CN112573223B - 仿人智能上甑方法、系统、装置 - Google Patents
仿人智能上甑方法、系统、装置 Download PDFInfo
- Publication number
- CN112573223B CN112573223B CN202011364549.0A CN202011364549A CN112573223B CN 112573223 B CN112573223 B CN 112573223B CN 202011364549 A CN202011364549 A CN 202011364549A CN 112573223 B CN112573223 B CN 112573223B
- Authority
- CN
- China
- Prior art keywords
- retort
- motion
- fermented grains
- steamer
- loading
- 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
- 238000011068 loading method Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 86
- 241000282414 Homo sapiens Species 0.000 title claims description 13
- 230000033001 locomotion Effects 0.000 claims description 120
- 230000009471 action Effects 0.000 claims description 63
- 239000000463 material Substances 0.000 claims description 38
- 230000007480 spreading Effects 0.000 claims description 27
- 238000003892 spreading Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 17
- 238000010025 steaming Methods 0.000 claims description 17
- 238000001931 thermography Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013506 data mapping Methods 0.000 claims description 5
- 210000002310 elbow joint Anatomy 0.000 claims description 5
- 210000000323 shoulder joint Anatomy 0.000 claims description 5
- 210000003857 wrist joint Anatomy 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012840 feeding operation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 49
- 238000009826 distribution Methods 0.000 abstract description 8
- 206010063385 Intellectualisation Diseases 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 2
- 239000007921 spray Substances 0.000 abstract 1
- 235000013339 cereals Nutrition 0.000 description 136
- 239000010410 layer Substances 0.000 description 31
- 230000007246 mechanism Effects 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000013124 brewing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 238000005273 aeration Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010563 solid-state fermentation Methods 0.000 description 1
- 235000015096 spirit Nutrition 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G65/00—Loading or unloading
- B65G65/005—Control arrangements
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12G—WINE; PREPARATION THEREOF; ALCOHOLIC BEVERAGES; PREPARATION OF ALCOHOLIC BEVERAGES NOT PROVIDED FOR IN SUBCLASSES C12C OR C12H
- C12G3/00—Preparation of other alcoholic beverages
Landscapes
- Organic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Zoology (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明属于白酒酿造技术领域，具体涉及一种仿人智能上甑方法，旨在解决现有技术中上甑机器人智能化程度较低，对传统工艺复现度差，出产原酒品质提升困难的问题。本发明公开的仿人智能上甑方法能够控制多关节机械臂根据传感器模块获取的上甑过程中酒醅温度分布和表面不平整度信息带动末端工具有针对性地向甑锅内相应位置均匀铺洒酒醅，实现上甑工艺“轻、松、匀、薄、准、平”的传统工艺要求。模仿传统工艺中人工簸箕上甑的方法，能够实现传统上甑工艺过程的自动化、智能化，有利于在保留传统工艺特点基础上，提高生产效率，减轻劳动强度，降低生产成本。
Description
技术领域
本发明属于白酒酿造技术领域，具体涉及一种仿人智能上甑方法、系统、装置。
背景技术
在中国传统固态发酵法白酒酿造工艺中，上甑作业是重要的工艺环节，其工艺质量的好坏直接决定基酒的产量与品质，从而最终影响经济效益。上甑作业是传统酿造工艺中对操作技能要求较高的工艺环节，目前主要采用手工操作，劳动强度大，工作环境恶劣，产出质量受操作人员技能水平影响较大。
相关行业技术人员也公开了一些采用机械装置自动上甑的技术方案，但仍存在一些缺点和为解决的问题。1)部分自动上甑方案采用机械机构向增桶内布料，与人工上甑相比灵活度差，不能满足探汽上甑的工艺要求。2)一些自动上甑方案仅通过对酒醅表层温度分布判断出汽点，对酒醅表层以下的蒸汽深度不能做出估计，容易造成上汽不匀甚至穿甑现象，从而影响出酒产量。因此，研发智能上甑机器人系统实现白酒上甑工艺自动化、智能化具有重要的实用价值和经济效益。目前公开的自动上甑方案智能化程度较低，缺乏对上甑过程中料层下蒸汽上汽情况的实时感知，对传统工艺复现度较差，与人工操作的技能水平存在差距。
发明内容
为了解决现有技术中的上述问题，即为了解决现有技术中上甑机器人智能化程度较低，对传统工艺复现度差，出产原酒品质提升困难的问题。本申请第一方面提供一种仿人智能上甑方法，包括以下步骤：
步骤S100，按照预设的运动轨迹控制上甑机器人铺洒酒醅；
步骤S200，基于甑锅内酒醅表面的温度场数据建立多层时序温度场模型，基于所述多层时序温度场模型判断所述甑锅内是否出现第一类区域，若出现则执行步骤S300，若未出现则执行步骤S400；所述第一类区域为蒸汽顶面与酒醅顶面之间高度差小于第一阈值的区域；
步骤S300，将所述第一类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第一类区域铺洒酒醅；
步骤S400，基于甑锅内酒醅表面的平整度数据建立酒醅表面平整度模型，基于所述酒醅表面平整度模型判断所述甑锅内是否出现第二类区域，若出现则执行步骤S500，若未出现则执行步骤600；所述第二类区域为平整度的数值大于第二阈值的区域；
步骤S500，将所述第二类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第二类区域铺洒酒醅；
步骤S600，按照预设的运动轨迹控制上甑机器人铺洒酒醅，并判断甑锅内的酒醅表面是否达到预设高度，若否则返回步骤S100，若是则上甑结束。
所述预设的变换规则为第一类区域/第二类区域与甑锅中心位置对应的坐标数据映射关系；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
在一些优选技术方案中，所述预构建的动作库基于人工上甑操作中撒料容器的空间六自由度和人体肩关节、肘关节、腕关节的运动轨迹建立。
在一些优选技术方案中，所述预设的控制规则的生成方法包括：
Φi＝K(i,q0,qn,t,v,r,d,δ)
T＝Φi+Φj+Φk+…
其中：Φi为通过典型上甑动作生成的机器人运动轨迹；K为上甑机器人预构建的动作库函数；i、q0、qn、t、v、r、d、δ分别为运动类别序号、轨迹起始位置、终止位置、轨迹运动时间、最大运动速度、最大运动半径、铺料位置深度、铺料厚度；T为多种不同类型的典型动作合成的上甑机器人运动轨迹。
在一些优选技术方案中，步骤S200中的甑锅内酒醅表面的温度场数据的获取方法为，通过装设于甑锅周向的红外热成像设备获取。
在一些优选技术方案中，步骤S400中的甑锅内酒醅表面的平整度数据的获取方法为，通过装设于甑锅上方的三维图像采集设备获取。
在一些优选技术方案中，步骤S600中判断酒醅表面是否达到预设高度的方法为，通过装设于甑锅上方的三维图像采集设备获取。
在一些优选技术方案中，所述三维图像采集设备为多个，多个所述三维图像采集设备沿甑锅周向均匀设置。
在一些优选技术方案中，第一阈值为h，h∈(100mm，120mm)。
在一些优选技术方案中，步骤S300和步骤S500中的“依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号”还包括：依据所述运动路径和酒醅表面高度，基于预设的控制规则生成上甑机器人的控制信号。
在一些优选技术方案中，所述预设的变换规则为第一类区域/第二类区域与甑锅中心位置对应的坐标数据映射关系；该坐标数据为以甑锅中心位置为圆点，甑锅半径为半径的设定圆形区域，确定该第一类区域/第二类区域相对于该设定圆形区域内的位置和所占面积，即确实其位于圆形区域的边缘、中心、方向以及圆形区域内的面积。
本发明第二方面提供一种仿人智能上甑系统，该系统包括检测模块、主控模块、执行模块；
所述检测模块，配置为获取甑锅内酒醅的表面温度场数据和表面平整度数据；
所述主控模块，配置为基于酒醅的表面温度场数据和表面平整度数据分别建立多层时序温度场模型和酒醅表面平整度模型；
所述执行模块，配置为基于所述多层时序温度场模型和所述酒醅表面平整度模型获取待上甑区域的坐标数据，并基于预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向待上甑区域铺洒酒醅；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
本发明第三方面提供一种存储装置，其中存储有多条程序，，所述程序适用于由处理器加载并执行以实现上述技术方案中任一技术方案所述的仿人智能上甑方法。
本发明第四方面提供一种存储装置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；所述程序适用于由处理器加载并执行以实现上述技术方案中任一技术方案所述的仿人智能上甑方法。
本发明的有益效果：
本发明上甑机器人系统能够实现上甑过程中酒醅中蒸汽上升情况的自主感知并通过上甑机器人自动完成上甑任务，实现传统白酒上甑工艺过程的自动化、智能化。其特点在于机器人通过技能学习，模仿传统白酒工艺中人工簸箕上甑的操作手法，根据实时传感器信息自动完成上甑任务，在保留传统白酒酿造工艺特点的基础，极大地降低了了工人劳动强度，提高劳动生产率，降低生产成本，保证出酒品质。
本发明的仿人智能上甑方法通过采用不同时间序列的多层温度场图对蒸汽上汽深度进行估计。现有技术中仅仅对酒醅表层温度场进行分析，只能探测到即将冒汽和已经冒汽的区域，无法区分正常上汽区域和压气过深区域，容易造成局部压气过深，容易导致上汽不匀或发生穿甑事故，影响产量。一般上甑工艺要求上甑过程中上汽深度在100-120mm为宜。本申请提出的“探汽上甑”方法综合多层温度场图在连续时间序列中的信息，通过合理设定阈值参数信息，可以有效划分出正常上汽区域、即将上汽区域和压气区域，合理的对不同区域进行操作，满足均匀上汽的工艺要求。
本申请中提出的基于物料平整度的上甑方法采用三维深度相机对酒醅表面进行建模。通过三维深度相机获取的酒醅表面深度图或三维点云，主控计算机通过获取的深度图或三维点云可以拟合出酒醅表面所在的平面。通过酒醅所在平面的位置信息，机器人可以采取贴近酒醅料表面的方式进行铺料，使铺料过程中酒醅以较小的速度洒落在料面上，保证上甑过程中“轻”、“松”的工艺要求。同时，通过对深度图或三维点云中高度低于所拟合的酒醅平面的区域，进行曲面拟合，判断是否为低洼区域。对判断为低洼区域的部分，计算其面积、深度及在机器人坐标系中的位置发送给上甑机器人及执行装置。
本申请预构建的动作库路径规划方法通过机器人技能学习的方法模仿传统人工上甑的操作技能，保留传统工艺操作特点，达到降低劳动强度，节约人力成本，提高效率的目的。本申请通过三维运动捕捉装置对人工上甑操作过程进行数据采集，获取人工操作中末端簸箕和人体上肢关节在三维空间中的运动轨迹。随后从获取的数据中提取典型运动轨迹，建立运动模型分析动作特征。对提取的典型运动动作进行分类和泛化编码，建立参数化的机器人仿人上甑工艺动作库，并通过机器人离线仿真系统验证动作库的有效性与可行性。在上甑过程中，根据传感器获取的信息，主控计算机根据上甑过程中的实时上甑需求，从预构建的动作库中选取合适的工艺动作，设定动作参数和路径起始、终止位置，规划机器人上甑运动轨迹。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明一种实施例的仿人智能上甑方法的流程示意图；
图2为本发明一种实施例中仿人智能上甑机器人系统的框架示意图；
图3为本发明一种实施例中仿人智能上甑机器人系统的结构示意图；
附图标记列表：
1-数据采集模块，2-三维图像采集设备；3-红外热成像设备；4-甑锅；5-上料装置；6-多关节机械臂；7-撒料机构；8-主控计算机；9-运动控制器；10-上甑机器人。
具体实施方式
为使本发明的实施例、技术方案和优点更加明显，下面将结合附图对本发明的技术方案进行清楚、完整的描述，显然，所述的实施例是本发明的一部分实施例，而不是全部实施例。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
本发明的一种仿人智能上甑方法，包括以下步骤：
步骤S100，按照预设的运动轨迹控制上甑机器人铺洒酒醅；
步骤S200，基于甑锅内酒醅表面的温度场数据建立多层时序温度场模型，基于所述多层时序温度场模型判断所述甑锅内是否出现第一类区域，若出现则执行步骤S300，若未出现则执行步骤S400；所述第一类区域为蒸汽顶面与酒醅顶面之间高度差小于第一阈值的区域；
步骤S300，将所述第一类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第一类区域铺洒酒醅；
步骤S400，基于甑锅内酒醅表面的平整度数据建立酒醅表面平整度模型，基于所述酒醅表面平整度模型判断所述甑锅内是否出现第二类区域，若出现则执行步骤S500，若未出现则执行步骤600；所述第二类区域为平整度的数值大于第二阈值的区域；
步骤S500，将所述第二类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第二类区域铺洒酒醅；
步骤S600，按照预设的运动轨迹控制上甑机器人铺洒酒醅，并判断甑锅内的酒醅表面是否达到预设高度，若否则返回步骤S100，若是则上甑结束。
所述预设的变换规则为第一类区域/第二类区域与甑锅中心位置对应的坐标数据映射关系；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
为了更清晰地对本发明仿人智能上甑方法进行说明，下面结合附图对本发明一种优选实施例进行展开详述。
作为本发明的一个优选实施例，本发明的仿人智能上甑方法是基于仿人智能上甑机器人系统完成的，具体地，该系统包括数据采集模块1、执行模块和主控模块8。进一步地，数据采集模块1包括红外热成像设备3、三维图像采集设备2、位移检测设备。优选地，红外热成像设备3为红外热成像摄像机、三维图像采集设备2为3D深度摄像机，位移检测设备为激光测距传感器。其中，红外热成像设备用于获取上甑过程中甑锅内酒醅表面的温度场数据。三维图像采集设备用于获取上甑过程中甑锅内酒醅表面的平整度数据。位移检测设备用于获取酒醅表面相对于甑锅顶部的相对位置，即用于判断酒醅表面是否达到预设高度。优选地，位移检测设备为多个，多个位移检测传感器沿甑锅周向均匀设置。以便于更全面完整的检测酒醅表面到甑锅顶部开口的距离。
更进一步地，红外热成像摄像机用于对甑锅内酒醅中温度分布进行探测，建立多层时间序列温度场模型，从而对酒醅中蒸汽上汽情况进行监测，估计蒸汽上汽深度；三维深度摄像机用于对酒醅表面进行三维建模，获取酒醅表面位置和酒醅表面三维不平度信息。传感器安装在甑锅上方，与主控模块连接，向主控模块传递获取的图像信息。
在本发明的优选实施例中，红外热成像摄像机和3D深度摄像机安装在甑锅上方的传感器支架上，代替人眼的功能。红外热成像摄像机基于长波红外探测原理，能够探测环境温度的变化，能够对酒醅表面进行热成像。3D深度摄像机基于飞行时间法原理，能够获取表面三维深度数据，并输出成深度图或三维点云。上述红外热成像摄像机和3D深度摄像机获取的数据分别用于传送给主控模块计算酒醅多层温度场分布信息与表面不平度测度信息。
其中酒醅多层时序温度场模型包含不同时间采集的热红外温度场数据组成的时间序列，以及对应的时间戳信息。每一层温度场数据都表征了采集时刻的酒醅表面温度场信息。根据每一层温度度场对应的时间戳信息可以计算出该层温度场与当前时刻的时间差。
该系统的执行模块包括上甑机器人10，该上甑机器人10包括多关节机器臂6、安装于多关节机器臂6末端的撒料机构7以及运动控制器9。本申请的上甑机器人能够根据实时传感信息，根据实际需要，按照机器人预构建的动作库中的一种或几种动作组合运动轨迹，带动末端撒料机构向甑锅内相应位置均匀铺洒酒醅。具体而言，运动控制器9从主控模块接收控制指令，运动控制器9根据相应的指令驱动多关节机器臂6和末端的撒料机构7向甑锅内指定的区域铺料。具体地，运动控制器9接收主控模块发送的运动轨迹指令，将多关节机器臂6末端轨迹解算为多关节机器臂6各关节转角变化轨迹。同时根据主控计算机8发出的控制指令中的上甑铺料速度或铺料厚度参数计算出末端撒料机构7的出料速度。运动控制器9根据计算好的数据驱动多关节机器臂6和末端撒料机构7完成上甑铺料动作。末端的撒料机构中设有带动力的打散机构，保证酒醅在落入甑锅时处于均匀、松散的状态。
优选地，预构建的动作库内，依据仿人上甑的工艺，当待上甑区域位于甑锅边缘时，采用溜边的上甑手法进行上甑；当待上甑区域位于甑锅中心时，依据铺中心的上甑手法进行上甑；当待上甑区域为甑锅的大面积时，选择常规大面积铺料的上甑手法进行上甑。
在一些优选实施方式中，预构建的动作库是通过采集人工上甑操作轨迹数据，经过泛化编码得到的，可以用于机器人上甑仿人轨迹生成。通过多摄像头三维运动捕捉装置采集人工上甑操作过程中关键点位置和姿态，获取人工操作中末端撒料容器(例如簸箕)和人体关节(优选为腕关节、肘关节和肩关节)在三维空间中的运动轨迹。随后从获取的数据中提取典型运动轨迹，并对不同的典型上甑动作建立动作运动模型。对提取的典型运动动作进行分类和泛化编码，建立参数化的机器人仿人上甑工艺动作库。优选的，通过机器人离线仿真系统，对仿人上甑动作库中的动作进行仿真分析，验证动作库中动作的有效性与可行性。
在上甑过程中，根据传感器获取的信息，主控计算机根据不同的需要，从预构建的动作库中选取合适的工艺动作，设定动作参数和路径起始、终止位置，规划机器人上甑运动轨迹。具体地，所述预设的控制规则的生成方法包括：
Φi＝K(i,q0,qn,t,v,r,d,δ)
T＝Φi+Φj+Φk+…
其中：Φi为通过典型上甑动作生成的机器人运动轨迹；K为上甑机器人预构建的动作库函数；i、q0、qn、t、v、r、d、δ分别为运动类别序号、轨迹起始位置、终止位置、轨迹运动时间、最大运动速度、最大运动半径、铺料位置深度、铺料厚度；T为多种不同类型的典型动作合成的上甑机器人运动轨迹。
主控模块包括主控计算机8，其包括集成控制界面与软件模块，用于对整个系统进行控制。主要包括传感器采集与处理模块、酒醅多层温度场模型、酒醅表面三维模型、预构建的动作库、机器人上甑轨迹规划模块以及软件操作控制界面。主控计算机负责运行系统的集成控制界面与各软件模块。主控模块在上甑过程中实时接收传感器信息，基于红外热成像信息获取酒醅温度分布，建立酒醅中多层时序温度场模型，从而准确估计蒸汽深度分布；基于三维深度摄像机获取的深度图或三维点云，拟合酒醅表面所在平面，搜索低于酒醅表面所在平面的的区域，计算其面积、深度和位置坐标，建立酒醅表面不平度测度模型。根据酒醅中蒸汽上汽深度分布与酒醅表面位置和不平度测度模型，根据需要从预构建的动作库中选取一种或几种典型动作，设置合理的运动参数，组合成机器人及末端铺料机构的运动轨迹，发送给运动控制控制器。
其中所述的预构建的动作库通过采集人工上甑操作中末端撒料容器的空间六自由度(例如簸箕的横滚角、俯仰角、朝向角等数据)和人体上肢关节(主要包括腕关节、肘关节和肩关节)在三维空间中的运动轨迹，经过典型动作提取与泛化编码得到多种典型的工艺动作模型，并可以通过修改运动参数和起始、终止位置适应不同的上甑需求。机器人基于预构建的动作库模仿传统人工上甑的操作技能，根据获取的传感器信息，选取并组合出符合需要的机器人上甑运动轨迹。
下面结合附图对本申请的第一种仿人智能上甑方法进行详细说明。本发明的仿人智能上甑方法第一种实施例具体包括以下步骤：
步骤S100，主控模块从预构建的动作库选取预设的运动轨迹，并基于预设的运动轨迹控制上甑机器人铺洒第N层酒醅。当N等于1，即该层酒醅为底醅；预设的运动轨迹是基于运动库选择的动作轨迹，可由本领域技术人员灵活设置起点和终点并进行选择，在此不做限定。
步骤S200，数据采集模块1通过装设于甑锅周向的红外热成像设备获取甑锅内酒醅表面的温度场数据，主控模块基于甑锅内酒醅表面的温度场数据建立多层时序温度场模型，并基于所述多层时序温度场模型判断所述甑锅内是否出现第一类区域，即判断是否出现“即将见汽区域”。若出现则执行步骤S300，若未出现则执行步骤S400；所述第一类区域为蒸汽顶面与酒醅顶面之间高度差小于第一阈值的区域。
可以理解的，本领域技术人员可随意设置红外热成像设备相对于甑锅的位置，只要能够使得获取甑锅内酒醅表面的温度场数据即可。
步骤S300，主控模块将所述第一类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第一类区域铺洒酒醅，直至第一类区域消失，即该区域蒸汽顶面与酒醅顶面之间高度差符合第一阈值。
步骤S400，数据采集模块1通过装设于甑锅上方的三维图像采集设备获取甑锅内酒醅表面的平整度数据，基于甑锅内酒醅表面的平整度数据建立酒醅表面平整度模型，基于所述酒醅表面平整度模型判断所述甑锅内是否出现第二类区域，即判断是否出现“低洼区域”。若出现则执行步骤S500，若未出现则执行步骤600；所述第二类区域为平整度的数值大于第二阈值的区域，可以理解的是第二阈值用于判断该区域表面的平整度，是否低于周边酒醅表面的高度，具体数值可以由本领域技术人员随意设置。
可以理解的，本领域技术人员也可随意设置三维图像采集设备的位置，只要能够使其获取甑锅内酒醅表面的平整度数据即可。
步骤S500，主控模块将所述第二类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第二类区域铺洒酒醅，直至该区域平整，即该区域的酒醅表面与周边区域的酒醅表面高度持平或相近。
步骤S600，主控模块按照预设的运动轨迹控制上甑机器人铺洒第N+1层酒醅，数据采集模块1的位移检测设备获取酒醅表面相对于甑锅顶部的距离，以便于判断甑锅内的酒醅表面是否达到预设高度，若否则N＝N+2并返回步骤S100，若是则上甑结束。需要说明的是N≥1。
上述方法中每次铺洒酒醅的量非定量，其不是平均铺洒，当甑锅内既无“第一类区域”又无“第二类区域”，则每次铺洒酒醅的量为固定量。
当甑锅内出现“第一类区域”和/或“第二类区域”，主控模块则需控制上甑机器人先对“第一类区域”铺洒酒醅，而后对“第二类区域”铺洒酒醅。
在一些优选实施例中，除底层酒醅外，剩余均为预设铺料厚度的整数倍时，且此时每层无“第一类区域”和“第二类区域”，则该甑锅内部环境为理想环境，上甑机器人按照预设的铺料厚度逐层对甑锅内部进行上甑。
在一些优选实施例中，除底层酒醅外，则按照本申请的上述上甑方法进行上甑，而在距离预设高度时，即上甑到最后一层时，主控模块控制上甑机器人智能控制铺洒酒醅的量，以避免酒醅表面超出甑锅内预设的高度。
其中，所述预设的变换规则为第一类区域/第二类区域与甑锅中心位置对应的坐标数据映射关系；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系，具体地，预构建的动作库基于人工上甑操作中撒料容器的空间六自由度和人体肩关节、肘关节、腕关节的运动轨迹建立。
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
下面结合附图对本申请的第二种仿人智能上甑方法进行详细说明。本发明的仿人智能上甑方法第一种实施例具体包括以下步骤：
步骤S100，启动系统，主控计算机8完成初始化，建立其分部与数据采集模块1和上甑机器人10之间的通讯，对多层时序温度场模型和表面平整度模型进行初始化。主控模块根据预构建的动作库规划运动，控制多关节机械臂6根据预设的机器人运动轨迹在甑锅4内均匀的铺洒一层酒醅作为底醅。
步骤S200，主控模块通过数据采集模块获取甑锅4内酒醅的表面温度场数据与表面三维数据，主控模块根据红外热成像传感器数据(即根据最新的图像信息和图像对应的时间戳)对酒醅多层时序温度场模型进行更新，加入新一层表面温度场信息与对应的时间戳信息，并根据更新后的模型估计酒醅中蒸汽上汽深度。通过三维深度传感器拟合酒醅表面所在平面，并计算其在机器人坐标系下的深度，为机器人贴近酒醅表面铺料提供位置信息、为后续机器人轨迹规划提供信息。搜索低于酒醅表面所在平面的的区域，计算其面积、深度和位置坐标，建立酒醅表面不平度测度模型。
步骤S300，根据建立的多层时序温度场模型，结合时间信息，按照酒醅中的蒸汽上汽深度对酒醅划分区域，将酒醅分为“正常上汽区域”、“压汽区域”和“即将见汽区域”。主控模块根据预构建的动作库，按照区域划分结果规划上甑机器人在甑锅内的铺料运动轨迹，对“即将见汽区域”进行铺料操作，同时避让“压气区域”和“正常上汽区域”。实现“见汽上甑”的工艺要求。其中，“即将见汽区域”即为第一类区域，即蒸汽顶面与酒醅顶面之间高度差小于第一阈值的区域，优选地，第一阈值为h，h∈(100mm，120mm)。可以理解的是，“压汽区域”即为蒸汽顶面与酒醅顶面之间高度差高于第一阈值的区域，“正常上汽区域”即为蒸汽顶面与酒醅顶面之间高度差在第一阈值之间的区域。需要说明的是，蒸汽上述的速度小于上甑机器人的铺料速度，因此，上甑机器人能够及时对“即将见汽区域”进行铺洒酒醅料，以避免蒸汽外散，造成不必要的损失。
具体而言，根据建立的多层时序温度场模型，结合时间信息，对多层时间序列温度场信息进行搜索，对当前时刻温度场和历史时刻温度场信息赋予不同的权值进行叠加计算，得到总体的温度场信息，根据当前和历史数据中超过一定温度的热点区域密度估计不同区域的蒸汽深度。温度场中不同区域热点密度矩阵σ和蒸汽深度矩阵D表示如下：
其中Ik表示时间序列中某一层温度场中不同区域热点数量矩阵。Sk是对应的权值，t-tk表示当前时刻与该层温度场采集时刻的时间差，时间差越大，权值越小。上述公式中表示了热点数量越大，所估计的蒸汽深度越浅的关系，其中M为转换系数，这里只表示了最简单的一种方法，在实际中可以采取其他转换关系来更好地精确表达蒸汽上汽深度与温度场中热点密度地关系，其中，n为当前时刻的酒醅总层数，k为层数的变量，ρ为遗忘因子。
步骤S400，基于多层时序温度场模型，判断酒醅中蒸汽上汽的深度。根据酒醅上汽深度，设定合理铺料速度和上料厚度(可以理解的是，铺料速度与上料厚度相互耦合，铺料速度越快，上料厚度越薄，)。如果蒸汽深度较浅，蒸汽即将从酒醅中溢出，则增大铺料厚度，加快铺料速度，防止蒸汽溢出。若蒸汽深度较深，则减小铺料厚度，降低铺料速度，防止压气过深。主控模块根据预构建的动作库规划上甑机器人的运动路径，向甑锅内除“压气区域”的各区域均匀地铺洒一层厚度一致的酒醅。主控模块根据预构建的动作库选取合适的动作组合，采用不同的运动组合，设置不同的轨迹起点和终点，根据规定的参数生成机器人运动轨迹，并将运动指令发送给机器人运动控制器，保证上甑布料的均匀性。
步骤S500，根据酒醅表面不平度测度数据，通过连通域分析或区域生长等方法提取表面不平整的低洼区域，主控模块根据预构建的动作库，按照表面不平度模型中的面积、深度、位置坐标等信息规划机器人运动轨迹，引导机器人对不平整区域进行补料操作。具体地，主控模块根据摄像机内参数和外参数计算得到低洼区域在机器人坐标系下的中心坐标；根据提取的低洼区域位置信息，依据运动路径最短的原则规划上甑铺料运动轨迹，对低洼区域进行针对性的补料。
步骤S600，当执行完一层铺料动作后，主控计算机8从数据采集模块获取信息，即温度场信息和酒醅表面平整度信息。重复执行步骤S200-步骤S500，使酒醅随着蒸汽上升均匀、平整的散布在甑锅4内。可以理解的是，本领域技术人员还可以依据上甑机器人末端撒料机构内部设置的满空信息或重量信息判断当前时刻下是否执行完一层铺料动作。
步骤S700，根据三维图像采集设备2拟合的酒醅表面位置，判断甑锅4内酒醅是否达到设定高度，当甑锅4内酒醅达到设定高度时，上甑结束，系统停止运动，进入下一步蒸酒工序。可以理解的是设定高度为本领域技术人员根据实际情况灵活设置，例如其可以为甑锅4高度的90％或80％等。
本发明第二实施例提供一种仿人智能上甑系统，该系统包括检测模块、主控模块、执行模块；
所述检测模块，配置为获取甑锅内酒醅的表面温度场数据和表面平整度数据；
所述主控模块，配置为基于酒醅的表面温度场数据和表面平整度数据分别建立多层时序温度场模型和酒醅表面平整度模型；
所述执行模块，配置为基于所述多层时序温度场模型和所述酒醅表面平整度模型获取待上甑区域的坐标数据，并基于预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向待上甑区域铺洒酒醅；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
本发明第三实施例提供一种存储装置，其中存储有多条程序，，所述程序适用于由处理器加载并执行以实现上述技术方案中任一技术方案所述的仿人智能上甑方法。
本发明第四实施例提供一种存储装置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；所述程序适用于由处理器加载并执行以实现上述技术方案中任一技术方案所述的仿人智能上甑方法。
上述本申请实施例中的技术方案中，至少具有如下的技术效果及优点：
本发明的上甑机器人系统中安装在甑锅上方的数据采集模块负责获取上甑过程中酒醅温度分布和表面不平整度信息，多关节机械臂根据数据采集模块获取的信息带动末端工具有针对性地向甑锅内相应位置均匀铺洒一层酒醅，实现上甑工艺“轻、松、匀、薄、准、平”的传统工艺要求。本发明旨在解决现有上甑机器人系统智能化程度较低，对传统工艺复现度差，出产原酒品质提升困难的问题。本发明公开的上甑机器人系统及上甑方法模仿传统工艺中人工簸箕上甑的方法，能够实现传统上甑工艺过程的自动化、智能化，有利于在保留传统工艺特点基础上，提高生产效率，减轻劳动强度，降低生产成本。
需要说明的是，在本发明的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种仿人智能上甑方法，其特征在于，包括以下步骤：
步骤S100，按照预设的运动轨迹控制上甑机器人铺洒酒醅；
步骤S200，基于甑锅内酒醅表面的温度场数据建立多层时序温度场模型，基于所述多层时序温度场模型判断所述甑锅内是否出现第一类区域，若出现则执行步骤S300，若未出现则执行步骤S400；所述第一类区域为蒸汽顶面与酒醅顶面之间高度差小于第一阈值的区域；
所述建立多层时序温度场模型的方法为：
其中，D为蒸汽深度矩阵，σ为温度场中不同区域热点密度矩阵；Ik表示时间序列中某一层温度场中不同区域热点数量矩阵，Sk是对应的权值，t-tk表示当前时刻与该层温度场采集时刻的时间差，时间差越大，权值越小；M为转换系数；n为当前时刻的酒醅总层数，k为层数的变量，ρ为遗忘因子；
步骤S300，将所述第一类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第一类区域铺洒酒醅；
步骤S400，基于甑锅内酒醅表面的平整度数据建立酒醅表面平整度模型，基于所述酒醅表面平整度模型判断所述甑锅内是否出现第二类区域，若出现则执行步骤S500，若未出现则执行步骤600；所述第二类区域为平整度的数值大于第二阈值的区域；
步骤S500，将所述第二类区域依据预设的变换规则变为坐标数据，将所述坐标数据输入预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向所述第二类区域铺洒酒醅；
步骤S600，按照预设的运动轨迹控制上甑机器人铺洒酒醅，并判断甑锅内的酒醅表面是否达到预设高度，若否则返回步骤S100，若是则上甑结束；
所述预设的变换规则为第一类区域/第二类区域与甑锅中心位置对应的坐标数据映射关系；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系；所述预设的控制规则的生成方法包括：
Φi＝K(i,q0,qn,t,v,r,d,δ)
T＝Φi+Φj+Φk+…
其中：Φi为通过上甑动作生成的机器人运动轨迹；K为上甑机器人预构建的动作库函数；i、q0、qn、t、v、r、d、δ分别为运动类别序号、轨迹起始位置、终止位置、轨迹运动时间、最大运动速度、最大运动半径、铺料位置深度、铺料厚度；T为多种不同类型的典型动作合成的上甑机器人运动轨迹。
2.根据权利要求1所述的仿人智能上甑方法，其特征在于，所述预构建的动作库基于人工上甑操作中撒料容器的空间六自由度和人体肩关节、肘关节、腕关节的运动轨迹建立。
3.根据权利要求1所述的仿人智能上甑方法，其特征在于，所述第一阈值为h，h∈(100mm，120mm)。
4.根据权利要求1-3中任一项所述的仿人智能上甑方法，其特征在于，步骤S200中的甑锅内酒醅表面的温度场数据的获取方法为，通过装设于甑锅周向的红外热成像设备获取。
5.根据权利要求1-3中任一项所述的仿人智能上甑方法，其特征在于，步骤S400中的甑锅内酒醅表面的平整度数据的获取方法为，通过装设于甑锅上方的三维图像采集设备获取。
6.根据权利要求1-3中任一项所述的仿人智能上甑方法，其特征在于，步骤S600中判断酒醅表面是否达到预设高度的方法为，通过装设于甑锅上方的三维图像采集设备获取。
7.一种仿人智能上甑系统，其特征在于，该系统包括检测模块、主控模块、执行模块；所述主控模块存储权利要求1-6中任一项所述的仿人智能上甑方法；
所述检测模块，配置为获取甑锅内酒醅的表面温度场数据和表面平整度数据；
所述主控模块，配置为基于酒醅的表面温度场数据和表面平整度数据分别建立多层时序温度场模型和酒醅表面平整度模型；
所述执行模块，配置为基于所述多层时序温度场模型和所述酒醅表面平整度模型获取待上甑区域的坐标数据，并基于预构建的动作库获取运动路径，依据所述运动路径，基于预设的控制规则生成上甑机器人的控制信号，并依据该信号控制上甑机器人向待上甑区域铺洒酒醅；
所述预构建的动作库为坐标数据与该坐标对应运动路径的映射关系；
所述预设的控制规则为运动路径与上甑机器人动作控制的映射关系。
8.一种存储装置，其中存储有多条程序，其特征在于，所述程序适用于由处理器加载并执行以实现权利要求1-6任一项所述的仿人智能上甑方法。
9.一种处理设置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；其特征在于，所述程序适用于由处理器加载并执行以实现权利要求1-6任一项所述的仿人智能上甑方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011364549.0A CN112573223B (zh) | 2020-11-27 | 2020-11-27 | 仿人智能上甑方法、系统、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011364549.0A CN112573223B (zh) | 2020-11-27 | 2020-11-27 | 仿人智能上甑方法、系统、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112573223A CN112573223A (zh) | 2021-03-30 |
| CN112573223B true CN112573223B (zh) | 2021-11-09 |
Family
ID=75124259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011364549.0A Active CN112573223B (zh) | 2020-11-27 | 2020-11-27 | 仿人智能上甑方法、系统、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112573223B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052399A (zh) * | 2021-04-21 | 2021-06-29 | 浙江中控技术股份有限公司 | 温度监控系统、方法、装置、存储介质及电子设备 |
| CN113173432A (zh) * | 2021-06-01 | 2021-07-27 | 安徽金种子酒业股份有限公司 | 上甑布料机器人 |
| CN113942002B (zh) * | 2021-10-20 | 2022-09-27 | 中科九创智能科技(北京)有限公司 | 上甑机器人及其控制方法 |
| CN114170173B (zh) * | 2021-11-30 | 2022-11-04 | 中科九创智能科技(北京)有限公司 | 上甑机器人的检测方法、检测模块及检测系统 |
| CN114674365A (zh) * | 2022-03-07 | 2022-06-28 | 武汉奋进智能机器有限公司 | 上甑布料方法与上甑机器人 |
| CN114988048A (zh) * | 2022-06-28 | 2022-09-02 | 武汉奋进智能机器有限公司 | 上甑系统及上甑方法 |
| CN115322863B (zh) * | 2022-10-13 | 2023-02-28 | 武汉奋进智能机器有限公司 | 一种甑锅料面三维形貌及热区分布识别的上甑方法 |
| CN116442393B (zh) * | 2023-06-08 | 2024-02-13 | 山东博硕自动化技术有限公司 | 基于视频识别的搅拌站智能卸料方法、系统及控制设备 |
| CN117053729B (zh) * | 2023-10-10 | 2024-01-16 | 武汉奋进智能机器有限公司 | 酒甑的布料方法及装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104692143A (zh) * | 2015-02-28 | 2015-06-10 | 李家民 | 一种旋动式仿生智能上甑机 |
| CN104816954A (zh) * | 2015-03-17 | 2015-08-05 | 江苏食品药品职业技术学院 | 一种龙门式酒醅自动装甑机及装甑方法 |
| CN105199894A (zh) * | 2015-07-14 | 2015-12-30 | 湖南博雅智能装备股份有限公司 | 一种酿酒用自动装甑机器人系统及其控制方法 |
| CN105505659A (zh) * | 2016-02-01 | 2016-04-20 | 泸州成邦机械工程有限公司 | 一种酒类酿造机器人自动上甑设备及方法 |
| CN105923410A (zh) * | 2016-06-22 | 2016-09-07 | 天津荣新佳科技有限公司 | 一种柔性撒料的智能上甑机器人 |
| CN106272381A (zh) * | 2016-10-21 | 2017-01-04 | 中国科学院自动化研究所 | 一种自动上甑装置 |
| CN107416541A (zh) * | 2017-07-21 | 2017-12-01 | 鞍钢集团矿业有限公司 | 料仓自动布料装置和布料方法 |
| CN107674800A (zh) * | 2017-11-06 | 2018-02-09 | 常州机电职业技术学院 | 一种自动装甄装置及其料面溢汽区域跟踪方法 |
| CN107858235A (zh) * | 2017-12-21 | 2018-03-30 | 邹浩 | 一种智能连续自动上甄装置及其工作方法 |
| CN108303751A (zh) * | 2018-02-06 | 2018-07-20 | 四川理工学院 | 一种自动装甑的智能探汽方法 |
| CN208814985U (zh) * | 2018-06-29 | 2019-05-03 | 武汉奋进智能机器有限公司 | 一种上甑机器人大臂结构及上甑机器人 |
| CN109852522A (zh) * | 2019-02-26 | 2019-06-07 | 付玉银 | 一种智能上甑机 |
| CN110405730A (zh) * | 2019-06-06 | 2019-11-05 | 大连理工大学 | 一种基于rgb-d图像的人机物交互机械臂示教系统 |
| CN111747137A (zh) * | 2020-07-21 | 2020-10-09 | 中国科学院自动化研究所 | 一机多甑上甑系统 |
-
2020
- 2020-11-27 CN CN202011364549.0A patent/CN112573223B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104692143A (zh) * | 2015-02-28 | 2015-06-10 | 李家民 | 一种旋动式仿生智能上甑机 |
| CN104816954A (zh) * | 2015-03-17 | 2015-08-05 | 江苏食品药品职业技术学院 | 一种龙门式酒醅自动装甑机及装甑方法 |
| CN105199894A (zh) * | 2015-07-14 | 2015-12-30 | 湖南博雅智能装备股份有限公司 | 一种酿酒用自动装甑机器人系统及其控制方法 |
| CN105505659A (zh) * | 2016-02-01 | 2016-04-20 | 泸州成邦机械工程有限公司 | 一种酒类酿造机器人自动上甑设备及方法 |
| CN105923410A (zh) * | 2016-06-22 | 2016-09-07 | 天津荣新佳科技有限公司 | 一种柔性撒料的智能上甑机器人 |
| CN106272381A (zh) * | 2016-10-21 | 2017-01-04 | 中国科学院自动化研究所 | 一种自动上甑装置 |
| CN107416541A (zh) * | 2017-07-21 | 2017-12-01 | 鞍钢集团矿业有限公司 | 料仓自动布料装置和布料方法 |
| CN107674800A (zh) * | 2017-11-06 | 2018-02-09 | 常州机电职业技术学院 | 一种自动装甄装置及其料面溢汽区域跟踪方法 |
| CN107858235A (zh) * | 2017-12-21 | 2018-03-30 | 邹浩 | 一种智能连续自动上甄装置及其工作方法 |
| CN108303751A (zh) * | 2018-02-06 | 2018-07-20 | 四川理工学院 | 一种自动装甑的智能探汽方法 |
| CN208814985U (zh) * | 2018-06-29 | 2019-05-03 | 武汉奋进智能机器有限公司 | 一种上甑机器人大臂结构及上甑机器人 |
| CN109852522A (zh) * | 2019-02-26 | 2019-06-07 | 付玉银 | 一种智能上甑机 |
| CN110405730A (zh) * | 2019-06-06 | 2019-11-05 | 大连理工大学 | 一种基于rgb-d图像的人机物交互机械臂示教系统 |
| CN111747137A (zh) * | 2020-07-21 | 2020-10-09 | 中国科学院自动化研究所 | 一机多甑上甑系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112573223A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112573223B (zh) | 仿人智能上甑方法、系统、装置 | |
| Blasco et al. | AE—Automation and emerging technologies: Robotic weed control using machine vision | |
| CN105116911B (zh) | 无人机喷药方法 | |
| CN104161353B (zh) | 一种鞋面的自动化喷胶设备及自动喷胶方法 | |
| CN104759379B (zh) | 基于喷涂目标三维成像技术的全流程闭环智能喷涂机器人 | |
| CN105595536B (zh) | 一种基于点云识别技术的鞋类自动化制作方法 | |
| BR102018068319B1 (pt) | Método implementado por computador para utilização de um veículo aéreo não tripulado em aplicações florestais, e, veículo aéreo não tripulado | |
| CN108550141A (zh) | 一种基于深度视觉信息的运动车斗自动识别与定位方法 | |
| CN108182689A (zh) | 应用于机器人搬运打磨领域的板状工件三维识别定位方法 | |
| JP7097956B2 (ja) | ロボットの移動を管理するための装置、及び関連する処理ロボット | |
| CN108919830A (zh) | 一种无人机精准降落的飞行控制方法 | |
| CN203952628U (zh) | 一种鞋类的自动化生产线 | |
| CN105747384B (zh) | 一种鞋类的自动化制作方法 | |
| JP6629556B2 (ja) | 工程編成支援装置、工程編成支援方法 | |
| CN110065068A (zh) | 一种基于逆向工程的机器人装配作业演示编程方法及装置 | |
| JP7248517B2 (ja) | 学習装置、評価装置および学習モデルの生産方法 | |
| CN114080905A (zh) | 基于数字双胞胎的采摘方法及云采摘机器人系统 | |
| CN117282580A (zh) | 一种用于喷涂流水线的智能机械手及控制方法 | |
| Dobbs et al. | New directions in weed management and research using 3D imaging | |
| KR102264200B1 (ko) | 작물 생육정보 모니터링 시스템 | |
| CN104298345A (zh) | 一种人机交互系统的控制方法 | |
| CN114310872B (zh) | 一种基于dgg点云分割网络的机械臂自动打菜方法 | |
| CN114924555B (zh) | 一种基于全自动隧道喷浆机器人的路径规划方法 | |
| CN110347273A (zh) | 基于激光的人机交互方法 | |
| CN115322863A (zh) | 一种甑锅料面三维形貌及热区分布识别的上甑方法 |
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: 20221230 Address after: No. 139, Paitianmen Street, Gaoxin District Street, Daiyue District, Tai'an City, Shandong Province, 271025 Patentee after: TAISHAN HENGXIN CO.,LTD. Address before: 100190 No. 95 East Zhongguancun Road, Beijing, Haidian District Patentee before: INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230419 Address after: 271000 No.139, peitianmen street, high tech Zone, Tai'an City, Shandong Province Patentee after: Zhongke Hengxin Intelligent Technology (Taian) Co.,Ltd. Address before: No. 139, Paitianmen Street, Gaoxin District Street, Daiyue District, Tai'an City, Shandong Province, 271025 Patentee before: TAISHAN HENGXIN CO.,LTD. |