CN114139643A - 一种基于机器视觉的单甘酯质量检测方法及系统 - Google Patents
一种基于机器视觉的单甘酯质量检测方法及系统 Download PDFInfo
- Publication number
- CN114139643A CN114139643A CN202111480565.0A CN202111480565A CN114139643A CN 114139643 A CN114139643 A CN 114139643A CN 202111480565 A CN202111480565 A CN 202111480565A CN 114139643 A CN114139643 A CN 114139643A
- Authority
- CN
- China
- Prior art keywords
- monoglyceride
- result
- evaluation
- detection
- purity
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于机器视觉的单甘酯质量检测方法及系统,所述方法包括:通过获得第一工艺参数集合;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。解决了现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于机器视觉的单甘酯质量检测方法及系统。
背景技术
单甘酯的亲水亲油平衡值在3~4之间,是一种高效的表面活性剂。近年来,随着食品、医药、日用化工等行业的不断发展,加工品种的增多,单甘酯的应用也越来越广泛。单甘酯是食品乳浊体系中常用的乳化剂,其含量与乳浊液的稳定性有密切关系。现有常用于检测单甘酯含量的方法有化学分析法、柱层析法、薄层色谱法和气相色谱法。其中,化学分析法和柱层析法的操作繁琐,耗时长,准确度低;薄层色谱法操作及设备虽然简单,但耗时很长;气相色谱法需要先对样品进行衍生化处理,且定性定量过程较复杂,同时检测成本较高。因此,研究利用单甘酯的特征数据,智能化检测其纯度,对于提高单甘酯质量检测的效率具有重要意义。
然而,现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。
发明内容
本发明的目的是提供一种基于机器视觉的单甘酯质量检测方法及系统,用以解决现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。
鉴于上述问题,本发明实施例提供了一种基于机器视觉的单甘酯质量检测方法及系统。
第一方面,本发明提供了一种基于机器视觉的单甘酯质量检测方法,所述方法通过一种基于机器视觉的单甘酯质量检测系统实现,其中,所述方法包括:通过获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
另一方面,本发明还提供了一种基于机器视觉的单甘酯质量检测系统,用于执行如第一方面所述的一种基于机器视觉的单甘酯质量检测方法,其中,所述系统包括:第一获得单元:所述第一获得单元用于获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;第二获得单元:所述第二获得单元用于对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;第三获得单元:所述第三获得单元用于基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;第四获得单元:所述第四获得单元用于获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;第五获得单元:所述第五获得单元用于对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;第六获得单元:所述第六获得单元用于将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
第三方面,本发明实施例还提供了一种基于机器视觉的单甘酯质量检测系统,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上述第一方面所述方法的步骤。
第四方面,一种计算机可读存储介质,其中,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上述第一方面中任一项所述的方法。
本发明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:
1.通过获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。达到了提高单甘酯质量检测的智能化程度,进而提高单甘酯质量检测效率的技术效果。
2.通过依次基于单甘酯产品生产工艺参数、特色特征信息进行聚类分析,提高了单甘酯产品分类结果的准确性和可靠性,达到了提高单甘酯产品分类智能化程度的技术效果。
3.通过预设纯度阈值,进而智能化判断各单甘酯产品检测纯度是否在预设的纯度阈值内,从而智能化识别纯度合格、不合格的产品,达到了智能化判断单甘酯产品纯度是否合格,提高质检工作效率、降低质检成本的技术效果。
4.通过拟合多个单甘酯生产企业评价单甘酯纯度的结果数据,提高了单甘酯纯度阈值的准确性和可靠性,各企业间评价信息隔离进一步提高了评价结果的客观性,达到了提高单甘酯产品评价纯度阈值客观性、可靠性,从而提高系统实用性的技术效果。
5.通过基于Gradient Boosting思想,多次训练得到多个偏差较大的决策树弱模型,最终组合多个弱模型,得到偏差较小的第一质量检测评价模型。达到了提高第一质量检测评价模型准确率的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例一种基于机器视觉的单甘酯质量检测方法的流程示意图;
图2为本发明实施例一种基于机器视觉的单甘酯质量检测方法中获得所述第一分类结果的流程示意图;
图3为本发明实施例一种基于机器视觉的单甘酯质量检测方法中获得第一合格产品集合和第一不合格产品集合的流程示意图;
图4为本发明实施例一种基于机器视觉的单甘酯质量检测方法中获得所述第一质量检测评价模型的流程示意图;
图5为本发明实施例一种基于机器视觉的单甘酯质量检测系统的结构示意图;
图6为本发明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,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,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
本发明实施例通过提供一种基于机器视觉的单甘酯质量检测方法及系统,解决了现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。达到了提高单甘酯质量检测的智能化程度,进而提高单甘酯质量检测效率的技术效果。
下面,将参考附图对本发明实施例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发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
申请概述
单甘酯的亲水亲油平衡值在3~4之间,是一种高效的表面活性剂。近年来,随着食品、医药、日用化工等行业的不断发展,加工品种的增多,单甘酯的应用也越来越广泛。单甘酯是食品乳浊体系中常用的乳化剂,其含量与乳浊液的稳定性有密切关系。现有常用于检测单甘酯含量的方法有化学分析法、柱层析法、薄层色谱法和气相色谱法。其中,化学分析法和柱层析法的操作繁琐,耗时长,准确度低;薄层色谱法操作及设备虽然简单,但耗时很长;气相色谱法需要先对样品进行衍生化处理,且定性定量过程较复杂,同时检测成本较高。因此,研究利用单甘酯的特征数据,智能化检测其纯度,对于提高单甘酯质量检测的效率具有重要意义。
现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。
针对上述技术问题,本发明提供的技术方案总体思路如下:
本发明提供了一种基于机器视觉的单甘酯质量检测方法,所述方法应用于一种基于机器视觉的单甘酯质量检测系统,其中,所述方法包括:通过获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明实施例提供了一种基于机器视觉的单甘酯质量检测方法,其中,所述方法应用于一种基于机器视觉的单甘酯质量检测系统,所述方法具体包括如下步骤:
步骤S100:获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;
具体而言,所述一种基于机器视觉的单甘酯质量检测方法应用于所述一种基于机器视觉的单甘酯质量检测系统,可以通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。
单甘酯是一类非离子型表面活性剂,亲水亲油平衡值在3~4之间,是一种高效的表面活性剂。因其良好的表面活性,常用于食品、化妆品、医药等领域。所述第一工艺参数集合是指任一使用单甘酯质量检测系统进行质量检测的单甘酯产品生产工艺参数。示例性的,单甘酯产品生产工艺参数包括残压、温度、催化剂条件等。通过获得单甘酯产品生产工艺参数,为后续智能化对单甘酯产品分类提供依据,提高系统智能分类准确性的技术效果。
步骤S200:对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;
具体而言,常温下单甘酯是白色或淡黄色的固体,然而不同原料来源、不同生产条件、不同生产环境,甚至保存条件等因素均对单甘酯成品颜色产生影响。通过对所述单甘酯产品进行颜色特征提取,获得对应单甘酯产品的颜色特征信息,即为所述第一颜色特征信息。其中,所述第一颜色特征信息是指基于计算机视觉和图像处理技术,分析各单甘酯产品图像特征,可以准确描述待测单甘酯图像区域对应的单甘酯表面性质。通过获取不同生产工艺条件对应单甘酯产品的颜色特征,为后续分析工艺参数对单甘酯产品颜色影响提供基础数据,达到了提高相关性研究有效性、准确性的技术效果。
步骤S300:基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;
具体而言,通过将所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,即基于工艺参数类似的生产工艺参数,将对应单甘酯产品归为同一类别,或者基于对应单甘酯产品颜色特征类似信息,将对应工艺参数归为同一类别,最终获得第一分类结果。举例如保险行业根据某城市对应的住宅类型及其价值、地理位置等信息,将一个城市的房产进行分组。通过聚类分析确定单甘酯产品的分类结果,并以聚类分析得到的各类单甘酯产品仅进行一次检测分析,检测取样具备代表性,同时有效降低了检测次数,减少了检测时间,达到了提高单甘酯产品智能检测效率的技术效果。
步骤S400:获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;
具体而言,所述第一预设取样量是指基于单甘酯质量检测需求等综合分析后确定的各类单甘酯检测最低样品量数据。基于所述第一预设取样量,对所述第一分类结果中各类单甘酯产品依次进行遍历,从而得到各类单甘酯产品的样品,即组成所述第一检测样品集合。其中,所述第一检测样品集合中包括所有类别单甘酯产品对应的样品。通过获取所有类别单甘酯产品样品,达到了为后续系统智能化分析不同生产工艺条件下单甘酯产品颜色提供样品基础的技术效果。
步骤S500:对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;
步骤S600:将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
具体而言,通过检测,确定所述第一检测样品集合中各类单甘酯产品对应样品的颜色特征数据,进一步的,所有类别单甘酯产品对应样品的颜色特征数据组成所述第一检测色谱集合。将所述第一检测色谱集合输入第一质量检测评价模型,所述第一质量检测评价模型智能化分析确定各类别单甘酯产品的质量信息,所有质量检测信息组成所述第一质量检测结果。通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。达到了提高单甘酯质量检测的智能化程度,进而提高单甘酯质量检测效率的技术效果。
进一步的,如附图2所示,本发明实施例步骤S300还包括:
步骤S310:将所述第一工艺参数集合设为一级分类指标,将所述第一颜色特征信息设为二级分类指标;
步骤S320:根据所述一级分类指标对所述单甘酯产品进行聚类分析,获得一级聚类结果;
步骤S330:使用所述二级分类指标遍历所述一级聚类结果进行聚类分析,获得所述第一分类结果。
具体而言,首先将单甘酯产品的生产工艺设为一级分类指标,从而将所述第一工艺参数集合中各工艺参数进行智能分类,即不同用途的单甘酯产品对应不同的生产工艺条件,依据生产工艺对单甘酯产品分类,其实质为依据单甘酯用途进行分类;然后将单甘酯产品对应的颜色特征信息设为二级分类指标,即通过不同工艺条件生产得到的单甘酯产品,可能具备多种不同颜色,因此进一步细分单甘酯产品类别,从而得到所述第一颜色特征信息中各单甘酯产品颜色特征分类结果。最后基于所述第一工艺参数集合中各工艺参数智能分类得到的一级聚类结果,再次以颜色特征信息进行聚类分析,从而得到所述一级聚类结果进行聚类分析后得到的所述第一分类结果。通过依次基于单甘酯产品生产工艺参数、特色特征信息进行聚类分析,提高了单甘酯产品分类结果的准确性和可靠性,达到了提高单甘酯产品分类智能化程度的技术效果。
进一步的,如附图3所示,本发明实施例还包括步骤S700:
步骤S710:将所述第一分类结果输入第一纯度阈值设定通道,获得第一纯度阈值集合,其中,所述第一纯度阈值集合和所述第一分类结果一一对应;
步骤S720:根据所述第一质量检测结果,获得所述单甘酯的第一纯度集合,其中,所述第一纯度集合和所述第一分类结果一一对应;
步骤S730:将所述第一纯度阈值集合和所述第一纯度集合一一比对,获得第一合格产品集合和第一不合格产品集合。
具体而言,所述第一纯度阈值设定通道是指系统基于理论分析确定的单甘酯产品颜色阈值智能设置模型。在所述第一纯度阈值设定通道中,各单甘酯产品颜色范围与其纯度一一对应。将所述第一质量检测评价模型智能化输出的所述第一质量检测结果,匹配得到对应的所述第一纯度集合。其中,所述第一纯度集合和所述第一分类结果一一对应,即第一分类结果中各类单甘酯产品检测样品的检测纯度数据和其对应类别一一对应。基于所述第一纯度阈值集合,判断所述第一纯度集合中各类单甘酯产品纯度检测结果是否在其对应的纯度阈值内,当所述第一纯度集合中各类单甘酯产品纯度检测结果不在其对应的纯度阈值内时,对应单甘酯产品为不合格产品;当所述第一纯度集合中各类单甘酯产品纯度检测结果在其对应的纯度阈值内时,对应单甘酯产品为合格产品。最后,所有纯度合格的单甘酯产品组成所述第一合格产品集合,所有纯度不合格的单甘酯产品组成所述第一不合格产品集合。
通过预设纯度阈值,进而智能化判断各单甘酯产品检测纯度是否在预设的纯度阈值内,从而智能化识别纯度合格、不合格的产品,达到了智能化判断单甘酯产品纯度是否合格,提高质检工作效率、降低质检成本的技术效果。
进一步的,本发明实施例步骤S710还包括:
步骤S711:根据所述第一纯度阈值设定通道,获得第一评价通道、第二评价通道直到第N评价通道,其中,所述评价通道之间处于信息隔离状态,15≤N≤20;
步骤S712:将所述第一分类结果分别并行输入所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一评价结果、第二评价结果直到第N评价结果,其中,所述评价结果为表征所述单甘酯产品纯度阈值的数据;
步骤S713:对所述第一评价结果、所述第二评价结果直到所述第N评价结果进行拟合,获得所述第一纯度阈值集合。
具体而言,基于所述第一纯度阈值设定通道,分别获得第一评价通道、第二评价通道直到第N评价通道。其中,所述第一评价通道、所述第二评价通道和所述第N评价通道分别对应不同单甘酯生产企业,且各企业评价通道之间信息隔离,企业数量N的范围为15≤N≤20。通过获取多个单甘酯生产企业评价单甘酯质量的方法和结果,从而综合分析,拟合单甘酯评价结果,提高了单甘酯质量智能评价的准确性和务实性。此外,将单甘酯产品生产企业的数量控制在一定范围内,可以降低系统运算复杂度,提高系统效率。另外,各单甘酯生产企业之间的评价通道信息隔离,保证了各企业数据和信息安全,同时避免了各企业单甘酯评价互相影响,进而导致评价结果不够客观性,最终影响系统准确率。
通过将所述第一分类结果分别并行输入第一单甘酯生产企业对应的所述第一评价通道、第二单甘酯生产企业对应的所述第二评价通道,以及第N单甘酯生产企业对应的所述第N评价通道,依次获得各单甘酯生产企业对单甘酯产品纯度阈值评价结果,即所述第一评价结果、所述第二评价结果和所述第N评价结果。最后,对各单甘酯生产企业对单甘酯产品纯度阈值评价结果,即所述第一评价结果、所述第二评价结果和所述第N评价结果进行拟合,获得所述第一纯度阈值集合。
通过拟合多个单甘酯生产企业评价单甘酯纯度的结果数据,提高了单甘酯纯度阈值的准确性和可靠性,各企业间评价信息隔离进一步提高了评价结果的客观性,达到了提高单甘酯产品评价纯度阈值客观性、可靠性,从而提高系统实用性的技术效果。
进一步的,本发明实施例步骤S713还包括:
步骤S7131:对同一类的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行偏差度计算,获得第一计算结果;
步骤S7132:获得第一预设偏差阈值,将满足所述第一预设偏差阈值的所述第一计算结果对应的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行提取并进行均值计算,获得第二计算结果;
步骤S7133:将所述第二计算结果设为所述第一纯度阈值集合。
具体而言,针对同一类别单甘酯产品,将各生产企业对其评价结果,即所述第一评价结果、所述第二评价结果和所述第N评价结果进行两两对比,偏差度计算后得到所述第一计算结果。所述第一预设偏差阈值由系统基于各企业评价误差、实际偏差度计算误差等多方面综合分析后,预先在系统中设置的单甘酯产品纯度最大偏差范围。基于所述第一预设偏差阈值,判断所述第一计算结果对应满足所述第一预设偏差阈值的评价结果,进而提取并进行均值计算,计算得到的结果即为所述第二计算结果。进而将所述第二计算结果设为所述第一纯度阈值集合。
通过预设偏差阈值,筛选符合第一预设偏差阈值的企业评价结果,剔除不符合第一预设偏差阈值的企业评价结果,通过计算得到符合第一预设偏差阈值的企业评价结果均值,并设为第一纯度阈值集合。达到了避免个别企业极端评价结果影响整体纯度阈值,从而提高评价数据准确性的技术效果。
进一步的,本发明实施例步骤S133还包括:
步骤S71331:将所述第二计算结果并行返回至所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一反馈结果;
步骤S71332:基于所述第一反馈结果对所述第二计算结果进行调整,获得第三计算结果;
步骤S71333:将所述第三计算结果设为所述第一纯度阈值集合。
具体而言,将所述第二计算结果并行返回至所述第一评价通道、所述第二评价通道直到所述第N评价通道,即依次返回各单甘酯产品生产企业,从而得到对应各单甘酯产品生产企业的反馈结果,即组成所述第一反馈结果。其中,所述第一反馈结果是指各企业对所述第二计算结果的满意情况。进一步,基于各企业的所述第一反馈结果,对所述第二计算结果进行适应性调整,保证结果真实有效的同时,提高企业认可度,从而得到所述第三计算结果,并将所述第三计算结果设为所述第一纯度阈值集合。当企业中,认可第二计算结果的数量满足预设企业数量时,说明对应第二计算结果可以作为单甘酯纯度阈值数据;当企业中,认可第二计算结果的数量不满足预设企业数量时,说明对应第二计算结果不可以作为单甘酯纯度阈值数据,因此根据企业反馈结果进行适应性的调整。
通过基于企业反馈结果,确定最终符合实际、同时企业认可的单甘酯纯度阈值,提高了系统的实用性。
进一步的,如附图4所示,本发明实施例步骤S600还包括:
步骤S610:获得第一训练数据集,其中,所述第一训练数据集包括多组历史检测色谱信息和色谱检测结果标识信息;
步骤S620:利用所述第一训练数据集,构建第一预设决策树,其中,所述第一预设决策树的层数限定为随机整数a,10≤a≤15;
步骤S630:获得第一预设准确率,提取所述第一预设决策树不满足所述第一预设准确率的训练数据集,生成第二训练数据集;
步骤S640:利用所述第二训练数据集,构建第二预设决策树,其中,所述第二预设决策树的层数限定为随机整数b,10≤b≤15;
步骤S650:当第M训练数据集的数据量为预设数据量时停止训练,获得第M-1预设决策树;
步骤S660:将所述第一预设决策树、所述第二预设决策树直到所述第M-1预设决策树合并,获得所述第一质量检测评价模型。
具体而言,首先基于大数据获得第一训练数据集,其中,所述第一训练数据集中包括多组历史检测色谱信息和色谱检测结果标识信息。然后利用所述第一训练数据集,构建所述第一预设决策树,其中,所述第一预设决策树的层数限定为随机整数a,且a的范围为10≤a≤15。最后基于第一预设准确率,提取所述第一预设决策树中不满足所述第一预设准确率的结果数据,进而组成训练数据集。
进一步的,基于Gradient Boosting原理,将所述训练数据集作为主要数据,同时结合所述第一训练数据集,组成所述第二训练数据集。其中,Gradient Boosting指将多个偏差较大的弱模型生成一个偏差较小、预测较准的强模型,即通过最小化损失函数得到最优模型。然后利用所述第二训练数据集,构建第二预设决策树,其中,所述第二预设决策树的层数限定为随机整数b,且b的范围与第一预设决策树的层数限定值a相同,为10≤b≤15。通过设置决策树的最高层数,达到了保证决策结果准确性的同时,有效提高模型训练速度的效果。
同样的方法,提取所述第二预设决策树中不满足第二预设准确率的结果数据,进而组成第二训练数据集。同样基于Gradient Boosting原理,将所述第二训练数据集作为主要数据,同时结合所述第一训练数据集,组成所述第三训练数据集,再次构建预设决策树。以此类推,按照这样的方法,当第M训练数据集的数据量为预设数据量时停止训练,获得第M-1预设决策树。其中,所述预设数据量是指系统综合实际需求,预先设置的数据量范围。
进一步的,所述第一预设决策树、第二预设决策树……第M-1预设决策树即为Gradient Boosting中的多个弱模型。依次提取每个弱模型的误差数据,并将其设为重点训练数据重新进行模型的训练,使得下一个模型更多地关注那些决策结果不正确、不符合预设准确率的样本数据。此外,通过限制决策树的最高层数对其进行正则化,从而避免所述第一质量检测评价模型过度拟合。最后,将所述第一预设决策树、所述第二预设决策树以及所述第M-1预设决策树加权组合,得到所述第一质量检测评价模型。
通过基于Gradient Boosting思想,多次训练得到多个偏差较大的决策树弱模型,最终组合多个弱模型,得到偏差较小的第一质量检测评价模型。达到了提高第一质量检测评价模型准确率的技术效果。
综上所述,本发明实施例所提供的一种基于机器视觉的单甘酯质量检测方法具有如下技术效果:
1.通过获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。达到了提高单甘酯质量检测的智能化程度,进而提高单甘酯质量检测效率的技术效果。
2.通过依次基于单甘酯产品生产工艺参数、特色特征信息进行聚类分析,提高了单甘酯产品分类结果的准确性和可靠性,达到了提高单甘酯产品分类智能化程度的技术效果。
3.通过预设纯度阈值,进而智能化判断各单甘酯产品检测纯度是否在预设的纯度阈值内,从而智能化识别纯度合格、不合格的产品,达到了智能化判断单甘酯产品纯度是否合格,提高质检工作效率、降低质检成本的技术效果。
4.通过拟合多个单甘酯生产企业评价单甘酯纯度的结果数据,提高了单甘酯纯度阈值的准确性和可靠性,各企业间评价信息隔离进一步提高了评价结果的客观性,达到了提高单甘酯产品评价纯度阈值客观性、可靠性,从而提高系统实用性的技术效果。
5.通过基于Gradient Boosting思想,多次训练得到多个偏差较大的决策树弱模型,最终组合多个弱模型,得到偏差较小的第一质量检测评价模型。达到了提高第一质量检测评价模型准确率的技术效果。
实施例二
基于与前述实施例中一种基于机器视觉的单甘酯质量检测方法,同样发明构思,本发明还提供了一种基于机器视觉的单甘酯质量检测系统,请参阅附图5,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;
第二获得单元12,所述第二获得单元12用于对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;
第三获得单元13,所述第三获得单元13用于基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;
第四获得单元14,所述第四获得单元14用于获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;
第五获得单元15,所述第五获得单元15用于对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;
第六获得单元16,所述第六获得单元16用于将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
进一步的,所述系统还包括:
第一设置单元,所述第一设置单元用于将所述第一工艺参数集合设为一级分类指标,将所述第一颜色特征信息设为二级分类指标;
第七获得单元,所述第七获得单元用于根据所述一级分类指标对所述单甘酯产品进行聚类分析,获得一级聚类结果;
第八获得单元,所述第八获得单元用于使用所述二级分类指标遍历所述一级聚类结果进行聚类分析,获得所述第一分类结果。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于将所述第一分类结果输入第一纯度阈值设定通道,获得第一纯度阈值集合,其中,所述第一纯度阈值集合和所述第一分类结果一一对应;
第十获得单元,所述第十获得单元用于根据所述第一质量检测结果,获得所述单甘酯的第一纯度集合,其中,所述第一纯度集合和所述第一分类结果一一对应;
第十一获得单元,所述第十一获得单元用于将所述第一纯度阈值集合和所述第一纯度集合一一比对,获得第一合格产品集合和第一不合格产品集合。
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于根据所述第一纯度阈值设定通道,获得第一评价通道、第二评价通道直到第N评价通道,其中,所述评价通道之间处于信息隔离状态,15≤N≤20;
第十三获得单元,所述第十三获得单元用于将所述第一分类结果分别并行输入所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一评价结果、第二评价结果直到第N评价结果,其中,所述评价结果为表征所述单甘酯产品纯度阈值的数据;
第十四获得单元,所述第十四获得单元用于对所述第一评价结果、所述第二评价结果直到所述第N评价结果进行拟合,获得所述第一纯度阈值集合。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于对同一类的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行偏差度计算,获得第一计算结果;
第十六获得单元,所述第十六获得单元用于获得第一预设偏差阈值,将满足所述第一预设偏差阈值的所述第一计算结果对应的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行提取并进行均值计算,获得第二计算结果;
第二设置单元,所述第二设置单元用于将所述第二计算结果设为所述第一纯度阈值集合。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于将所述第二计算结果并行返回至所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一反馈结果;
第十八获得单元,所述第十八获得单元用于基于所述第一反馈结果对所述第二计算结果进行调整,获得第三计算结果;
第三设置单元,所述第三设置单元用于将所述第三计算结果设为所述第一纯度阈值集合。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得第一训练数据集,其中,所述第一训练数据集包括多组历史检测色谱信息和色谱检测结果标识信息;
第一构建单元,所述第一构建单元用于利用所述第一训练数据集,构建第一预设决策树,其中,所述第一预设决策树的层数限定为随机整数a,10≤a≤15;
第一生成单元,所述第一生成单元用于获得第一预设准确率,提取所述第一预设决策树不满足所述第一预设准确率的训练数据集,生成第二训练数据集;
第二构建单元,所述第二构建单元用于利用所述第二训练数据集,构建第二预设决策树,其中,所述第二预设决策树的层数限定为随机整数b,10≤b≤15;
第二十获得单元,所述第二十获得单元用于当第M训练数据集的数据量为预设数据量时停止训练,获得第M-1预设决策树;
第二十一获得单元,所述第二十一获得单元用于将所述第一预设决策树、所述第二预设决策树直到所述第M-1预设决策树合并,获得所述第一质量检测评价模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种基于机器视觉的单甘酯质量检测方法和具体实例同样适用于本实施例的一种基于机器视觉的单甘酯质量检测系统,通过前述对一种基于机器视觉的单甘酯质量检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于机器视觉的单甘酯质量检测系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本发明实施例的电子设备。
图6图示了根据本发明实施例的电子设备的结构示意图。
基于与前述实施例中一种基于机器视觉的单甘酯质量检测方法的发明构思,本发明还提供一种基于机器视觉的单甘酯质量检测系统,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基于机器视觉的单甘酯质量检测方法的任一方法的步骤。
其中,在图6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。
本发明还提供一种计算机可读存储介质,其中,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上述实施例一中任一项所述的方法。
本发明提供了一种基于机器视觉的单甘酯质量检测方法,所述方法应用于一种基于机器视觉的单甘酯质量检测系统,其中,所述方法包括:通过获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。解决了现有技术中通过多种实验方法对单甘酯的纯度进行检测,存在实验耗时长、检测效率低,同时化学实验造成环境污染的技术问题。通过提取不同生产工艺制成单甘酯的颜色特征,建立生产工艺参数和颜色特征信息之间的对应关系,进而对单甘酯进行分类,并分别对所有类别单甘酯进行色谱分析,最后基于色谱分析结果,智能模型自动化对单甘酯的质量进行检测。达到了提高单甘酯质量检测的智能化程度,进而提高单甘酯质量检测效率的技术效果。
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、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照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系统。
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系统的制造品,该指令系统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,本发明申请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 (10)
1.一种基于机器视觉的单甘酯质量检测方法,其特征在于,所述方法应用于一种单甘酯质量检测系统,包括:
获得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;
对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;
基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;
获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;
对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;
将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
2.如权利要求1所述的方法,其特征在于,所述基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果,包括:
将所述第一工艺参数集合设为一级分类指标,将所述第一颜色特征信息设为二级分类指标;
根据所述一级分类指标对所述单甘酯产品进行聚类分析,获得一级聚类结果;
使用所述二级分类指标遍历所述一级聚类结果进行聚类分析,获得所述第一分类结果。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一分类结果输入第一纯度阈值设定通道,获得第一纯度阈值集合,其中,所述第一纯度阈值集合和所述第一分类结果一一对应;
根据所述第一质量检测结果,获得所述单甘酯的第一纯度集合,其中,所述第一纯度集合和所述第一分类结果一一对应;
将所述第一纯度阈值集合和所述第一纯度集合一一比对,获得第一合格产品集合和第一不合格产品集合。
4.如权利要求3所述的方法,其特征在于,将所述第一分类结果输入第一纯度阈值设定通道,获得第一纯度阈值集合,包括:
根据所述第一纯度阈值设定通道,获得第一评价通道、第二评价通道直到第N评价通道,其中,所述评价通道之间处于信息隔离状态,15≤N≤20;
将所述第一分类结果分别并行输入所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一评价结果、第二评价结果直到第N评价结果,其中,所述评价结果为表征所述单甘酯产品纯度阈值的数据;
对所述第一评价结果、所述第二评价结果直到所述第N评价结果进行拟合,获得所述第一纯度阈值集合。
5.如权利要求4所述的方法,其特征在于,所述对所述第一评价结果、所述第二评价结果直到所述第N评价结果进行拟合,获得所述第一纯度阈值集合,包括:
对同一类的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行偏差度计算,获得第一计算结果;
获得第一预设偏差阈值,将满足所述第一预设偏差阈值的所述第一计算结果对应的所述第一评价结果、所述第二评价结果直到所述第N评价结果进行提取并进行均值计算,获得第二计算结果;
将所述第二计算结果设为所述第一纯度阈值集合。
6.如权利要求5所述的方法,其特征在于,所述将所述第二计算结果设为所述第一纯度阈值集合之前,包括:
将所述第二计算结果并行返回至所述第一评价通道、所述第二评价通道直到所述第N评价通道,获得第一反馈结果;
基于所述第一反馈结果对所述第二计算结果进行调整,获得第三计算结果;
将所述第三计算结果设为所述第一纯度阈值集合。
7.如权利要求1所述的方法,其特征在于,所述将所述第一检测色谱集合输入第一质量检测评价模型之前,包括:
获得第一训练数据集,其中,所述第一训练数据集包括多组历史检测色谱信息和色谱检测结果标识信息;
利用所述第一训练数据集,构建第一预设决策树,其中,所述第一预设决策树的层数限定为随机整数a,10≤a≤15;
获得第一预设准确率,提取所述第一预设决策树不满足所述第一预设准确率的训练数据集,生成第二训练数据集;
利用所述第二训练数据集,构建第二预设决策树,其中,所述第二预设决策树的层数限定为随机整数b,10≤b≤15;
当第M训练数据集的数据量为预设数据量时停止训练,获得第M-1预设决策树;
将所述第一预设决策树、所述第二预设决策树直到所述第M-1预设决策树合并,获得所述第一质量检测评价模型。
8.一种基于机器视觉的单甘酯质量检测系统,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得第一工艺参数集合,其中,所述第一工艺参数集合为单甘酯产品的生产工艺参数;
第二获得单元:所述第二获得单元用于对所述单甘酯产品进行颜色特征提取,获得第一颜色特征信息;
第三获得单元:所述第三获得单元用于基于所述第一工艺参数集合和所述第一颜色特征信息对所述单甘酯产品进行聚类分析,获得第一分类结果;
第四获得单元:所述第四获得单元用于获得第一预设取样量,根据所述第一预设取样量遍历所述第一分类结果,获得第一检测样品集合;
第五获得单元:所述第五获得单元用于对所述第一检测样品集合进行色谱分析,获得第一检测色谱集合;
第六获得单元:所述第六获得单元用于将所述第一检测色谱集合输入第一质量检测评价模型,获得第一质量检测结果。
9.一种基于机器视觉的单甘酯质量检测系统,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,其特征在于,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。
10.一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1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111480565.0A CN114139643B (zh) | 2021-12-07 | 2021-12-07 | 一种基于机器视觉的单甘酯质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111480565.0A CN114139643B (zh) | 2021-12-07 | 2021-12-07 | 一种基于机器视觉的单甘酯质量检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114139643A true CN114139643A (zh) | 2022-03-04 |
CN114139643B CN114139643B (zh) | 2022-11-29 |
Family
ID=80384719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111480565.0A Active CN114139643B (zh) | 2021-12-07 | 2021-12-07 | 一种基于机器视觉的单甘酯质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139643B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082475A (zh) * | 2022-08-22 | 2022-09-20 | 张家港大裕橡胶制品有限公司 | 一种橡胶手套生产过程中污染检出方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080091405A1 (en) * | 2006-10-10 | 2008-04-17 | Konstantin Anisimovich | Method and system for analyzing various languages and constructing language-independent semantic structures |
WO2010126776A2 (en) * | 2009-05-01 | 2010-11-04 | Aspen Technology, Inc. | System and method of modeling mono-glycerides, di-glycerides and tryglycerides in biodiesel feedstock |
CN102778517A (zh) * | 2012-07-16 | 2012-11-14 | 无锡市产品质量监督检验中心 | 一种基于脂质聚类分析的可可粉掺假检测方法 |
CN103336090A (zh) * | 2013-05-14 | 2013-10-02 | 湖南中烟工业有限责任公司 | 一种预测卷烟感官质量指标的支持向量机svm方法 |
CN106777024A (zh) * | 2016-12-08 | 2017-05-31 | 北京小米移动软件有限公司 | 识别恶意用户的方法及装置 |
CN110580550A (zh) * | 2019-09-11 | 2019-12-17 | 北京华润高科天然药物有限公司 | 一种黄芩提取物的生产工艺的预测模型的建立方法及用途 |
CN110579549A (zh) * | 2019-10-17 | 2019-12-17 | 河南科高中标检测技术有限公司 | 一种野菊花配方颗粒的质量检测方法及应用 |
CN112630458A (zh) * | 2020-12-31 | 2021-04-09 | 佳力士添加剂(海安)有限公司 | 一种单甘酯的质量检测的方法和装置 |
CN113030314A (zh) * | 2021-03-05 | 2021-06-25 | 浙江大学 | 基于热解色谱质谱法的环境中微塑料质量浓度检测方法 |
CN113466361A (zh) * | 2021-06-18 | 2021-10-01 | 广西壮族自治区中医药研究院 | 一种肠胃散的质量评价方法 |
CN113567605A (zh) * | 2021-08-16 | 2021-10-29 | 苏恺明 | 质量色谱图的自动化解释模型构建方法、装置和电子设备 |
CN113706528A (zh) * | 2021-10-27 | 2021-11-26 | 南通祥元纺织有限公司 | 一种基于图像识别的纺织品质量检测方法及系统 |
-
2021
- 2021-12-07 CN CN202111480565.0A patent/CN114139643B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080091405A1 (en) * | 2006-10-10 | 2008-04-17 | Konstantin Anisimovich | Method and system for analyzing various languages and constructing language-independent semantic structures |
WO2010126776A2 (en) * | 2009-05-01 | 2010-11-04 | Aspen Technology, Inc. | System and method of modeling mono-glycerides, di-glycerides and tryglycerides in biodiesel feedstock |
CN102778517A (zh) * | 2012-07-16 | 2012-11-14 | 无锡市产品质量监督检验中心 | 一种基于脂质聚类分析的可可粉掺假检测方法 |
CN103336090A (zh) * | 2013-05-14 | 2013-10-02 | 湖南中烟工业有限责任公司 | 一种预测卷烟感官质量指标的支持向量机svm方法 |
CN106777024A (zh) * | 2016-12-08 | 2017-05-31 | 北京小米移动软件有限公司 | 识别恶意用户的方法及装置 |
CN110580550A (zh) * | 2019-09-11 | 2019-12-17 | 北京华润高科天然药物有限公司 | 一种黄芩提取物的生产工艺的预测模型的建立方法及用途 |
CN110579549A (zh) * | 2019-10-17 | 2019-12-17 | 河南科高中标检测技术有限公司 | 一种野菊花配方颗粒的质量检测方法及应用 |
CN112630458A (zh) * | 2020-12-31 | 2021-04-09 | 佳力士添加剂(海安)有限公司 | 一种单甘酯的质量检测的方法和装置 |
CN113030314A (zh) * | 2021-03-05 | 2021-06-25 | 浙江大学 | 基于热解色谱质谱法的环境中微塑料质量浓度检测方法 |
CN113466361A (zh) * | 2021-06-18 | 2021-10-01 | 广西壮族自治区中医药研究院 | 一种肠胃散的质量评价方法 |
CN113567605A (zh) * | 2021-08-16 | 2021-10-29 | 苏恺明 | 质量色谱图的自动化解释模型构建方法、装置和电子设备 |
CN113706528A (zh) * | 2021-10-27 | 2021-11-26 | 南通祥元纺织有限公司 | 一种基于图像识别的纺织品质量检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
GUODONGCAO 等: "Gas chromatography-mass spectrometry based profiling reveals six monoglycerides as markers of used cooking oil", 《FOOD CONTROL》 * |
冯凤琴等: "应用红外光谱技术快速检测月桂酸单甘油酯的品质指标", 《光学学报》 * |
孔浩辉等: "烟用三醋酸甘油酯的质量评价方法", 《现代食品科技》 * |
蔡主希: "《智能风控与反欺诈 体系算法与实践》", 31 March 2021 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082475A (zh) * | 2022-08-22 | 2022-09-20 | 张家港大裕橡胶制品有限公司 | 一种橡胶手套生产过程中污染检出方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114139643B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216741B2 (en) | Analysis apparatus, analysis method, and non-transitory computer readable medium | |
Sawatsky et al. | Partial least squares regression in the social sciences | |
CN108241901B (zh) | 一种基于预测数据的变压器预警评估方法及装置 | |
CN106452934B (zh) | 一种网络性能指标变化趋势的分析方法和装置 | |
CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
Cao et al. | CNN-LSTM coupled model for prediction of waterworks operation data | |
CN112069787A (zh) | 一种基于词嵌入的日志参数异常检测方法 | |
CN114139643B (zh) | 一种基于机器视觉的单甘酯质量检测方法及系统 | |
CN113919540A (zh) | 一种生产过程运行状态的监测方法及相关设备 | |
CN115204536A (zh) | 楼宇设备故障预测方法、装置、设备及存储介质 | |
CN107016416B (zh) | 基于邻域粗糙集和pca融合的数据分类预测方法 | |
CN115423594A (zh) | 企业财务风险的评估方法、装置、设备及存储介质 | |
CN116416884A (zh) | 一种显示器模组的测试装置及其测试方法 | |
CN117041017A (zh) | 数据中心的智能运维管理方法及系统 | |
CN110659767A (zh) | 一种基于lstm-cnn深度学习模型的股票趋势预测方法 | |
CN117407313A (zh) | 一种基于机器学习分析自动化测试质量的方法及系统 | |
CN117235606A (zh) | 特种不锈钢的生产质量管理方法及系统 | |
CN117052970A (zh) | 用于气动球阀装配的智能控制系统及其方法 | |
CN107067034B (zh) | 一种快速识别红外光谱数据分类的方法及系统 | |
CN112505337B (zh) | 一种辅助分析样品的数据处理方法 | |
CN113139332A (zh) | 一种自动化模型构建方法、装置及设备 | |
CN113159419A (zh) | 一种群体特征画像分析方法、装置、设备及可读存储介质 | |
CN105074706A (zh) | 在半导体处理设备中使用径向基函数网络与超立方体进行偏离分类 | |
WO2022059183A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN114926154B (zh) | 一种多场景数据识别的保护切换方法及系统 |
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 |