CN107462294B - 一种容器液体倾倒量测量方法及系统 - Google Patents

Abstract

本发明公开一种容器液体倾倒量测量方法及系统，方法包括：获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；对多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；获取当前倾倒液体时容器的一组倾斜角度值输入数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量。本发明不会因为液体腐蚀而影响传感器，避免数据误差，减少传感器更换频率，节约成本。

Description

一种容器液体倾倒量测量方法及系统

技术领域

本发明涉及液体测量相关技术领域，特别是一种容器液体倾倒量测量方法及系统。

背景技术

现有的自动测量液体从容器中通过倾倒方式流出的液体流量有多种方式。譬如通过水位计，计算两次液体量差别获得当次倾倒量。或者通过流量感应器，计算液体流过的量来求得总倾倒量。以上方式都为接触式传感器，需要考虑液体的腐蚀等对传感器的损耗。

发明内容

基于此，有必要针对现有技术液体的腐蚀对传感器造成耗损的技术问题，提供一种容器液体倾倒量测量方法及系统。

本发明提供一种容器液体倾倒量测量方法，包括：

训练数据获取步骤，获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

建模步骤，对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

测量步骤，获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量。

进一步的：

所述建模步骤，具体包括：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

更进一步的，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值。

再进一步的，所述测量步骤，具体包括：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到关于所述记录特征向量Fs的液体流量作为容器液体倾倒量。

再进一步的，还包括：

使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。

本发明提供一种容器液体倾倒量测量系统，包括：

训练数据获取模块，用于：获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

建模模块，用于：对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

测量模块，用于：获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量。

进一步的：

所述建模模块，具体用于：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

更进一步的，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值。

再进一步的，所述测量模块，具体用于：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到关于所述记录特征向量Fs的液体流量作为容器液体倾倒量。

再进一步的，还包括：

优化模块，用于：使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。

本发明通过计算容器的倾斜角度与流量的映射关系，来测量液体的倾倒量，由于测量容器倾斜角度的传感器无需接触液体，因此不会因为液体腐蚀而影响传感器，避免数据误差，减少传感器更换频率，节约成本。

附图说明

图1为本发明一种容器液体倾倒量测量方法的工作流程图；

图2为本发明一种容器液体倾倒量测量方法最佳实施例测量步骤的工作流程图；

图3为本发明一种容器液体倾倒量测量系统的系统模块图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细的说明。

如图1所示为本发明一种容器液体倾倒量测量方法的工作流程图，包括：

步骤S101，获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

步骤S102，对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

步骤S103，获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量。

具体来说，倾倒液体时容器的倾斜角度值可以通过加速度传感器或角速度传感器或重力传感器进行测量得到，由于这些传感器都不需要接触液体，因此，可以避免液体对传感器的腐蚀。

步骤S101获取训练倾斜角度值和对应的训练液体流量，并在步骤S102中将其进行训练得到数据模型，从而找到倾斜角度与液体流量的映射关系。则在步骤S103中可以根据当前测量到的容器的一组倾斜角度值，计算得到对应的液体流量作为容器液体倾倒量。

其中，步骤S102的数据模型可以采用线性模型或者非线性模型进行训练。

本发明通过计算容器的倾斜角度与流量的映射关系，来测量液体的倾倒量，由于测量容器倾斜角度的传感器无需接触液体，因此不会因为液体腐蚀而影响传感器，避免数据误差，减少传感器更换频率，节约成本。

在其中一个实施例中：

所述步骤102，具体包括：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

具体来说，将结果特征向量代入数据模型中的F，将对应的训练液体流量代入数据模型中的Q，通过多组结果特征向量和训练液体流量，训练得到训练后的模型参数与

即：对第i组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量Ft_i，同时记录测量的真实容器倾倒量值Qt_i作为训练液体流量。重复当前步骤多次采集不同的Ft_i与Qt_i值，并记录所有采集数据，其中i∈[0,N],且N>2L。将多组Ft_i与Qt_i值分别代入数据模型中，其中，Ft_i值代入数据模型中的F，Qt_i值代入数据模型中的Q，通过多组结果特征向量和训练液体流量，训练得到训练后的模型参数与

本实施例通过线性模型对数据进行训练，由于每次倾倒液体的时间不一样，而读取倾斜角度值的频率为特定值，所有每次倾倒液体所得到的角度值数组长度不一致，因此，本实施例将这些数组转换成相同长度的特征向量，满足低内存要求。

在其中一个实施例中，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值。

其中，X可以根据读取倾斜角度值的频率计算得到，通过改变读取倾斜角度值的频率，可以改变量化间距X。

假设读取倾斜角度值的范围为[A_min＝0，A_max＝100]，使用的量化间距X＝12。

(1)对原始数据进行量化，通过计算出结果特征长度L，L等于(A_max-A_min)/X取整+1，L＝(100-0)/12取整数部分再加1，即L＝9。

(2)初始化结果特征向量Ft，Ft等于L个0组成的向量：[0,0,0…]，使用Ft[INDEX_k]表示Ft中第(INDEX_k+1)个数的值。

(3)对于每次倾倒液体获取到的一组角度值[a₁，a₂，a_k，……，a_n]中的每一个角度a_k，计算对应的下标INDEX_k＝(a_k-A_min)/X取整数部分，之后使F[INDEX_k]增加1。

在其中一个实施例中，所述步骤S103，具体包括：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到关于所述记录特征向量Fs的液体流量作为容器液体倾倒量。

如图2所示为本发明一种容器液体倾倒量测量方法最佳实施例测量步骤的工作流程图，包括：

步骤S201，首先系统获取当前倾角，确定是否开始进行数据记录；

步骤S202，若大于阈值threshold，则执行步骤S203，否则退出；

步骤S203，开始记录当前倾角值，同时初始化记录向量Fs；

步骤S204，每记录一个倾角a_m’，进行量化，求出INDEX_m’值

INDEX_m’＝(a_m’-A_min)/X的结果取整数部分；

步骤S205，增加Fs[INDEX_m’]计数，令：

Fs[INDEX_m’]＝Fs[INDEX_m’]+1；

步骤S206，若当前倾角a小于阈值，则停止记录，执行步骤S207，否则执行步骤S204；

步骤S207，利用数据模型计算液体流量作为容器液体倾倒量。

具体来说，将记录向量Fs代入数据模型中的F，使用训练后的模型参数与计算得到数据模型的Q值，即为液体流量。

即，将Fs代入中，由于参数和已经通过训练模型得到，因此，可以直接求得Q，即为容器液体倾倒量。

在其中一个实施例中，还包括：

使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。

量化间距X对模型的精准度影响较大，以油壶测量倒油量为例：

量化间距X	绝对误差
		16	1.2
32	0.5
		48	1.1

因此，本实施例使用网格搜索方法找到量化间距的最优参数，并据此进行调整。

如图3所示为本发明一种容器液体倾倒量测量系统的形体模块图，包括：

训练数据获取模块301，用于：获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

建模模块302，用于：对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

测量模块303，用于：获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量。

在其中一个实施例中：

所述建模模块，具体用于：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

在其中一个实施例中，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值。

在其中一个实施例中，所述测量模块，具体用于：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到关于所述记录特征向量Fs的液体流量作为容器液体倾倒量。

在其中一个实施例中，还包括：

优化模块，用于：使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

上列详细说明是针对本发明之一可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。

Claims (8)

1.一种容器液体倾倒量测量方法，其特征在于，包括：

训练数据获取步骤，获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

建模步骤，对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

测量步骤，获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量；

所述建模步骤，具体包括：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

2.根据权利要求1所述的容器液体倾倒量测量方法，其特征在于，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值；同时记录测量的真实容器倾倒量值Qt；令该组训练数据为Ft_i与Qt_i；重复当前步骤多次采集不同的Ft_i与Qt_i值，并记录所有采集数据，其中i∈[0,N],且N>2L。

3.根据权利要求2所述的容器液体倾倒量测量方法，其特征在于，所述测量步骤，具体包括：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到根据所述记录特征向量Fs求得的液体流量Q作为容器液体倾倒量。

4.根据权利要求1～3任一项所述的容器液体倾倒量测量方法，其特征在于，还包括：

使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。

5.一种容器液体倾倒量测量系统，其特征在于，包括：

训练数据获取模块，用于：获取多次倾倒液体时容器的多组倾斜角度值，每组倾斜角度值包括多个倾斜角度值，且每组倾斜角度值与当次倾倒液体时的液体流量对应，将每组倾斜角度值作为训练倾斜角度值，将与每组训练倾斜角度值对应的液体流量作为训练液体流量；

建模模块，用于：对所述多组训练倾斜角度值与对应的训练液体流量进行训练，得到关于倾斜角度值与液体流量对应关系的数据模型；

测量模块，用于：获取当前倾倒液体时容器的一组倾斜角度值输入所述数据模型，得到关于该组倾斜角度值的液体流量作为容器液体倾倒量；

所述建模模块，具体用于：

对每组训练倾斜角度值[a₁，a₂，a_k，……，a_n]，计算对应的结果特征向量，其中a_k为第k个倾斜角度值，n为该组训练倾斜角度值包括的倾斜角度值的数量：

确定数据模型为其中Q为因变量，向量F为自变量，F(i)为向量F中第i个数的值，γ_i与θ为模型参数，将每组训练倾斜角度值对应的结果特征向量作为所述数据模型的自变量，将每组训练倾斜角度值对应的训练液体流量作为所述数据模型的因变量对所述数据模型进行训练，得到训练后的模型参数与

6.根据权利要求5所述的容器液体倾倒量测量系统，其特征在于，每组训练倾斜角度值对应的结果特征向量Ft采用如下方式计算：

计算结果特征长度L为(A_max-A_min)/X的结果取整数部分后加1，其中A_min为倾斜角度值读取范围的最小值，A_max为倾斜角度值读取范围的最大值，X为量化间距；

初始化结果特征向量Ft为L个0组成的向量；

对每个a_k，计算a_k对应的结果特征向量下标INDEX_k为(a_k-A_min)/X的结果取整数部分，令Ft[INDEX_k]增加1，得到对应的结果特征向量Ft，Ft[INDEX_k]为Ft中第(INDEX_k+1)个数的值。

7.根据权利要求6所述的容器液体倾倒量测量系统，其特征在于，所述测量模块，具体用于：

获取当前倾倒液体时容器的倾斜角度值作为当前倾斜角度值，如果所述当前倾斜角度值大于预设阈值，则记录所述当前倾斜角度值，并执行如下操作：

初始化记录向量Fs为L个0组成的向量，并记录每个倾斜角度值；

每记录一个倾斜角度值a_m’，则计算对应的记录特征向量下标INDEX_m’为(a_m’-A_min)/X的结果取整数部分，令Fs[INDEX_m’]增加1，Fs[INDEX_m’]为Fs中第(INDEX_m’+1)个数的值，直到所获得的倾斜角度值小于或等于预设阈值，则使用所述记录特征向量Fs作为自变量代入所述数据模型，得到关于所述记录特征向量Fs的液体流量作为容器液体倾倒量。

8.根据权利要求5～7任一项所述的容器液体倾倒量测量系统，其特征在于，还包括：

优化模块，用于：使用网格搜索方法对所述数据模型进行优化，得到所述数据模型的最优量化间距，根据所述最优量化间距确定读取倾斜角度值的最优频率，调整读取倾斜角度值的频率为所述最优频率。