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
9.根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
10.在其中一个实施例中，各个天然植物加工子系统分别为原料存储和运输子系统、现场车间生产子系统、成品存储和运输子系统，相应地，各个天然植物加工子系统在加工过程中产生的数据，包括：原料存储和运输子系统在加工过程中产生的原料数据，现场车间生产子系统在加工过程中产生的生产数据，成品存储和运输子系统在加工过程中产生的成品数据。
11.在其中一个实施例中，根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型，包括：
12.对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据；
13.根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据；
14.根据天然植物知识及每一智能模型的输入数据，构建每一智能模型。
15.在其中一个实施例中，对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据，包括：
16.根据控制指令，从工业大数据中选取与天然植物加工子系统相关的控制数据，获取选择后的工业大数据；
17.去除选择后的工业大数据中错误数据，获取清洗后的工业大数据；
18.对清洗后的工业大数据进行数据标准变换处理，获取处理后的工业大数据。
19.在其中一个实施例中，根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据，包括：
20.根据处理后的工业大数据中数据的类型，对处理后的工业大数据进行特征提取，获取不同的特征变量；
21.根据每一天然植物加工子系统的控制指令，对特征变量进行分类，获取每一智能模型的输入数据。
22.在其中一个实施例中，根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统，包括：
23.根据每一智能模型，获取每一智能模型的输出数据；
24.根据输出数据，控制对应的天然植物加工子系统。
25.在其中一个实施例中，根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统之后，包括：
26.获取各个天然植物加工子系统当前时刻产生的数据；
27.将当前时刻产生的数据与各个天然植物加工子系统相关联的智能模型进行匹配，获取优化后的智能模型。
28.一种天然植物加工控制系统，该系统包括：工业互联网子系统、原料存储和运输子系统、现场车间生产子系统、成品存储和运输子系统、中央控制子系统以及大数据云平台子系统；
29.工业互联网子系统，用于将加工、存储和运输设备、生产线、工厂、供应商、产品和客户通过互联网连接起来，负责收集数据组成工业大数据以及信息和命令的通讯及存储；
30.原料存储和运输子系统，用于各种天然植物加工原料的存储、分配，将原料运输给现场车间生产子系统，并将原料信息上传至工业互联网子系统；
31.现场车间生产子系统，用于对车间生产线的相应生产设备和流程进行管控，将加工包装好的成品运输给成品存储和运输系统，并将生产线上的生产信息上传至工业互联网子系统；
32.成品存储和运输子系统，用于将加工得到的成品进行运输、分配、统计存储入库，并将成品信息上传至工业互联网子系统；
33.中央控制子系统，用于对原料存储和运输子系统、现场车间生产子系统、成品存储和运输子系统工作命令的统一下达，以协调各个子系统正常稳定的运行，确保能够对每个天然植物加工子系统进行掌控；
34.大数据云平台子系统，用于以工业互联网子系统提供的工业大数据为基础，借助数据挖掘、机器学习等ai技术手段，结合天然植物知识判断，建立与各个天然植物加工子系
统相关联的数学智能模型，为中央控制子系统提供更加优化的控制策略、关键工艺点和工艺参数。
35.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
36.获取历史时间段内的工业大数据，其中，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
37.获取各个天然植物加工子系统的控制指令；
38.根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
39.根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
40.一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
41.获取历史时间段内的工业大数据，其中，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
42.获取各个天然植物加工子系统的控制指令；
43.根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
44.根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
45.上述天然植物加工控制方法、系统、计算机设备和存储介质，获取历史时间段内的工业大数据，其中，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；获取各个天然植物加工子系统的控制指令；根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
46.相较于相关技术中天然植物加工企业积累的大量加工制造数据不能够充分被利用，从而使得目前的天然植物加工系统自动化程度低且控制理论单一，由于可以对积累的大量的加工数据进行处理，并根据这些数据构建与各个天然植物加工子系统关联的智能模型，实现中央控制子系统对各个天然植物加工子系统及时地控制与响应，从而可以提高天然植物加工系统自动化程度以及控制的准确度，进而提升天然植物加工系统的加工效率。
附图说明
47.图1为一个实施例中天然植物加工控制方法的应用环境图；
48.图2为一个实施例中天然植物加工控制方法的流程示意图；
49.图3为另一个实施例中天然植物加工控制系统的结构框图；
50.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
51.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
52.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种专业名词，但除非特别说明，这些专业名词不受这些术语限制。这些术语仅用于将一个专业名词与另一个专业名词区分。举例来说，在不脱离本技术的范围的情况下，第三预设阈值与第四预设阈值可以相同可以不同。
53.本技术提供的天然植物加工系统处理方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络与服务器102进行通信。终端101采集历史时间段内的工业大数据。历史时间段内的工业大数据发送至服务器102。服务器 102根据天然植物知识及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。其中，终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
54.在一个实施例中，如图2所示，提供了一种天然植物加工系统处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
55.201、获取历史时间段内的工业大数据，其中，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
56.202、获取各个天然植物加工子系统的控制指令；
57.203、根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
58.204、根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
59.对于本技术中的天然植物加工系统，其包含工业互联网子系统、各个天然植物加工子系统、中央控制子系统以及大数据云平台子系统。其中，工业互联网子系统负责将加工、存储和运输设备、生产线、工厂、供应商、产品及客户通过互联网连接起来。而且，工业互联网子系统还负责获取、存储及传输数据。
60.此外，各个天然植物加工子系统负责天然植物加工中的具体过程，并且将加工过程中产生的数据上传至工业互联网子系统。中央控制子系统负责对各个天然植物加工子系统下达统一的工作命令，以协调各个天然植物加工子系统正常稳定的运行，实时控制对各个天然植物加工子系统的加工。
61.大数据云平台子系统以工业互联网子系统提供的工业大数据为基础，借助数据挖掘、机器学习等技术手段，建立与各个天然植物加工子系统相关联的智能模型，中央控制子系统通过该智能模型可以实现对对应的天然植物加工子系统的控制。
62.在上述步骤201中，历史时间段指的是在当前时刻前的一段时间内。具体地，由工业互联网子系统获取当前时刻前若干个月的工业大数据，并将获取的工业大数据通过通讯模块传输给大数据云平台子系统。对于传输数据用到的通信模块，本发明实施例不对其作具体限定，包括但不限于：wifi、gprs、3g 或4g、蓝牙、zigbee、现场总线和以太网通讯模块。
63.例如，工业互联网子系统获取了当前时刻前3个月的工业大数据，然后，工业互联网子系统将这三个月的工业大数据通过以太网通讯模块传输给大数据云平台子系统。
64.在上述步骤202中，控制指令指的是中央控制子系统对天然植物加工子系统的控制目标，并且不同的天然植物加工子系统，其控制目标也不相同。
65.在上述步骤203中，天然植物知识指的是大数据云平台子系统中存储的天然植物的相关知识；与每一天然植物加工子系统相关联的智能模型指的是中央控制子系统可以根据该智能模型实现对对应天然植物加工子系统的控制。具体地，大数据云平台子系统将获取的工业大数据处理后，再结合控制指令与该系统存储的天然植物知识进行判断，构建与每一天然植物加工子系统相关联的智能模型。
66.在上述步骤204中，中央控制子系统根据与每一天然植物加工子系统相关联的智能模型，可以调整对应天然植物加工子系统的控制策略，实现对天然植物加工子系统中关键工艺点和工艺参数的控制。
67.本发明实施例提供的方法，通过对积累的大量的加工数据进行处理，并根据这些数据构建与各个天然植物加工子系统关联的智能模型，实现中央控制子系统对各个天然植物加工子系统及时地响应，从而可以提高天然植物加工系统自动化程度以及控制的准确度，进而提升天然植物加工系统的加工效率。
68.在一个实施例中，各个天然植物加工子系统分别为原料存储和运输子系统、现场车间生产子系统、成品存储和运输子系统；相应地，各个天然植物加工子系统在加工过程中产生的数据,包括：原料存储和运输子系统在加工过程中产生的原料数据，现场车间生产子系统在加工过程中产生的生产数据，成品存储和运输子系统在加工过程中产生的成品数据。
69.具体地，原料存储和运输子系统负责对各种天然植物加工原料进行存储和分配，将天然植物加工原料运输给现场车间生产子系统，并将在这过程中的产生的原料数据上传至工业互联网子系统。
70.现场车间生产子系统负责对车间生产线的相应生产设备和流程进行管控以及将生产包装好的成品运输给成品存储和运输子系统，并将生产线上的生产数据上传至工业互联网子系统。
71.成品存储和运输子系统负责将加工得到的成品进行运输、分配以及统计存储入库，并将在这过程中产生的成品数据上传至工业互联网子系统。
72.本发明实施例提供的方法，通过原料存储和运输子系统、现场车间生产子系统及成品存储和运输子系统向工业互联网子系统上传数据，从而使工业互联网子系统可以获取到大量的工业大数据，为智能模型的建立提供了数据基础。
73.在一个实施例中，根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型，包括：
74.301、对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据；
75.302、根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据；
76.303、根据天然植物加工知识以及每一智能模型的输入数据，构建每一智能模型。
77.在上述步骤301中，对工业大数据分别进行数据选择、数据清洗及数据变换是从工业大数据中获取到有价值的信息，为天然植物加工系统的加工提供有用的指导与决策服
务。
78.在上述步骤302中，每一天然植物加工子系统的控制指令指的是中央控制子系统针对该天然植物加工子系统下发的控制指令。
79.在上述步骤303中，通过ai技术手段对每一智能模型的输入数据进行数据挖掘、机器学习等，再结合大数据云平台子系统中的天然植物知识进行判断，可以构建每一智能模型。
80.本发明实施例提供的方法，通过对天然植物加工子系统在加工过程中产生数量庞大的数据进行分类，再构建相应的智能模型，从而可以实现中央控制子系统对各个天然植物加工子系统及时地响应和精准地控制。
81.在一个实施例中，对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据，包括：
82.401、根据控制指令，从工业大数据中选取对应的控制数据，获取选择后的工业大数据；
83.402、去除选择后的工业大数据中错误的数据，获取清洗后的工业大数据；
84.403、对清洗后的工业大数据进行数据标准变换处理，获取处理后的工业大数据。
85.在上述步骤401中，根据所有天然植物加工子系统的控制指令，从工业大数据中挑选出与所有天然植物加工子系统相关的控制数据，获取选择后的工业大数据，比如，工业大数据中包含有温度、压强、频率及转速等数据，所有天然植物加工子系统的控制指令需要的数据是温度、压强及频率，就只用选出温度、压强和频率作为选择后的工业大数据。
86.在上述步骤402中，经过选择后工业大数据中可能存在格式、内容或逻辑等的错误数据，比如，温度数据有50℃、56℃、400℃、62℃等，于是就需要去除400℃这个错误数据，以此来获取清洗后的工业大数据。
87.在上述步骤402中，本发明实施例不对标准变换处理作具体限定，包括但不限于：特征二值化、特征归一化、连续特征变化，定性特征哑编码等。
88.本发明实施例提供的方法，通过对工业大数据进行数据选择、数据清洗及数据变换处理后，可以提高输入数据的准确度，从而提高智能模型的准确控制精度。
89.在一个实施例中，根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据，包括：
90.501、根据处理后的工业大数据中数据的类型，对处理后的工业大数据进行特征提取，获取不同的特征变量；
91.502、根据每一模型的控制指令，对特征变量进行分类，获取每一智能模型的输入数据。
92.具体地，每一天然植物加工子系统的控制指令按照各自的加工任务，都有对应的控制目标，而且每一天然植物加工子系统的加工任务可能包含一种或两种以上，比如，原料存储和运输子系统的任务是按照最好的原料比来对加工原料进行配比，以及在最短的时间内完成加工原料的配备等。
93.本发明实施例提供的方法，通过大数据云平台子系统对处理后的工业大数据分类，得到每一智能模型的输入数据，可以实现对每个天然植物加工子系统的精准控制，从而提升天然植物加工系统的加工效率，进而降低人工成本。
94.在一个实施例中，根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统，包括：
95.601、根据每一智能模型，获取每一智能模型的输出数据；
96.602、根据输出数据，控制对应的天然植物加工子系统。
97.具体地，中央控制子系统根据每一智能模型，获取每一智能模型的输出数据，并根据输出数据匹配到对应的天然植物加工子系统，以此输出数据来控制该天然植物加工子系统。
98.本发明实施例提供的方法，中央控制子系统通过不同的智能模型，可以控制不同的天然植物加工子系统，从而提高中央控制子系统的控制和决策能力。
99.在一个实施例中，根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统之后，包括：
100.701、获取各个天然植物加工子系统当前时刻产生的数据；
101.702、将当前时刻产生的数据与各个天然植物加工子系统相关联的智能模型进行匹配，获取优化后的智能模型。
102.具体地，工业互联网子系统获取各个天然植物加工子系统在当前时刻产生的数据，并将该数据作为历史时间段内的工业大数据的进行分析处理，然后将分析处理后的数据与智能模型匹配，以此来优化智能模型。
103.本实施例提供的方法，通过获取当前时刻产生的数据，并将当前时刻产生的数据分析处理后，来对智能模型进行优化，可以提高智能模型的控制效率，从而提高天然植物加工系统的加工效率。
104.在一个实施例中，如图3所示，提供了一种天然植物加工控制系统，包括：工业互联网子系统311、原料存储和运输子系统312、现场车间生产子系统313、成品存储和运输子系统314、中央控制子系统315以及大数据云平台子系统316；
105.工业互联网子系统311，用于将加工、存储和运输设备、生产线、工厂、供应商、产品和客户通过互联网连接起来组成工业大数据，负责收集数据组成工业大数据以及信息和命令的通讯及存储；
106.原料存储和运输子系统312，用于各种天然植物加工原料的存储分配，将原料运输给现场车间生产子系统313，并将原料信息上传至工业互联网子系统311；
107.现场车间生产子系统313，用于对车间生产线的相应生产设备和流程进行管控，将加工包装好的成品运输给成品存储和运输系统314，并将生产线上的生产信息上传至工业互联网子系统311；
108.成品存储和运输子系统314，用于将加工得到的成品进行运输、分配、统计存储入库，并将成品信息上传至工业互联网子系统311；
109.中央控制子系统315，用于对原料存储和运输子系统312、现场车间生产子系统313、成品存储和运输子系统314工作命令的统一下达，以协调各个子系统正常稳定的运行，确保能够对每个天然植物加工子系统进行掌控；
110.大数据云平台子系统316，用于以工业互联网子系统311提供的工业大数据为基础，借助数据挖掘、机器学习等ai技术手段，结合天然植物知识判断，建立各天然植物加工子系统相关联的数学智能模型，为中央控制子系统315提供更加优化的控制策略、关键工艺
点和工艺参数。
111.其中，大数据云平台子系统316包括大数据集成层、大数据分析层、数据建模、应用场景层和智能模型。
112.在天然植物加工过程中，设备控制具有实时性和精确性特点，所需数据种类不多，但数据量庞大，且要求数据感知、分析、决策和控制能形成实时闭环的信息流。
113.具体地，工业大数据为各个传感器和仪表设备、控制、车间生产记录和企业等产生的数据资源；主要为工业设备和工业软件所产生、采集和处理的数据以及中间过程控制和质量检验数据。
114.大数据集成层是采集不同来源的数据并集中存储，为大数据分析层和应用场景层提供准确的基础数据。
115.大数据分析层包括数据准备、特征提取。针对特定的业务目标，灵活组织天然植物加工大数据集，柔性地选择组合使用各类大数据分析挖掘算法和技术，从大数据中获取有价值的信息和知识，为生产指导、经营模式提供决策服务。
116.其中，数据准备是为解决业务问题提供正确的、预定格式的数据；数据准备包括数据选择、数据清洗等内容，并在处理过程中尝试多种方法的结合。特征提取是指采用一些ai算法，比如深度学习，可自动提取简单而抽象的特征，并组合成更加复杂的特征。在探索性分析过程中，尝试不同方法转换数据，并用数据建模对特征提取的质量进行评价。
117.数据建模指的是建立算法库，在应用时将准备好的数据插入每个模型，匹配最佳模型。
118.应用场景层分布于天然植物加工设计、研发、生产制造和供应销售的整个生命周期，其决定大数据价值的上限。针对不同的应用场景，组织相应的数据，构建各类应用。
119.智能模型包含智能模型a、智能模型b和智能模型c，分别对应原料存储和运输子系统312、现场车间生产子系统313和成品存储和运输子系统314构建的智能模型，根据不同的天然植物加工子系统数据进行单独的模型构建，避免了数据打挤，使得构建的模型对天然植物加工子系统能够及时、准确地响应和控制。
120.本发明实施例提供的系统，在天然植物加工系统中通过大数据云平台子系统316对各个天然植物加工子系统的数据进行相应的数据处理、分析、挖掘和建模，在充分利用大量制造数据的同时，分别构建各个天然植物加工子系统的模型，从而实现对天然植物加工子系统及时、准确地响应和控制，进而提高天然植物加工系统的加工效率。
121.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设阈值。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种天然植物加工控制系统。
122.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
123.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
124.获取历史时间段内的工业大数据，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
125.获取各个天然植物加工子系统的控制指令；
126.根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
127.根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
128.在一个实施例中，处理器执行计算机程序时：各个天然植物加工子系统分别为原料存储和运输子系统、现场车间生产子系统、成品存储和运输子系统，相应地，各个天然植物加工子系统在加工过程中产生的数据，包括：原料存储和运输子系统在加工过程中产生的原料数据，现场车间生产子系统在加工过程中产生的生产数据，成品存储和运输子系统在加工过程中产生的成品数据。
129.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
130.对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据；
131.根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据；
132.根据天然植物知识及每一智能模型的输入数据，构建每一智能模型。
133.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
134.根据控制指令，从工业大数据中选取与天然植物加工子系统相关的控制数据，获取选择后的工业大数据；
135.去除选择后的工业大数据中错误数据，获取清洗后的工业大数据；
136.对清洗后的工业大数据进行数据标准变换处理，获取处理后的工业大数据。
137.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
138.根据处理后的工业大数据中数据的类型，对处理后的工业大数据进行特征提取，获取不同的特征变量；
139.根据每一天然植物加工子系统的控制指令，对特征变量进行分类，获取每一智能模型的输入数据。
140.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
141.根据每一智能模型，获取每一智能模型的输出数据；
142.根据输出数据，控制对应的天然植物加工子系统。
143.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
144.获取各个天然植物加工子系统当前时刻产生的数据；
145.将当前时刻产生的数据与各个天然植物加工子系统相关联的智能模型进行匹配，获取优化后的智能模型。
146.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
147.获取历史时间段内的工业大数据，工业大数据用于表示各个天然植物加工子系统在加工过程中产生的数据；
148.获取各个天然植物加工子系统的控制指令；
149.根据天然植物知识、控制指令及工业大数据，构建与每一天然植物加工子系统相关联的智能模型；
150.根据与每一天然植物加工子系统相关联的智能模型，控制对应的天然植物加工子系统。
151.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：各个天然植物加工子系统分别为原料存储和运输子系统、现场车间生产子系统现场车间生产子系统、成品存储和运输子系统，相应地，各个天然植物加工子系统在加工过程中产生的数据，包括：原料存储和运输子系统在生产过程中产生的原料数据，在生产过程中产生的生产数据，成品存储和运输子系统产生的成品数据。
152.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
153.对工业大数据分别进行数据选择、数据清洗及数据变换，获取处理后的工业大数据；
154.根据每一天然植物加工子系统的控制指令，对处理后的工业大数据进行分类，获取每一智能模型的输入数据；
155.根据天然植物知识及每一智能模型的输入数据，构建每一智能模型。
156.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
157.根据控制指令，从工业大数据中选取与天然植物加工子系统相关的控制数据，获取选择后的工业大数据；
158.去除选择后的工业大数据中错误数据，获取清洗后的工业大数据；
159.对清洗后的工业大数据进行数据标准变换处理，获取处理后的工业大数据。
160.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
161.根据处理后的工业大数据中数据的类型，对处理后的工业大数据进行特征提取，获取不同的特征变量；
162.根据每一天然植物加工子系统的控制指令，对特征变量进行分类，获取每一智能模型的输入数据。
163.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
164.根据每一智能模型，获取每一智能模型的输出数据；
165.根据输出数据，控制对应的天然植物加工子系统。
166.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
167.获取各个天然植物加工子系统当前时刻产生的数据；
168.将当前时刻产生的数据与各个天然植物加工子系统相关联的智能模型进行匹配，获取优化后的智能模型。
169.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可
包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(randomaccess memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram) 或动态随机存取存储器(dynamic random access memory，dram)等。
170.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
171.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。