CN111832481B - 食用植物油加工质量检测方法、设备、存储介质及装置 - Google Patents

食用植物油加工质量检测方法、设备、存储介质及装置 Download PDF

Info

Publication number
CN111832481B
CN111832481B CN202010672779.7A CN202010672779A CN111832481B CN 111832481 B CN111832481 B CN 111832481B CN 202010672779 A CN202010672779 A CN 202010672779A CN 111832481 B CN111832481 B CN 111832481B
Authority
CN
China
Prior art keywords
processing
vegetable oil
edible vegetable
preset
image
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.)
Active
Application number
CN202010672779.7A
Other languages
English (en)
Other versions
CN111832481A (zh
Inventor
叶建平
张家凡
杨军胜
熊烈强
郑晓
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.)
Wuhan Polytechnic University
Original Assignee
Wuhan Polytechnic University
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 Wuhan Polytechnic University filed Critical Wuhan Polytechnic University
Priority to CN202010672779.7A priority Critical patent/CN111832481B/zh
Publication of CN111832481A publication Critical patent/CN111832481A/zh
Application granted granted Critical
Publication of CN111832481B publication Critical patent/CN111832481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Edible Oils And Fats (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种食用植物油加工质量检测方法、设备、存储介质及装置，涉及食用植物油生产技术领域，该方法包括：获取食用植物油在预设加工工序中的加工图像；根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。本发明通过获取加工工序中食用植物油的加工图像，再通过智能识别模型进行识别，判断食用植物油的加工质量，进而确定加工工序的加工质量。实现了对加工过程中各工序加工质量进行检测，且能够实时地检测生产过程中食用植物油的加工质量，有利于生产人员实时了解生产质量。

Description

食用植物油加工质量检测方法、设备、存储介质及装置
技术领域
本发明涉及食用植物油生产技术领域，尤其涉及一种食用植物油加工质量检测方法、设备、存储介质及装置。
背景技术
食用植物油从毛油到成品油经过水化、脱胶、脱杂、干燥、脱色、过滤、脱臭、养晶、脱脂、脱蜡等生产过程,而每个过程的品质的控制决定了食用油的质量等级。现在工厂中主要的食用植物油检测方法是感官品评法，由于感官品评法存在专业感官人员难培养、检测结果不稳定等缺陷，使得感官品评很难在食用植物油生产过程的品质检测中推广应用。因此，现有技术中，食用植物油品质检测难以在生产过程中得以应用，进而无法促进生产品质的提高。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种食用植物油加工质量检测方法、设备、存储介质及装置，旨在解决现有技术中无法在生产过程中对食用植物油品质进行检测的技术问题。
为实现上述目的，本发明提供一种食用植物油加工质量检测方法，所述食用植物油加工质量检测方法包括以下步骤：
获取食用植物油在预设加工工序中的加工图像；
根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。
优选的，所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
获取所述预设加工工序对应的工序标识；
根据所述工序标识在预设映射关系中查找对应的目标支持向量机模型，所述预设映射关系包含支持向量机模型与加工工序的工序标识之间的对应关系；
根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级。
优选的，所述根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
获取所述加工图像的色彩值或透明度；
获取所述目标支持向量机模型对应的分界平面；
根据所述分界平面对所述色彩值或所述透明度进行分类，获得分类结果；
根据所述分类结果确定所述食用植物油对应的加工质量等级。
优选的，所述获取食用植物油在预设加工工序中的加工图像的步骤之前，还包括：
在接收到样本图像时，获取各样本图像对应的加工工序的工序标识；
根据所述工序标识对所述样本图像进行分类，获得分类后的样本图像集；
基于分类后的所述样本图像集，通过支持向量机算法创建预设支持向量机模型。
优选的，所述获取食用植物油在预设加工工序中的加工图像的步骤，具体包括：
在预设背景增强条件下，获取食用植物油在预设加工工序中的加工前图像和加工后图像；
将所述加工前图像和所述加工后图像作为加工图像。
优选的，所述根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果的步骤，具体包括：
根据所述加工质量等级确定所述加工前图像对应的第一等级和所述加工后图像对应的第二等级；
将所述第一等级和所述第二等级进行比较，获得比较结果；
将所述比较结果作为所述预设加工工序对应的加工质量检测结果。
优选的，所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤之前，还包括：
通过预设图像检测算法计算所述加工图像的模糊度；
判断所述模糊度是否大于预设阈值；
在所述模糊度大于所述预设阈值时，通过预设图像增强算法对所述加工图像进行增强处理，获得目标加工图像；
相应的，所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
根据预设支持向量机模型对所述目标加工图像进行识别，获得所述食用植物油对应的加工质量等级。
此外，为实现上述目的，本发明还提出一种食用植物油加工质量检测设备，所述食用植物油加工质量检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的食用植物油加工质量检测程序，所述食用植物油加工质量检测程序被所述处理器执行时实现如上文所述的食用植物油加工质量检测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有食用植物油加工质量检测程序，所述食用植物油加工质量检测程序被处理器执行时实现如上文所述的食用植物油加工质量检测方法的步骤。
此外，为实现上述目的，本发明还提出一种食用植物油加工质量检测装置，其特征在于，所述食用植物油加工质量检测装置，包括：
图像获取模块，用于获取食用植物油在预设加工工序中的加工图像；
识别模块，用于根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
检测模块，用于根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。
本发明中，获取食用植物油在预设加工工序中的加工图像；根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。本发明通过获取加工工序中食用植物油的加工图像，再通过智能识别模型进行识别，判断食用植物油的加工质量，进而确定加工工序的加工质量。实现了对加工过程中各工序加工质量进行检测，且能够实时地检测生产过程中食用植物油的加工质量，有利于生产人员实时了解生产质量。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的食用植物油加工质量检测设备的结构示意图；
图2为本发明食用植物油加工质量检测方法第一实施例的流程示意图；
图3为本发明食用植物油加工质量检测方法第二实施例的流程示意图；
图4为本发明食用植物油加工质量检测方法第三实施例的流程示意图；
图5为本发明食用植物油加工质量检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的食用植物油加工质量检测设备结构示意图。
如图1所示，该食用植物油加工质量检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对食用植物油加工质量检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及食用植物油加工质量检测程序。
在图1所示的食用植物油加工质量检测设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述食用植物油加工质量检测设备通过处理器1001调用存储器1005中存储的食用植物油加工质量检测程序，并执行本发明实施例提供的食用植物油加工质量检测方法。
基于上述硬件结构，提出本发明食用植物油加工质量检测方法的实施例。
参照图2，图2为本发明食用植物油加工质量检测方法第一实施例的流程示意图，提出本发明食用植物油加工质量检测方法第一实施例。
在第一实施例中，所述食用植物油加工质量检测方法包括以下步骤：
步骤S10：获取食用植物油在预设加工工序中的加工图像。
可以理解的是，本实施例的执行主体为所述食用植物油加工质量检测设备，所述食用植物油加工质量检测设备可以为电脑或服务器等计算机设备。当然，还可为其他具有相似功能的设备，本实施方式对此不加以限制。
可以理解的是，所述食用植物油可包括花生油、芝麻油、豆油、菜籽油、玉米油、橄榄油、葵花籽油等。植物食用油生产工艺通常分为两种，一是浸出，二是压榨；其中，压榨分为冷榨与热榨。通过浸出或压榨从植物提取后一般要进行毛油精炼，毛油到成品油需要经过水化、脱胶、脱杂、干燥、脱色、过滤、脱臭、养晶、脱脂或脱蜡等生产过程。
需要说明的是，所述预设加工工序可以为上文所提及的任意生产工艺。通常，食用植物油在生产过程都有对应的加工设备以完成相应的生产工艺，如水化设备、脱色设备或过滤设备等。食用植物油加工质量检测设备可以通过获取加工设备内的加工图像以获取相应的加工工序中的加工图像。
需要说明的是，所述加工图像可以为图片或视频，加工图像的数量可以为一个或多个，本实施方式对此不加以限制。在具体实现时，食用植物油加工质量检测设备可通过连接的网络摄像头对加工工序中的食用植物油进行拍摄，以获得加工图像。
步骤S20：根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级。
需要说明的是，根据国家相关标准，食用植物油按照其精炼程度，加工质量等级一般分为四个等级，四级到一级，级别越高，其精炼程度越高。一级油和二级油的精炼程度较高，经过了脱胶、脱酸、脱色、脱臭等过程，具有无味、色浅、烟点高、炒菜油烟少、低温下不易凝固等特点。三级油和四级油的精炼程度较低，只经过了简单脱胶、脱酸等程序。其色泽较深，烟点较低，在烹调过程中油烟大。因此，食用油质量等级的判别可以从颜色和透明度来区分。
在本实施例中，食用植物油加工质量检测设备根据预设支持向量机模型对所述加工图像进行识别，可通过支持向量机模型的分界平面对加工图像的颜色和透明度进行区分，根据区分结果获得所述加工对应的加工质量等级，进而确定食用植物油对应的加工质量等级。
需要说明的是，为了保证识别的准确性，需要进一步保证加工图像的清晰度，对于不清晰图像可以舍弃或者进行预处理。故本实施例在步骤S20之前，还通过预设图像检测算法计算所述加工图像的模糊度；判断所述模糊度是否大于预设阈值；在所述模糊度大于所述预设阈值时，通过预设图像增强算法对所述加工图像进行增强处理，获得目标加工图像。相应的，步骤S20具体为：根据预设支持向量机模型对所述目标加工图像进行识别，获得所述食用植物油对应的加工质量等级。
需要说明的是，所述预设图像检测算法可以为图像边缘检测算法，根据检测结果确定加工图像的模糊度，该算法为成熟算法，本实施例对其原理不在赘述。当然图像检测算法还可以采用其他算法，本实施方式对此不加以限制。在所述模糊度大于所述预设阈值时，说明图像模糊，不利于识别，因此需要对图像进行增强。所述图像增强算法可以为拉普拉斯算法，该算法为成熟算法，本实施例对其原理不在赘述。当然还可以采用其他算法，本实施方式对此不加以限制。对于所述模糊度小于或等于所述预设阈值的加工图像，可直接输入至预设支持向量机模型进行识别。
步骤S30：根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。
可以理解的是，加工图像的加工质量等级即为预设加工工序内食用植物油的加工质量等级，由此可确定加工工序的加工质量。例如，若加工图像的质量等级为一级，则加工工序的加工质量检测结果为一级。或者加工图像的质量等级为二级，预定质量等级为一级，则加工工序的加工质量检测结果为不合格。
在第一实施例中，通过获取食用植物油在预设加工工序中的加工图像；根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。本实施例通过获取加工工序中食用植物油的加工图像，再通过智能识别模型进行识别，判断食用植物油的加工质量，进而确定加工工序的加工质量。实现了对加工过程中各工序加工质量进行检测，且能够实时地检测生产过程中食用植物油的加工质量，有利于生产人员实时了解生产质量。
参照图3，图3为本发明食用植物油加工质量检测方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明食用植物油加工质量检测方法的第二实施例。
在第二实施例中，所述步骤S20，具体包括：
步骤S201：获取所述预设加工工序对应的工序标识。
需要说明的是，食用植物油加工过程中涉及多个加工工序，对于不同的加工工序，检测标准不同。因此在对不同加工工序进行检测时，需要匹配不同的支持向量机模型，避免不相关计算。例如，部分工序仅考虑食用植物油的颜色，部分工序仅考虑食用植物油的透明度，部分工序同时考虑食用植物油的颜色和透明度。
需要说明的是，为了对不同加工工序进行区分，对加工工序进行编号。在本实施例中，由于各加工工序对应有网络摄像头，为网络摄像头设置有不同编号相当于对加工工序进行编号。在拍摄加工图像时，网络摄像头将自身编号合成至加工图像内。使得食用植物油加工质量检测设备在对加工图像进行识别时，可通过提取加工图像内的网络摄像头编号，进而确定加工工序对应的工序标识。
步骤S202：根据所述工序标识在预设映射关系中查找对应的目标支持向量机模型，所述预设映射关系包含支持向量机模型与加工工序的工序标识之间的对应关系。
需要说明的是，支持向量机模型在创建时，还与对应的加工工序设置有关联关系，以便于根据加工工序的工序标识确定对应的支持向量机模型。
在本实施例中，在步骤10之前创建支持向量机模型，具体创建过程包括：在接收到样本图像时，获取各样本图像对应的加工工序的工序标识；根据所述工序标识对所述样本图像进行分类，获得分类后的样本图像集；基于分类后的所述样本图像集，通过支持向量机算法创建预设支持向量机模型。
需要说明的是，所述样本图像为已标注加工等级的食用植物油的图像，且包括对应不同加工工序设置的图像。基于对应不同加工工序的样本图像集，通过支持向量机算法创建预设支持向量机模型。
步骤S203：根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级。
可以理解的是，根据对应的支持向量机模型对相应加工工序的加工图像进行识别，有利于提高识别的效率和准确性。
在本实施例中，步骤S203具体包括：获取所述加工图像的色彩值或透明度；获取所述目标支持向量机模型对应的分界平面；根据所述分界平面对所述色彩值或所述透明度进行分类，获得分类结果；根据所述分类结果确定所述食用植物油对应的加工质量等级。
需要说明的是，所述分界平面是指支持向量机模型根据样本图像训练后，用于划分不同等级图像的分界参数，该分界参数对应于色彩值或所述透明度。例如，以30％透明度和60％透明度作为分界平面，将小于或等于30％透明度的图片作为第一类等级，将大于30％、小于60％透明度的图片作为第二类等级，将大于或等于60％透明度的图片作为第三类等级。其中，具体等级可由检测人员自行设置，分界参数还可为其他值，本实施方式对此不加以限制。
在第二实施例中，通过为不同加工工序设置不同支持向量机模型，通过加工工序的编号选取对应的支持向量机模型对加工图像进行识别，能够提高加工图像识别的效率和准确性。
参照图4，图4为本发明食用植物油加工质量检测方法第三实施例的流程示意图，基于第一实施例和第二实施例，提出本发明食用植物油加工质量检测方法的第三实施例，在本实施例中，基于第一实施例进行说明。
在第三实施例中，所述步骤S10，具体包括：
步骤S101：在预设背景增强条件下，获取食用植物油在预设加工工序中的加工前图像和加工后图像。
需要说明的是，为了准确地确定加工工序的加工质量，本实施例对加工工序中加工前后的食用植物油图像进行采集，获得加工前图像和加工后图像。在具体实现时，可以在加工工序中加工设备入口处采集加工前图像，在出口处采集加工后图像。
需要说明的是，为了保证图像的清晰度，设置有预设背景增强条件，所述预设背景增强条件可以为将加工设备入口处和出口处的连接管设置为透明玻璃管，网络摄像头通过透明玻璃管拍摄食用植物油的图像；还可以网络摄像头对侧(透明玻璃管的一侧)设置白色对比板，以采集清晰的加工图像。
步骤S102：将所述加工前图像和所述加工后图像作为加工图像。
可以理解的是，将所述加工前图像和所述加工后图像作为加工图像，输入值支持向量机模型中进行识别。通过对加工工序加工前图像和所述加工后图像进行识别，分别获得加工前的加工质量等级和加工后的加工质量等级，再通过对比可获得加工工序的加工质量检测结果。
在第三实施例中，所述步骤S30，具体包括：
步骤S301：根据所述加工质量等级确定所述加工前图像对应的第一等级和所述加工后图像对应的第二等级。
需要说明的是，所述等级可以为以数值表示的等级，如四级或三级；所述等级可以为以非数值表示的等级，如A级或B级。食用植物油加工质量检测设备根据支持向量机模型识别出的加工质量等级确定加工前图像对应的第一等级和加工后图像对应的第二等级。
步骤S302：将所述第一等级和所述第二等级进行比较，获得比较结果。
需要说明的是，所述比较结果可以为差值，如第一等级为四级，第二等级为三级，则比较结果则为1；所述比较结果还可以为对比关系，如第一等级为A级，第二等级为B级，，根据预设设置的等级梯度，比较结果可为第一等级大于第二等级，或一等级小于第二等级。
步骤S303：将所述比较结果作为所述预设加工工序对应的加工质量检测结果。
需要说明的是，加工质量检测结果可以为合格或不合格，当比较结果满足预设条件时，则合格；不满足，则不合格。例如，当比较结果可为第一等级小于第二等级，说明该加工工序出口处的食用植物油品质高于入口处的食用植物油品质，即该加工工序达到了提纯目的，加工合格。当比较结果可为第一等级大于第二等级，说明该加工工序出口出的食用植物油品质低于入口处的食用植物油品质，即该加工工序没有达到提纯目的，加工不合格。
在第三实施例中，采集食用植物油在加工工序中的加工前图像和加工后图像，并通过支持向量机模型进行识别，获得加工工序加工前和加工后的食用植物油品质，以加工前后加工质量能够更为全面、准确地确定加工工序的加工质量。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有食用植物油加工质量检测程序，所述食用植物油加工质量检测程序被处理器执行时实现如上文所述的食用植物油加工质量检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图5，本发明实施例还提出一种食用植物油加工质量检测装置，所述食用植物油加工质量检测装置包括：
图像获取模块10，用于获取食用植物油在预设加工工序中的加工图像。
可以理解的是，所述食用植物油可包括花生油、芝麻油、豆油、菜籽油、玉米油、橄榄油、葵花籽油等。植物食用油生产工艺通常分为两种，一是浸出，二是压榨；其中，压榨分为冷榨与热榨。通过浸出或压榨从植物提取后一般要进行毛油精炼，毛油到成品油需要经过水化、脱胶、脱杂、干燥、脱色、过滤、脱臭、养晶、脱脂或脱蜡等生产过程。
需要说明的是，所述预设加工工序可以为上文所提及的任意生产工艺。通常，食用植物油在生产过程都有对应的加工设备以完成相应的生产工艺，如水化设备、脱色设备或过滤设备等。图像获取模块10可以通过获取加工设备内的加工图像以获取相应的加工工序中的加工图像。
需要说明的是，所述加工图像可以为图片或视频，加工图像的数量可以为一个或多个，本实施方式对此不加以限制。在具体实现时，图像获取模块10可通过连接的网络摄像头对加工工序中的食用植物油进行拍摄，以获得加工图像。
识别模块20，用于根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级。
需要说明的是，根据国家相关标准，食用植物油按照其精炼程度，加工质量等级一般分为四个等级，四级到一级，级别越高，其精炼程度越高。一级油和二级油的精炼程度较高，经过了脱胶、脱酸、脱色、脱臭等过程，具有无味、色浅、烟点高、炒菜油烟少、低温下不易凝固等特点。三级油和四级油的精炼程度较低，只经过了简单脱胶、脱酸等程序。其色泽较深，烟点较低，在烹调过程中油烟大。因此，食用油质量等级的判别可以从颜色和透明度来区分。
在本实施例中，识别模块20根据预设支持向量机模型对所述加工图像进行识别，可通过支持向量机模型的分界平面对加工图像的颜色和透明度进行区分，根据区分结果获得所述加工对应的加工质量等级，进而确定食用植物油对应的加工质量等级。
需要说明的是，为了保证识别的准确性，需要进一步保证加工图像的清晰度，对于不清晰图像可以舍弃或者进行预处理。故本实施例还包括模型创建模块，用于通过预设图像检测算法计算所述加工图像的模糊度；判断所述模糊度是否大于预设阈值；在所述模糊度大于所述预设阈值时，通过预设图像增强算法对所述加工图像进行增强处理，获得目标加工图像。相应的，识别模块20，还用于根据预设支持向量机模型对所述目标加工图像进行识别，获得所述食用植物油对应的加工质量等级。
需要说明的是，所述预设图像检测算法可以为图像边缘检测算法，根据检测结果确定加工图像的模糊度，该算法为成熟算法，本实施例对其原理不在赘述。当然图像检测算法还可以采用其他算法，本实施方式对此不加以限制。在所述模糊度大于所述预设阈值时，说明图像模糊，不利于识别，因此需要对图像进行增强。所述图像增强算法可以为拉普拉斯算法，该算法为成熟算法，本实施例对其原理不在赘述。当然还可以采用其他算法，本实施方式对此不加以限制。对于所述模糊度小于或等于所述预设阈值的加工图像，可直接输入至预设支持向量机模型进行识别。
检测模块30，用于根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。
可以理解的是，加工图像的加工质量等级即为预设加工工序内食用植物油的加工质量等级，由此可确定加工工序的加工质量。例如，若加工图像的质量等级为一级，则加工工序的加工质量检测结果为一级。或者加工图像的质量等级为二级，预定质量等级为一级，则加工工序的加工质量检测结果为不合格。
在本实施例中，获取食用植物油在预设加工工序中的加工图像；根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果。本实施例通过获取加工工序中食用植物油的加工图像，再通过智能识别模型进行识别，判断食用植物油的加工质量，进而确定加工工序的加工质量。实现了对加工过程中各工序加工质量进行检测，且能够实时地检测生产过程中食用植物油的加工质量，有利于生产人员实时了解生产质量。
本发明所述食用植物油加工质量检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种食用植物油加工质量检测方法，其特征在于，所述食用植物油加工质量检测方法包括以下步骤：
获取食用植物油在预设加工工序中的加工图像；
根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果；
所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
获取所述预设加工工序对应的工序标识；
根据所述工序标识在预设映射关系中查找对应的目标支持向量机模型，所述预设映射关系包含支持向量机模型与加工工序的工序标识之间的对应关系；
根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
所述根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
获取所述加工图像的色彩值或透明度；
获取所述目标支持向量机模型对应的分界平面；
根据所述分界平面对所述色彩值或所述透明度进行分类，获得分类结果；
根据所述分类结果确定所述食用植物油对应的加工质量等级；
所述获取食用植物油在预设加工工序中的加工图像的步骤之前，还包括：
在接收到样本图像时，获取各样本图像对应的加工工序的工序标识；
根据所述工序标识对所述样本图像进行分类，获得分类后的样本图像集；
基于分类后的所述样本图像集，通过支持向量机算法创建预设支持向量机模型；
所述获取食用植物油在预设加工工序中的加工图像的步骤，具体包括：
在预设背景增强条件下，获取食用植物油在预设加工工序中的加工前图像和加工后图像；
将所述加工前图像和所述加工后图像作为加工图像；
所述根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果的步骤，具体包括：
根据所述加工质量等级确定所述加工前图像对应的第一等级和所述加工后图像对应的第二等级；
将所述第一等级和所述第二等级进行比较，获得比较结果；
将所述比较结果作为所述预设加工工序对应的加工质量检测结果。
2.如权利要求1所述的食用植物油加工质量检测方法，其特征在于，所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤之前，还包括：
通过预设图像检测算法计算所述加工图像的模糊度；
判断所述模糊度是否大于预设阈值；
在所述模糊度大于所述预设阈值时，通过预设图像增强算法对所述加工图像进行增强处理，获得目标加工图像；
相应的，所述根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级的步骤，具体包括：
根据预设支持向量机模型对所述目标加工图像进行识别，获得所述食用植物油对应的加工质量等级。
3.一种食用植物油加工质量检测设备，其特征在于，所述食用植物油加工质量检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的食用植物油加工质量检测程序，所述食用植物油加工质量检测程序被所述处理器执行时实现如权利要求1至2中任一项所述的食用植物油加工质量检测方法的步骤。
4.一种存储介质，其特征在于，所述存储介质上存储有食用植物油加工质量检测程序，所述食用植物油加工质量检测程序被处理器执行时实现如权利要求1至2中任一项所述的食用植物油加工质量检测方法的步骤。
5.一种食用植物油加工质量检测装置，其特征在于，所述食用植物油加工质量检测装置，包括：
图像获取模块，用于获取食用植物油在预设加工工序中的加工图像；
识别模块，用于根据预设支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
检测模块，用于根据所述加工质量等级确定所述预设加工工序对应的加工质量检测结果；
所述识别模块，还用于获取所述预设加工工序对应的工序标识；根据所述工序标识在预设映射关系中查找对应的目标支持向量机模型，所述预设映射关系包含支持向量机模型与加工工序的工序标识之间的对应关系；根据所述目标支持向量机模型对所述加工图像进行识别，获得所述食用植物油对应的加工质量等级；
所述识别模块，还用于获取所述加工图像的色彩值或透明度；获取所述目标支持向量机模型对应的分界平面；根据所述分界平面对所述色彩值或所述透明度进行分类，获得分类结果；根据所述分类结果确定所述食用植物油对应的加工质量等级；
所述图像获取模块，还用于在接收到样本图像时，获取各样本图像对应的加工工序的工序标识；根据所述工序标识对所述样本图像进行分类，获得分类后的样本图像集；基于分类后的所述样本图像集，通过支持向量机算法创建预设支持向量机模型；
所述图像获取模块，还用于在预设背景增强条件下，获取食用植物油在预设加工工序中的加工前图像和加工后图像；将所述加工前图像和所述加工后图像作为加工图像；
所述检测模块，还用于根据所述加工质量等级确定所述加工前图像对应的第一等级和所述加工后图像对应的第二等级；将所述第一等级和所述第二等级进行比较，获得比较结果；将所述比较结果作为所述预设加工工序对应的加工质量检测结果。
CN202010672779.7A 2020-07-13 2020-07-13 食用植物油加工质量检测方法、设备、存储介质及装置 Active CN111832481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010672779.7A CN111832481B (zh) 2020-07-13 2020-07-13 食用植物油加工质量检测方法、设备、存储介质及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010672779.7A CN111832481B (zh) 2020-07-13 2020-07-13 食用植物油加工质量检测方法、设备、存储介质及装置

Publications (2)

Publication Number Publication Date
CN111832481A CN111832481A (zh) 2020-10-27
CN111832481B true CN111832481B (zh) 2023-10-10

Family

ID=72922832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010672779.7A Active CN111832481B (zh) 2020-07-13 2020-07-13 食用植物油加工质量检测方法、设备、存储介质及装置

Country Status (1)

Country Link
CN (1) CN111832481B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3208288A1 (en) * 2021-02-01 2022-08-04 J-Oil Mills, Inc. Learning device, prediction device, learning method, program, and learning system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1940555A (zh) * 2006-09-04 2007-04-04 江苏大学 一种农产品内外品质检测方法及装置
JP2018018354A (ja) * 2016-07-28 2018-02-01 高砂香料工業株式会社 ディープラーニングを用いた飲食品の品質予測方法及び飲食品
CN107894408A (zh) * 2017-11-24 2018-04-10 中国农业科学院油料作物研究所 一种基于近红外光谱仪的食用油多元掺伪鉴别方法
CN109187553A (zh) * 2018-09-11 2019-01-11 湖北工业大学 一种基于机器视觉的变质鸡蛋在线智能识别方法
CN110348490A (zh) * 2019-06-20 2019-10-18 宜通世纪科技股份有限公司 一种基于支持向量机算法的土壤质量预测方法及装置
JP2020027386A (ja) * 2018-08-10 2020-02-20 株式会社ジェイテクト 異常判定装置、異常判定システムおよび異常判定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1940555A (zh) * 2006-09-04 2007-04-04 江苏大学 一种农产品内外品质检测方法及装置
JP2018018354A (ja) * 2016-07-28 2018-02-01 高砂香料工業株式会社 ディープラーニングを用いた飲食品の品質予測方法及び飲食品
CN107894408A (zh) * 2017-11-24 2018-04-10 中国农业科学院油料作物研究所 一种基于近红外光谱仪的食用油多元掺伪鉴别方法
JP2020027386A (ja) * 2018-08-10 2020-02-20 株式会社ジェイテクト 異常判定装置、異常判定システムおよび異常判定方法
CN109187553A (zh) * 2018-09-11 2019-01-11 湖北工业大学 一种基于机器视觉的变质鸡蛋在线智能识别方法
CN110348490A (zh) * 2019-06-20 2019-10-18 宜通世纪科技股份有限公司 一种基于支持向量机算法的土壤质量预测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
无损检测技术在食品安全快速筛查中的应用;史晓亚;高丽霞;李鑫;黄登宇;;食品安全质量检测学报(第03期);全文 *
粮油品质检测评价新技术的研究进展及展望;胡桂仙;王建军;王小骊;董秀金;朱加虹;;中国粮油学报(第03期);全文 *
食用植物油组分分析快速检测技术研究进展;姚晶;樊婷;苏春燕;任蓉;顾建华;;粮油食品科技(第02期);全文 *

Also Published As

Publication number Publication date
CN111832481A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN105139386B (zh) 一种快速自动检测电气接插件焊点不合格品的图像处理方法
US9684958B2 (en) Image processing device, program, image processing method, computer-readable medium, and image processing system
CN103582697A (zh) 图像处理装置、图像处理方法和图像处理系统
CN115294117B (zh) Led灯珠的缺陷检测方法及相关装置
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
EP2797051A2 (en) Image saliency map determination device, method, program, and recording medium
CN111369523B (zh) 显微图像中细胞堆叠的检测方法、系统、设备及介质
US20150356342A1 (en) Image processing apparatus, image processing method, and storage medium
CN113935666B (zh) 基于图像处理的建筑装饰墙面砖异常评估方法
CN111598913A (zh) 一种基于机器人视觉的图像分割方法和系统
CN111832481B (zh) 食用植物油加工质量检测方法、设备、存储介质及装置
CN111222360B (zh) 硅料熔化状态的检测方法、设备及存储介质
CN113533372B (zh) 一种纸张缺陷检测方法、系统、装置及计算机存储介质
GB2485209A (en) Curve fitting to histogram data for identification of chromatin types in nuclei
CN109102486B (zh) 基于机器学习的表面缺陷检测方法及装置
CN117351472A (zh) 烟叶信息检测方法、装置及电子设备
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN117314880A (zh) 图像缺陷检测方法及装置
CN115100648B (zh) 细胞显微图像中多通道荧光杂质的滤除方法和装置
US10146042B2 (en) Image processing apparatus, storage medium, and image processing method
CN111047669B (zh) 一种取色方法及装置
CN113592789A (zh) 暗光图像识别方法、装置、设备及存储介质
CN112116598A (zh) 一种花卉种类识别方法及系统
KR102083215B1 (ko) 전자기파 적합성 시험장치와 이를 이용한 전자기파 적합성 시험 방법
CN112712004B (zh) 人脸检测系统及人脸检测方法、装置、电子设备

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
GR01 Patent grant
GR01 Patent grant