[发明专利]基于深度特征融合的米制品原料品质的预测方法及装置

权利要求书

1.一种基于深度特征融合的米制品原料品质的预测方法，其特征在于，所述基于深度特征融合的米制品原料品质的预测方法包括：

根据当前融合次数与预设特征提取策略，确定当前特征提取策略；

根据所述当前特征提取策略与米制品样本数据，得到特征数据；

根据所述特征数据的重要性，确定初始权重数据；

根据所述初始权重数据与特征数据进行特征融合，得到特征融合数据，并更新当前融合次数；

根据所述特征融合数据与当前融合次数，得到深度特征融合数据；

将所述深度特征融合数据输入预设预测模型，使用智能优化算法对所述预设预测模型的结构与深度特征融合数据的初始权重数据进行优化，建立最优预测模型；

根据所述最优预测模型对目标米制品的指标数据进行预测，得到原料预测结果；

根据所述原料预测结果，得到原料品质信息。

2.如权利要求1所述的方法，其特征在于，所述根据所述特征融合数据与融合次数，得到深度特征融合数据，包括：

在所述当前融合次数大于等于预设融合次数时，根据所述特征融合数据，确定深度特征融合数据。

3.如权利要求2所述的方法，其特征在于，所述在所述当前融合次数大于等于预设融合次数时，根据所述特征融合数据，确定深度特征融合数据之前，还包括：

在所述当前融合次数小于预设融合次数时，根据当前融合次数，确定新的当前特征提取方法；

根据所述特征融合数据与新的当前特征提取方法，得到新的特征数据；

根据所述新的特征数据，返回执行根据所述特征数据的重要性，确定初始权重数据的步骤。

4.如权利要求3所述的方法，其特征在于，所述将所述深度特征融合数据输入预设预测模型，使用智能优化算法对所述预设预测模型的结构与深度特征融合数据的初始权重数据进行优化，建立最优预测模型，包括：

将所述深度特征融合数据输入预设预测模型，得到初始预测数据；

根据所述初始预测数据与原料样本数据，使用智能优化算法对所述预设预测模型的结构与深度特征融合数据的初始权重数据进行内外嵌套优化，得到优化权重数据与优化预测模型结构的初始组合；

根据所述优化权重数据与优化预测模型结构的初始组合，建立最优预测模型。

5.如权利要求1至4中任一项所述的方法，其特征在于，所述根据所述优化权重数据与优化预测模型结构的初始组合，建立最优预测模型，包括：

根据所述优化权重数据与优化预测模型结构的初始组合以及深度特征融合数据，得到优化预测数据；

根据所述优化预测数据与原料样本数据，得到各优化权重数据与优化预测模型结构的初始组合的评估数据；

根据所述评估数据，确定优化权重数据与优化预测模型结构的目标组合；

根据所述优化权重数据与优化预测模型结构的目标组合，建立最优预测模型。

6.一种基于深度特征融合的米制品原料品质的预测装置，其特征在于，所述基于深度特征融合的米制品原料品质的预测装置包括：

融合模块，用于根据当前融合次数与预设特征提取策略，确定当前特征提取策略；

所述融合模块，还用于根据所述当前特征提取策略与米制品样本数据，得到特征数据；

所述融合模块，还用于根据所述特征数据的重要性，确定初始权重数据；

所述融合模块，还用于根据所述初始权重数据与特征数据进行特征融合，得到特征融合数据，并更新当前融合次数；

所述融合模块，还用于根据所述特征融合数据与当前融合次数，得到深度特征融合数据；

优化模块，用于将所述深度特征融合数据输入预设预测模型，使用智能优化算法对所述预设预测模型的结构与深度特征融合数据的初始权重数据进行优化，建立最优预测模型；

预测模块，用于根据所述最优预测模型对目标米制品的指标数据进行预测，得到原料预测结果；

所述预测模块，还用于根据所述原料预测结果，得到原料品质信息。