CN114063587B - 一种基于机器视觉的蛋糕无菌生产控制方法及系统 - Google Patents

Abstract

本发明提供了一种基于机器视觉的蛋糕无菌生产控制方法及系统，其中，该方法包括：获取第一蛋糕生产流程信息，其中，第一蛋糕生产流程信息包括生产设备信息和生产操作信息；生产第一蛋糕样品，检测第一蛋糕样品，获取第一样本菌种信息集合，其中，第一样本菌种信息集合包括菌种信息和菌落形成时间信息；对第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；根据生产菌种信息集合进行溯源分析，获取第一蛋糕生产流程信息中的待调整流程信息；对待调整流程信息进行调整，获得调整后的第一蛋糕生产流程信息，进行无菌蛋糕生产。

Description

一种基于机器视觉的蛋糕无菌生产控制方法及系统

技术领域

本发明涉及食品安全技术领域，具体涉及一种基于机器视觉的蛋糕无菌生产控制方法及系统。

背景技术

蛋糕由于其口感软糯、口味香甜、营养丰富受到广大消费者的喜爱。蛋糕在生产和保存的过程中，若出现污染，极易导致细菌以及真菌滋生，影响蛋糕食用甚至危害人体健康。

在实现本申请技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中一般通过质量监督手段形成蛋糕无菌生产环境，防止蛋糕污染，其方法人工参与度较高，控制效率较低，存在着无法智能准确控制蛋糕无菌生产的技术问题。

发明内容

本申请提供了一种基于机器视觉的蛋糕无菌生产控制方法及系统，用于针对解决现有技术存在的蛋糕生产无菌监督控制的方法效率较低，无法智能准确控制蛋糕无菌生产的技术问题。

鉴于上述问题，本申请提供了一种基于机器视觉的蛋糕无菌生产控制方法及系统。

本申请的第一个方面，提供了一种基于机器视觉的蛋糕无菌生产控制方法，所述方法包括：获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产。

本申请的第二个方面，提供了一种基于机器视觉的蛋糕无菌生产控制系统，所述系统包括：第一获得单元，所述第一获得单元用于获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；第一处理单元，所述第一处理单元用于生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；第二处理单元，所述第二处理单元用于对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；第三处理单元，所述第三处理单元用于根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；第一管理单元，所述第一管理单元用于对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产。

本申请的第三个方面，提供了一种基于机器视觉的蛋糕无菌生产控制系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。

本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请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：

本申请提供的技术方案通过获取当前蛋糕种类生产制备过程中的流程信息，该流程信息包括用于进行生产的设备信息和所进行蛋糕制备操作的操作信息，根据该流程信息制备蛋糕样品，然后检测该蛋糕样品，获取其受杂菌污染的信息，作为样本菌种信息，然后对样本菌种信息进行异常检测，去除异常数据，得到生产菌种信息集合，根据该生产菌种信息集合进行溯源分析，获得制备蛋糕时引入杂菌污染的待调整流程信息，对其进行调整，以避免其引入污染菌种，控制蛋糕无菌的生产环境。本申请通过获取当前的蛋糕生产流程信息，模拟现有蛋糕生产过程，生产获得可能引入菌种污染的蛋糕样品，能够完全模拟当前蛋糕生产条件，进而获得最为准确地当前生产过程中可能引入的污染菌种信息，然后对蛋糕样品进行菌落检测，获取菌种种类以及菌落大小，并进行异常检测，能够避免异常菌种信息数据对方法准确度的影响，提升方法的精度，进而获得菌落形成时间信息，进行溯源检测，能够智能准确获得引入污染菌种的设备或操作步骤，进而能够准确地对设备操作步骤进行调整，控制蛋糕生产过程中的无菌环境，进而提升蛋糕质量，降低蛋糕生产条件调整控制的人工参与度，达到提升蛋糕无菌生产条件控制效率和精度的技术效果。

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为本申请提供的一种基于机器视觉的蛋糕无菌生产控制方法流程示意图；

图2为本申请提供的一种基于机器视觉的蛋糕无菌生产控制方法中进行异常检测的流程示意图；

图3为本申请提供的一种基于机器视觉的蛋糕无菌生产控制方法中进行溯源分析的流程示意图；

图4为本申请提供了一种基于机器视觉的蛋糕无菌生产控制系统结构示意图；

图5为本申请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，第一处理单元12，第二处理单元13，第三处理单元14，第一管理单元15，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请通过提供了一种基于机器视觉的蛋糕无菌生产控制方法及系统，用于针对解决现有技术中的数据流检测普适性较差，存在着的数据流监测效果检查的技术问题。

申请概述

蛋糕由于其口感软糯、口味香甜、营养丰富受到广大消费者的喜爱，其已经不是生日等特殊场合的专属，已成为诸多消费者的日常食品。蛋糕富含蛋白质和糖分，因此，蛋糕在生产、保存和运输的过程中，若出现污染，极易导致细菌以及真菌滋生，影响蛋糕食用甚至危害人体健康。

现有技术中一般通过质量监督手段形成蛋糕无菌生产环境，防止蛋糕污染，其方法人工参与度较高，往往出现控制效率较低，蛋糕无菌生产环境无法及时调整保持的情况，存在着无法智能准确控制蛋糕无菌生产的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供的技术方案通过获取当前蛋糕种类生产制备过程中的流程信息，该流程信息包括用于进行生产的设备信息和所进行蛋糕制备操作的操作信息，根据该流程信息制备蛋糕样品，然后检测该蛋糕样品，获取其受杂菌污染的信息，作为样本菌种信息，然后对样本菌种信息进行异常检测，去除异常数据，得到生产菌种信息集合，根据该生产菌种信息集合进行溯源分析，获得制备蛋糕时引入杂菌污染的待调整流程信息，对其进行调整，以避免其引入污染菌种，控制蛋糕无菌的生产环境。

在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，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。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种基于机器视觉的蛋糕无菌生产控制方法，所述方法包括：

S100：获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；

具体而言，第一蛋糕可为现有技术中任意类型的蛋糕，以不同的类型区分标准进行区分，例如，第一蛋糕可为现有技术中的烘焙蛋糕或蒸蛋糕等。

第一蛋糕生产流程信息为第一蛋糕进行生产制备以及保存过程中的各个流程信息，其包括生产设备信息和生产操作信息。生产设备信息包括用于制备和保存第一蛋糕所采用的设备的信息以及采用设备所进行的制备操作信息。生产操作信息包括第一蛋糕进行生产制备以及保存过程中所进行的人工操作信息。

本申请提供的方法中的步骤S100包括：

S110：获取第一蛋糕生产过程中的原料设备信息、制作设备信息和包装设备信息；

S120：将所述原料设备信息、制作设备信息和包装设备信息作为所述生产设备信息；

S130：获取所述第一蛋糕生产过程中的原料操作信息、生产操作信息和包装操作信息；

S140：将所述原料操作信息、生产操作信息和包装操作信息作为所述生产操作信息；

S150：获取使用所述原料设备信息、制作设备信息和包装设备信息对应设备的制作时间信息，作为第一流程时间集合；

S160：获取进行所述原料操作信息、生产操作信息和包装操作信息对应操作的制作时间信息，作为第二流程时间集合；

S170：将所述生产设备信息、生产操作信息、第一流程时间集合和第二流程时间集合作为所述第一蛋糕生产流程信息。

具体而言，获取第一蛋糕生产过程中的原料设备信息、制作设备信息和包装设备信息，原料设备信息即为用于制备第一蛋糕生产原料的设备信息。制作设备信息为采用处理完毕的原料进行制备蛋糕成品的设备的信息。包装设备信息为对制备完成的蛋糕进行包装的设备的信息。将上述的原料设备信息、制作设备信息和包装设备信息作为生产设备信息。

示例性地，以烘焙蛋糕为例，原料设备信息包括用于搅拌鸡蛋、奶油等原料的搅拌设备。制作设备信息包括用于烘焙蛋糕的烤箱等设备。包装设备信息包括用于将烘焙完毕的蛋糕进行打包保存进行运输的设备的信息。上述内容仅为示例，以使更好地理解本申请的技术方案，但不作为本申请的限制。

获取第一蛋糕生产过程中的原料操作信息、生产操作信息和包装操作信息，原料操作信息为处理制备第一蛋糕的原料的处理操作信息，包括取料、搅拌、打发等。生产操作信息为采用处理完毕的蛋糕原料进行制备的操作信息，包括装模、造型等。包装操作信息为将制备完毕的蛋糕进行包装的操作信息，包括转移、包装等。

将上述的原料操作信息、生产操作信息和包装操作信息作为生产操作信息。

进一步地，获取采用上述原料设备信息、制作设备信息和包装设备信息对应的制作时间信息，其中，其包括采用原料设备处理蛋糕原料的处理时间、采用制作设备利用原料制备蛋糕的制作时间以及采用包装设备包装蛋糕的包装时间，将该采用上述原料设备信息、制作设备信息和包装设备信息对应的制作时间信息作为第一流程时间集合。

以及，获取上述原料操作信息、生产操作信息和包装操作信息对应操作的制作时间信息，其包括进行上述原料操作信息对应操作的原料处理时间，采用处理完毕原料进行蛋糕制作操作的制作时间，以及对制备完成蛋糕进行包装操作的包装时间，进而作为第二流程时间集合。

最终，将上述的生产设备信息、生产操作信息、第一流程时间集合和第二流程时间集合作为第一蛋糕生产流程信息。基于该第一蛋糕生产流程信息，可获取当前制备蛋糕的流程步骤以及相应设备，以及进行各制备操作和使用各设备对应的时间段信息，进而可根据后续的杂菌污染信息进行精准溯源，获得引入菌种污染的时间，进而获得对应的操作或步骤以及设备，进行蛋糕制备条件的无菌控制。

S200：生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；

具体而言，基于上述当前的第一蛋糕生产流程信息进行蛋糕的制备，制备获得第一蛋糕样品。第一蛋糕样品为未进行无菌控制流程下制备获得的蛋糕，其上可能存在细菌或真菌的污染，进而在一段时间后，其上会出现菌落，对其上的菌落进行检测，获得第一样本菌种信息集合。

通过生物学技术，对其上的菌落进行培养，能够培养分析获得菌落种类信息，即为上述的菌种信息。通过对第一蛋糕样品上一段时间内出现的菌落的大小信息，结合菌种信息进行判断，能够分析判断该菌落开始形成的时间，即为该菌落对应菌种引入至该第一蛋糕样品上的时间，即为上述的菌落形成时间。将该菌种信息和菌落形成时间信息作为上述的第一样本菌种信息集合。

具体地，本申请提供的方法中的步骤S200包括：

S210：基于机器视觉检测，获得所述第一蛋糕样品图像信息集合；

S220：基于所述第一蛋糕样品图像信息集合进行检测，获得第一菌落检测信息集合，其中，所述第一菌落检测信息集合包括所述菌落形成时间信息；

S230：采用所述第一蛋糕样品采样，进行菌落培养，得到菌落培养结果；

S240：对所述菌落培养结果进行检测，获得第二菌落检测信息集合，其中，所述第二菌落检测信息集合包括所述菌种信息；

S250：将所述第一菌落检测信息集合和所述第二菌落检测信息集合作为所述第一样本菌种信息集合。

具体而言，基于上述第一蛋糕生产流程信息制备的第一蛋糕样品，在其制备完成包装储存后，对其进行检测。首先，基于机器视觉检测技术，采用机器视觉图像采集装置采集获得第一蛋糕样品的多角度的图像数据，得到上述的第一蛋糕样品图像信息集合。

然后，基于图像处理技术，通过分析第一蛋糕样品图像信息集合内图像数据的颜色、亮度、对比度等数据，获得第一蛋糕样品上的菌落分布位置、菌落大小、菌落密度等信息，作为第一菌落检测信息集合。基于第一菌落检测信息集合，后续通过生物技术分析各菌落对应的菌种，根据该菌种特性，结合菌落大小等特征，即可获得各菌落的菌落形成时间信息，根据该菌落形成时间信息，即可判断各菌落引入蛋糕的时间，进而可判断第一蛋糕生产流程信息内使用哪一设备对应时间或进行哪一操作对应时间引入的污染菌种，进而可对引入污染的设备或操作进行针对性的调整，以控制蛋糕无菌生产条件。

在获取第一蛋糕样品图像信息集合后，由于蛋糕的营养成分与培养基不同，菌落繁殖情况不同，难以分析判断，且由于仅仅靠图像数据，无法准确判断蛋糕样品上的菌落是何种菌种，因此，需要采用生物技术进行分辨菌落的菌种信息。

对第一蛋糕样品进行采样，结合生物技术，示例性地，使用PCR技术接种，对第一蛋糕样品内可能存在的各个菌种进行接种培养，得到多个菌落培养结果，其中，可能数个菌落培养结果对应分析获得的菌种为同一菌种。

基于上述的多个菌落培养结果，进行观察，示例性地，观察菌落培养结果的大小、形状、外表是否光滑或粗糙、颜色等，分析获得各个菌落培养结果对应的菌种，得到第二菌落检测信息集合。第二菌落检测信息集合即包括蛋糕生产过程中引入的污染菌种的菌种信息。

基于该菌种信息，获得各个菌种繁殖的特性，再结合第一蛋糕样品图像信息集合内各个菌落的大小，即可获得该菌落的形成时间，进而得到上述的第一菌落检测信息集合。如此，将该第一菌落检测信息集合以及第二菌落检测信息集合作为第一样本菌种信息集合。

本申请提供的方法通过结合机器视觉和生物技术，获取蛋糕样品上的污染菌落图像信息，以及各个菌落的菌种信息，能够准确分析获得各个菌落的形成时间和菌种信息，以进一步地获得污染菌种在蛋糕生产过程中的引入时间和引入污染菌种的设备或操作步骤，实现智能分析获得蛋糕生产流程污染源的技术效果。

S300：对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；

具体而言，第一样本菌种信息集合进行内包括菌种信息和菌落形成时间信息，其中，菌落形成时间信息即为各个菌种菌落的繁殖情况信息，主要以菌落大小信息为体现。

由于第一蛋糕样品在进行检测的过程中以及移动的过程中也可能接受外界的污染，虽然尽量保证检测环境处于无外部污染的状态，但仍有可能受到杂菌污染，进而在蛋糕样品内引入污染菌种，影响蛋糕样本菌种信息的检测。但由于检测过程引入的污染菌种与生产条件无关，因此，需要避免这一部分菌种对于第一样本菌种信息集合的影响，将这一部分菌种的信息作为异常信息，进行异常检测。

异常检测可采用现有技术中任意的数据异常检测方法，以能区分出非蛋糕生产过程中引入的杂菌菌落的信息为准。例如，以菌落的密度进行区分，若某一菌种的密度明显小于其它菌种菌落的密度，则可认为该菌种为后续检测过程中引入的污染菌种，为异常数据。

如图2所示，在本申请一可能的实施例中，本申请提供的方法中的步骤S300包括：

S310：根据所述第一样本菌种信息集合，构建第一异常检测树；

S320：根据所述第一样本菌种信息集合，直到构建第M异常检测树，获得异常检测森林模型；

S330：将所述第一样本菌种信息集合进行异常检测输入所述异常检测森林模型，获得M个异常检测结果；

S340：根据所述M个异常检测结果，获得所述异常菌落信息数据。

其中，步骤S310包括：

S311：根据所述第一样本菌种信息集合，获取第一特征数据，其中，所述第一特征数据为菌落大小数据；

S312：根据所述第一特征数据，获得第一特征数据区间；

S313：在所述第一特征数据区间内随机选择第一数据，构建所述第一异常检测树的第一检测节点，所述第一检测节点可将所述第一特征数据区间内的数据进行分割检测；

S314：在所述第一特征数据区间内随机选择第二数据，构建所述第一异常检测树的第二检测节点，所述第二检测节点可对所述第一检测节点分割后的数据进行进一步的分割检测；

S315：直到构建所述第一异常检测树的第N检测节点，获得所述第一异常检测树，所述第N检测节点可将所述第一特征数据区间内的数据全部分割为单个数据，或者，所述第N检测节点达到预设分割深度。

具体而言，构建异常检测森林模型需要构建多个异常检测树，首先构建第一异常检测树。基于上述的第一样本菌种信息集合，其包括菌种信息和菌落形成时间信息，进一步具体包括多个维度的特征数据，例如，菌种分类信息、菌落外观信息、菌落大小信息等多个维度。从中随机选取一个维度的特征数据，作为第一特征数据。示例性地，第一特征数据可为第一蛋糕样品上所有菌落的大小数据。

根据该第一特征数据，获得该特征数据下所有数据的取值，进而得到第一特征数据区间。示例性地，第一特征数据为菌落大小数据，则第一特征数据区间可包括第一蛋糕样品上所有菌落的半径的取值大小区间。其中，第一特征数据区间的范围大于所有菌落的半径的取值大小范围，即第一特征数据区间的最大值和最小值分别大于和小于第一特征数据的最大值和最小值。

在该第一特征数据区间内随机选择一数值，作为第一数据，示例性地，可随机选择一菌落半径大小数据，将第一数据作为第一异常检测树的第一检测节点。将第一特征数据内的所有数据输入该第一检测节点，将大于该第一数据的特征数据归为一类，将小于该第一数据的特征数据归为一类，获得二分类的第一特征数据。

进一步地，继续在第一特征数据区间内随机选择一数值，作为第二数据，且与第一数据不同，将第二数据作为第一异常检测树的第二检测节点，基于上述的二分类的第一特征数据，继续将大于第二数据的特征数据归为一类，将小于第二数据的特征数据归为一类，基于上述的第一检测节点和第二检测节点，可将第一特征数据内的数据分为四类。当然，也存在进行二分类时，分割后的一类内全部大于或小于第一数据或第二数据，而使第一特征数据二分类后仍处于一类的可能。

重复上述步骤，构建第一检测树的第三检测节点直至第N检测节点，N为正整数，每个检测节点均可对上一检测节点二分类后的数据进一步进行二分类。

第一蛋糕样品上在生产过程的同一流程中引入的污染菌种可认为是比较密集的，其菌种类似，菌落形成时间前后近似，菌落大小近似。而在检测过程中引入的污染菌种，其环境与生产是的环境条件不同，引入的污染菌种与生产过程中引入的污染菌种存在较大差距，菌落形成时间相差较大，菌落大小相差较大，且检测环境尽量保证无污染，引入菌种数量较少。如此，第一蛋糕样品在生产过程中引入的菌种的菌种信息数据形成密集的数据簇，而第一蛋糕样本在检测过程中引入的菌种的菌种信息数据形成孤立的数据点，与密集的数据簇相差较大。

经过第一异常检测树内N个检测节点的分类，孤立的数据点更易被分隔为二分类为单个的数据点，与其他密集的数据簇分离，而密集的数据簇内的数据之间差距较小，难以被分割为单个的数据点。如此，第N检测节点可将第一特征数据区间内的数据全部分割为单个数据，或者，第一特征数据内数据较多，或者部分特征数据之间过于接近，无法分割为单个的数据，则设置一预设的分割深度，第N检测节点达到预设分割深度后，可认为仍未被分类为单个数据的数据为密集的数据，为正常数据。

基于第N检测节点的分类结果，设置在某一深度检测节点以下的单个数据为异常数据，由于该检测节点以下的单个数据极易被二分类为单个数据，而检测节点以上的数据难以被分类为单个数据，为正常数据。基于此，完成第一特征数据的异常检测，获得第一特征数据内的异常数据，将异常数据对应的菌落信息数据设置为异常。

重复上述步骤，基于第一样本菌种信息集合内的第二特征数据、第三特征数据…至第M特征数据构建第二异常检测树、第三异常检测树…至第M异常检测树，M为正整数。示例性地，第二特征数据可为菌种数据、菌落外观数据等等，但不限于此。

基于上述的第一异常检测树至第M异常检测树，获得异常检测森林模型。将上述的第一样本菌种信息集合内的各数据输入异常检测森林模型，获得各个异常检测树的异常检测结果，即为M个异常检测结果，将该M个异常检测结果对应的菌种信息数据作为异常菌落信息数据。其中，各个异常检测结果对应的菌种信息数据大部分相同重复，即异常菌种信息数据对应的各个特征数据大部分均为异常。

本申请实施例基于异常检测技术，采用异常检测森林模型，异常检测森林模型为非监督学习的预测模型，基于菌种信息数据的分布规律，能够将异常数据进行分割孤立，达到提取异常数据的目的，能够准确智能地获取第一样本菌种信息集合内的异常菌种信息数据，避免异常数据的干扰，提升本申请提供方法的精度。

S400：根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；

基于上述的异常菌种信息数据，将其从第一样本菌种信息集合内去除，得到生产菌种信息集合。生产菌种信息集合内的菌种信息数据即为第一蛋糕样品在根据第一蛋糕生产流程信息制备过程中引入的污染菌种的信息数据。

生产菌种信息集合内包括生产过程中引入污染菌种的信息数据，如前述内容，其内包括菌种信息和菌落形成时间信息。根据菌落形成时间信息和第一蛋糕生产流程信息内的第一流程时间集合和第二流程时间集合进行溯源分析，即可获取引入污染菌种对应的设备或操作，进而获得需要进行调整以避免引入污染菌种的待调整流程信息，对第一蛋糕生产流程信息进行调整，以控制调整形成蛋糕无菌生产的流程和条件。

如图3所示，本申请提供的方法中的步骤S400包括：

S410：基于所述菌落形成时间信息，获得对应的所述第一流程时间集合和/或所述第二流程时间集合内对应的时间，作为污染时间集合；

S420：基于所述污染时间集合，获得对应的污染生产设备信息和/或污染生产操作信息；

S430：构建并训练获得菌种溯源分析模型；

S440：将所述生产菌种信息集合以及所述污染生产设备信息和/或污染生产操作信息输入所述菌种溯源分析模型，获得输出结果；

S450：根据所述输出结果，获得所述待调整流程信息。

具体而言，基于生产菌种信息集合内的菌落大小以及菌落繁殖情况等信息，获得菌落形成时间信息，根据该菌落形成时间信息，获得第一流程时间集合或第二流程时间集合内对应的时间，该对应时间可为使用某设备的时间或进行某生产操作的时间，即在该时间内引入的污染菌种，导致蛋糕被污染，作为污染时间集合。

基于该污染时间集合，获得该时间使用的设备或进行的生产操作，则该对应的设备或操作存在着影响蛋糕无菌生产的问题，即为对应的污染生产设备信息和/或污染生产操作信息。

本申请提供的方法中的步骤S430包括：

S431：基于人工神经网络，构建所述菌种溯源分析模型；

S432：基于大数据，获得蛋糕历史菌种信息集合，以及所述生产操作信息的历史污染特征集合；

S433：基于机器视觉检测，获得所述生产设备信息的历史污染图像集合；

S434：将所述历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合和用于标识所述待调整流程信息的标识信息作为训练数据和验证数据；

S435：采用所述训练数据对所述菌种溯源分析模型进行监督训练，训练至收敛或输出结果达到预设的准确率；

S436：采用所述验证数据对所述菌种溯源分析模型进行验证，若所述菌种溯源分析模型的准确率满足预设条件，获得所述菌种溯源分析模型。

具体而言，获得引入污染菌种的污染生产设备信息和/或污染生产操作信息后，需要对设备或操作进行调整，以控制调整形成蛋糕无菌生产的环境。但是，仅获知引入污染菌种的污染生产设备信息和/或污染生产操作信息后，若设备出现明显损坏问题，则可进行维修调整。若无法获知设备和操作出现了何种问题导致菌种污染的引入，则进而无法进行准确的调整。因此，需要进行对设备或操作所需调整行为的预测。

首先，基于机器学习中神经网络模型，构建菌种溯源分析模型，人工神经网络是一种复杂的运算网络，能够模拟人脑的许多基本功能，其内包括多个相互连接的神经元，多个神经元之间组成广泛并行互连的网络，神经元可进行数据的输入分析和结果输出，神经元之间的连接即为权重。神经网络模型可在训练的过程中形成网络结构和权重，形成需要的菌种溯源分析模型，其能够根据输入数据进行复杂的非线性逻辑运算。

本申请实施例中，菌种溯源分析模型需要根据生产菌种信息、污染生产设备信息和污染生产操作信息获得对应的待调整流程信息，而对于污染生产设备信息对应生产设备可能引入污染菌种的问题，需要基于图像信息进行处理分析。因此，上述的菌种溯源分析模型可包括用于处理图像信息的卷积神经网络模型和用于处理其他信息的人工神经网络模型。

在构建的过程中，基于现有技术中的神经网络模型技术，构建神经网络模型的输入层、隐藏处理层和输出层，然后对神经网络模型进行监督训练学习。

然后，基于大数据，获取蛋糕生产过程中的数据，其中包括在多种蛋糕生产流程下，蛋糕生产过程中引入污染菌种的蛋糕历史菌种信息集合。

该蛋糕生产过程中的数据还包括生产操作信息的历史污染特征集合，即为生产多种蛋糕的多种蛋糕生产流程信息下，可能会引入污染菌种的操作特征，例如包装操作中的包装泄露等操作特征信息的集合。

进一步地，基于机器视觉检测，获得生产设备信息的历史污染图像集合，历史污染图像集合包括在多种蛋糕生产流程信息下蛋糕生产设备可能出现的导致污染菌种引入的问题的图像的集合，包括例如设备出现部分区域损坏等图像，基于机器视觉进行设备检测，可获得出现设备问题处的多个角度的高精度的图像集合。其中，上述的历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合内的数据相互对应，即一种蛋糕污染菌种对应一种或多种蛋糕生产设备出现的问题的图像，以及对应一种或多种操作信息的污染特征，即在不同的蛋糕生产流程和环境下，该一种或多种设备问题或操作特征易导致该污染菌种的引入。

将上述的历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合进行划分，作为训练数据和验证数据，示例性地，按照7:3的比例进行划分。然后将该训练数据部分的历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合和待调整流程信息作为训练数据，对菌种溯源分析模型进行监督训练。

本申请实施例中，上述菌种溯源分析模型内的卷积神经网络模型在训练的过程中，根据上述的历史污染图像集合，基于机器视觉技术，分析获得各生产设备内可能出现故障或问题的导致污染菌种引入的部分图像区域，将该部分图像区域作为卷积核特征，将上述的卷积核特征，以及用于标识待调整流程信息的标识信息作为训练数据，进行卷积神经网络的训练。

该卷积神经网络模型训练完毕后，基于上述的污染生产设备信息获得对应的生产设备的图像信息，将上述的生产菌种信息集合和污染生产设备信息对应的图像信息输入该卷积神经网络模型，即可进行卷积提取，分析获得污染生产设备信息内可能存在的问题，进而得到需要调节的生产设备以及需要进行调节的问题，即为待调整流程信息。

本申请实施例中，上述菌种溯源分析模型内的人工神经网络模型在训练的过程中，基于上述的蛋糕历史菌种信息集合以及历史污染特征集合，对蛋糕历史菌种信息集合、历史污染特征集合和对应的待调整流程信息进行标记，作为训练数据进行训练，待监督训练完毕后获得该神经网络模型，将上述的生产菌种信息集合和污染生产操作信息输入该神经网络模型，即可分析获得可能引入污染菌种的污染操作信息，进而得到对应的待调整流程信息。

其中，上述的待调整流程信息包括根据不同的菌种、设备信息和操作信息对设备或操作进行调整，以控制蛋糕无菌生产流程条件的信息，根据该待调整流程信息进行调整设备和操作，即可达到控制无菌生产的目的。

待菌种溯源分析模型内的神经网络模型训练至输出结果收敛或达到预设的准确率，则完成训练，采用验证数据对菌种溯源分析模型进行验证，避免模型出现过拟合或欠拟合的情况，若溯源分析模型的准确率满足预设的准确率，则获得菌种溯源分析模型。

基于菌种溯源分析模型，向其中输入上述的生产菌种信息集合以及污染生产设备信息和/或污染生产操作信息，即输入了在第一蛋糕生产流程信息下，上述的菌种信息、菌落形成时间信息对应的污染生产设备信息和/或污染生产操作信息，溯源分析模型输出结果，结果中包括根据该菌种信息对污染生产设备信息和/或污染生产操作信息进行调整的待调整流程信息。示例性地，该待调整流程信息包括对设备进行检修以及对操作进行调整的信息。

本申请提供的方法通过基于大数据和机器数据技术获得多种蛋糕的多种蛋糕生产流程下，可能引入多种污染菌种的设备问题图像集合以及操作特征集合，能够在当前的第一蛋糕生产流程下，根据生产菌种信息及其对应的污染生产设备信息和/或污染生产操作信息获得相应的调整手段，即为待调整流程信息，并采用人工智能领域准确率最高的人工神经网络进行待调整流程信息的预测，能够有效提升溯源分析的准确率，达到智能、准确控制蛋糕无菌生产的技术效果。

S500：对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产。

具体而言，基于上述的待调整流程信息，对第一蛋糕生产流程信息内的污染生产设备信息和/或污染生产操作信息进行调整，完成蛋糕无菌生产流程的控制调整。

综上所述，本申请通过获取当前的蛋糕生产流程信息，模拟现有蛋糕生产过程，生产获得可能引入菌种污染的蛋糕样品，能够完全模拟当前蛋糕生产条件，进而获得最为准确地当前生产过程中可能引入的污染菌种信息，然后对蛋糕样品进行菌落检测，获取菌种种类以及菌落大小，并进行异常检测，能够避免异常菌种信息数据对方法准确度的影响，提升方法的精度，进而获得菌落形成时间信息，进行溯源检测，能够智能准确获得引入污染菌种的设备或操作步骤，进而能够准确地对设备操作步骤进行调整，控制蛋糕生产过程中的无菌环境，进而提升蛋糕质量，降低蛋糕生产条件调整控制的人工参与度，达到提升蛋糕无菌生产条件控制效率和精度的技术效果。

实施例二

基于与前述实施例中一种基于机器视觉的蛋糕无菌生产控制方法相同的发明构思，如图4所示，本申请提供了一种基于机器视觉的蛋糕无菌生产控制系统，其中，所述系统包括：

第一获得单元11，所述第一获得单元11用于获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；

第一处理单元12，所述第一处理单元12用于生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；

第二处理单元13，所述第二处理单元13用于对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；

第三处理单元14，所述第三处理单元14用于根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；

第一管理单元15，所述第一管理单元15用于对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产。

进一步的，所述系统还包括：

第二获得单元，所述第二获得单元用于获取第一蛋糕生产过程中的原料设备信息、制作设备信息和包装设备信息；

第四处理单元，所述第四处理单元用于将所述原料设备信息、制作设备信息和包装设备信息作为所述生产设备信息；

第三获得单元，所述第三获得单元用于获取所述第一蛋糕生产过程中的原料操作信息、生产操作信息和包装操作信息；

第五处理单元，所述第五处理单元用于将所述原料操作信息、生产操作信息和包装操作信息作为所述生产操作信息；

第四获得单元，所述第四获得单元用于获取使用所述原料设备信息、制作设备信息和包装设备信息对应设备的制作时间信息，作为第一流程时间集合；

第五获得单元，所述第五获得单元用于获取进行所述原料操作信息、生产操作信息和包装操作信息对应操作的制作时间信息，作为第二流程时间集合；

第六处理单元，所述第六处理单元用于将所述生产设备信息、生产操作信息、第一流程时间集合和第二流程时间集合作为所述第一蛋糕生产流程信息。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于基于机器视觉检测，获得所述第一蛋糕样品图像信息集合；

第七处理单元，所述第七处理单元用于基于所述第一蛋糕样品图像信息集合进行检测，获得第一菌落检测信息集合，其中，所述第一菌落检测信息集合包括所述菌落形成时间信息；

第八处理单元，所述第八处理单元用于采用所述第一蛋糕样品采样，进行菌落培养，得到菌落培养结果；

第七获得单元，所述第七获得单元用于对所述菌落培养结果进行检测，获得第二菌落检测信息集合，其中，所述第二菌落检测信息集合包括所述菌种信息；

第九处理单元，所述第九处理单元用于将所述第一菌落检测信息集合和所述第二菌落检测信息集合作为所述第一样本菌种信息集合。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于根据所述第一样本菌种信息集合，构建第一异常检测树；

第二构建单元，所述第二构建单元用于根据所述第一样本菌种信息集合，直到构建第M异常检测树，获得异常检测森林模型；

第八获得单元，所述第八获得单元用于将所述第一样本菌种信息集合进行异常检测输入所述异常检测森林模型，获得M个异常检测结果；

第九获得单元，所述第九获得单元用于根据所述M个异常检测结果，获得所述异常菌落信息数据。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于根据所述第一样本菌种信息集合，获取第一特征数据，其中，所述第一特征数据为菌落大小数据；

第十一获得单元，所述第十一获得单元用于根据所述第一特征数据，获得第一特征数据区间；

第三构建单元，所述第三构建单元用于在所述第一特征数据区间内随机选择第一数据，构建所述第一异常检测树的第一检测节点，所述第一检测节点可将所述第一特征数据区间内的数据进行分割检测；

第四构建单元，所述第四构建单元用于在所述第一特征数据区间内随机选择第二数据，构建所述第一异常检测树的第二检测节点，所述第二检测节点可对所述第一检测节点分割后的数据进行进一步的分割检测；

第十二获得单元，所述第十二获得单元用于直到构建所述第一异常检测树的第N检测节点，获得所述第一异常检测树，所述第N检测节点可将所述第一特征数据区间内的数据全部分割为单个数据，或者，所述第N检测节点达到预设分割深度。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于基于所述菌落形成时间信息，获得对应的所述第一流程时间集合和/或所述第二流程时间集合内对应的时间，作为污染时间集合；

第十四获得单元，所述第十四获得单元用于基于所述污染时间集合，获得对应的污染生产设备信息和/或污染生产操作信息；

第五构建单元，所述第五构建单元用于构建并训练获得菌种溯源分析模型；

第九处理单元，所述第九处理单元用于将所述生产菌种信息集合以及所述污染生产设备信息和/或污染生产操作信息输入所述菌种溯源分析模型，获得输出结果；

第十五获得单元，所述第十五获得单元用于根据所述输出结果，获得所述待调整流程信息。

进一步的，所述系统还包括：

第六构建单元，所述第六构建单元用于基于人工神经网络，构建所述菌种溯源分析模型；

第十六获得单元，所述第十六获得单元用于基于大数据，获得蛋糕历史菌种信息集合，以及所述生产操作信息的历史污染特征集合；

第十七获得单元，所述第十七获得单元用于基于机器视觉检测，获得所述生产设备信息的历史污染图像集合；

第十处理单元，所述第十处理单元用于将所述历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合和用于标识所述待调整流程信息的标识信息作为训练数据和验证数据；

第十一处理单元，所述第十一处理单元用于采用所述对所述菌种溯源分析模型进行监督训练，训练至收敛或输出结果达到预设的准确率；

第十二处理单元，所述第十二处理单元用于采用所述训练数据验证数据对所述菌种溯源分析模型进行验证，若所述菌种溯源分析模型的准确率满足预设条件，获得所述菌种溯源分析模型。

实施例三

基于与前述实施例中一种基于机器视觉的蛋糕无菌生产控制方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。

示例性电子设备

下面参考图5来描述本申请的电子设备，

基于与前述实施例中一种基于机器视觉的蛋糕无菌生产控制方法相同的发明构思，本申请还提供了一种基于机器视觉的蛋糕无菌生产控制系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于机器视觉的蛋糕无菌生产控制方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指

令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于机器视觉的蛋糕无菌生产控制方法，其特征在于，所述方法包括：

获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；

生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；

对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；

根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；

对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产；

所述获取第一蛋糕生产流程信息，包括：

获取第一蛋糕生产过程中的原料设备信息、制作设备信息和包装设备信息；

将所述原料设备信息、制作设备信息和包装设备信息作为所述生产设备信息；

获取所述第一蛋糕生产过程中的原料操作信息、生产操作信息和包装操作信息；

将所述原料操作信息、生产操作信息和包装操作信息作为所述生产操作信息；

获取使用所述原料设备信息、制作设备信息和包装设备信息对应设备的制作时间信息，作为第一流程时间集合；

获取进行所述原料操作信息、生产操作信息和包装操作信息对应操作的制作时间信息，作为第二流程时间集合；

将所述生产设备信息、生产操作信息、第一流程时间集合和第二流程时间集合作为所述第一蛋糕生产流程信息；

所述根据所述生产菌种信息集合进行溯源分析，包括：

基于所述菌落形成时间信息，获得对应的所述第一流程时间集合和/或所述第二流程时间集合内对应的时间，作为污染时间集合；

基于所述污染时间集合，获得对应的污染生产设备信息和/或污染生产操作信息；

构建并训练获得菌种溯源分析模型；

将所述生产菌种信息集合以及所述污染生产设备信息和/或污染生产操作信息输入所述菌种溯源分析模型，获得输出结果；

根据所述输出结果，获得所述待调整流程信息。

2.根据权利要求1所述的方法，其特征在于，所述检测所述第一蛋糕样品，获取第一样本菌种信息集合，包括：

基于机器视觉检测，获得所述第一蛋糕样品图像信息集合；

基于所述第一蛋糕样品图像信息集合进行检测，获得第一菌落检测信息集合，其中，所述第一菌落检测信息集合包括所述菌落形成时间信息；

采用所述第一蛋糕样品采样，进行菌落培养，得到菌落培养结果；

对所述菌落培养结果进行检测，获得第二菌落检测信息集合，其中，所述第二菌落检测信息集合包括所述菌种信息；

将所述第一菌落检测信息集合和所述第二菌落检测信息集合作为所述第一样本菌种信息集合。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一样本菌种信息集合进行异常检测，包括：

根据所述第一样本菌种信息集合，构建第一异常检测树；

根据所述第一样本菌种信息集合，直到构建第M异常检测树，获得异常检测森林模型；

将所述第一样本菌种信息集合进行异常检测输入所述异常检测森林模型，获得M个异常检测结果；

根据所述M个异常检测结果，获得所述异常菌落信息数据。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一样本菌种信息集合，构建第一异常检测树，包括：

根据所述第一样本菌种信息集合，获取第一特征数据，其中，所述第一特征数据为菌落大小数据；

根据所述第一特征数据，获得第一特征数据区间；

在所述第一特征数据区间内随机选择第一数据，构建所述第一异常检测树的第一检测节点，所述第一检测节点可将所述第一特征数据区间内的数据进行分割检测；

在所述第一特征数据区间内随机选择第二数据，构建所述第一异常检测树的第二检测节点，所述第二检测节点可对所述第一检测节点分割后的数据进行进一步的分割检测；

直到构建所述第一异常检测树的第N检测节点，获得所述第一异常检测树，所述第N检测节点可将所述第一特征数据区间内的数据全部分割为单个数据，或者，所述第N检测节点达到预设分割深度。

5.根据权利要求1所述的方法，其特征在于，所述构建并训练获得菌种溯源分析模型，包括：

基于人工神经网络，构建所述菌种溯源分析模型；

基于大数据，获得蛋糕历史菌种信息集合，以及所述生产操作信息的历史污染特征集合；

基于机器视觉检测，获得所述生产设备信息的历史污染图像集合；

将所述历史污染图像集合、蛋糕历史菌种信息集合、历史污染特征集合和用于标识所述待调整流程信息的标识信息作为训练数据和验证数据；

采用所述对所述菌种溯源分析模型进行监督训练，训练至收敛或输出结果达到预设的准确率；

采用所述训练数据验证数据对所述菌种溯源分析模型进行验证，若所述菌种溯源分析模型的准确率满足预设条件，获得所述菌种溯源分析模型。

6.一种基于机器视觉的蛋糕无菌生产控制系统，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于获取第一蛋糕生产流程信息，其中，所述第一蛋糕生产流程信息包括生产设备信息和生产操作信息；

第一处理单元，所述第一处理单元用于生产第一蛋糕样品，检测所述第一蛋糕样品，获取第一样本菌种信息集合，其中，所述第一样本菌种信息集合包括菌种信息和菌落形成时间信息；

第二处理单元，所述第二处理单元用于对所述第一样本菌种信息集合进行异常检测，去除异常菌落信息数据，获得生产菌种信息集合；

第三处理单元，所述第三处理单元用于根据所述生产菌种信息集合进行溯源分析，获取所述第一蛋糕生产流程信息中的待调整流程信息；

第一管理单元，所述第一管理单元用于对所述待调整流程信息进行调整，获得调整后的所述第一蛋糕生产流程信息，进行无菌蛋糕生产；

第二获得单元，所述第二获得单元用于获取第一蛋糕生产过程中的原料设备信息、制作设备信息和包装设备信息；

第四处理单元，所述第四处理单元用于将所述原料设备信息、制作设备信息和包装设备信息作为所述生产设备信息；

第三获得单元，所述第三获得单元用于获取所述第一蛋糕生产过程中的原料操作信息、生产操作信息和包装操作信息；

第五处理单元，所述第五处理单元用于将所述原料操作信息、生产操作信息和包装操作信息作为所述生产操作信息；

第四获得单元，所述第四获得单元用于获取使用所述原料设备信息、制作设备信息和包装设备信息对应设备的制作时间信息，作为第一流程时间集合；

第五获得单元，所述第五获得单元用于获取进行所述原料操作信息、生产操作信息和包装操作信息对应操作的制作时间信息，作为第二流程时间合；

第六处理单元，所述第六处理单元用于将所述生产设备信息、生产操作信息、第一流程时间集合和第二流程时间集合作为所述第一蛋糕生产流程息；

第十三获得单元，所述第十三获得单元用于基于所述菌落形成时间信息，获得对应的所述第一流程时间集合和/或所述第二流程时间集合内对应的时间，作为污染时间集合；

第十四获得单元，所述第十四获得单元用于基于所述污染时间集合，获得对应的污染生产设备信息和/或污染生产操作信息；

第五构建单元，所述第五构建单元用于构建并训练获得菌种溯源分析模型；

第九处理单元，所述第九处理单元用于将所述生产菌种信息集合以及所述污染生产设备信息和/或污染生产操作信息输入所述菌种溯源分析模型，获得输出结果；

第十五获得单元，所述第十五获得单元用于根据所述输出结果，获得所述待调整流程信息。

7.一种基于机器视觉的蛋糕无菌生产控制系统，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至5任一项所述方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。

Images