(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210999990.9 (22)申请日 2022.08.19 (71)申请人 广州咖评信息科技有限公司 地址 510000 广东省广州市天河区天河路 490号3008室 （仅限办公） (72)发明人 谭鸾彪　 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种咖啡风味产区的推荐实现方法 (57)摘要 本发明公开了一种咖啡风味产区的推荐实 现方法， 包括步骤如下： S1、 获取目标咖啡样本在 研磨后得到的风味口感组成的数据集， 且数据集 中每一个咖啡样本包括产区、 庄园、 海拔、 处理方 式、 烘焙度值、 品种以及风味口感度七个指标； S2、 利用所述数据集对机器学习模型进行训练， 其中机器学习模型以经过标准化后的产区、 庄 园、 海拔、 处理方式、 烘焙度值、 品种六个指标作 为输入， 以风味口感度作为输出， 通过监督学习 得到咖啡风味预测模型。 本发明设计合理， 构思 巧妙， 通过设计咖啡风味预测模 型进行计算精品 咖啡的风味口感度值进行推荐产品排序及展现， 以方便从业 者及消费者选择产品。 权利要求书1页 说明书3页 附图1页 CN 115293285 A 2022.11.04 CN 115293285 A 1.一种咖啡风味产区的推荐实现方法， 其特 征在于， 包括 步骤如下： S1、 获取目标咖啡样本在研磨后得到的风味口感组成的数据集， 且数据集中每一个咖 啡样本包括产区、 庄园、 海拔、 处 理方式、 烘焙度值、 品种以及风味口感度七个指标； S2、 利用所述数据集对机器学习模型进行训练， 其中机器学习模型以经过标准化后的 产区、 庄园、 海拔、 处理方式、 烘焙度值、 品种六个指标作为输入， 以风味口感度作为输出， 通 过监督学习得到咖啡风味预测模型； S3、 针对需要判断咖啡风味的目标咖啡， 首先获取产 区、 庄园、 海拔、 处理方式、 烘焙度 值、 品种六个指标， 将其标准化后输入 所述咖啡风味预测模型中， 得到咖啡风味口感度的预 测结果， 并根据咖啡风味口感度进行推荐。 2.根据权利要求1所述的一种咖 啡风味产区的推荐实现方法， 其特征在于， 烘焙度值的 标定方式为： 以Agtron值是用于界定咖啡烘焙程度标准， 具体为： 把咖啡研磨成咖啡粉平整放置在 测色盘中， 用Agtron测色仪放置在测色盘上进行测量并得到数值， Agtr on值越大， 表示咖啡 粉的颜色越浅， 烘焙程度越浅； Agt ron值越小， 表示咖啡粉的颜色越深， 烘焙程度越深。 3.根据权利 要求2所述的一种咖啡风味产区的推荐实现方法， 其特征在于， 根据Agtron 值范围平均划分出8个所对应的色卡， 对应相应的烘焙程度， 具体包括浅度 烘焙、 肉桂烘焙、 中度烘焙、 深度烘焙、 城市烘焙、 全 城市烘焙、 法式烘焙和意式烘焙 。 4.根据权利要求1所述的一种咖 啡风味产区的推荐实现方法， 其特征在于， 咖啡风味口 感度具体根据咖啡的香气、 干净度、 甜度、 酸质 、 口感、 风 味、 余韵、 平衡度等进行综合定值， 数值越高， 风味越好。 5.根据权利要求1所述的一种咖啡风味产区的推荐实现方法， 其特征在于， 所述S1中， 将所述数据集分为训练集和验证集， 利用训练集同时训练多种机器学习模型， 并利用验证 集评估不同机器学习模型的表现精度， 选择表现最佳的机器学习模型构建咖啡风味预测模 型。 6.根据权利要求1所述的一种咖啡风味产区的推荐实现方法， 其特征在于， 所述S2中， 所选择的机器学习模型为逻辑回归、 线性判别分析、 K近邻、 朴素贝叶斯、 支持向量机、 随机 森林、 神经网络中的至少一种。 7.根据权利要求1所述的一种咖 啡风味产区的推荐实现方法， 其特征在于， 所选择的机 器学习模型为随机森林模型。 8.根据权利要求1所述的一种咖 啡风味产区的推荐实现方法， 其特征在于， 所述随机森 林模型需进行超参数优化， 所优化的超参数为： 不纯度的衡量指标、 模型构建树的个数n_ estimators、 树的最大深度max_dept h、 最小子节点 min_samples_leaf和最小训练样本min_ sample_spl it。权　利　要　求　书 1/1 页 2 CN 115293285 A 2一种咖啡风味产区的推荐实现方 法 技术领域 [0001]本发明涉及精品咖啡技 术领域， 尤其涉及一种咖啡风味产区的推荐实现方法。 背景技术 [0002]精品咖啡是一个全新的风味体验领域， 不 同咖啡的口味相差较大， 但实则它的风 味基础维度由产区， 烘焙度， 处理方法以及咖啡品种四个基础因子所构成， 其中产区和烘焙 度的因子所占的权 重高于处 理方法以及咖啡品种的因子 权重 [0003]但如何通过计算对精品咖啡进行推荐产品排序及展现， 以方便从业者及消费者选 择产品， 是亟需解决的问题。 发明内容 [0004]本发明提供了一种咖啡风味产区的推荐实现方法， 以解决上述背景技术中提出的 问题。 [0005]为了实现上述目的， 本发明采用了如下技 术方案： [0006]一种咖啡风味产区的推荐实现方法， 包括 步骤如下： [0007]S1、 获取目标咖啡样本在研磨后得到的风味口感组成的数据集， 且数据集中每一 个咖啡样本包括产区、 庄园、 海拔、 处 理方式、 烘焙度值、 品种以及风味口感度七个指标； [0008]S2、 利用所述数据集对机器学习模型进行训练， 其中机器学习模型以经过标准化 后的产区、 庄园、 海拔、 处理方式、 烘焙度值、 品种六个指标作为输入， 以风味口感度作为输 出， 通过监 督学习得到咖啡风味预测模型； [0009]S3、 针对需要判断咖啡风味的目标咖啡， 首先获取产区、 庄园、 海拔、 处理方式、 烘 焙度值、 品种六个指标， 将其标准化后输入所述咖啡风味预测模型中， 得到咖啡风味口感度 的预测结果， 并根据咖啡风味口感度进行推荐。 [0010]作为本技 术方案的进一 步改进方案： 烘焙度值的标定方式为： [0011]以Agtron值是用于界定咖啡烘焙程度标准， 具体为： 把咖啡研磨成咖啡粉平整放 置在测色盘中， 用Agtr on测色仪放置在测色盘上进行测量并得到数值， Agtr on值越大， 表示 咖啡粉的颜色越浅， 烘焙程度越浅； Agt ron值越小， 表示咖啡粉的颜色越深， 烘焙程度越深。 [0012]作为本技术方案的进一步改进方案： 根据Agtron值范围平均划分出8个所对应的 色卡， 对应相应的烘焙程度， 具体包括浅度烘焙、 肉桂烘焙、 中度 烘焙、 深度 烘焙、 城市烘焙、 全城市烘焙、 法式烘焙和意式烘焙 。 [0013]作为本技术方案 的进一步改进方案： 咖啡风味口感度具体根据咖啡的香气、 干净 度、 甜度、 酸质、 口感、 风味、 余韵、 平衡度等进行综合定值， 数值越高， 风味越好。 [0014]作为本技术方案的进一步改进方案： 所述S1中， 将所述数据集分为训练集和验证 集， 利用训练集同时训练多种机器学习模型， 并利用验证集评估不同机器学习模型 的表现 精度， 选择表现最佳的机器学习模型构建咖啡风味预测模型。 [0015]作为本技术方案的进一步改进方案： 所述S2中， 所选择的机器学习模型为逻辑回说　明　书 1/3 页 3 CN 115293285 A 3