IUP：面向5G物联网中固态发酵的智能效用预测方案
机器学习
2021-03-30 v1 人工智能
系统与控制
系统与控制
摘要
目前，固态发酵(SSF)主要由人工经验控制，产品质量与产量不稳定。准确预测固态发酵的质量与产量对改善人类粮食安全与供给具有重要意义。本文提出一种面向5G工业物联网(IoT)中固态发酵的智能效用预测(IUP)方案，包括固态发酵过程的参数采集与效用预测。该IUP方案基于5G工业物联网的环境感知与智能学习算法。我们构建基于可重写Petri网的工作流模型，以验证系统模型功能与流程的正确性。此外，我们设计了一种基于生成对抗网络(GAN)与全连接神经网络(FCNN)的固态发酵效用预测模型。我们设计带均方误差约束的GAN(MSE-GAN)以解决固态发酵的小样本学习问题，再结合FCNN实现固态发酵的效用预测（通常为酒精）。基于实验室酿酒生产，实验表明所提方法在固态发酵效用预测上比其他预测方法更准确，并为预配原料比例的数值分析与窖池温度的合理设置提供依据。
引用
@article{arxiv.2103.15073,
title = {IUP: An Intelligent Utility Prediction Scheme for Solid-State Fermentation in 5G IoT},
author = {Min Wang and Shanchen Pang and Tong Ding and Sibo Qiao and Xue Zhai and Shuo Wang and Neal N. Xiong and Zhengwen Huang},
journal= {arXiv preprint arXiv:2103.15073},
year = {2021}
}