CN111209787A - 一种视觉辅助的摘酒系统及方法 - Google Patents

一种视觉辅助的摘酒系统及方法 Download PDF

Info

Publication number
CN111209787A
CN111209787A CN201910919718.3A CN201910919718A CN111209787A CN 111209787 A CN111209787 A CN 111209787A CN 201910919718 A CN201910919718 A CN 201910919718A CN 111209787 A CN111209787 A CN 111209787A
Authority
CN
China
Prior art keywords
wine
picking
bowl
raw
hop
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.)
Pending
Application number
CN201910919718.3A
Other languages
English (en)
Inventor
周曼
刘志勇
赵浴阳
施方展
王得磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Supcon Technology Co Ltd
Original Assignee
Zhejiang Supcon Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Supcon Technology Co Ltd filed Critical Zhejiang Supcon Technology Co Ltd
Priority to CN201910919718.3A priority Critical patent/CN111209787A/zh
Publication of CN111209787A publication Critical patent/CN111209787A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12H—PASTEURISATION, STERILISATION, PRESERVATION, PURIFICATION, CLARIFICATION OR AGEING OF ALCOHOLIC BEVERAGES; METHODS FOR ALTERING THE ALCOHOL CONTENT OF FERMENTED SOLUTIONS OR ALCOHOLIC BEVERAGES
    • C12H6/00—Methods for increasing the alcohol content of fermented solutions or alcoholic beverages
    • C12H6/02—Methods for increasing the alcohol content of fermented solutions or alcoholic beverages by distillation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Biochemistry (AREA)

Abstract

本发明为一种视觉辅助的摘酒系统及方法，包括甑、管道、冷凝器和摘酒碗，甑和冷凝器输入端通过管道相连，摘酒碗位于冷凝器输出端下方，还包括拍摄摘酒碗中酒花图像的摄像机，原酒收集器，将摘酒碗内原酒输送至原酒收集器的原酒输送装置，对摄像机拍摄的酒花图像进行分析并根据分析结果控制原酒输送装置的上位机。方法，包括：拍摄摘酒碗酒花图像；识别酒花形态和生产异常故障；判断是否发生生产异常故障；判断是否符合逻辑规则。本发明的优点是：采用图像识别技术识别酒花形态及生产异常故障，无需人工参与且没有化学成分检测过程，识别速度快、效率高；上位机根据识别结果将不同原酒输送到不同收集容器中，实现了智能化生产。

Description

一种视觉辅助的摘酒系统及方法
技术领域
本发明涉及酿酒技术领域，尤其涉及一种视觉辅助的摘酒系统及方法。
背景技术
摘酒是白酒生产过程中重要的环节。摘酒是指将发酵后的酒糟进行蒸馏酒精冷凝后的基酒收集过程。现在浓香型白酒的生产基本采用量质摘酒，整个摘酒过程可分为头酒、二段酒、三段酒、酒尾以及尾水几个部分。传统的摘酒方法是“看花摘酒”。“花”指酒花，蒸馏液流入容器中，因酒精度度数、温度不同导致不同阶段原酒表面张力不同激起不同形态的气泡。随着摘酒过程的进行，酒精度数逐步降低，酒花由“豌豆花”、“豆子花”逐渐变成“碎米花”直至消失。这种方法需要有工作人员一直观察摘酒碗内酒花形态，工作量大。
现有的摘酒方法还有通过测量原酒中酒精、乙酸乙酯、甲醇等化学成分的浓度进行摘酒，如公开号为CN106350421A的发明专利，专利名称为一种实时在线分级及精确摘酒系统，该系统包括粮甑、馏酒管路、冷凝器、在线酒类品质感官分级快速分析仪、电磁控制阀和基酒存储设备，利用在线酒类品质感官分级快速分析仪对原酒中成分进行分析，根据分析结果对原酒进行分析。其不足之处在于，需要对原酒进行成分分析，这个过程要花费一定的时间，无法及时获得分析结果，造成原酒分级不准确。
发明内容
本发明主要解决了上述问题，提供了一种利用图像识别技术识别摘酒碗中酒花形态，识别速度快、无需占用人力资源的一种视觉辅助的摘酒系统及方法。
本发明解决其技术问题所采用的技术方案是,一种视觉辅助的摘酒系统，包括甑、管道、冷凝器和摘酒碗，甑和冷凝器输入端通过管道相连，摘酒碗位于冷凝器输出端下方，还包括拍摄摘酒碗中酒花图像的摄像机，原酒收集器，将摘酒碗内原酒输送至原酒收集器的原酒输送装置，对摄像机拍摄的酒花图像进行分析并根据分析结果控制原酒输送装置的上位机。
摄像机拍摄摘酒碗中酒花图像，上位机对酒花图像进行图像识别确定原酒分级，再控制原酒输送装置将原酒输送到原酒收集器对应的区域处，全程无需人工参与，无需占用人力资源，采用图像识别进行分级，识别速度快。
作为上述方案的一种优选方案，还包括补光灯，所述补光灯设置在摘酒碗上方。补光灯提供稳定光源，能够提高摄像机拍摄的图像质量，进而提高图像识别的准确率。
作为上述方案的一种优选方案，所述原酒收集器包括主体和用于存储不同原酒的收集容器，所述主体顶面倾斜设置，主体顶面上设有若干凹槽，收集容器置于凹槽中，相邻凹槽之间设有排酒槽，排酒槽延伸方向与主体顶面倾斜方向相同。排酒槽用于排去未进入收集容器中的原酒。
作为上述方案的一种优选方案，所述原酒输送装置包括第一输送管、第二输送管和中转机构，所述第一输送管连接摘酒碗和中转机构输入端，第二输送管第一端连接中转机构输出端，第二输送管第二端位于原酒收集器上方。中转机构用于调整第二输送管第二端的位置，使不同的原酒能够进入到不同的收集容器中。
作为上述方案的一种优选方案，所述中转机构包括外壳、设置在外壳内用于连接第一输送管和第二输送管的软管和与控制外壳旋转的电机，所述电机还与上位机相连，第二输送管与软管连接端固定在外壳上，第一输送管与软管的连接端与外壳之间活动连接。电机由上位机控制，电机带动外壳旋转，外壳旋转使第二输送管第二端移动到不同的收集容器上方。
对应的，本发明提出一种视觉辅助的摘酒方法，采用上述系统，包括以下步骤：
S1：所述摄像机拍摄摘酒碗酒花图像；
S2：所述上位机利用图像识别技术识别酒花形态和生产异常故障；
S3：根据识别结果判断是否发生生产异常故障，若是，则上位机发出报警信息，若否，则该识别结果进行逻辑规则判断；
S4：若判断符合逻辑规则，则输出识别结果并控制原酒输送装置将原酒输送到对应的收集容器中；若判断不符合逻辑规则，则保持原状态。利用图像识别技术对原酒进行分级及检测是否出现生产异常故障，实现智能化生产，无需人工参与。
作为上述方案的一种优选方案，所述逻辑规则判断包括以下步骤：
S31：判断上一次识别结果和当前识别结果是否符合蒸馏出酒顺序，若是则进行下一个判断；否则不符合逻辑规则；
S32：判断上一次识别结果的持续时间是否大于t1，若大于t1则进行下一个判断；否则不符合逻辑规则；
S33：判断当前识别结果的持续时间是否大于t2，若大于t2则符合逻辑规则；否则不符合逻辑规则。逻辑规则判断规避了图像识别错误及酒精与水比例失衡等概率事件对原酒分级结果的干扰。
作为上述方案的一种优选方案，所述图像识别技术采用基于卷积神经网络的深度学习模型实现，所述深度学习模型依次包括输入层、若干基本结构、若干全连接层和输出层，所述基本结构包括依次相连的卷积层和池化层。
作为上述方案的一种优选方案，所述卷积层为2D卷积层，输入层输入为单张图像。
作为上述方案的一种优选方案，所述卷积层为3D卷积层，输入层输入为若干张连续图像。
本发明的优点是：采用图像识别技术识别酒花形态及生产异常故障，无需人工参与且没有化学成分检测过程，识别速度快、效率高；上位机根据识别结果将不同原酒输送到不同收集容器中，实现了智能化生产。
附图说明
图1为实施例1中的视觉辅助的摘酒系统的一种结构示意图。
图2为实施例1中原酒收集器的一种正视结构示意图。
图3为实施例1中中转机构外壳的一种立体结构示意图。
图4为实施例1中视觉辅助的摘酒方法的一种流程示意图。
图5为实施例1中逻辑规则判断的一种流程示意图。
图6为实施例2中原酒收集器的一种俯视结构示意图。
图7为实施例2中中转机构外壳的一种剖视结构示意图
1-甑 2-管道 3-冷凝器 4-摘酒碗 5-摄像机 6-原酒收集器 8-上位机 9-补光灯10-第一输送管 11-第二输送管 12-中转机构 13-收集容器 14-主体 15-排酒槽 16-外壳17-开口槽 18-综合收集器 19-第一通孔 20-第二通孔。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。
实施例1：
本实施例一种视觉辅助的摘酒系统，如图1所示，包括甑1、管道2、冷凝器3、摘酒碗4、摄像机5、原酒收集器6、原酒输送装置、上位机8和补光灯9，甑和冷凝器输入端通过管道相连，摘酒碗位于冷凝器输出端下方，摘酒碗上方设置有摄像机，摄像机拍摄摘酒碗中酒花图像并将图像传输给上位机，在摄像机与摘酒碗之间设有补光灯，补光灯对摘酒碗液面进行补光，提高摄像机拍摄的图像质量，摘酒碗底端与原酒输送装置相连，原酒输送装置包括第一输送管10、第二输送管11和中转机构12，第一输送管连接摘酒碗和中转机构输入端，第二输送管第一端连接中转机构输出端，第二输送管第二端位于原酒收集器上方，原酒收集器中设有五个用于存储不同原酒的收集容器13，分别用于存储头酒、二段酒、三端酒、酒尾和尾水，原酒输送装置在上位机的控制下，将不同的原酒输送到不通的收集容器中。
如图2所示，原酒收集器包括主体14和用于存储不同原酒的收集容器13，主体顶面在横轴方向为中间低两边高的弧形面，主体顶面在纵轴方向为一个倾斜面，主体顶面上设有五个横向排列的凹槽，每个凹槽中均设有一个收集容器，相邻凹槽之间设有排酒槽15，排酒槽为梯形，排酒槽较长的底边位于倾斜顶面较高处，连接两个凹槽，排酒槽较长的底边高于两相邻收集容器中点连接线，排酒槽较短的底边与倾斜顶面较低的边重合，洒落在相邻收集容器之间的原酒通过排酒槽流出主体顶面，因主体顶面在纵轴方向上为倾斜面，所以洒落在主体顶面上的原酒不能进入到收集容器中。本实施例中，五个收集容器从左到右分别存储头酒、二段酒、三段酒、酒尾和尾水。
中转机构包括外壳、软管和电机，软管设置在外壳内，如图3所示，外壳16为圆柱形中空壳体，外壳轴向与水平线平行，外壳上侧面设有开口槽17，软管第一端通过开口槽与第一输送管第一端相连，第一输送管第二端与摘酒碗相连，外壳下侧面设有通孔，软管第二端通过通孔与第二输送管第一端相连，第二输送管第二端位于原酒收集器上方，第二输送管与软管连接端固定在外壳上，第一输送管与软管的连接端能够在沿着开口槽延伸方向滑动，电机的输出轴与外壳的底面相连，电机输出轴能带动外壳转动，外壳转动调整带动第二输送管第二端的位置，因第一输送管与软管的连接端能够在沿着开口槽延伸方向滑动，所以外壳的转动并不会影响原酒从摘酒碗流入到第一输送管内。
利用本实施例系统进行摘酒时，摄像机定时拍摄摘酒碗中酒花形态，上位机通过对拍摄图像进行图像识别技术对原酒进行分级或判断是否发生异常，然后，上位机根据分级结果和异常判断结果控制原酒输送机构将原酒输送到原酒收集器相应的区域中。
本实施例还提供一种视觉辅助的摘酒方法，适用于上述系统，如图4所示，包括以下步骤：
S1：摄像机每隔200ms拍摄一张摘酒碗酒花图像并将图像传输给上位机；
S2：上位机利用训练后的基于卷积神经网络的深度学习模型识别酒花形态和生产异常故障，本实施例中，深度学习模型依次包括一个输入层、两个基本结构、两个全连接层和输出层，基本结构包括相连的2D卷积层和池化层，深度学习模型在训练后才可以投入使用，训练集为包含各种酒花形态和生成异常故障的大量图像。酒花形态包括“豌豆花”、“豆子花”、“绿豆花”和“碎米花”，分别对应头酒、二段酒、三段酒和酒尾，当没有酒花时则是尾水，生产异常故障包括未流酒和无二三段酒；
S3：上位机根据识别结果判断是否发生生产异常故障，若是，则上位机发出报警信息，并控制原酒输送装置转动，使第二输送管第二端位于排酒槽上方，避免异常原酒流入收集容器中，若否，则对该识别结果进行逻辑规则判断，上位机通过检测图像中是否有原酒落下判断是否发生未流酒异常，上位机通过在头酒之后是否出现二段酒及在二段酒之后是否出现三段酒判断是否发生无二三段酒异常，逻辑规则判断，如图5所示，包括以下步骤：
S41：判断上一次识别结果和当前识别结果是否符合蒸馏出酒顺序，若符合顺序则进行下一个判断；否则不符合逻辑规则；
S42：判断上一次识别结果的持续时间是否大于t1,，若大于t1则进行下一个判断；否则不符合逻辑规则；此处t1的值为预设值，根据以往摘酒过程中各个阶段出酒的持续时间得到；
S43：判断当前识别结果的持续时间是否大于t2，若大于t2则符合逻辑规则；否则不符合逻辑规则，此处t2为预设值，在蒸馏过程中水和酒精的比例并不是保持不变的，可能存在流出冷凝器的原酒中水或酒精的比例的突然增多又马上复原的情况，出现这种情况时，会对系统的识别造成干扰，影响摘酒，而t1和t2的设置能够避免此类问题发生，因设置了t2会使得原酒的分配存在一定的滞后，可能会在原酒分级变化时出现下段酒流入上段酒的情况，如在头酒和二段酒交替时，因t2的设置，在一开始并没有改变第二输出管第二端的位置，这会使得部分二段酒流入到头酒的收集容器中，为了避免此情况的发生，可以采用螺旋管作为第一输送管，延长原酒在第一输送管内的时间，延长的时间接越接近于t2越好；
S4：若判断符合逻辑规则，则输出识别结果并控制原酒输送装置将原酒输送到对应的收集容器中；若判断不符合逻辑规则，则保持原状态。
实施例2：
本实施例一种视觉辅助的摘酒系统，本实施例与实施例1的区别在于原酒收集器和中转机构的结构不同，如图6所示，原酒收集器包括主体14和用于存储不同原酒的收集容器13，主体为一个空心圆柱体，主体顶面为向内倾斜的圆环面，主体顶面上设有五个环状分别的凹槽，每个凹槽中均设有一个收集容器，相邻凹槽之间设有排酒槽15，排酒槽为扇环形，排酒槽较长的弧边位于主体顶面较高处，连接两个凹槽，排酒槽较长的弧边高于两相邻收集容器中点连接线，排酒槽较短的弧边与主体顶面较低的边重合，洒落在相邻收集容器之间的原酒通过排酒槽流出主体顶面，因主体顶面为向内倾斜的圆环面，所以洒落在主体顶面上的原酒会通过排酒槽流入到设于主体空心处的综合收集容器18中，综合收集容器存储异常原酒和洒落在主体顶面的难以区分的原酒。
中转机构的外壳，如图7所示，外壳轴向与水平线垂直，外壳上底面设有第一通孔19，软管第一端通过第一通孔与第一输送管第一端相连，第一输送管第二端与摘酒碗相连，外壳侧面设有第二通孔20，软管第二端通过第二通孔与第二输送管第一端相连，第二输送管第二端位于原酒收集器上方，第二输送管与软管连接端固定在外壳上，第一输送管与软管的连接端能够在第一通孔中旋转，电机的输出轴与外壳的下底面相连，电机输出轴能带动外壳转动，外壳转动调整带动第二输送管第二端的位置，因第一输送管与软管的连接端能够在沿着开口槽延伸方向滑动，所以外壳的转动并不会影响原酒从摘酒碗流入到第一输送管内。
实施例3：
本实施例一种视觉辅助的摘酒方法，本实施例与实施例1的区别在于，本实施例采用的深度学习模型依次包括一个输入层、两个基本结构、两个全连接层和输出层，基本结构包括相连的3D卷积层和池化层，另外，本实施例中摄像机每隔200ms连续采集10张图片。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种视觉辅助的摘酒系统，包括甑、管道、冷凝器和摘酒碗，甑和冷凝器输入端通过管道相连，摘酒碗位于冷凝器输出端下方，其特征是：还包括拍摄摘酒碗中酒花图像的摄像机，原酒收集器，将摘酒碗内原酒输送至原酒收集器的原酒输送装置，对摄像机拍摄的酒花图像进行分析并根据分析结果控制原酒输送装置的上位机。
2.根据权利要求1所述的一种视觉辅助的摘酒系统，其特征是：还包括补光灯，所述补光灯设置在摘酒碗上方。
3.根据权利要求1所述的一种视觉辅助的摘酒系统，其特征是：所述原酒收集器包括主体和用于存储不同原酒的收集容器，所述主体顶面倾斜设置，主体顶面上设有若干凹槽，收集容器置于凹槽中，相邻凹槽之间设有排酒槽，排酒槽延伸方向与主体顶面倾斜方向相同。
4.根据权利要求1或3所述的一种视觉辅助的摘酒系统，其特征是：所述原酒输送装置包括第一输送管、第二输送管和中转机构，所述第一输送管连接摘酒碗和中转机构输入端，第二输送管第一端连接中转机构输出端，第二输送管第二端位于原酒收集器上方。
5.根据权利要求4所述的一种视觉辅助的摘酒系统，其特征是：所述中转机构包括外壳、设置在外壳内用于连接第一输送管和第二输送管的软管和与控制外壳旋转的电机，所述电机还与上位机相连，第二输送管与软管连接端固定在外壳上，第一输送管与软管的连接端与外壳之间活动连接。
6.一种视觉辅助的摘酒方法，采用权利要求1-5任一项所述的系统，其特征是：包括以下步骤：
S1：所述摄像机拍摄摘酒碗酒花图像；
S2：所述上位机利用图像识别技术识别酒花形态和生产异常故障；
S3：根据识别结果判断是否发生生产异常故障，若是，则上位机发出报警信息，若否，则对该识别结果进行逻辑规则判断；
S4：若判断符合逻辑规则，则输出识别结果并控制原酒输送装置将原酒输送到对应的收集容器中；若判断不符合逻辑规则，则保持原状态。
7.根据权利要求6所述的一种视觉辅助的摘酒方法，其特征是：所述逻辑规则判断包括以下步骤：
S31：判断上一次识别结果和当前识别结果是否符合蒸馏出酒顺序，若符合顺序则进行下一个判断；否则不符合逻辑规则；
S32：判断上一次识别结果的持续时间是否大于t1，若大于t1则进行下一个判断；否则不符合逻辑规则；
S33：判断当前识别结果的持续时间是否大于t2，若大于t2则符合逻辑规则；否则不符合逻辑规则。
8.根据权利要求6所述的一种视觉辅助的摘酒方法，其特征是：所述图像识别技术采用基于卷积神经网络的深度学习模型实现，所述深度学习模型依次包括输入层、若干基本结构、若干全连接层和输出层，所述基本结构包括依次相连的卷积层和池化层。
9.根据权利要求8所述的一种视觉辅助的摘酒方法，其特征是：所述卷积层为2D卷积层，输入层输入为单张图像。
10.根据权利要求8所述的一种视觉辅助的摘酒方法，其特征是：所述卷积层为3D卷积层，输入层输入为若干张连续图像。
CN201910919718.3A 2019-09-26 2019-09-26 一种视觉辅助的摘酒系统及方法 Pending CN111209787A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910919718.3A CN111209787A (zh) 2019-09-26 2019-09-26 一种视觉辅助的摘酒系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910919718.3A CN111209787A (zh) 2019-09-26 2019-09-26 一种视觉辅助的摘酒系统及方法

Publications (1)

Publication Number Publication Date
CN111209787A true CN111209787A (zh) 2020-05-29

Family

ID=70784066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910919718.3A Pending CN111209787A (zh) 2019-09-26 2019-09-26 一种视觉辅助的摘酒系统及方法

Country Status (1)

Country Link
CN (1) CN111209787A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699968A (zh) * 2021-01-18 2021-04-23 河北工业大学 一种基于白酒酒花图像的摘酒设备
CN114276891A (zh) * 2022-01-11 2022-04-05 安徽金种子酒业股份有限公司 一种人工辅助分级接酒装置
CN114803982A (zh) * 2022-05-31 2022-07-29 上海铭奔科技有限公司 基于智能管控的自动接酒装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU681372A1 (ru) * 1977-09-12 1979-08-25 Краснодарский политехнический институт Способ определени мутности виноматериала
CN202744526U (zh) * 2012-07-17 2013-02-20 泸州品创科技有限公司 自动摘酒系统
CN106281930A (zh) * 2016-11-08 2017-01-04 泸州汉硕信息科技有限公司 一种基于单片机的自动摘酒方法
CN106497752A (zh) * 2016-11-08 2017-03-15 泸州汉硕信息科技有限公司 一种用于工业化生产的摘酒系统
CN106568908A (zh) * 2016-11-02 2017-04-19 湖南博雅智能装备股份有限公司 一种摘酒的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU681372A1 (ru) * 1977-09-12 1979-08-25 Краснодарский политехнический институт Способ определени мутности виноматериала
CN202744526U (zh) * 2012-07-17 2013-02-20 泸州品创科技有限公司 自动摘酒系统
CN106568908A (zh) * 2016-11-02 2017-04-19 湖南博雅智能装备股份有限公司 一种摘酒的系统和方法
CN106281930A (zh) * 2016-11-08 2017-01-04 泸州汉硕信息科技有限公司 一种基于单片机的自动摘酒方法
CN106497752A (zh) * 2016-11-08 2017-03-15 泸州汉硕信息科技有限公司 一种用于工业化生产的摘酒系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
余锴鑫: "基于图像分类算法的自动化摘酒方法研究" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699968A (zh) * 2021-01-18 2021-04-23 河北工业大学 一种基于白酒酒花图像的摘酒设备
CN112699968B (zh) * 2021-01-18 2022-05-27 河北工业大学 一种基于白酒酒花图像的摘酒设备及方法
CN114276891A (zh) * 2022-01-11 2022-04-05 安徽金种子酒业股份有限公司 一种人工辅助分级接酒装置
CN114276891B (zh) * 2022-01-11 2023-07-11 安徽金种子酒业股份有限公司 一种人工辅助分级接酒装置
CN114803982A (zh) * 2022-05-31 2022-07-29 上海铭奔科技有限公司 基于智能管控的自动接酒装置

Similar Documents

Publication Publication Date Title
CN111209787A (zh) 一种视觉辅助的摘酒系统及方法
CN102735693B (zh) 基于视觉的钢球表面缺陷检测装置及检测方法
CN1245630C (zh) 基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置
US8253054B2 (en) Apparatus and method for sorting plant material
CN104487851B (zh) 自动分析装置
US4998824A (en) System of fluid inspection and/or identification
CN111443028B (zh) 一种基于ai技术的浮游藻类自动监测设备与方法
CN1485616A (zh) 禽蛋品质无损自动检测分级设备及方法
NO781290L (no) Apparat for kjemisk analyse.
CN102680414B (zh) 基于机器视觉的红提葡萄自动分级装置及其方法
CN105181714A (zh) 一种基于图像处理的瓶装液体杂质检测系统及其检测方法
CN110927174B (zh) 一种基于嵌入式模块的白酒分段检测装置及其方法
CN112845159A (zh) 一种基于机器学习的管路视觉检测系统及方法
CN111798408B (zh) 一种内窥镜干扰图像检测与分级系统及方法
CN103049743A (zh) 碗底字符检测系统及检测方法
CN110188592B (zh) 一种尿液有形成分细胞图像分类模型构建方法及分类方法
CN111062437A (zh) 一种基于深度学习的桥梁结构病害自动目标检测模型
CN110619297A (zh) 一种豆类植物子实图像批量采集识别方法及装置
CN110174399A (zh) 一种透明罐头中固形物合格检测方法及其检测系统
CN106568908A (zh) 一种摘酒的系统和方法
CN207046423U (zh) 一种医用采血管智能分类存放盒
US9835525B2 (en) Multiphase sample container and method
CN107462011A (zh) 风干箱
CN105027732B (zh) 玉米果穗考种的方法及系统
CN114276891B (zh) 一种人工辅助分级接酒装置

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