基于深度学习模型的面包烘焙仿真方法、装置和电子设备与流程

本技术涉及烘焙，具体涉及一种基于深度学习模型的面包烘焙仿真方法、装置和电子设备。

背景技术：

1、对于面包烘焙而言，不仅每种原料的加入会影响面包的口感，而且烘焙过程中温度和时间的控制也会影响面包的口感与质量。在研发一款新的面包时，为了保证烘焙面包的口感和质量，研发人员需要不断地调整和控制面包制作工艺，每调整一次配方，都要将实物烘烤出来进行品尝，以更好地进行调节，从而研发出口感和质量较好的面包。而上述过程通常都是由研发人员进行调整，通过一次次的调整，在烘烤出的实物不理想的情况下，造成了大量浪费，新品研发的成本较高。

技术实现思路

1、本技术提供了一种基于深度学习模型的面包烘焙仿真方法、装置、电子设备和存储介质，能够准确地对面包烘焙过程进行仿真，无需实物烘焙进行多次调整，提高研发效率和质量，减少成本。

2、本技术实施例的技术方案如下：

3、第一方面，本技术实施例提供了一种基于深度学习模型的面包烘焙仿真方法，所述方法包括：

4、获取历史烘焙数据，所述历史烘焙数据包括配方原料参数、加工工艺参数以及对所述配方原料参数和加工工艺参数进行加工后对应的烘焙品质评价；

5、对所述配方原料参数和加工工艺参数进行数据处理，得到第一处理结果；

6、将所述第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价；

7、将所述预测品质评价与所述烘焙品质评价进行计算处理，得到计算结果，在所述计算结果不小于预设的评价阈值的情况下，根据所述计算结果对所述初始深度学习模型进行参数调整，并基于所述计算结果对所述配方原料参数和所述加工工艺参数进行调整，对调整后的所述配方原料参数和调整后的加工工艺参数进行数据处理，得到第二处理结果，将所述第二处理结果作为所述第一处理结果，执行将所述第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价的步骤；

8、在所述计算结果小于预设的评价阈值的情况下，得到目标深度学习模型；

9、获取待烘焙配方原料和待烘焙加工工艺，将所述待烘焙配方原料和待烘焙加工工艺进行数据处理，将计算得到的处理结果输入所述目标深度学习模型进行仿真，得到质量评价。

10、在上述技术方案中，首先获取历史烘焙数据，历史烘焙数据包括配方原料参数、加工工艺参数以及对配方原料参数和加工工艺参数进行加工后对应的烘焙品质评价，通过获取历史烘焙数据为后续得到目标深度学习模型提供数据支持；对配方原料参数和加工工艺参数进行数据处理，得到第一处理结果；将第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价，有利于后续根据预测品质评价对模型参数和历史烘焙数据参数进行调整，以得到目标深度学习模型；将预测品质评价与烘焙品质评价进行计算处理，得到计算结果，在计算结果不小于预设的评价阈值的情况下，根据计算结果对初始深度学习模型进行参数调整，并基于计算结果对配方原料参数和加工工艺参数进行调整，对调整后的配方原料参数和调整后的加工工艺参数进行数据处理，得到第二处理结果，将第二处理结果作为第一处理结果，执行将第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价的步骤，不断地对各个参数进行调整，使得仿真结果更加准确；在计算结果小于预设的评价阈值的情况下，得到目标深度学习模型；获取待烘焙配方原料和待烘焙加工工艺，将待烘焙配方原料和待烘焙加工工艺进行数据处理，将计算得到的处理结果输入目标深度学习模型进行仿真，得到质量评价。通过目标深度学习模型进行仿真，避免了人工多次试验，减少人力物力和时间，能够提高研发效率和质量，减少成本。

11、在本技术的一些实施例中，所述配方原料参数包括烘焙原料和烘焙比例，所述加工工艺参数包括发酵时间、烘烤时间和烘烤温度；

12、所述对所述配方原料参数和加工工艺参数进行数据处理，得到第一处理结果，包括：

13、对所述烘焙原料、所述烘焙比例、所述发酵时间、所述烘烤时间和所述烘烤温度进行相关性验证，在验证通过的情况下，对所述烘焙原料、所述烘焙比例、所述发酵时间、所述烘烤时间和所述烘烤温度进行因子提取，得到因子载荷矩阵；

14、对所述因子载荷矩阵中的因子进行旋转，得到因子正交矩阵，根据所述因子正交矩阵进行得分计算，得到因子得分；

15、将所述因子得分进行向量处理，得到所述第一处理结果。

16、在上述技术方案中，通过对配方原料参数和加工工艺参数进行因子分析，能够有效得到各个参数之间的关系，再计算因子得分，考虑各个参数在不同因子上的表现，更好地理解和解释数据的结构与关系。

17、在本技术的一些实施例中，所述在验证通过的情况下，对所述烘焙原料、所述烘焙比例、所述发酵时间、所述烘烤时间和所述烘烤温度进行因子提取，得到因子载荷矩阵，包括：

18、在验证通过的情况下，对所述烘焙原料、所述烘焙比例、所述发酵时间、所述烘烤时间和所述烘烤温度进行最大似然分析，得到分析结果；

19、根据所述分析结果进行因子数量计算，得到所述因子载荷矩阵。

20、在上述技术方案中，通过各个参数进行分析，通过进行因子分析，能够有效得到各个参数之间的关系，有利于提高后续仿真的准确性。

21、在本技术的一些实施例中，所述将所述第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价，包括：

22、利用所述初始深度学习模型中的特征层对所述第一处理结果进行特征提取，得到多个特征数据；

23、将所述第一处理结果分别和各个所述特征数据进行融合，得到多个融合特征；

24、利用所述初始深度学习模型的关联层对各个所述融合特征进行特征提取，得到多个关联特征；

25、利用所述初始深度学习模型的线性层对各个所述关联特征进行线性计算，得到预测品质评价。

26、在上述技术方案中，首先对第一处理结果进行特征提取，提取数据的低维特征，再对特征进行融合，增加特征的表征能力，然后深度学习模型的关联层提取特征之间的关联关系，利用线性层进行线性计算，提取高维特征，得到预测品质评价。设置初始深度学习模型为上述结构，能够提高仿真的准确性，以便后续利用目标深度学习模型进行仿真更加符合烘焙需求。

27、在本技术的一些实施例中，所述将所述第一处理结果分别和各个所述特征数据进行融合，得到多个融合特征，包括：

28、将所述第一处理结果分别和各个所述特征数据进行特征拼接，得到多个融合特征。

29、在上述技术方案中，通过进行特征拼接得到融合特征，能够增加特征的表征能力，提高模型的准确性。

30、在本技术的一些实施例中，所述初始深度学习模型为回归模型、神经网络模型中的一种。

31、在上述技术方案中，通过采用深度学习模型能够更好地拟合烘焙数据之间的规律和模式，实现面包仿真。

32、在本技术的一些实施例中，所述将所述预测品质评价与所述烘焙品质评价进行计算处理，得到计算结果，包括：

33、对所述预测品质评价和所述烘焙品质评价进行归一化处理，得到所述预测品质对应的预测归一化数据和所述烘焙品质评价对应的烘焙评价归一化数据；

34、对所述预测归一化数据和所述烘焙评价归一化数据进行相似度计算，得到计算结果。

35、在上述技术方案中，对测品质评价与烘焙品质评价进行归一化，将数据按照统一标准进行量化，消除数据之间的差异，使得两个数据能够进行计算，还可以提高数据的处理效率，在进行相似度计算得到计算结果，有利于后续确定是否对参数调整继续训练初始深度学习模型。

36、第二方面，本技术实施例提供了一种基于深度学习模型的面包烘焙仿真装置，所述装置包括：

37、数据获取模块，用于获取历史烘焙数据，所述历史烘焙数据包括配方原料参数、加工工艺参数以及对所述配方原料参数和加工工艺参数进行加工后对应的烘焙品质评价；

38、数据处理模块，用于对所述配方原料参数和加工工艺参数进行数据处理，得到第一处理结果；

39、仿真预测模块，用于将所述第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价；

40、参数调节模块，用于将所述预测品质评价与所述烘焙品质评价进行计算处理，得到计算结果，在所述计算结果不小于预设的评价阈值的情况下，根据所述计算结果对所述初始深度学习模型进行参数调整，并基于所述计算结果对所述配方原料参数和所述加工工艺参数进行调整，对调整后的所述配方原料参数和调整后的加工工艺参数进行数据处理，得到第二处理结果，将所述第二处理结果作为所述第一处理结果，执行将所述第一处理结果输入预设的初始深度学习模型中进行仿真，得到预测品质评价的步骤；

41、模型确定模块，用于在所述计算结果小于预设的评价阈值的情况下，得到目标深度学习模型；

42、仿真模块，用于获取待烘焙配方原料和待烘焙加工工艺，将所述待烘焙配方原料和待烘焙加工工艺进行数据处理，将计算得到的处理结果输入所述目标深度学习模型进行仿真，得到质量评价。

43、第三方面，本技术实施例提供了一种电子设备，包括处理器、存储器、用户接口、通信总线及网络接口，所述处理器、所述存储器、所述用户接口及所述网络接口分别与所述通信总线连接，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备上述第一方面提供的任意一项所述的方法。

44、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行上述第一方面提供的任意一项所述的方法。

45、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

46、1、由于采用了获取历史烘焙数据，并对历史烘焙数据进行相关性处理，将处理后得到的第一处理结果输入初始深度学习模型进行仿真，得到预测品质评价，将预测品质评价与烘焙品质评价进行计算处理，得到计算结果，根据计算结果对参数进行调整，在计算结果小于预设的评价阈值的情况下，得到目标深度学习模型，利用目标深度学习模型进行面包烘焙仿真的技术手段，有效解决了相关技术中研发人员一次次的调整，在烘烤出的实物不理想的情况下，造成了大量浪费，新品研发的成本较高的问题。通过对历史烘焙数据进行处理、仿真和调整，得到目标深度学习模型，目标深度学习模型能够挖掘出面包烘焙过程中的潜在规律和模式，对面包烘焙进行准确地仿真，帮助烘焙师缩小试验范围，减少试验次数与时间，提高研发效率和质量，减少成本。

47、2、通过对配方原料参数和加工工艺参数进行因子分析，能够有效得到各个参数之间的关系，有利于提高后续仿真的准确性。