CN112544949B - 一种酱油生产中沉淀物的环保处理方法和装置 - Google Patents
一种酱油生产中沉淀物的环保处理方法和装置 Download PDFInfo
- Publication number
- CN112544949B CN112544949B CN202011434692.2A CN202011434692A CN112544949B CN 112544949 B CN112544949 B CN 112544949B CN 202011434692 A CN202011434692 A CN 202011434692A CN 112544949 B CN112544949 B CN 112544949B
- Authority
- CN
- China
- Prior art keywords
- information
- soy sauce
- obtaining
- production
- sediment
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
- A23L27/00—Spices; Flavouring agents or condiments; Artificial sweetening agents; Table salts; Dietetic salt substitutes; Preparation or treatment thereof
- A23L27/50—Soya sauce
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Nutrition Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Medical Informatics (AREA)
- Soy Sauces And Products Related Thereto (AREA)
Abstract
本发明公开了一种酱油生产中沉淀物的环保处理方法和装置,其中,所述方法包括:获得酱油的第一生产地信息,进而获得第一环境特点信息;根据环境特点信息构建数据集;获得酱油生产中的沉淀物处理规则;根据所述数据集和所述沉淀物处理规则构建数据训练模型;将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;获得酱油生产的第一环保要求信息;根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。解决了酱油生产过程中产生的的沉淀物对酱油质量的影响的技术问题。
Description
技术领域
本发明涉及沉淀物处理技术领域,尤其涉及一种酱油生产中沉淀物的环保处理方法和装置。
背景技术
酱油为我国传统产品,是调味制品中不可缺少的一部分,已经深入到人们的日常生活,其营养与保健作用被不断挖掘,成为不可取少的生活用品。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
由于酱油生产过程中,或多或少会产生附加沉淀物,使得酱油质量参差不齐,同时影响消费者的购买欲。
发明内容
本申请实施例通过提供一种酱油生产中沉淀物的环保处理方法和装置,解决了酱油生产过程中产生的的沉淀物对酱油质量的影响的技术问题,达到了通过结合酱油生产地的环境信息,对酱油沉淀物进行相应处理,进而确保酱油生产中的沉淀物得到环保处理,提高酱油的生产质量的技术问题。
本申请实施例提供了一种酱油生产中沉淀物的环保处理方法,其中,所述方法包括:获得酱油的第一生产地信息;根据所述第一生产地信息获得第一环境特点信息;根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;获得酱油生产中的沉淀物处理规则;根据所述数据集和所述沉淀物处理规则构建数据训练模型;将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;获得酱油生产的第一环保要求信息;根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
另一方面,本申请还提供了一种酱油生产中沉淀物的环保处理装置,其中,所述装置包括:第一获得单元:所述第一获得单元用于获得酱油的第一生产地信息;第二获得单元:所述第二获得单元用于根据所述第一生产地信息获得第一环境特点信息;第一构建单元:所述第一构建单元用于根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;第三获得单元:所述第三获得单元用于获得酱油生产中的沉淀物处理规则;第二构建单元:所述第二构建单元用于根据所述数据集和所述沉淀物处理规则构建数据训练模型;第一输入单元:所述第一输入单元用于将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;第四获得单元:所述第四获得单元用于获得酱油生产的第一环保要求信息;第一修正单元:所述第一修正单元用于根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;第一处理单元:所述第一处理单元用于根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过根据不同产地环境特点信息和酱油沉淀物处理规则构建数据训练模型,进而将第一环境特点信息输入数据训练模型进行不断训练,使得匹配出适合第一环境特点信息的酱油沉淀物处理方法,进而根据酱油生产环保要求对处理方法进一步修正,达到了环保处理酱油沉淀物,提高酱油生产质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种酱油生产中沉淀物的环保处理方法的流程示意图;
图2为本申请实施例一种酱油生产中沉淀物的环保处理装置的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第三获得单元14,第二构建单元15,第一输入单元16,第四获得单元17,第一修正单元18,第一处理单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种酱油生产中沉淀物的环保处理方法和装置,解决了酱油生产过程中产生的的沉淀物对酱油质量的影响的技术问题,达到了通过结合酱油生产地的环境信息,对酱油沉淀物进行相应处理,进而确保酱油生产中的沉淀物得到环保处理,提高酱油的生产质量的技术问题。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
酱油为我国传统产品,是调味制品中不可缺少的一部分,已经深入到人们的日常生活,其营养与保健作用被不断挖掘,成为不可取少的生活用品。由于酱油生产过程中,或多或少会产生附加沉淀物,使得酱油质量参差不齐,同时影响消费者的购买欲。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种酱油生产中沉淀物的环保处理方法,其中,所述方法包括:获得酱油的第一生产地信息;根据所述第一生产地信息获得第一环境特点信息;根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;获得酱油生产中的沉淀物处理规则;根据所述数据集和所述沉淀物处理规则构建数据训练模型;将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;获得酱油生产的第一环保要求信息;根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种酱油生产中沉淀物的环保处理方法,其中,所述方法还包括:
步骤S100:获得酱油的第一生产地信息;
具体而言,所述第一生产地信息为酱油的生产地信息,通过获得酱油的生产地信息,可以获得酱油生产地的温湿度信息,海拔高度等环境信息。
步骤S200:根据所述第一生产地信息获得第一环境特点信息;
具体而言,所述第一环境特点信息为酱油生产地的环境特点信息,主要表现在酱油生产地的温湿度、海拔高度、地势地理、道路交通等信息。
步骤S300:根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;
具体而言,所述数据集是由多个表征不同环境特点信息组成,因酱油生产地遍及全国各地,各地的环境信息也不尽相同,通过根据多个表征不同环境特点信息构建数据集,使得所述数据集包含的信息尽可能完整和全面。
步骤S400:获得酱油生产中的沉淀物处理规则;
具体而言,酱油在生产过程中,因其原料或生产环境等因素,会产生附加沉淀物,沉淀物往往积聚在生产容器的底部,使得酱油生产质量参差不齐,通过对沉淀物进行成分分析,继而对沉淀物进行规则处理。
步骤S500:根据所述数据集和所述沉淀物处理规则构建数据训练模型;
步骤S600:将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;
具体而言,已知所述数据集和所述沉淀物处理规则,可根据所述数据集和所述沉淀物处理规则构建数据训练模型,所述数据训练模型为一个神经网络训练模型,对输入数据进行不断训练,使得训练结果精确可靠,通过将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则,所述第一处理规则为在第一生产地生产的酱油的沉淀物的处理规则,通过输入数据训练模型进行不断训练,达到了使得输出的第一处理规则更加准确的技术效果。
步骤S700:获得酱油生产的第一环保要求信息;
具体而言,所述第一环保要求信息为对酱油生产的出厂质量标准作出的要求,进一步可理解为要求成品酱油的色泽度、澄清度以及各项原料配比等达到环保要求。
步骤S800:根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;
步骤S900:根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
具体而言,已知获得酱油沉淀的第一处理规则,可根据所述第一环保要求信息对所述第一处理规则进一步修正,获得沉淀物的第一处理方法,使得对于沉淀物的处理更加符合环保要求,进而根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理,达到了对酱油沉淀物进行环保处理,使得成品酱油满足出厂的环保要求,进而提高酱油质量的技术效果。
所述获得酱油生产中的沉淀物处理规则,步骤S400还包括:
步骤S410:获得酱油的第一生产流程信息;
步骤S420:获得第一图像信息,所述第一图像信息为摄像头拍摄的酱油生产过程中的浑浊度渐变信息;
步骤S430:根据所述浑浊度渐变信息依次获得原沉淀物信息、一次沉淀物信息和二次沉淀物信息;
步骤S440:分别对所述原沉淀物信息、所述一次沉淀物信息和所述二次沉淀物信息进行成分含量分析,依次获得第一分析结果、第二分析结果和第三分析结果;
步骤S450:依次根据所述第一分析结果、所述第二分析结果和所述第三分析结果对沉淀物进行处理。
具体而言,要对酱油沉淀物进行处理,可获得酱油的第一生产流程信息,所述第一生产流程信息主要包括前期蒸煮、制曲、发酵,中期调配,后期包装等流程,还可获得获得第一图像信息,所述第一图像信息为摄像头拍摄的酱油生产过程中的浑浊度渐变信息,因酱油生产过程中,从原料的制作到成品的制成,其对于沉淀物的处理是一个渐变的过程,使得酱油从浑浊到澄清也是一个渐变的过程,并根据所述浑浊度渐变信息依次获得原沉淀物信息、一次沉淀物信息和二次沉淀物信息,所述原沉淀物信息为未经灭菌的原酱油的沉淀物,所述一次沉淀物信息为经过杀菌以后的酱油的沉淀物,所述二次沉淀物信息为加热之后的酱油的沉淀物,其中,所述二次沉淀物信息的成分含量是最少的,通过分别对所述原沉淀物信息、所述一次沉淀物信息和所述二次沉淀物信息进行成分含量分析,即分别对酱油沉淀物的成分及其含量进行分析,依次获得第一分析结果、第二分析结果和第三分析结果,所述第一分析结果为对所述原沉淀物进行成分含量分析之后的结果,同理获得第二、第三分析结果,并依次根据所述第一分析结果、所述第二分析结果和所述第三分析结果对沉淀物进行处理,进一步可理解为对沉淀物中不可分解的大分子直接过滤,对可分解的分子直接分解等,通过对不同成分含量的沉淀物信息进行分类处理,达到了对沉淀物的处理更加环保的技术效果。
进一步,本申请实施例还包括:
步骤S451:根据所述第一分析结果获得原沉淀物组分含量信息;
步骤S452:根据所述原沉淀物组分含量信息获得组分特性信息;
步骤S453:根据所述组分特性信息对原沉淀物进行组分分类,获得组分类别信息;
步骤S454:根据所述组分类别信息,获得第一处理指令;
步骤S454:根据所述第一处理指令,按照所述组分特性信息对原沉淀物进行处理。
具体而言,要依据分析结果对沉淀物进行处理,可根据所述第一分析结果获得原沉淀物组分含量信息,其中,原沉淀物组分信息一般包括蛋白质、脂肪、总糖、淀粉、灰分以及盐分等,进而根据各组分信息获得其对应的含量信息,其中,蛋白质含量占比最大,进而根据所述原沉淀物组分含量信息获得组分特性信息,所述组分特性信息为各组分对应的特性,进一步可理解为蛋白质大分子可水解为氨基酸等,并根据所述组分特性信息对原沉淀物进行组分分类,获得组分类别信息,使得特性相同或相近的组分归为一类,便于处理,进而根据所述组分类别信息,获得第一处理指令,所述第一处理指令为按照所述组分特性信息对原沉淀物进行处理,达到了进一步对酱油生产的沉淀物进行环保处理,提高酱油生产质量的技术效果。
所述将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则,步骤S600还包括:
步骤S610:将所述第一环境特点信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括:所述第一环境特点信息和用来标识酱油生产中沉淀物的第一处理规则信息;
步骤S620:获得所述第一训练模型的输出信息,其中,所述输出信息包括酱油生产中沉淀物的第一处理规则信息。
具体而言,为了获得更加准确的沉淀物处理规则,可通过将所述第一环境特点信息输入第一训练模型进行不断训练,可以使得输出的训练结果更加精确。所述第一训练模型是一个神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,将所述第一环境特点信息输入第一训练模型进行不断训练,用标识的酱油生产中沉淀物的第一处理规则信息对所述神经网络模型进行训练。
进一步来说,所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一环境特点信息和用来标识酱油生产中沉淀物的第一处理规则信息。通过输入所述第一环境特点信息,神经网络模型会输出酱油生产中沉淀物的第一处理规则信息,通过将所述输出信息与所述起标识作用的酱油生产中沉淀物的第一处理规则信息进行校验,如果所述输出信息与所述起标识作用的酱油生产中沉淀物的第一处理规则信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的酱油生产中沉淀物的第一处理规则信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的酱油生产中沉淀物的第一处理规则信息要求相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而达到使得酱油生产中沉淀物的第一处理规则信息更加精确的技术效果。
进一步,本申请实施例还包括:
步骤S1010:根据所述第一环境特点信息获得第一温度信息;
步骤S1020:判断所述第一温度信息是否满足预设生产温度信息;
步骤S1030:若不满足,获得所述第一温度信息对酱油生产的第一影响度;
步骤S1040:根据所述第一影响度获得第一解决方法。
具体而言,为了根据实际的环境信息对酱油沉淀物进行处理,还可根据所述第一环境特点信息获得第一温度信息,所述第一温度信息为酱油生产地实际的温度信息,当生产地在北方时,温度较低,当生产地在南方时,温度较高,而酱油生产要求的温度是恒定的,因此判断所述第一温度信息是否满足预设生产温度信息,所述预设生产温度信息为标准的酱油生产温度信息,温度较高或较低都会对酱油的制曲以及发酵产生影响,当所述第一温度信息不满足预设生产温度信息时,获得所述第一温度信息对酱油生产的第一影响度,所述第一影响度即温度对酱油制取的影响,进一步影响酱油沉淀物的处理等,并根据所述第一影响度获得第一解决方法,通过根据实际的环境信息对酱油沉淀物进行处理,达到了对酱油的沉淀物进行环保处理的技术效果。
进一步,本申请实施例还包括:
步骤S1041:获得酱油的第一生产原料信息;
步骤S1042:根据所述第一生产原料信息获得原料蒸煮温度信息;
步骤S1043:判断所述第一温度信息是否达到所述原料蒸煮温度信息;
步骤S1044:若未达到,获得原料蒸煮后的沉淀物信息;
步骤S1045:判断所述沉淀物信息是否包含所述第一生产原料信息;
步骤S1046:若包含,获得第一提取指令;
步骤S1047:根据所述第一提取指令,对沉淀物中的有效原料成分进行提取并循环利用。
具体而言,为了更加具体的对酱油沉淀物进行处理,还可获得酱油的第一生产原料信息,所述第一生产原料信息为制取酱油所需的原料信息,常见的包括黄豆、豆粕等原料,进而根据所述第一生产原料信息获得原料蒸煮温度信息,当温度过低时,润水需要较长时间,进而延长总体的蒸煮时间,使工作效率下降,当温度过高时,使得蒸煮原料变性,综合考虑,一般选取温度为45-50℃,使得熟料蒸煮彻底,进而判断所述第一温度信息是否达到所述原料蒸煮温度信息,当处于北方温度较低时,无法达到所述原料蒸煮温度信息,使得原料蒸煮不彻底,产生较多沉淀物,获得原料蒸煮后的沉淀物信息,所述沉淀物信息除了正常制取产生的沉淀物之外,还包括一小部分生产原料,对沉淀物信息进行判断,判断所述沉淀物信息是否包含所述第一生产原料信息,当包含时,获得第一提取指令,所述第一指令为对沉淀物中的有效原料成分进行提取并循环利用,通过对沉淀物中的有效成分及原料进行有效提取和循环利用,达到了更加具体的对酱油沉淀物进行环保处理的技术效果。
进一步,本申请实施例还包括:
步骤S1110:获得沉淀物过滤设备信息;
步骤S1120:根据所述沉淀物过滤设备信息获得过滤设备耐腐蚀性能信息;
步骤S1130:判断所述过滤设备耐腐蚀性能信息是否满足预设耐腐蚀性能;
步骤S1140:若不满足,获得第一更换指令;
步骤S1150:根据所述第一更换指令对所述沉淀物过滤设备信息进行更换。
具体而言,还可获得沉淀物过滤设备信息,所述沉淀物过滤设备信息用于对酱油沉淀物进行过滤,进而根据所述沉淀物过滤设备信息获得过滤设备耐腐蚀性能信息,因酱油制取过程中,会产生大量的盐分,因此应选用耐腐蚀性的过滤设备进行过滤,通过判断所述过滤设备耐腐蚀性能信息是否满足预设耐腐蚀性能,所述预设耐腐蚀性能为预设的过滤设备的耐腐蚀性能系数,当所述过滤设备耐腐蚀性能信息不满足预设耐腐蚀性能,可获得第一更换指令,所述第一更换指令为对所述沉淀物过滤设备信息进行更换,使得所需的过滤设备达到标准的预设耐腐蚀性能,达到了确保过滤设备正常工作,避免因性能不符合标准产生新沉淀的技术效果。
进一步,本申请实施例还包括:
步骤S1210:获得沉淀物过滤设备的第一清洁时间,所述第一清洁时间为所述沉淀物过滤设备最近的清洁时间;
步骤S1220:获得所述沉淀物过滤设备的第一清洁周期;
步骤S1230:根据所述第一清洁周期获得所述沉淀物过滤设备的第二清洁时间;
步骤S1240:根据所述第二清洁时间获得第一提醒信息;
步骤S1250:根据所述第一提醒信息,提醒第一工作人员对所述沉淀物过滤设备进行及时清洁。
具体而言,为了确保过滤设备工作正常,还可获得沉淀物过滤设备的第一清洁时间,所述第一清洁时间为所述沉淀物过滤设备最近的清洁时间,并获得所述沉淀物过滤设备的第一清洁周期,所述第一清洁周期为过滤设备的清洁周期,因其工作时长期受到盐分的腐蚀,则可适当缩短过滤设备的清洁周期,举例而言,可规定所述沉淀物过滤设备的清洁周期为一周,并根据所述第一清洁周期获得所述沉淀物过滤设备的第二清洁时间,所述第二清洁时间与所述第一清洁时间间隔一周,根据所述第二清洁时间获得第一提醒信息,所述第一提醒信息为提醒第一工作人员对所述沉淀物过滤设备进行及时清洁,达到了确保沉淀物过滤设备的清洁及时性、有效性,避免因清洁不及时影响沉淀物的过滤工作的技术效果。
综上所述,本申请实施例所提供的一种酱油生产中沉淀物的环保处理方法和装置具有如下技术效果:
1、通过根据不同产地环境特点信息和酱油沉淀物处理规则构建数据训练模型,进而将第一环境特点信息输入数据训练模型进行不断训练,使得匹配出适合第一环境特点信息的酱油沉淀物处理方法,进而根据酱油生产环保要求对处理方法进一步修正,达到了环保处理酱油沉淀物,提高酱油生产质量的技术效果。
2、通过借助摄像头对酱油制备全过程进行拍摄记录,获得酱油生产过程中的浑浊度渐变信息,从而很直观的判断沉淀物处理效果,同时,通过对沉淀物进行成分分类和特性分析,回收有效的原料成分,达到了更加具体的对沉淀物进行环保处理和有效循环利用的技术效果。
实施例二
基于与前述实施例中一种酱油生产中沉淀物的环保处理方法同样发明构思,本发明还提供了一种酱油生产中沉淀物的环保处理装置,如图2所示,所述装置包括:
第一获得单元11:所述第一获得单元11用于获得酱油的第一生产地信息;
第二获得单元12:所述第二获得单元12用于根据所述第一生产地信息获得第一环境特点信息;
第一构建单元13:所述第一构建单元13用于根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;
第三获得单元14:所述第三获得单元14用于获得酱油生产中的沉淀物处理规则;
第二构建单元15:所述第二构建单元15用于根据所述数据集和所述沉淀物处理规则构建数据训练模型;
第一输入单元16:所述第一输入单元16用于将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;
第四获得单元17:所述第四获得单元17用于获得酱油生产的第一环保要求信息;
第一修正单元18:所述第一修正单元18用于根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;
第一处理单元19:所述第一处理单元19用于根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
进一步的,所述装置还包括:
第五获得单元:所述第五获得单元用于获得酱油的第一生产流程信息;
第六获得单元:所述第六获得单元用于获得第一图像信息,所述第一图像信息为摄像头拍摄的酱油生产过程中的浑浊度渐变信息;
第七获得单元:所述第七获得单元用于根据所述浑浊度渐变信息依次获得原沉淀物信息、一次沉淀物信息和二次沉淀物信息;
第一分析单元:所述第一分析单元用于分别对所述原沉淀物信息、所述一次沉淀物信息和所述二次沉淀物信息进行成分含量分析,依次获得第一分析结果、第二分析结果和第三分析结果;
第二处理单元:所述第二处理单元用于依次根据所述第一分析结果、所述第二分析结果和所述第三分析结果对沉淀物进行处理。
进一步的,所述装置还包括:
第八获得单元:所述第八获得单元用于根据所述第一分析结果获得原沉淀物组分含量信息;
第九获得单元:所述第九获得单元用于根据所述原沉淀物组分含量信息获得组分特性信息;
第一分类单元:所述第一分类单元用于根据所述组分特性信息对原沉淀物进行组分分类,获得组分类别信息;
第十获得单元:所述第十获得单元用于根据所述组分类别信息,获得第一处理指令;
第三处理单元:所述第三处理单元用于根据所述第一处理指令,按照所述组分特性信息对原沉淀物进行处理。
进一步的,所述装置还包括:
第二输入单元:所述第二输入单元用于将所述第一环境特点信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括:所述第一环境特点信息和用来标识酱油生产中沉淀物的第一处理规则信息;
第十一获得单元:所述第十一获得单元用于获得所述第一训练模型的输出信息,其中,所述输出信息包括酱油生产中沉淀物的第一处理规则信息。
进一步的,所述装置还包括:
第十二获得单元:所述第十二获得单元用于根据所述第一环境特点信息获得第一温度信息;
第一判断单元:所述第一判断单元用于判断所述第一温度信息是否满足预设生产温度信息;
第十三获得单元:所述第十三获得单元用于若不满足,获得所述第一温度信息对酱油生产的第一影响度;
第十四获得单元:所述第十四获得单元用于根据所述第一影响度获得第一解决方法。
进一步的,所述装置还包括:
第十五获得单元:所述第十五获得单元用于获得酱油的第一生产原料信息;
第十六获得单元:所述第十六获得单元用于根据所述第一生产原料信息获得原料蒸煮温度信息;
第二判断单元:所述第二判断单元用于判断所述第一温度信息是否达到所述原料蒸煮温度信息;
第十七获得单元:所述第十七获得单元用于若未达到,获得原料蒸煮后的沉淀物信息;
第三判断单元:所述第三判断单元用于判断所述沉淀物信息是否包含所述第一生产原料信息;
第十八获得单元:所述第十八获得单元用于若包含,获得第一提取指令;
第一提取单元:所述第一提取单元用于根据所述第一提取指令,对沉淀物中的有效原料成分进行提取并循环利用。
进一步的,所述装置还包括:
第十九获得单元:所述第十九获得单元用于获得沉淀物过滤设备信息;
第二十获得单元:所述第二十获得单元用于根据所述沉淀物过滤设备信息获得过滤设备耐腐蚀性能信息;
第四判断单元:所述第四判断单元用于判断所述过滤设备耐腐蚀性能信息是否满足预设耐腐蚀性能;
第二十一获得单元:所述第二十一获得单元用于若不满足,获得第一更换指令;
第一更换单元:所述第一更换单元用于根据所述第一更换指令对所述沉淀物过滤设备信息进行更换。
前述图1实施例一中的一种酱油生产中沉淀物的环保处理方法的各种变化方式和具体实例同样适用于本实施例的一种酱油生产中沉淀物的环保处理装置,通过前述对一种酱油生产中沉淀物的环保处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种酱油生产中沉淀物的环保处理装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种酱油生产中沉淀物的环保处理方法的发明构思,本发明还提供一种酱油生产中沉淀物的环保处理装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种酱油生产中沉淀物的环保处理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种酱油生产中沉淀物的环保处理方法,其中,所述方法包括:获得酱油的第一生产地信息;根据所述第一生产地信息获得第一环境特点信息;根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;获得酱油生产中的沉淀物处理规则;根据所述数据集和所述沉淀物处理规则构建数据训练模型;将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;获得酱油生产的第一环保要求信息;根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种酱油生产中沉淀物的环保处理方法,其中,所述方法包括:
获得酱油的第一生产地信息;
根据所述第一生产地信息获得第一环境特点信息;
根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;
获得酱油生产中的沉淀物处理规则;
根据所述数据集和所述沉淀物处理规则构建数据训练模型;
将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;
获得酱油生产的第一环保要求信息;
根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;
根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
2.如权利要求1所述的方法,其中,所述获得酱油生产中的沉淀物处理规则,还包括:
获得酱油的第一生产流程信息;
获得第一图像信息,所述第一图像信息为摄像头拍摄的酱油生产过程中的浑浊度渐变信息;
根据所述浑浊度渐变信息依次获得原沉淀物信息、一次沉淀物信息和二次沉淀物信息;
分别对所述原沉淀物信息、所述一次沉淀物信息和所述二次沉淀物信息进行成分含量分析,依次获得第一分析结果、第二分析结果和第三分析结果;
依次根据所述第一分析结果、所述第二分析结果和所述第三分析结果对沉淀物进行处理。
3.如权利要求2所述的方法,其中,所述方法还包括:
根据所述第一分析结果获得原沉淀物组分含量信息;
根据所述原沉淀物组分含量信息获得组分特性信息;
根据所述组分特性信息对原沉淀物进行组分分类,获得组分类别信息;
根据所述组分类别信息,获得第一处理指令;
根据所述第一处理指令,按照所述组分特性信息对原沉淀物进行处理。
4.如权利要求1所述的方法,其中,所述将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则,还包括:
将所述第一环境特点信息输入第一训练模型进行训练,所述第一训练模型通过多组训练数据训练所得,所述多组训练数据中的每一组训练数据均包括:所述第一环境特点信息和用来标识酱油生产中沉淀物的第一处理规则信息;
获得所述第一训练模型的输出信息,其中,所述输出信息包括酱油生产中沉淀物的第一处理规则信息。
5.如权利要求1所述的方法,其中,所述方法还包括:
根据所述第一环境特点信息获得第一温度信息;
判断所述第一温度信息是否满足预设生产温度信息;
若不满足,获得所述第一温度信息对酱油生产的第一影响度;
根据所述第一影响度获得第一解决方法。
6.如权利要求5所述的方法,其中,所述方法还包括:
获得酱油的第一生产原料信息;
根据所述第一生产原料信息获得原料蒸煮温度信息;
判断所述第一温度信息是否达到所述原料蒸煮温度信息;
若未达到,获得原料蒸煮后的沉淀物信息;
判断所述沉淀物信息是否包含所述第一生产原料信息;
若包含,获得第一提取指令;
根据所述第一提取指令,对沉淀物中的有效原料成分进行提取并循环利用。
7.如权利要求1所述的方法,其中,所述方法还包括:
获得沉淀物过滤设备信息;
根据所述沉淀物过滤设备信息获得过滤设备耐腐蚀性能信息;
判断所述过滤设备耐腐蚀性能信息是否满足预设耐腐蚀性能;
若不满足,获得第一更换指令;
根据所述第一更换指令对所述沉淀物过滤设备信息进行更换。
8.一种酱油生产中沉淀物的环保处理装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于获得酱油的第一生产地信息;
第二获得单元:所述第二获得单元用于根据所述第一生产地信息获得第一环境特点信息;
第一构建单元:所述第一构建单元用于根据环境特点信息构建数据集,所述数据集由多个表征不同环境特点信息组成;
第三获得单元:所述第三获得单元用于获得酱油生产中的沉淀物处理规则;
第二构建单元:所述第二构建单元用于根据所述数据集和所述沉淀物处理规则构建数据训练模型;
第一输入单元:所述第一输入单元用于将所述第一环境特点信息输入所述数据训练模型进行训练,获得所述第一生产地信息的酱油生产中沉淀物的第一处理规则;
第四获得单元:所述第四获得单元用于获得酱油生产的第一环保要求信息;
第一修正单元:所述第一修正单元用于根据所述第一环保要求信息对所述第一处理规则进行修正,获得沉淀物的第一处理方法;
第一处理单元:所述第一处理单元用于根据所述第一处理方法对所述酱油生产中沉淀物进行环保处理。
9.一种酱油生产中沉淀物的环保处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434692.2A CN112544949B (zh) | 2020-12-10 | 2020-12-10 | 一种酱油生产中沉淀物的环保处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434692.2A CN112544949B (zh) | 2020-12-10 | 2020-12-10 | 一种酱油生产中沉淀物的环保处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112544949A CN112544949A (zh) | 2021-03-26 |
CN112544949B true CN112544949B (zh) | 2022-10-11 |
Family
ID=75060294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011434692.2A Active CN112544949B (zh) | 2020-12-10 | 2020-12-10 | 一种酱油生产中沉淀物的环保处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112544949B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6949729B1 (en) * | 1999-03-31 | 2005-09-27 | Sharp Kabushiki Kaisha | Methods and apparatus for controlling operation of a microwave oven in a network |
CN103202457A (zh) * | 2013-04-15 | 2013-07-17 | 江南大学 | 一种挤压加工酱渣资源生产酱油的方法 |
CN103492323A (zh) * | 2011-04-18 | 2014-01-01 | 英派尔科技开发有限公司 | 灰水划分和处理 |
CN104503226A (zh) * | 2014-11-06 | 2015-04-08 | 东华大学 | 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控系统 |
CN109816267A (zh) * | 2019-01-31 | 2019-05-28 | 中国农业科学院农业信息研究所 | 一种智能大豆生产管理方法及系统 |
CN111023354A (zh) * | 2019-12-31 | 2020-04-17 | 武汉市美宜嘉环境艺术有限公司 | 一种根据实时环境筛选空气治理植物的系统和方法 |
CN111476428A (zh) * | 2020-04-16 | 2020-07-31 | 泸州老窖酿酒有限责任公司 | 基于大数据分析的酿酒工艺优化方法 |
CN111563752A (zh) * | 2020-04-28 | 2020-08-21 | 前海国兴(深圳)高科技有限公司 | 用于蔬果全流程的智能化管理系统 |
CN111802563A (zh) * | 2019-04-12 | 2020-10-23 | 合肥华凌股份有限公司 | 光解方法、计算机存储介质、计算机程序产品及制冷设备 |
CN111861050A (zh) * | 2019-04-25 | 2020-10-30 | 鸿富锦精密电子(天津)有限公司 | 生产制程管控装置、方法及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009081495A1 (ja) * | 2007-12-26 | 2009-07-02 | Kikkoman Corporation | 澱粉質原料としてα化玄米を用いる醤油の製造法 |
-
2020
- 2020-12-10 CN CN202011434692.2A patent/CN112544949B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6949729B1 (en) * | 1999-03-31 | 2005-09-27 | Sharp Kabushiki Kaisha | Methods and apparatus for controlling operation of a microwave oven in a network |
CN103492323A (zh) * | 2011-04-18 | 2014-01-01 | 英派尔科技开发有限公司 | 灰水划分和处理 |
CN103202457A (zh) * | 2013-04-15 | 2013-07-17 | 江南大学 | 一种挤压加工酱渣资源生产酱油的方法 |
CN104503226A (zh) * | 2014-11-06 | 2015-04-08 | 东华大学 | 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控系统 |
CN109816267A (zh) * | 2019-01-31 | 2019-05-28 | 中国农业科学院农业信息研究所 | 一种智能大豆生产管理方法及系统 |
CN111802563A (zh) * | 2019-04-12 | 2020-10-23 | 合肥华凌股份有限公司 | 光解方法、计算机存储介质、计算机程序产品及制冷设备 |
CN111861050A (zh) * | 2019-04-25 | 2020-10-30 | 鸿富锦精密电子(天津)有限公司 | 生产制程管控装置、方法及计算机可读存储介质 |
CN111023354A (zh) * | 2019-12-31 | 2020-04-17 | 武汉市美宜嘉环境艺术有限公司 | 一种根据实时环境筛选空气治理植物的系统和方法 |
CN111476428A (zh) * | 2020-04-16 | 2020-07-31 | 泸州老窖酿酒有限责任公司 | 基于大数据分析的酿酒工艺优化方法 |
CN111563752A (zh) * | 2020-04-28 | 2020-08-21 | 前海国兴(深圳)高科技有限公司 | 用于蔬果全流程的智能化管理系统 |
Non-Patent Citations (3)
Title |
---|
Recent developments in L-glutaminase production and applications - an overview;Parameswaran Binod等;《Bioresource Technology》;20171231;第245卷;第1-36页 * |
酱油沉淀物的形成与对策;徐富友等;《中国调味品》;20080131(第1期);第39-41、47页 * |
采用BP神经网络优化酱油固态酿造条件;冷云伟等;《食品与生物技术学报》;20161231;第35卷(第5期);第471-476页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112544949A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573359B (zh) | 一种基于任务难度与标注者能力的众包标注数据整合方法 | |
CN110135341A (zh) | 杂草识别方法、装置及终端设备 | |
CN108399428A (zh) | 一种基于迹比准则的三元组损失函数设计方法 | |
CN110531722B (zh) | 基于数据采集的工艺参数推荐系统及方法 | |
CN107679183A (zh) | 分类器用训练数据获取方法和装置、服务器及存储介质 | |
CN109858714B (zh) | 基于改进神经网络的烟丝质检指标预测方法、装置及系统 | |
CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
CN112001242B (zh) | 一种智能园艺管理方法和装置 | |
Nowakowski et al. | Identification of physical parameters of cereal grain using computer image analysis and neural models | |
CN109102885B (zh) | 基于卷积神经网络与随机森林组合的白内障自动分级方法 | |
CN108142976B (zh) | 一种叶丝干燥工艺参数优化方法 | |
CN113487143A (zh) | 鱼群投喂决策方法、装置、电子设备和存储介质 | |
CN112597827A (zh) | 一种基于大数据的植物物候期预测方法和系统 | |
CN112544949B (zh) | 一种酱油生产中沉淀物的环保处理方法和装置 | |
CN115271209A (zh) | 一种病虫害预测方法、装置、设备和介质 | |
CN111754370B (zh) | 一种基于人工智能的在线教育课程管理方法及系统 | |
CN109994172A (zh) | 骨龄在线数字化测算及身高数据库管理系统 | |
CN116630080B (zh) | 基于图像识别的水产集约化养殖饲料容量确定方法及系统 | |
CN113670917B (zh) | 一种绿茶品质的分析方法和系统 | |
CN112133438B (zh) | 基于大数据的口内修复体设计方法 | |
Tobing et al. | Design of decision support system with C4. 5 algorithm methods in determining results vaname shrimp cultivation | |
CN111738410A (zh) | 肉牛个体生长曲线获取方法、装置和存储介质 | |
CN112733634A (zh) | 一种米粉质量监测方法及装置 | |
CN112472346B (zh) | 一种基于大数据的牙龈保护方法和装置 | |
CN106538437B (zh) | 基于粗糙集理论的南美白对虾白斑病监控预警系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221220 Address after: 545000 Hexi Industrial Zone (production workshop), Dapu Town, Liucheng County, Liuzhou City, Guangxi Zhuang Autonomous Region Patentee after: Guangxi Dingyou Food Co.,Ltd. Address before: 545000 Hexi area, Liucheng County Industrial Zone, Liuzhou, the Guangxi Zhuang Autonomous Region Patentee before: Guangxi Dingqiao Food Technology Group Co.,Ltd. |