CN106666785A - 一种翻炒干果的装置及方法 - Google Patents
一种翻炒干果的装置及方法 Download PDFInfo
- Publication number
- CN106666785A CN106666785A CN201710024421.1A CN201710024421A CN106666785A CN 106666785 A CN106666785 A CN 106666785A CN 201710024421 A CN201710024421 A CN 201710024421A CN 106666785 A CN106666785 A CN 106666785A
- Authority
- CN
- China
- Prior art keywords
- image
- rotating cylinder
- stir
- motor
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
- A23N12/00—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts
- A23N12/08—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts for drying or roasting
- A23N12/10—Rotary roasters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/80—Food processing, e.g. use of renewable energies or variable speed drives in handling, conveying or stacking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/80—Food processing, e.g. use of renewable energies or variable speed drives in handling, conveying or stacking
- Y02P60/85—Food storage or conservation, e.g. cooling or drying
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Polymers & Plastics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Apparatuses For Bulk Treatment Of Fruits And Vegetables And Apparatuses For Preparing Feeds (AREA)
Abstract
本发明公开了一种翻炒干果的装置及方法,包括转筒、转轴、电机和软刷,其特征在于:所述转筒为内外两层的椭圆球体,内层是电磁加热层,外层是隔热层,所述转筒内上方设有自带闪光灯的微型摄像头,转筒下部设有一个自动闸门,所述软刷固定在由电机带动的转轴上且位于转筒内部,所述软刷上附着有无线电子鼻,所述微型摄像头、无线电子鼻和电机通过无线方式与计算机相连。本发明能自动、快速、便捷的对干果进行翻炒,并提高了炒货品质及生产率,达到环保、节能、省时、精确的目的。
Description
技术领域
本发明涉及食品加工技术领域,尤其涉及一种翻炒干果的装置及方法。
技术背景
随着人们生活水平的不断提高,休闲食品一直围绕着健康、营养、美味的定位诉求,炒货兼具这些优点,因此在食品加工行业里占据巨大的市场。而在农产品干果翻炒技术的调查中,发现市场上有许多炒货机,但却未能实现操作的全自动化,因而生产效率较低,耗费人力物力,并且未能实现精确操控,致使炒货品质未能达到最优。劣质炒货的上市一方面对食用者的健康造成极大危害,且会影响食品加工生产的信誉;另一方面对生产商造成了巨大的经济损失,并对未来的炒货市场而言也会造成不良影响,因此急需提高炒货的生产率及优质率。
如何在保证炒货品质得到提升的同时又能实现干果翻炒的全自动化,提高生产率,是本领域急需解决的问题。
发明内容
本发明的目的在于提供一种在保证炒货品质的同时,又能实现干果自动翻炒的装置和方法。
本发明所采用的技术方案是:一种翻炒干果的装置,包括转筒、转轴、电机和软刷,其特征在于:所述转筒为内外两层的椭圆球体,内层是电磁加热层,外层是隔热层,所述转筒内上方设有自带闪光灯的微型摄像头,转筒下部设有一个自动闸门,所述软刷固定在由电机带动的转轴上且位于转筒内部,所述软刷上附着有无线电子鼻,所述微型摄像头、无线电子鼻和电机通过无线方式与计算机相连,所述计算机包括参数设置模块、图像获取模块、图像处理模块、图像识别模块、数据采集模块、数据存储模块、数据分析模块。
所述摄像头嵌在转筒内层上,且与内层之间用隔热材料隔开。
所述电机为双向电机。
所述参数设置模块用于设定电机转速、无线电子鼻敏感浓度及加热温度;所述图像获取模块用于获取摄像头所采集的干果图像;所述图像处理模块用于处理摄像头所获取的图像;所述图像识别模块用于识别图像中干果的种类;所述数据采集模块用于采集无线电子鼻传输给计算机的数据;所述数据存储模块用于将电子鼻采集到的数据按一定格式和命名保存到计算机数据库中;所述数据分析模块用于对采集到的数据做复杂的数据分析。
本发明采用的翻炒干果的方法,它包括以下步骤:
(1)打开转筒上的入口,将待炒干果放入转筒中,并打开微型摄像头上的闪光灯,利用摄像头获取干果图像并通过无线方式传输给计算机;
(2)利用计算机对步骤(1)中所获取的图像进行处理与识别,确定干果种类;
(3)采用SVM方法训练的分类模型,通过SVM方法获得翻炒该类干果所需的电机转动速度、无线电子鼻敏感气体浓度及转筒内所需加热达到的温度;
(4)在翻炒过程中,通过无线电子鼻来识别转筒中的气体浓度,并将检测到的信息通过无线方式传输给计算机,再对该信息进行预处理、特征提取及模式识别,通过计算机发出响应指令来控制电机停止运转,翻炒完成;
(5)打开转筒下方的闸门,将翻炒完成的干果倒出。
所述步骤(2)的具体过程是:首先利用中值滤波法对图像进行滤波,再将获取的彩色图像转化为灰度图像,使RGB图像转化为HSV图像并获得三个单通道图像,再对预处理后的图像进行二值化,从而得到二值图像。采用色度直方图分割法提取图像中有意义的部分,再进行区域内对象的分割和识别,首先利用分块图像来提取目标区域的各组成部分,同时根据区域连通性准则将包含目标信息的子图像块划分到各自所属的区域中;然后选取连通面积最大的一个连通域,并以它的外接矩形作为最终的目标区域;进而将划分区域后的对象的纹理特征和色度直方图抽取出来在模板匹配时使用,再将划定的区域使用某种轮廓描述算子描述其轮廓;最后使用图像数据库中的可变模板和已保存的对象纹理、色度等信息来对对象的轮廓进行识别,从而得到干果的种类。
所述步骤(4)中所述的无线电子鼻有三个部分:气敏传感器阵列模块、信号调理模块、STM32核心处理器,无线电子鼻采用动态采样法采集信息,并将气体种类及浓度信息通过气敏传感器阵列转化成为弱电信号,然后经过信号调理模块将气敏传感器电阻的变化转换成电压信号,由于过程中会产生噪声干扰,因此还需并联电容进行低通滤波;再通过STM32核心处理器中的高精度AD转换器将气敏传感器输出的电压信号转换为数字信号。最后将检测结果通过Zigbee无线通信模块传输至计算机;采用FFT低通滤波对这些数字信号进行滤波处理,并对该数据进行预处理、特征提取及模式识别,再通过计算机发出指令来控制电机停止运转。
采用以上结构和方法与现有技术相比,本发明具有以下优点:采用这种装置能实现自动、快速、便捷的对干果进行翻炒,并提高炒货品质及生产率,达到环保、节能、省时、精确的目的。
附图说明
图1是本发明的结构示意图;
图2是本发明的流程图;
图中,1是微型摄像头,2是机箱,3是转轴,4是转筒,5是无线电子鼻,6是计算机,7是电机,8是软刷。
具体实施方式
下面结合附图对本发明进行详细说明,但是本发明不仅限于以下具体实施方式。
从图1可知,本发明为一种翻炒干果的装置,包括转筒、转轴、电机和软刷,其特征在于:所述转筒为内外两层的椭圆球体,内层是电磁加热层,外层是隔热层,所述转筒内上方设有自带闪光灯的微型摄像头,所述摄像头嵌在转筒内层上,且与内层之间用隔热材料隔开。转筒下部设有一个自动闸门,所述软刷固定在由电机带动的转轴上且位于转筒内部,所述软刷上附着有无线电子鼻,所述微型摄像头、无线电子鼻和电机通过无线方式与计算机相连,所述计算机包括参数设置模块、图像获取模块、图像处理模块、图像识别模块、数据采集模块、数据存储模块、数据分析模块。
本发明采用的电机为双向电机。
所述参数设置模块用于设定电机转速、无线电子鼻敏感浓度及加热温度;所述图像获取模块用于获取摄像头所采集的干果图像;所述图像处理模块用于处理摄像头所获取的图像;所述图像识别模块用于识别图像中干果的种类;所述数据采集模块用于采集无线电子鼻传输给计算机的数据;所述数据存储模块用于将电子鼻采集到的数据按一定格式和命名保存到计算机数据库中;所述数据分析模块用于对采集到的数据做复杂的数据分析。
从图2可知,以翻炒瓜子为例,本发明过程如下:首先将待炒瓜子放上传输带,并打开转筒的上闸门,摄像头获取瓜子图像,通过无线装置发送至计算机。然后通过计算机进行图像处理,首先利用中值滤波法对图像进行滤波,再将获取的彩色图像转化为灰度图像,使RGB图像转化为HSV图像并获得三个单通道图像,再对预处理后的图像进行二值化,从而得到二值图像。采用色度直方图分割法提取图像中有意义的部分,再进行区域内对象的分割和识别,利用分块图像来提取目标区域的各组成部分,同时根据区域连通性准则将包含目标信息的子图像块划分到各自所属的区域中;然后选取连通面积最大的一个连通域,并以它的外接矩形作为最终的目标区域;进而将划分区域后的对象的纹理特征和色度直方图抽取出来在模板匹配时使用,再将划定的区域使用小波轮廓描述符描述其轮廓,最后使用图像数据库中的可变模板和已保存的对象纹理、色度等信息来对对象的轮廓进行识别,从而得出该干果为瓜子。再将瓜子种类输入训练好的SVM模型中得到翻炒瓜子所需的相关参数来控制电机转速、转筒加热温度以及无线电子鼻敏感浓度。
利用无线电子鼻采用动态采集法收集转筒内的浓度信息,并将气体种类及浓度信息通过气敏传感器阵列转化成为弱电信号,然后经过信号调理模块将气敏传感器电阻的变化转换成电压信号,由于过程中会产生噪声干扰,因此还需并联电容进行低通滤波。再通过STM32核心处理器中的高精度AD转换器将气敏传感器输出的电压信号转换为数字信号,最后将检测结果通过Zigbee无线通信模块传输至计算机。
然后采用FFT低通滤波对这些数字信号进行滤波处理,为了便于对数据进行比较和统计分析,我们采用相对比例法对数据进行标准化处理。再根据最大值、积分值、平均微分值以及选取采样时间任一时间点的数据作为数据特征,并对数据进行特征提取。由于采样数据过多,极容易产生维数灾难,所以必须通过主成分分析法进行数据降维处理。最后利用基于高斯核函数的支持向量机进行模式识别,得出气味浓度值;若测出的气味浓度值为之前设定的敏感浓度值,则通过计算机发出指令控制电机停止运行,翻炒完成。
最后打开转筒下方的自动闸门,倒出翻炒完成的干果。
本发明所述的实施例仅仅是对本发明的优选实施方式进行的描述,并非对本发明构思和范围进行限定,在不脱离本发设计思想的前提下,本领域中工程技术人员对本发明的技术方案作出的各种变形与改进,均应落入本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (6)
1.一种翻炒干果的装置,包括转筒、转轴、电机和软刷,其特征在于:所述转筒为内外两层的椭圆球体,内层是电磁加热层,外层是隔热层,所述转筒内上方设有自带闪光灯的微型摄像头,转筒下部设有一个自动闸门,所述软刷固定在由电机带动的转轴上且位于转筒内部,所述软刷上附着有无线电子鼻,所述微型摄像头、无线电子鼻和电机通过无线方式与计算机相连,所述计算机包括参数设置模块、图像获取模块、图像处理模块、图像识别模块、数据采集模块、数据存储模块、数据分析模块。
2.根据专利要求1所述的装置,其特征在于:所述摄像头嵌在转筒内层上,且与内层之间用隔热材料隔开。
3.根据专利要求1所述干果翻炒装置,其特征在于:所述电机为双向电机。
4.一种翻炒干果的方法,其特征在于包括以下步骤:
(1)打开转筒上的入口,将待炒干果放入转筒中,并打开微型摄像头上的闪光灯,利用摄像头获取干果图像并通过无线方式传输给计算机;
(2)利用计算机对步骤(1)中所获取的图像进行处理与识别,确定干果种类;
(3)采用SVM方法训练的分类模型,通过SVM方法获得翻炒该类干果所需的电机转动速度、无线电子鼻敏感气体浓度及转筒内所需加热达到的温度;
(4)在翻炒过程中,通过无线电子鼻来识别转筒中的气体浓度,并将检测到的信息通过无线方式传输给计算机,再对该信息进行预处理、特征提取及模式识别,通过计算机发出响应指令来控制电机停止运转,翻炒完成;
(5)打开转筒下方的闸门,将翻炒完成的干果倒出。
5.根据专利要求4所述的方法,其特征在于:所述步骤(2)的具体过程是:首先利用中值滤波法对图像进行滤波,再将获取的彩色图像转化为灰度图像,使RGB图像转化为HSV图像并获得三个单通道图像,再对预处理后的图像进行二值化,从而得到二值图像;采用色度直方图分割法提取图像中有意义的部分,再进行区域内对象的分割和识别,首先利用分块图像来提取目标区域的各组成部分,同时根据区域连通性准则将包含目标信息的子图像块划分到各自所属的区域中;然后选取连通面积最大的一个连通域,并以它的外接矩形作为最终的目标区域;进而将划分区域后的对象的纹理特征和色度直方图抽取出来在模板匹配时使用,再将划定的区域使用某种轮廓描述算子描述其轮廓;最后使用图像数据库中的可变模板和已保存的对象纹理、色度等信息来对对象的轮廓进行识别,从而得到干果的种类。
6.根据专利要求4所述的方法,其特征在于:所述步骤(4)中所述的无线电子鼻有三个部分:气敏传感器阵列模块、信号调理模块、STM32核心处理器,无线电子鼻采用动态采样法采集信息,并将气体种类及浓度信息通过气敏传感器阵列转化成为弱电信号,然后经过信号调理模块将气敏传感器电阻的变化转换成电压信号,由于过程中会产生噪声干扰,因此还需并联电容进行低通滤波;再通过STM32核心处理器中的高精度AD转换器将气敏传感器输出的电压信号转换为数字信号;最后将检测结果通过Zigbee无线通信模块传输至计算机;采用FFT低通滤波对这些数字信号进行滤波处理,并对该数据进行预处理、特征提取及模式识别,再通过计算机发出指令来控制电机停止运转。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710024421.1A CN106666785A (zh) | 2017-01-13 | 2017-01-13 | 一种翻炒干果的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710024421.1A CN106666785A (zh) | 2017-01-13 | 2017-01-13 | 一种翻炒干果的装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106666785A true CN106666785A (zh) | 2017-05-17 |
Family
ID=58858849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710024421.1A Withdrawn CN106666785A (zh) | 2017-01-13 | 2017-01-13 | 一种翻炒干果的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106666785A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109222063A (zh) * | 2018-11-05 | 2019-01-18 | 西藏农牧学院 | 黑木耳营养粉制备装置 |
CN111583193A (zh) * | 2020-04-21 | 2020-08-25 | 广州番禺职业技术学院 | 基于几何轮廓模板匹配的开心果骨架提取装置及其算法 |
CN112772953A (zh) * | 2021-02-17 | 2021-05-11 | 湖北东方红粮食机械股份有限公司 | 智能型卧式自动炒籽机及炒制方法 |
-
2017
- 2017-01-13 CN CN201710024421.1A patent/CN106666785A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109222063A (zh) * | 2018-11-05 | 2019-01-18 | 西藏农牧学院 | 黑木耳营养粉制备装置 |
CN109222063B (zh) * | 2018-11-05 | 2021-09-28 | 西藏农牧学院 | 黑木耳营养粉制备装置 |
CN111583193A (zh) * | 2020-04-21 | 2020-08-25 | 广州番禺职业技术学院 | 基于几何轮廓模板匹配的开心果骨架提取装置及其算法 |
CN111583193B (zh) * | 2020-04-21 | 2021-04-23 | 广州番禺职业技术学院 | 基于几何轮廓模板匹配的开心果骨架提取装置及其算法 |
CN112772953A (zh) * | 2021-02-17 | 2021-05-11 | 湖北东方红粮食机械股份有限公司 | 智能型卧式自动炒籽机及炒制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860533B (zh) | 图像的识别方法及装置、存储介质和电子装置 | |
CN107016405B (zh) | 一种基于分级预测卷积神经网络的害虫图像分类方法 | |
CN106666785A (zh) | 一种翻炒干果的装置及方法 | |
CN106384126B (zh) | 基于轮廓曲率特征点和支持向量机的服装款式识别方法 | |
CN107895367A (zh) | 一种骨龄识别方法、系统及电子设备 | |
CN104537373B (zh) | 舌下络脉诊断用多光谱舌下图像特征提取方法 | |
Wang et al. | Segmentation of crop disease images with an improved K-means clustering algorithm | |
CN107527326A (zh) | 一种基于高光谱成像的小麦赤霉病诊断方法 | |
CN107256398B (zh) | 基于特征融合的奶牛个体识别方法 | |
CN105389581B (zh) | 一种胚芽米胚芽完整度智能识别系统及其识别方法 | |
CN107292346B (zh) | 一种基于局部子空间学习的mr图像海马体分割算法 | |
CN108311411A (zh) | 一种冬虫夏草智能化分拣系统及其使用方法 | |
CN106778047A (zh) | 一种基于多维度医学图像的中医面诊综合系统 | |
CN109975292A (zh) | 一种基于机器视觉的大西洋鲑鱼和虹鳟鱼快速鉴别方法 | |
WO2021147866A1 (zh) | Ecg信号的获取方法及装置、存储介质、电子装置 | |
CN110866547B (zh) | 基于多特征和随机森林的中药饮片自动分类系统及方法 | |
CN103528967A (zh) | 基于高光谱图像的过熟蓝靛果果实识别方法 | |
CN110991463B (zh) | 一种超像素图引导下的多尺度引导滤波特征提取方法 | |
CN116524224A (zh) | 一种基于机器视觉的烤后烟叶类型检测方法及系统 | |
CN105118028A (zh) | 一种全自动嫁接机的嫁接苗接缝识别装置及接缝识别方法 | |
CN110197120B (zh) | 用于无人值守传感器系统的人员目标识别方法 | |
CN104463182A (zh) | 基于关键点检测的nbi胃镜图像处理方法 | |
Huang et al. | Mango surface defect detection based on HALCON | |
He et al. | Method for grade identification of tobacco based on machine vision | |
CN116229182A (zh) | 一种基于特征融合的小粒种咖啡缺陷生豆检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170517 |