本申请涉及智能微藻培养的领域，其具体地公开了一种智能微藻培养系统及其工作方法，其以微藻的光合作用产氧量、空气复氧量、内部微生物的呼吸耗氧量与沉积物的耗氧量、藻液循环系统参数等作为输入参数，以培养基添加量作为标签值，通过深度神经网络从所述输入参数的向量提取高维特征，再以分类器来确定特征向量在所述标签值下的概率值，以确定培养基添加量是否合理。并且在此过程中，还基于所述标签值与所述输入参数之间的关联来构造损失函数，以使得深度神经网络的参数更新能够考虑所述标签值的类别概率信息，以及概率标签值与输入数据间的关联信息。这样，可以更准确地对培养基添加量是否合理进行准确地判断，进而使得微藻的生长更佳。