CN112034708A - 一种面条加工附加自调节系统 - Google Patents
一种面条加工附加自调节系统 Download PDFInfo
- Publication number
- CN112034708A CN112034708A CN202010870810.8A CN202010870810A CN112034708A CN 112034708 A CN112034708 A CN 112034708A CN 202010870810 A CN202010870810 A CN 202010870810A CN 112034708 A CN112034708 A CN 112034708A
- Authority
- CN
- China
- Prior art keywords
- control
- discrimination
- module
- vector
- 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.)
- Pending
Links
- 235000012149 noodles Nutrition 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 88
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 5
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
Abstract
本发明提供了一种面条加工附加自调节系统，包括控制系统；所述控制系统的数据接口接控制判别模块，控制系统的控制指令输入接口接控制调节模块，控制判别模块和控制调节模块通信连接，控制判别模块和控制调节模块接有loss判别器。本发明能够实现基于控制参数和传感器信号的动态交互智能控制，避免控制参数设定未留出耗损余量时设备使用耗损影响长期生产中产品质量的稳定性。
Description
技术领域
本发明涉及一种面条加工附加自调节系统。
背景技术
现有技术中的面条加工成套生产线技术已较为成熟，这种成套生产线一般都针对一种面条产品要独立设置一套控制参数。在实践中，一些中小型面条生产企业为了取得市场上的突破，会尝试研制新的控制参数，然而中小型面条生产企业往往并不具备对控制参数进行合理调节的能力，研制过程中只能是调节参数→观察结果→调节参数的方式不断尝试，对观察结果满意后，停止调节参数，得到一组新的控制参数。
生产线在不断使用过程中，各方面会产生耗损，导致性能有所变化，为了保持同样的产品质量，合理的方式应当是在控制参数的设定中提前考虑到可能产生的耗损对控制参数和传感器读数的影响，留出足够余量确保长期使用的稳定性。但在上述过程中，由于中小型面条生产企业对原有的控制参数进行了改动，而新的控制参数并没有留出余量，因此耗损所导致的影响就处于完全未考虑的状态，严重影响长期生产中产品质量的稳定性。
发明内容
为解决上述技术问题，本发明提供了一种面条加工附加自调节系统，该面条加工附加自调节系统能够实现基于控制参数和传感器信号的动态交互智能控制，避免控制参数设定未留出耗损余量时设备使用耗损影响长期生产中产品质量的稳定性。
本发明通过以下技术方案得以实现。
本发明提供的一种面条加工附加自调节系统，包括控制系统；所述控制系统的数据接口接控制判别模块，控制系统的控制指令输入接口接控制调节模块，控制判别模块和控制调节模块通信连接，控制判别模块和控制调节模块接有loss判别器。
所述控制判别模块从控制系统中获取控制参数和传感器读数，根据控制参数和传感器读数计算判别向量，将判别向量输出至loss判别器，将控制参数输出至控制调节模块。
所述控制调节模块以控制参数、判别向量和判别向量差作为输入，根据判别向量差调整控制计算模型，基于控制计算模型、根据控制参数和判别向量计算目标控制参数，将目标控制参数输出至控制系统作为控制指令。
所述loss判别器运行控制差模型，控制差模型以判别向量作为输入，根据多个控制周期的判别向量计算当前控制周期的判别向量差，将当前控制周期的判别向量和判别向量差输出至控制调节模块。
还有图像处理模组，图像处理模组输入接有摄像头，摄像头安装在生产线上正对待完成面条产品的位置，图像处理模组输出接至loss判别器，图像处理模组还接有工作模式开关，图像处理模组通过摄像头获取生产线图片，根据生产线图片中待完成面条产品的图像计算输出质量判别向量；loss判别器运行判别差模型，判别差模型根据判别向量和质量判别向量计算判别调节向量。
所述图像处理模组内含物体识别模块、图像截取模块、图像识别模块和结果输出接口，物体识别模块、图像截取模块、图像识别模块和结果输出接口依次连接形成数据流，物体识别模块接摄像头，图像识别模块接入工作模块开关的开关信号。
所述物体识别模块内置物体识别视觉模型，根据生产线图片计算输出待完成面条产品的位置信息。
所述图像截取模块根据待完成面条产品的位置信息将待完成面条产品的图像从生产线图片中截取并输出。
所述图像识别模块运行图像识别模型，根据开关信号有两种工作模式：
a.当开关信号为高电平，处于训练模式：以当前控制周期的待完成面条产品的图像作为标准结果对图像识别模型进行调整，并输出空向量作为质量判别向量；
b.当开关信号为低电平，处于识别模式：以当前控制周期的待完成面条产品的图像作为判别输入，基于图像识别模型计算质量判别向量并输出。
所述loss判别器在质量判别向量为非空向量时，将判别调节向量输出至控制判别模型，控制判别模型根据判别调节向量对判别向量的计算参数进行调整。
本发明的有益效果在于：能够实现基于控制参数和传感器信号的动态交互智能控制，避免控制参数设定未留出耗损余量时设备使用耗损影响长期生产中产品质量的稳定性。
附图说明
图1是本发明的连接示意图；
图2是图1中图像处理模组的内部连接示意图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1所示的一种面条加工附加自调节系统，包括控制系统；控制系统的数据接口接控制判别模块，控制系统的控制指令输入接口接控制调节模块，控制判别模块和控制调节模块通信连接，控制判别模块和控制调节模块接有loss判别器。
控制判别模块从控制系统中获取控制参数和传感器读数，根据控制参数和传感器读数计算判别向量，将判别向量输出至loss判别器，将控制参数输出至控制调节模块。
控制调节模块以控制参数、判别向量和判别向量差作为输入，根据判别向量差调整控制计算模型，基于控制计算模型、根据控制参数和判别向量计算目标控制参数，将目标控制参数输出至控制系统作为控制指令。
loss判别器运行控制差模型，控制差模型以判别向量作为输入，根据多个控制周期的判别向量计算当前控制周期的判别向量差，将当前控制周期的判别向量和判别向量差输出至控制调节模块。
还有图像处理模组，图像处理模组输入接有摄像头，摄像头安装在生产线上正对待完成面条产品的位置，图像处理模组输出接至loss判别器，图像处理模组还接有工作模式开关，图像处理模组通过摄像头获取生产线图片，根据生产线图片中待完成面条产品的图像计算输出质量判别向量；loss判别器运行判别差模型，判别差模型根据判别向量和质量判别向量计算判别调节向量。
如图2所示，图像处理模组内含物体识别模块、图像截取模块、图像识别模块和结果输出接口，物体识别模块、图像截取模块、图像识别模块和结果输出接口依次连接形成数据流，物体识别模块接摄像头，图像识别模块接入工作模块开关的开关信号。
物体识别模块内置物体识别视觉模型，根据生产线图片计算输出待完成面条产品的位置信息。
图像截取模块根据待完成面条产品的位置信息将待完成面条产品的图像从生产线图片中截取并输出。
图像识别模块运行图像识别模型，根据开关信号有两种工作模式：
a.当开关信号为高电平，处于训练模式：以当前控制周期的待完成面条产品的图像作为标准结果对图像识别模型进行调整，并输出空向量作为质量判别向量；
b.当开关信号为低电平，处于识别模式：以当前控制周期的待完成面条产品的图像作为判别输入，基于图像识别模型计算质量判别向量并输出。
loss判别器在质量判别向量为非空向量时，将判别调节向量输出至控制判别模型，控制判别模型根据判别调节向量对判别向量的计算参数进行调整。
现有技术中的面条加工生产线上具备较为完整的控制系统，因此本发明的技术方案主要用于外接至现有的控制系统中，如控制系统接口不足不能同时接入控制调节模块和控制判别模块，则可以在控制系统上接一个接口模块，将控制调节模块和控制判别模块所需输入输出的控制参数和传感数据从接口模块转发，实现一路接口两路分接。
上述方案总的来说，实质上运行有五个计算模型，分别是：
1)运行在控制判别模块中的判别向量计算模型；
2)运行在控制调节模块中的控制计算模型；
3)运行在loss判别器中的控制差模型；
4)运行在loss判别器中的判别调节向量计算模型；
5)运行在图像识别模块中的质量判别向量计算模型；
6)运行在物体识别模块中的物体识别视觉模型。
其中，物体识别视觉模型可直接采用物体检测的开源方案实现，因此不考虑训练问题。
运行在loss判别器中的控制差模型和判别调节向量计算模型都进行简单加减计算即可。
判别向量计算模型、控制计算模型、质量判别向量计算模型都是监督学习的模型，其中：判别向量计算模型以质量判别向量计算模型输出的质量判别向量作为监督信号；控制计算模型以判别向量计算模型输出的判别向量作为监督信号；质量判别向量计算模型以开关信号为高电平时待完成面条产品的图像(以该图像作为1值结果，计算相似度作为质量判别向量)作为监督信号。
因此，基于判别向量计算模型、控制计算模型、质量判别向量计算模型可以实现基于控制参数和传感器信号的动态交互智能控制，其中控制计算模型实现控制行为的智能控制过程，判别向量计算模型实现控制结果和控制环境的智能判断过程，质量判别向量计算模型提供对智能判断过程的进一步保障，并实现人为纠偏行为落实于各模型的智能纠正过程。
一般情况下，质量判别向量计算模型采用CNN算法实现，控制计算模型采用RNN算法实现，判别向量计算模型采用混合算法实现。
但基于上述方案的原理，即使不采用上述方案提供的计算模型，控制判别模块和控制调节模块也足以构成强化学习框架，按照强化学习的基本原理，在根据现有技术的机器学习算法进行合理选择的前提下，控制判别模块和控制调节模块运行其他机器学习算法构建的模型也应当能够实现基于控制参数和传感器信号的动态交互智能控制。
Claims (10)
1.一种面条加工附加自调节系统，包括控制系统，其特征在于：所述控制系统的数据接口接控制判别模块，控制系统的控制指令输入接口接控制调节模块，控制判别模块和控制调节模块通信连接，控制判别模块和控制调节模块接有loss判别器。
2.如权利要求1所述的面条加工附加自调节系统，其特征在于：所述控制判别模块从控制系统中获取控制参数和传感器读数，根据控制参数和传感器读数计算判别向量，将判别向量输出至loss判别器，将控制参数输出至控制调节模块。
3.如权利要求1所述的面条加工附加自调节系统，其特征在于：所述控制调节模块以控制参数、判别向量和判别向量差作为输入，根据判别向量差调整控制计算模型，基于控制计算模型、根据控制参数和判别向量计算目标控制参数，将目标控制参数输出至控制系统作为控制指令。
4.如权利要求1所述的面条加工附加自调节系统，其特征在于：所述loss判别器运行控制差模型，控制差模型以判别向量作为输入，根据多个控制周期的判别向量计算当前控制周期的判别向量差，将当前控制周期的判别向量和判别向量差输出至控制调节模块。
5.如权利要求1所述的面条加工附加自调节系统，其特征在于：还有图像处理模组，图像处理模组输入接有摄像头，摄像头安装在生产线上正对待完成面条产品的位置，图像处理模组输出接至loss判别器，图像处理模组还接有工作模式开关，图像处理模组通过摄像头获取生产线图片，根据生产线图片中待完成面条产品的图像计算输出质量判别向量；loss判别器运行判别差模型，判别差模型根据判别向量和质量判别向量计算判别调节向量。
6.如权利要求5所述的面条加工附加自调节系统，其特征在于：所述图像处理模组内含物体识别模块、图像截取模块、图像识别模块和结果输出接口，物体识别模块、图像截取模块、图像识别模块和结果输出接口依次连接形成数据流，物体识别模块接摄像头，图像识别模块接入工作模块开关的开关信号。
7.如权利要求5所述的面条加工附加自调节系统，其特征在于：所述物体识别模块内置物体识别视觉模型，根据生产线图片计算输出待完成面条产品的位置信息。
8.如权利要求7所述的面条加工附加自调节系统，其特征在于：所述图像截取模块根据待完成面条产品的位置信息将待完成面条产品的图像从生产线图片中截取并输出。
9.如权利要求7所述的面条加工附加自调节系统，其特征在于：所述图像识别模块运行图像识别模型，根据开关信号有两种工作模式：
a.当开关信号为高电平，处于训练模式：以当前控制周期的待完成面条产品的图像作为标准结果对图像识别模型进行调整，并输出空向量作为质量判别向量；
b.当开关信号为低电平，处于识别模式：以当前控制周期的待完成面条产品的图像作为判别输入，基于图像识别模型计算质量判别向量并输出。
10.如权利要求5所述的面条加工附加自调节系统，其特征在于：所述loss判别器在质量判别向量为非空向量时，将判别调节向量输出至控制判别模型，控制判别模型根据判别调节向量对判别向量的计算参数进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010870810.8A CN112034708A (zh) | 2020-08-26 | 2020-08-26 | 一种面条加工附加自调节系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010870810.8A CN112034708A (zh) | 2020-08-26 | 2020-08-26 | 一种面条加工附加自调节系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112034708A true CN112034708A (zh) | 2020-12-04 |
Family
ID=73580971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010870810.8A Pending CN112034708A (zh) | 2020-08-26 | 2020-08-26 | 一种面条加工附加自调节系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112034708A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108227664A (zh) * | 2018-02-05 | 2018-06-29 | 华侨大学 | 基于样本数据训练的产品质量控制设备及质量控制方法 |
| CN109624502A (zh) * | 2018-12-12 | 2019-04-16 | 陕西东风海印刷有限公司 | 一种高效低耗损印刷制品生产系统及方法 |
| CN110060238A (zh) * | 2019-04-01 | 2019-07-26 | 桂林电子科技大学 | 基于深度学习的pcb板标注印刷质量检测方法 |
| CN110264079A (zh) * | 2019-06-20 | 2019-09-20 | 东北大学 | 基于CNN算法和Lasso回归模型的热轧产品质量预测方法 |
| CN110956212A (zh) * | 2019-11-29 | 2020-04-03 | 长沙理工大学 | 一种基于视觉特征融合的打叶质量检测方法 |
-
2020
- 2020-08-26 CN CN202010870810.8A patent/CN112034708A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108227664A (zh) * | 2018-02-05 | 2018-06-29 | 华侨大学 | 基于样本数据训练的产品质量控制设备及质量控制方法 |
| CN109624502A (zh) * | 2018-12-12 | 2019-04-16 | 陕西东风海印刷有限公司 | 一种高效低耗损印刷制品生产系统及方法 |
| CN110060238A (zh) * | 2019-04-01 | 2019-07-26 | 桂林电子科技大学 | 基于深度学习的pcb板标注印刷质量检测方法 |
| CN110264079A (zh) * | 2019-06-20 | 2019-09-20 | 东北大学 | 基于CNN算法和Lasso回归模型的热轧产品质量预测方法 |
| CN110956212A (zh) * | 2019-11-29 | 2020-04-03 | 长沙理工大学 | 一种基于视觉特征融合的打叶质量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101572803B (zh) | 基于视频监控的可定制式自动跟踪系统 | |
| CN110347134A (zh) | 一种ai智能水产养殖样本识别方法及养殖系统 | |
| CN111650903B (zh) | 一种基于视觉识别的钢包底吹氩智能控制系统 | |
| CN109325417A (zh) | 一种基于深度神经网络的工业过程故障工况诊断方法 | |
| CN102131101A (zh) | 智能视频图像质量自动分析系统及其分析方法 | |
| CN111027415B (zh) | 一种基于偏振图像的车辆检测方法 | |
| CN107490967A (zh) | 适应光照度突变的采摘机器人目标自主识别系统及其方法 | |
| CN106569600A (zh) | 一种用于控制空调的手势校验方法及装置 | |
| CN112034708A (zh) | 一种面条加工附加自调节系统 | |
| CN105093923A (zh) | 一种基于模糊控制的足球机器人底层控制的方法 | |
| CN201742483U (zh) | 一种基于人眼特征分析的电视机工作模式切换装置 | |
| CN108415441B (zh) | 基于单目视觉的水下机器人目标跟随系统的跟随方法 | |
| Zhang et al. | Dynamic fry counting based on multi-object tracking and one-stage detection | |
| CN113836782A (zh) | 计算系统、计算方法和气体输送装置 | |
| CN108375913A (zh) | 一种基于nao机器人的智能家居物联系统及其运行方法与应用 | |
| WO2024000372A1 (zh) | 一种缺陷检测的方法和装置 | |
| CN109089076A (zh) | 一种机器人动作实时监控系统 | |
| CN115346174A (zh) | 一种基于人工智能的无人小车目标跟踪方法 | |
| CN109040707A (zh) | 一种安防监控装置及方法 | |
| CN113888506A (zh) | 基于深度分割网络的包覆药形状缺陷检测算法 | |
| CN102858074A (zh) | 一种led驱动电压模式的控制系统及方法 | |
| CN104869285A (zh) | 一种基于主运动方向识别的运动补偿方法 | |
| KR20210115842A (ko) | 인공지능 영상처리로 사용자를 인식하고 추종하는 이동체 장치 및 동작방법 | |
| CN202004914U (zh) | 智能视频图像质量自动分析系统 | |
| CN205952474U (zh) | 一种基于图像的乳品内封条跑偏或褶皱识别装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |