CN112699968A - 一种基于白酒酒花图像的摘酒设备 - Google Patents
一种基于白酒酒花图像的摘酒设备 Download PDFInfo
- Publication number
- CN112699968A CN112699968A CN202110063452.4A CN202110063452A CN112699968A CN 112699968 A CN112699968 A CN 112699968A CN 202110063452 A CN202110063452 A CN 202110063452A CN 112699968 A CN112699968 A CN 112699968A
- Authority
- CN
- China
- Prior art keywords
- wine
- liquor
- camera
- cam
- support
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Food Science & Technology (AREA)
- Evolutionary Biology (AREA)
- Biochemistry (AREA)
- Genetics & Genomics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Devices For Dispensing Beverages (AREA)
- Alcoholic Beverages (AREA)
Abstract
本发明为一种基于白酒酒花图像的摘酒设备,包括相机固定部分和酒花采集部分,所述相机固定部分的作用为固定相机位置,采集图片;相机固定部分包括可调节固定支架及安装在固定支架上的相机;所述酒花采集部分的作用为控制酒杯采集原酒并移动酒杯至相机正中位置以方便采集酒花,同时又能将酒杯从采集位置返回至流酒口位置;酒花采集部分包括步进电机、凸轮连杆机构、末端支撑及固定在末端支撑上的酒杯,固定支架固定在白酒生产线的流酒口附近,步进电机驱动凸轮连杆机构动作进而能够带动酒杯在流酒口和相机的正下方往复移动。打破传统人工看花摘酒的不足,提高了自动化、智能化程度,减少人为误差,提高了酒质优品率。
Description
技术领域
本发明属于酿酒技术领域,提出一种基于白酒酒花图像的摘酒设备。
背景技术
白酒是我国特有的酒,传承以千年以上,中国白酒酿造采用固态蒸馏法,其固态法蒸馏方式由于其完美的香味保留特性被完好地继承了下来,并且在历史的发展中不断地进行技术改进和更新,但其摘酒方式一直依赖人工操作。传统酿造工艺对人依赖程度较高,当下进入新时代,亟需解决智能化、自动化设备与传统工艺融合问题,以确保实现“源于传统,优于传统”的目标。
目前白酒行业传统摘酒方式分为三种,分别是“看花摘酒”、“分段摘酒”、“量质摘酒”。三种方法相辅相成,核心为看花摘酒。看花摘酒的操作方式是通过摘酒工人用容器不断接酒,用眼睛观察白酒流出后酒花的大小、形状、持续时间来判断此时流酒的酒精度数,区分酒头、酒体、酒尾三段。这种传统的摘酒方式存在很多缺点:看花摘酒需要摘酒工人具有长时间的摘酒经验,每位操作人员的评定标准不一,评定方法多样,存在较大差距,且会受到操作人员本身的身体状况影响;而且看花摘酒这种传统传承方法全靠师傅带徒弟,缺乏理论标准,传承困难,人才短缺;酒花可分为大清花、小清花、云花、二花、油花五种,酒花的产生受温度和压力的影响,且随着酒精度数的不同酒花的消散速度也不同,所以易受到周围环境因素和操作人员检测速度的影响;摘酒效率及准确率不高,人为误差劣势不可避免,极大的降低了优质酒品率。
综上所述,目前传统的摘酒方式为人工操作看花摘酒,无法保证所摘酒的品质,生产周期长,效率低,对摘酒工个人依赖性较强。在酒花图像识别方面现有技术一般的采用对比的为单张图片,未考虑酒花图像的时序信息,使其在识别的过程中丢失大量相关特征,导致识别率低,识别酒花困难。
发明内容
针对现有技术的不足,本发明拟解决的技术问题是,提供一种基于白酒酒花图像的摘酒设备。根据传统看花摘酒的特点,实现自动看花摘酒。首先采用凸轮连杆机构控制酒杯实现短时间内的快速移动,之后酒花移动到相机正下方时,开始获取酒杯中的酒花图像,通过识别酒花图像来识别酒精度数,实现分段摘酒。不仅打破传统人工看花摘酒及其依赖经验的不足,还提高自动化、智能化程度,减少人为误差,提高了酒质优品率。
本发明解决所述技术问题采用的技术方案是:
一种基于白酒酒花图像的摘酒设备,包括相机固定部分和酒花采集部分,所述相机固定部分的作用为固定相机位置,采集图片;相机固定部分包括可调节固定支架及安装在固定支架上的相机;
所述酒花采集部分的作用为控制酒杯采集原酒并移动酒杯至相机正中位置以方便采集酒花,同时又能将酒杯从采集位置返回至流酒口位置;其特征在于,
酒花采集部分包括步进电机、凸轮连杆机构、末端支撑及固定在末端支撑上的酒杯,固定支架固定在白酒生产线的流酒口附近,且不干涉白酒的正常生产作业,步进电机驱动凸轮连杆机构动作进而能够带动酒杯在流酒口和相机的正下方往复移动,凸轮分为四个行程:推程、远休止、回程、近休止,推程阶段酒杯从流酒位置移动至相机位置,远休止阶段,相机采集酒花图像,并持续1.5-3s;回程阶段,凸轮所驱动的支撑连杆由弹簧拉动,弹簧会拉动支撑连杆时酒杯返回至流酒口处;近休止阶段,停止摆动,进行接酒,停留时间为酒杯恰好接满;在凸轮从回程至近休止位置的过程中,舵机正转带动酒杯转动,使得原酒倒入流酒管道中,之后反转使酒杯复位。
凸轮的设计和酒杯采集完成酒之后停留的时间有关,主要是保证两个方面:一是保证在相机下方位置停留两秒,二是在流酒口停留3-4秒,保证能够使酒处于即将溢出状态;凸轮所驱动的支撑连杆的活动范围为15-20°。
一种基于白酒酒花图像的摘酒方法,其特征在于,该摘酒方法使用权利要求1-7任一所述的基于白酒酒花图像的摘酒设备,凸轮推动支撑连杆控制酒杯整体的移动,使得酒杯从流酒口移动到相机中心,当酒杯转移至相机下方时,相机进行采集照片,采集形式为照片流,采集时间为1.5-3s,隔一帧取一张采集图片,选取挑出的前15-18张图片作为神经网络的输入,输入训练好的神经网络中,输出结果,当实时酒精度数处于预设摘酒酒精度某一范围内时,白酒生产线的控制系统控制相应的摘酒容器处电磁阀开启,将原酒流向不同的原酒储存桶,实现分段摘酒;
与此同时,酒杯在相机位置停留两秒钟后,拉簧带动支撑连杆返回流酒口位置,舵机正转,酒杯中的酒被导入白酒生产线的下一工序的管道中,最后舵机反转酒杯复位,等待下一次摘酒。
所述的神经网络训练采用深度学习的方式,网络结构为RsNet和LSTM相结合的方式,RsNet网络采用RsNet50用于提取相应特征,LSTM网络用于提取时间序列信息,把RsNet网络最后一层分类去掉,使得对每张图片提取的特征直接输入进入LSTM网络;
神经网络中设置输入图片的数量为16张,输出的酒精度数范围在0%-78%之间,输入图像大小为(720,720,3),通过Input Stem阶段和四个Stage之后,输出为(2048,32,32,),经过Flatten层之后输入提取的特征进入LSTM网络层之后输出训练结果;
摘酒分四段进行,摘酒容器处电磁阀设置有四个,第一段酒的酒精度数范围为大于75%,第二段酒的酒精度范围为72%—75%,第三段酒的酒精度数范围为48%—72%,第四段酒的酒精度数范围为0%—48%。
与现有技术相比,本发明的有益效果为:
本发明根据不同酒精度的原酒具有不同酒花的原理,结合计算机视觉和深度学习的方法进行多段科学合理的摘酒。打破依靠传统看花摘酒的经验,提高自动化、智能化程度,实现“源于传统,优于传统”的目标。
本发明设备采用凸轮连杆机构控制酒杯往复移动,机构布局整洁、简单,且使用凸轮连杆机构使得动作连贯稳定,发生故障少,寿命较长。通过对凸轮形状的设计,使其能够实现短时间的快速摘酒,且在相机下方能够停留一定时间,获取酒花的时序信息,能够记录酒花的变化过程,也能在回程过程中实现酒杯倾倒,进行下次摘酒,凸轮形状的设计使其能够实现酒杯内能获得足够观察的酒,且酒的移送过程平稳。
本发明通过相机获取酒花序列图片,充分考虑酒花图像在时间轴上的变化,使用神经网络进行训练识别,提高酒花识别的准确性和实时性,并且使得酒花得以量化,可以代替人工识别。本发明充分考虑了酒花随时间的变化,考虑了时间因素,每隔一帧采集一张图像,总共提取15-20张图片作为输入,输入的是统一序列图像,充分考虑了酒花的变化过程,能够捕捉不同度数下的酒花过程,采集识别精度较高,满足企业生产需求。
本发明摘酒设备有利于形成规模化、现代化摘酒,降低因不同度数范围内原酒混合造成的原酒品质降低问题,提高原酒优品率。
附图说明
图1为本发明摘酒设备安装在白酒生产线相对位置总体示意图;
图2为本发明基于白酒酒花图像的摘酒设备的总体结构示意图;
图3为本发明相机固定部分的结构示意图;
图4为本发明酒花采集部分的结构示意图;
图5为本发明酒花采集部分去除箱体上盖内部示意图;
图6为本发明酒花采集部分箱体内部结构示意图;
图7为本发明酒花采集部分动力提供示意图;
图8为本发明中支撑连杆的立体结构示意图;
图9为本发明一种实施例的凸轮的时序图;
图10为本发明一种实施例的凸轮轮廓示意图;
图11为本发明一种实施例的神经网络结构示意图;
图中:1—相机固定部分;2—酒花采集部分;3—接酒装置;10-纵轴支撑杆;11—主滑块;12—水平支撑杆;13—相机;14—左右卡板;20—箱体上盖;21—箱体下盖;22—动力提供箱体上盖;23—动力提供箱体下盖;24—步进电机;25—电机支撑架;26—轴承支撑架;27—锥齿轮;28—底部支撑架;29—轴;210—凸轮;211—支撑连杆;212—舵机;213—万向球;214—末端支撑;215电机驱动器;216弹簧;31压力阀;32隔膜泵;33背压阀;34流量传感器;35分段阀门;36排液阀。
具体实施方式
为了使本发明更加通俗易懂,下文将结合实施例及附图进一步阐述本发明。
本发明基于白酒酒花图像的摘酒设备,包括相机固定部分1和酒花采集部分2,所述相机固定部分的作用为固定相机位置,采集图片;相机固定部分包括可调节固定支架及安装在固定支架上的相机13;
所述酒花采集部分的作用为控制酒杯采集原酒并移动酒杯至相机正中位置以方便采集酒花,同时又能将酒杯从采集位置返回至流酒口位置;
酒花采集部分2包括步进电机24、凸轮连杆机构、末端支撑214及固定在末端支撑上的酒杯,固定支架固定在白酒生产线的流酒口附近,且不干涉白酒的正常生产作业,步进电机驱动凸轮连杆机构动作进而能够带动酒杯在流酒口和相机的正下方往复移动,凸轮分为四个行程:推程、远休止,回程,近休止,推程阶段酒杯从流酒位置移动至相机位置,远休止阶段,相机采集酒花图像,并持续1.5-3s,回程阶段,拉簧一方面连接支撑连杆,另一方面连接箱体下盖21内壁,弹簧会拉动支撑连杆时酒杯返回至流酒口处;近休止阶段,停止摆动,进行接酒,停留时间为酒杯恰好接满;在凸轮从回程至近休止位置的过程中,舵机正转带动酒杯转动,使得原酒倒入流酒管道中,之后反转使酒杯复位。
凸轮的设计和酒杯采集完成酒之后停留的时间有关,主要是保证两个方面:一是保证在相机下方位置停留两秒,二是在流酒口停留3-4秒,保证能够使酒即将溢出状态。这样可以设计出凸轮的近休止和远休止轮廓。活动范围的话分为两点叙述:一是酒杯从流酒口至相机处,从流酒口到相机处支撑连杆的这个活动范围保证支撑连杆的夹角范围在15-20°左右,这个根据现场情况条件。
这样可以设计凸轮的推程和回程轮廓。这四个阶段正好满足本设备的要求,凸轮通过设计其轮廓曲线,可以使得从动件(支撑连杆)能够按照一定的规律运动,结构简单、可靠性强。
凸轮的设计,选用盘式凸轮摆杆机构,首先是摆杆的运动规律的选择,选用正弦加速度运动规律作为摆杆运动规律,其推程和回程的公式如下式所示:
推程:
回程:
其中,s为摆杆的位移、v为速度、a为加速度、δ为凸轮转角,δ0′为推程运动角,δ0为推程运动角,h为摆杆行程,ω运动角速度。
之后凸轮的基本参数的确定,根据图像采集装置的实际设计尺寸,凸轮的基圆半径为20mm,孔半径为3mm,厚度为10mm,其推程、近休止、回程和远休止周期的安排如附图9所示,近休止时间为凸轮运动周期T的1/3,推程时间为凸轮运动周期T的1/6,远休止时间为凸轮运动周期T的1/3,回程时间为凸轮运动周期T的1/6,最后通过迈迪工具集生成凸轮轮廓曲线如附图10所示。
可调节固定支架包括纵轴支撑杆10、主滑块11、水平支撑杆12、相机13、左右卡板14,纵轴支撑杆作为支撑主体固定在生产线流酒口附近的地面上,纵轴支撑杆10的上安装有主滑块11,主滑块11能固定在纵轴支撑杆上的任意位置上,主滑块上固定安装有水平支撑杆12,水平支撑杆12与纵轴支撑杆10垂直,调节水平支撑杆固定在主滑块上的位置,能够调节相机的水平位置,通过调节主滑块在纵轴支撑杆上的位置能够调节相机在垂直方向上的高度。在水平支撑杆末端上具有包裹型调节板,调节板上设置有滑轨,在滑轨上安装左右板卡14,左右板卡14能够在滑轨上移动并固定在任意位置上,相机13夹紧在左右板卡之间,通过调节左右板卡的夹紧程度实现相机的固定。主滑块11与纵轴支撑杆10和水平支撑杆12相连,通过手拧相应螺栓进行位置固定。水平支撑杆末端放置左右两块卡板14固定相机位置,亦是通过手拧螺栓旋转进行夹紧。
酒花采集部分还包括箱体上盖20、箱体下盖21、动力提供箱体上盖22、动力提供箱体下盖23、底部支撑架28、舵机212。凸轮连杆机构包括凸轮210、支撑连杆211、两个锥齿轮、轴29,
箱体上盖20、箱体下盖21组成长方形箱体,在箱体下盖21的一侧面上设置有长条形开槽,长条形开槽为末端支撑往复移动过程提供移动空间,在箱体内安装动力提供箱体下盖23和动力提供箱体上盖22,动力提供箱体下盖23和动力提供箱体上盖22盖合构成动力提供箱,在动力提供箱内通过电机支撑架25固定安装步进电机24,步进电机作24为整体动力源,步进电机的输出轴与一个锥齿轮连接,该锥齿轮与步进电机输出轴通过轴承定位,轴承安装在轴承支撑架内,通过轴承支撑架26与动力提供箱固定,在与步进电机输出轴连接的锥齿轮外侧的动力提供箱底部安装有底部支撑架28,底部支撑架28上固定轴29,在轴29上安装另一个锥齿轮,两个锥齿轮能够相互啮合,轴的上端通过键安装有凸轮210,轴29通过键带动凸轮210旋转,凸轮位于动力提供箱体上盖22的上表面,凸轮轴向定位采用动力提供箱体上盖22进行定位,大锥齿轮通过轴29的轴肩进行径向定位,通过螺栓进行轴向定位。大锥齿轮的下端面到底部支撑架上表面之间具有一定间距,且大锥齿轮的中心轴孔与轴29之间具有2mm的间隙,二者通过键固定连接。
所述支撑连杆211整体呈L型,L型的角点位置为舵机安装位置,L型的一个长直角边远离角点一侧末端受凸轮推动,在该末端与角点之间设置有轴孔,支撑连杆211通过轴孔及相应的轴与长方形箱体固定,L型的一个短直角边末端连接万向轴213,万向轴与长方形箱体底部滚动连接,能够减轻角点位置舵机的重量,同时能够减少往复移动的摩擦阻力;在支撑连杆211在安装舵机位置的长直角边附近设置有弹簧216,弹簧216一方面与支撑连杆的长直角边固定,另一方面与动力提供箱的内壁固定在一起;
舵机安装在L型角点位置,且舵机的输出轴连接末端支撑,舵机输出轴向远离凸轮一侧伸出,末端支撑214能够抓紧酒杯,酒杯在移动过程中始终保持水平,且在舵机的作用下,酒杯能够向下翻转,将酒倒出。
所述步进电机由电机驱动器215驱动,电机驱动器固定在长方形箱体内部,步进电机转动,步进电机带动一个锥齿轮转动,两个锥齿轮(一个大锥齿轮和一个小锥齿轮)进行啮合传递动力,大锥齿轮通过键带动轴旋转,轴29通过键带动凸轮210旋转,凸轮转动,当进入推程阶段推动支撑连杆211摆动,带动支撑连杆绕与长方形箱体连接的轴转动,该轴与箱体做成一体结构,实现酒杯从流酒位置移动至相机位置。凸轮进入远休止阶段,相机采集酒花图像,即持续2秒钟。凸轮进入回程阶段,拉簧216会拉动支撑连杆返回至流酒口处。凸轮在近休止位置时,停止摆动,进行接酒,持续时间3-4s。在凸轮从回程至近休止位置的过程中,舵机正转带动酒杯转动,使得原酒倒入流酒管道中,之后反转使酒杯复位。整个摘酒过程能够完全模拟人工摘酒,且摘酒时间快,能够有效捕捉酒花的情况。
本实施例中酒杯尺寸是直径为65mm,高为65mm。
本发明基于白酒酒花图像的摘酒设备的工作流程为:甑锅蒸出的原酒蒸汽经蒸汽连接管到冷凝器液化为原酒经流酒口流出,再经接酒装置流进输酒管路,流酒过程中的气体通过排气管排出,之后通过控制阀门的启闭进行控制不同段的原酒,具体地,按照酒液流动方向,甑锅中的酒经冷凝器从流酒口流出,经管道进入接酒装置3,接酒装置3的进入管道上设置有压力阀31,首先通过压力阀31进入隔膜泵31,压力阀31与隔膜泵32之间通过食品级不锈钢管道螺纹连接,之后隔膜泵32一端连接的食品级不锈钢管通过三通接头分别与排液阀36和背压阀33连接,排液阀36用于最后排除背压阀33上部管道内最后的残留酒液,背压阀33通过食品级不锈钢管道与流量传感器34相连,之后酒液通过流量传感器后至分段阀门35进行分段,以上涉及连接未说明处皆采用快装连接。本发明专利所涉及设备放置于流酒口与接酒装置之间,其控制流程为:步进电机24转动,输出轴连接小锥齿轮27,通过旋转带动大锥齿轮27,使两个相互配合的锥齿轮27啮合转动,实现旋转方向的转变,使得步进电机的水平方向转动转为竖直方向转动,大锥齿轮27通过轴键配合使轴29转动,轴29带动凸轮210转动,推动支撑连杆211进行摆动,从而带动与支撑连杆211相连的舵机212及末端支撑214一起摆动,完成酒杯位置的转移。凸轮推动连杆控制酒杯整体的移动,使得酒杯从流酒口移动到相机中心,当酒杯转移至相机13下方时,相机进行采集照片,采集形式为照片流,共2秒,根据相机采集的频率为1秒25帧,共计采集50张图片,隔一帧取一张,在前32张图片中共取16张图片作为神经网络的输入,输入训练好的神经网络中,进行输出结果,当实时酒精度数处于预设摘酒酒精度某一范围内时,白酒生产线的控制系统控制相应的摘酒容器处电磁阀开启,将原酒流向不同的原酒储存桶,实现分段摘酒。与此同时,酒杯在相机位置停留两秒钟后,拉簧(图中未指出)带动支撑连杆返回流酒口位置,舵机212正转,酒杯中的酒被导入管道中(白酒生产线的下一工序),最后舵机反转酒杯复位,等待下一次摘酒。
本发明神经网络中设置输入图片的数量为16张,能够在较低的计算量下,保证识别准确性,本申请中酒精度数范围在0%-78%之间,合适的采集时间段既能够对高度数酒的有效捕捉,又能对低度数酒实现精确检测,在此输入量下能够实现不同度数的区分,实现快速检测。
所述的摘酒分四段进行,摘酒容器处电磁阀设置有四个,第一段酒的酒精度数范围为大于75%,第二段酒的酒精度范围为72%—75%,第三段酒的酒精度数范围为48%—72%,第四段酒的酒精度数范围为0%—48%。
所述的摘酒设备,出酒时,流酒温度控制在28—32℃,流稍子温度不得高于40℃。出酒时流酒速度控制在5—6Kg/min,流稍子时间不得高于2分15秒。
所述的神经网络训练采用深度学习的方式,如附图11所示,网络结构为RsNet和LSTM相结合的方式,RsNet网络采用RsNet50用于提取相应特征,LSTM网络可以提取时间序列信息,把RsNet网络最后一层分类去掉,使得对每张图片提取的特征直接输入进入LSTM网络。网络涉及到得权重参数已通过训练样本训练完成,训练方式是采集11种酒精度数(78%—48%,即48、51、54、57、60、63、66、69、72、75、78)的原酒酒花图像,通过图像预处理之后,输入网络进行训练,具体训练过程可依据现有技术实现。
在训练过程中,学习率设置为0.001,使用交叉熵函数作为网络中损失函数,网络中Conv Block(卷积块)和Identity Block(恒等残差块)中卷积层中卷积核的大小依次为(1×1)、(3×3)、(1×1)(也就是图11中两类块左侧中的卷积层),步长皆为1。如附图11所示,整体过程为:输入图像大小为(720,720,3),通过Input Stem阶段和四个Stage之后,输出为(2048,32,32,),经过Flatten层之后输入提取的特征进入LSTM网络层之后输出训练结果。
其中,Input Stem阶段包括一层卷积层,卷积核的大小为7×7,步长为1,之后通过一层BatchNorm(批归一化)层,再后通过激活函数ReLU,最后通过一层MaxPool(最大池化层),使得图片的大小(720,720,3)转换为(64,256,256);Stage1包括一个Conv Block和两个Identity Block,Conv Block和Identity Block结构附图11所示右侧所示,Conv Block和Identity Block两类块中的卷积层中卷积核的大小从上至下依次为(1×1)、(3×3)、(1×1),步长均为1,输出尺寸为(256,256,256);Stage2包括一个Conv Block和三个IdentityBlock,其组成及卷积核相关参数同上叙述,输出尺寸为(512,128,128);Stage3包括一个Conv Block和五个Identity Block,其组成及卷积核相关参数同上叙述,输出尺寸为(1024,128,128);Stage4包括一个Conv Block和两个Identity Block,其组成及卷积核相关参数同上叙述,输出尺寸为(2048,128,128)。
白酒生产线的控制系统可以通过LabVIEW建立的界面进行显示控制,本申请中步进电机24和舵机212、压力阀31、隔膜泵32、背压阀33、流量传感器34、分段阀门35和排液阀36均是通过PLC进行控制。
本发明未述及之处适用于现有技术。
Claims (10)
1.一种基于白酒酒花图像的摘酒设备,包括相机固定部分和酒花采集部分,所述相机固定部分的作用为固定相机位置,采集图片;相机固定部分包括可调节固定支架及安装在固定支架上的相机;
所述酒花采集部分的作用为控制酒杯采集原酒并移动酒杯至相机正中位置以方便采集酒花,同时又能将酒杯从采集位置返回至流酒口位置;其特征在于,
酒花采集部分包括步进电机、凸轮连杆机构、末端支撑及固定在末端支撑上的酒杯,固定支架固定在白酒生产线的流酒口附近,且不干涉白酒的正常生产作业,步进电机驱动凸轮连杆机构动作进而能够带动酒杯在流酒口和相机的正下方往复移动,凸轮分为四个行程:推程、远休止、回程、近休止,推程阶段酒杯从流酒位置移动至相机位置,远休止阶段,相机采集酒花图像,并持续1.5-3s;回程阶段,凸轮所驱动的支撑连杆由弹簧拉动,弹簧会拉动支撑连杆时酒杯返回至流酒口处;近休止阶段,停止摆动,进行接酒,停留时间为酒杯恰好接满;在凸轮从回程至近休止位置的过程中,舵机正转带动酒杯转动,使得原酒倒入流酒管道中,之后反转使酒杯复位。
2.根据权利要求1所述的摘酒设备,其特征在于,凸轮的设计和酒杯采集完成酒之后停留的时间有关,主要是保证两个方面:一是保证在相机下方位置停留两秒,二是在流酒口停留3-4秒,保证能够使酒处于即将溢出状态;凸轮所驱动的支撑连杆的活动范围为15-20°。
4.根据权利要求1所述的摘酒设备,其特征在于,可调节固定支架包括纵轴支撑杆、主滑块、水平支撑杆、相机、左右卡板,纵轴支撑杆作为支撑主体固定在生产线流酒口附近的地面上,纵轴支撑杆的上安装有主滑块,主滑块能固定在纵轴支撑杆上的任意位置上,主滑块上固定安装有水平支撑杆,水平支撑杆与纵轴支撑杆垂直,调节水平支撑杆固定在主滑块上的位置,能够调节相机的水平位置,通过调节主滑块在纵轴支撑杆上的位置能够调节相机在垂直方向上的高度;在水平支撑杆末端上具有包裹型调节板,调节板上设置有滑轨,在滑轨上安装左右板卡,左右板卡能够在滑轨上移动并固定在任意位置上,相机夹紧在左右板卡之间,通过调节左右板卡的夹紧程度实现相机的固定。
5.根据权利要求1所述的摘酒设备,其特征在于,酒花采集部分还包括箱体上盖、箱体下盖、动力提供箱体上盖、动力提供箱体下盖、拉簧、底部支撑架、舵机;凸轮连杆机构包括凸轮、支撑连杆、两个锥齿轮、轴,
箱体上盖、箱体下盖组成长方形箱体,在箱体下盖的一侧面上设置有长条形开槽,长条形开槽为末端支撑往复移动过程提供移动空间,在箱体内安装动力提供箱体下盖和动力提供箱体上盖,动力提供箱体下盖和动力提供箱体上盖盖合构成动力提供箱,在动力提供箱内通过电机支撑架固定安装步进电机,步进电机作为整体动力源,步进电机的输出轴与一个锥齿轮连接,该锥齿轮与步进电机输出轴通过轴承定位,轴承安装在轴承支撑架内,通过轴承支撑架与动力提供箱固定,在与步进电机输出轴连接的锥齿轮外侧的动力提供箱底部安装有底部支撑架,底部支撑架上固定轴,在轴上安装另一个锥齿轮,两个锥齿轮能够相互啮合,轴的上端通过键安装有凸轮,轴通过键带动凸轮旋转,凸轮位于动力提供箱体上盖的上表面,凸轮轴向定位采用动力提供箱体上盖进行定位,大锥齿轮通过轴的轴肩进行径向定位,通过螺栓进行轴向定位;
拉簧一方面连接支撑连杆,另一方面连接箱体下盖内壁。
6.根据权利要求5所述的摘酒设备,其特征在于,所述支撑连杆整体呈L型,L型的角点位置为舵机安装位置,L型的一个长直角边远离角点一侧末端受凸轮推动,在该末端与角点之间设置有轴孔,支撑连杆通过轴孔及相应的轴与长方形箱体固定,L型的一个短直角边末端连接万向轴,万向轴与长方形箱体底部滚动连接;在支撑连杆在安装舵机位置的长直角边附近设置有弹簧,弹簧一方面与支撑连杆的长直角边固定,另一方面与动力提供箱的内壁固定在一起;
舵机安装在L型角点位置,且舵机的输出轴连接末端支撑,舵机输出轴向远离凸轮一侧伸出,末端支撑能够抓紧酒杯,酒杯在移动过程中始终保持水平,且在舵机的作用下,酒杯能够向下翻转,将酒倒出。
7.根据权利要求6所述的摘酒设备,其特征在于,大锥齿轮的中心轴孔与轴之间具有2mm的间隙,二者通过键固定连接;酒杯尺寸:直径为65mm,高为65mm。
8.一种基于白酒酒花图像的摘酒方法,其特征在于,该摘酒方法使用权利要求1-7任一所述的基于白酒酒花图像的摘酒设备,凸轮推动支撑连杆控制酒杯整体的移动,使得酒杯从流酒口移动到相机中心,当酒杯转移至相机下方时,相机进行采集照片,采集形式为照片流,采集时间为1.5-3s,隔一帧取一张采集图片,选取挑出的前15-18张图片作为神经网络的输入,输入训练好的神经网络中,输出结果,当实时酒精度数处于预设摘酒酒精度某一范围内时,白酒生产线的控制系统控制相应的摘酒容器处电磁阀开启,将原酒流向不同的原酒储存桶,实现分段摘酒;
与此同时,酒杯在相机位置停留两秒钟后,拉簧带动支撑连杆返回流酒口位置,舵机正转,酒杯中的酒被导入白酒生产线的下一工序的管道中,最后舵机反转酒杯复位,等待下一次摘酒。
9.根据权利要求8所述的摘酒方法,其特征在于,所述的神经网络训练采用深度学习的方式,网络结构为RsNet和LSTM相结合的方式,RsNet网络采用RsNet50用于提取相应特征,LSTM网络用于提取时间序列信息,把RsNet网络最后一层分类去掉,使得对每张图片提取的特征直接输入进入LSTM网络;
神经网络中设置输入图片的数量为16张,输出的酒精度数范围在0%-78%之间,输入图像大小为(720,720,3),通过Input Stem阶段和四个Stage之后,输出为(2048,32,32,),经过Flatten层之后输入提取的特征进入LSTM网络层之后输出训练结果;
摘酒分四段进行,摘酒容器处电磁阀设置有四个,第一段酒的酒精度数范围为大于75%,第二段酒的酒精度范围为72%—75%,第三段酒的酒精度数范围为48%—72%,第四段酒的酒精度数范围为0%—48%。
10.根据权利要求9所述的摘酒方法,其特征在于,神经网络的学习率设置为0.001,使用交叉熵函数作为网络中损失函数,网络中卷积块Conv Block和恒等残差块IdentityBlock中从上至下的卷积层中卷积核的大小均依次为(1×1)、(3×3)、(1×1),步长皆为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063452.4A CN112699968B (zh) | 2021-01-18 | 2021-01-18 | 一种基于白酒酒花图像的摘酒设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063452.4A CN112699968B (zh) | 2021-01-18 | 2021-01-18 | 一种基于白酒酒花图像的摘酒设备及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699968A true CN112699968A (zh) | 2021-04-23 |
CN112699968B CN112699968B (zh) | 2022-05-27 |
Family
ID=75515535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110063452.4A Active CN112699968B (zh) | 2021-01-18 | 2021-01-18 | 一种基于白酒酒花图像的摘酒设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699968B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202744526U (zh) * | 2012-07-17 | 2013-02-20 | 泸州品创科技有限公司 | 自动摘酒系统 |
CN110927174A (zh) * | 2019-12-12 | 2020-03-27 | 浙江大学 | 一种基于嵌入式模块的白酒分段检测装置及其方法 |
CN111209787A (zh) * | 2019-09-26 | 2020-05-29 | 浙江中控技术股份有限公司 | 一种视觉辅助的摘酒系统及方法 |
CN111537685A (zh) * | 2020-05-19 | 2020-08-14 | 河北工业大学 | 一种酒精度在线检测摘酒、勾兑系统 |
CN112180832A (zh) * | 2020-11-04 | 2021-01-05 | 尧米(重庆)智能科技有限公司 | 一种人工智能摘酒装置及其摘酒方法 |
-
2021
- 2021-01-18 CN CN202110063452.4A patent/CN112699968B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202744526U (zh) * | 2012-07-17 | 2013-02-20 | 泸州品创科技有限公司 | 自动摘酒系统 |
CN111209787A (zh) * | 2019-09-26 | 2020-05-29 | 浙江中控技术股份有限公司 | 一种视觉辅助的摘酒系统及方法 |
CN110927174A (zh) * | 2019-12-12 | 2020-03-27 | 浙江大学 | 一种基于嵌入式模块的白酒分段检测装置及其方法 |
CN111537685A (zh) * | 2020-05-19 | 2020-08-14 | 河北工业大学 | 一种酒精度在线检测摘酒、勾兑系统 |
CN112180832A (zh) * | 2020-11-04 | 2021-01-05 | 尧米(重庆)智能科技有限公司 | 一种人工智能摘酒装置及其摘酒方法 |
Non-Patent Citations (2)
Title |
---|
余锴鑫: "基于图像分类算法的自动化摘酒方法研究", 《CNKI》 * |
余锴鑫: "基于图像分类算法的自动化摘酒方法研究", 《CNKI》, 15 August 2018 (2018-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN112699968B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106272368A (zh) | 一种自动快速试管取盖机器人及取盖方法 | |
AU2015100496A4 (en) | Design method for boiler for concentrates preparation device | |
CN112699968B (zh) | 一种基于白酒酒花图像的摘酒设备及方法 | |
CN106247000A (zh) | 一种可分析油井供液情况的单流阀及油井供液情况的分析方法 | |
CN107957245A (zh) | 基于机器视觉的发动机连杆尺寸测量装置及其测量方法 | |
IE20150229A1 (en) | Method of production of a boiler for a concentrates preparation device | |
CN109570051A (zh) | 基于机器视觉、激光和声学的板栗虫眼检测装置 | |
CN203414406U (zh) | 一种中药提取过程在线紫外光谱检测系统 | |
US2111242A (en) | Lubricating system for internal combustion engines | |
CN106197137A (zh) | 一种直线移动、区域覆盖的靶向定位投球装置 | |
CN108383358A (zh) | 一种改进的玻璃压延机 | |
CN207383497U (zh) | 一种打叶复烤厂用升降式片烟在线取样检测装置 | |
CN108748162A (zh) | 一种机器人实验教学用基于最小二乘法的机械臂控制方法 | |
CN203672801U (zh) | 瓶底照相检测装置 | |
CN104458321B (zh) | 烟叶抓取的方法及装置 | |
CN203385745U (zh) | 一种用于全自动检测分析仪的取样机械臂 | |
CN208055191U (zh) | 玻璃压延机的冷却结构 | |
CN208613088U (zh) | 一种雪糕棒的视觉采集机构 | |
CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 | |
CN207007570U (zh) | 一种槽车油品取样器 | |
CN210745352U (zh) | 一种青梅单角度图像采集装置 | |
CN208205991U (zh) | 内沟槽检测装置 | |
CN208759598U (zh) | 一种用于发动机端盖生产用的双旋转轴机械臂 | |
CN113278489A (zh) | 一种基于多传感的移动式集成摘酒装置 | |
CN201586395U (zh) | 污油连续式负压脱水装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |