本申请涉及智能检测领域，且更为具体地，涉及一种用于茶叶提香过程的自动检测系统及方法。
背景技术：
1、茶叶作为一种传统的饮品，其品质和风味受到全球消费者的青睐。茶叶的品质不仅取决于原料的品种和产地，还与后期的加工工艺密切相关。提香作为茶叶加工过程中的关键步骤，直接影响着茶叶的香气、色泽和口感等品质特性。
2、然而，传统的提香过程检测方式往往依赖于人工的感官评价，如品鉴师的嗅觉和口感判断，存在主观性较强的问题，不同的品鉴师可能会有不同的评价标准，导致结果的不一致性。同时，传统的检测方法更多依赖于经验积累和专业知识，缺乏客观的、量化的分析手段，这样容易造成对提香效果的评价不够准确和科学。此外，现有的一些通过仪器来对于茶叶提香质量进行检测的方法常常只能对于提香后的茶叶进行单一数据的量化评估，难以综合提香后茶叶的多方面和多类型数据来综合进行提香质量检测，这会导致对于茶叶提香过程的质量检测可能会造成遗漏，影响质量检测的准确性。
3、因此，期望一种优化的用于茶叶提香过程的自动检测方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于茶叶提香过程的自动检测系统及方法，其通过利用基于人工智能和深度学生的数据处理和分析算法来分别对于对照组的茶叶样品和提香后茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图进行语义理解和协同分析，以此来学习和捕获到这些关于茶叶不同方面和类型的语义相关性特征和隐藏语义交互关系。然后，利用对照组的茶叶样品和提香后茶叶样品的多模态状态表征信息之间的语义对比和度量结果来检测茶叶提香质量的等级。这样，能够实现茶叶提香过程的智能化质量检测，并通过提香前后的茶叶样品状态多模态语义聚合表征度量信息来识别特定光谱处理对干茶品质的影响，为干茶生产提供更加可靠的技术支撑。
2、根据本申请的一个方面，提供了一种用于茶叶提香过程的自动检测方法，其包括：
3、使用分析天平称取实验组和对照组的茶叶样品；
4、使用茶叶提香灯对所述实验组的茶叶样品进行处理以得到提香后茶叶样品；
5、使用氨基酸分析仪对所述对照组的茶叶样品和所述提香后茶叶样品进行氨基酸组分提取以得到所述对照组的茶叶样品和所述提香后茶叶样品的氨基酸含量分析结果；
6、使用uv-2550型紫外分光光度计、高效液相色谱仪和高效气相色谱仪分别对所述对照组的茶叶样品和所述提香后茶叶样品进行处理以得到所述对照组的茶叶样品和所述提香后茶叶样品的吸光度谱图、液相色谱图和气相色谱图；
7、对所述对照组的茶叶样品和所述提香后茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图进行联合对比分析来得到茶叶提香质量的等级标签。
8、根据本申请的另一个方面，提供了一种用于茶叶提香过程的自动检测系统，其包括：
9、语义编码模块，用于通过氨基酸含量分析结果语义编码器对所述提香后茶叶样品的氨基酸含量分析结果进行语义编码以得到提香后茶叶样品氨基酸语义编码特征向量；
10、多谱图语义特征提取和融合处理模块，用于通过基于深度神经网络模型的多谱图语义编码融合器对所述提香后茶叶样品的吸光度谱图、液相色谱图和气相色谱图进行多谱图语义特征提取和融合处理以得到提香后茶叶样品多谱图语义融合特征向量；
11、语义特征动态交互模块，用于将所述提香后茶叶样品多谱图语义融合特征向量和所述提香后茶叶样品氨基酸语义编码特征向量通过基于先验信息的语义特征动态交互模块以得到提香后茶叶样品状态多模态表征向量；
12、多模态表征模块，用于将所述对照组的茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图通过所述氨基酸含量分析结果语义编码器、所述基于深度神经网络模型的多谱图语义编码融合器和所述基于先验信息的语义特征动态交互模块以得到对照组茶叶样品状态多模态表征向量；
13、语义度量模块，用于将所述提香后茶叶样品状态多模态表征向量和所述对照组茶叶样品状态多模态表征向量通过茶叶样品状态语义度量器以得到提香后-对照组茶叶样品状态语义度量向量；
14、等级标签确定模块，用于基于所述提香后-对照组茶叶样品状态语义度量向量，确定检茶叶提香质量的等级标签。
15、与现有技术相比，本申请提供的一种用于茶叶提香过程的自动检测系统及方法，其通过利用基于人工智能和深度学生的数据处理和分析算法来分别对于对照组的茶叶样品和提香后茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图进行语义理解和协同分析，以此来学习和捕获到这些关于茶叶不同方面和类型的语义相关性特征和隐藏语义交互关系。然后，利用对照组的茶叶样品和提香后茶叶样品的多模态状态表征信息之间的语义对比和度量结果来检测茶叶提香质量的等级。这样，能够实现茶叶提香过程的智能化质量检测，并通过提香前后的茶叶样品状态多模态语义聚合表征度量信息来识别特定光谱处理对干茶品质的影响，为干茶生产提供更加可靠的技术支撑。
1.一种用于茶叶提香过程的自动检测方法，其特征在于，包括：
2.根据权利要求1所述的用于茶叶提香过程的自动检测方法，其特征在于，对所述对照组的茶叶样品和所述提香后茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图进行联合对比分析来得到茶叶提香质量的等级标签，包括：
3.根据权利要求2所述的用于茶叶提香过程的自动检测方法，其特征在于，通过基于深度神经网络模型的多谱图语义编码融合器对所述提香后茶叶样品的吸光度谱图、液相色谱图和气相色谱图进行多谱图语义特征提取和融合处理以得到提香后茶叶样品多谱图语义融合特征向量，包括：
4.根据权利要求3所述的用于茶叶提香过程的自动检测方法，其特征在于，将所述提香后茶叶样品多谱图语义融合特征向量和所述提香后茶叶样品氨基酸语义编码特征向量通过基于先验信息的语义特征动态交互模块以得到提香后茶叶样品状态多模态表征向量，包括：
5.根据权利要求4所述的用于茶叶提香过程的自动检测方法，其特征在于，分别计算所述提香后茶叶样品多谱图语义-氨基酸语义逐位置响应交互特征向量的第一先验因子和第二先验因子以得到第一提香后茶叶样品多谱图语义-氨基酸语义逐位置响应交互先验特征向量和第二提香后茶叶样品多谱图语义-氨基酸语义逐位置响应交互先验特征向量，包括：
6.根据权利要求5所述的用于茶叶提香过程的自动检测方法，其特征在于，将所述对照组的茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图通过所述氨基酸含量分析结果语义编码器、所述基于深度神经网络模型的多谱图语义编码融合器和所述基于先验信息的语义特征动态交互模块以得到对照组茶叶样品状态多模态表征向量，包括：将所述对照组的茶叶样品的氨基酸含量分析结果、吸光度谱图、液相色谱图和气相色谱图通过所述氨基酸含量分析结果语义编码器、所述基于空洞卷积神经网络模型的谱图语义特征提取器、所述基于类贝叶斯概率网络的谱图语义融合器和所述基于先验信息的语义特征动态交互模块以得到所述对照组茶叶样品状态多模态表征向量。
7.根据权利要求6所述的用于茶叶提香过程的自动检测方法，其特征在于，将所述提香后茶叶样品状态多模态表征向量和所述对照组茶叶样品状态多模态表征向量通过茶叶样品状态语义度量器以得到提香后-对照组茶叶样品状态语义度量向量，包括：
8.根据权利要求7所述的用于茶叶提香过程的自动检测方法，其特征在于，基于所述提香后-对照组茶叶样品状态语义度量向量，确定检茶叶提香质量的等级标签，包括：将所述提香后-对照组茶叶样品状态语义度量向量通过基于分类器的茶叶提香质量检测器以得到检测结果，所述检测结果用于表示茶叶提香质量的等级标签。
9.一种用于茶叶提香过程的自动检测系统，其特征在于，包括：
