CN114545987B - 基于食品设备信息网的酱油压榨机压力调节系统 - Google Patents
基于食品设备信息网的酱油压榨机压力调节系统 Download PDFInfo
- Publication number
- CN114545987B CN114545987B CN202210114904.1A CN202210114904A CN114545987B CN 114545987 B CN114545987 B CN 114545987B CN 202210114904 A CN202210114904 A CN 202210114904A CN 114545987 B CN114545987 B CN 114545987B
- Authority
- CN
- China
- Prior art keywords
- soy sauce
- squeezer
- soybean
- evaluation value
- juicing
- 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
- 235000013555 soy sauce Nutrition 0.000 title claims abstract description 239
- 235000013305 food Nutrition 0.000 title claims abstract description 18
- 235000010469 Glycine max Nutrition 0.000 claims abstract description 314
- 244000068988 Glycine max Species 0.000 claims abstract description 311
- 238000011156 evaluation Methods 0.000 claims abstract description 145
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000013441 quality evaluation Methods 0.000 claims abstract description 21
- 230000001105 regulatory effect Effects 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 44
- 238000012937 correction Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 2
- 238000003825 pressing Methods 0.000 description 4
- 235000015067 sauces Nutrition 0.000 description 4
- 241000209140 Triticum Species 0.000 description 3
- 235000021307 Triticum Nutrition 0.000 description 3
- 238000000855 fermentation Methods 0.000 description 3
- 230000004151 fermentation Effects 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241001107116 Castanospermum australe Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000021279 black bean Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- LPUQAYUQRXPFSQ-DFWYDOINSA-M monosodium L-glutamate Chemical compound [Na+].[O-]C(=O)[C@@H](N)CCC(O)=O LPUQAYUQRXPFSQ-DFWYDOINSA-M 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D15/00—Control of mechanical force or stress; Control of mechanical pressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Soy Sauces And Products Related Thereto (AREA)
Abstract
本发明涉及电数字数据处理技术领域，具体涉及一种基于食品设备信息网的酱油压榨机压力调节系统，包括酱油压榨机控制模块以及与其相连的重量检测模块、应力检测模块和出汁量检测模块，可实现根据大豆重量和大豆出汁量，计算大豆品质评价值，并根据每缸大豆压榨过程中对应的压榨机弹簧应力序列，确定压榨桶平稳程度值，进而确定大豆出汁潜力评价值，通过对输入输出数据的操作，最终实现对未来后一天的大豆出汁潜力评价值进行预测。本发明通过利用下一代信息网络，对不同品质的大豆的出汁情况进行测定，并根据不同品质的大豆的出汁情况对酱油压榨机进行压力调节，有效提高了酱油压榨机的压榨效果，实现了对酱油压榨机的监控。
Description
技术领域
本发明涉及电数字数据处理技术领域，具体涉及一种基于食品设备信息网的酱油压榨机压力调节系统。
背景技术
作为中国传统的调味品，酱油是用大豆或脱脂大豆或黑豆、小麦或麸皮，加入水、食盐酿造而成的液体调味品。酱油的色泽呈红褐色，具有独特酱香，且其滋味鲜美，有助于促进食欲。在食品加工过程中，酱油的压榨是重要一环，利用酱油压榨机可压出新鲜可口的酱油。其中，压榨机的压力是保证压榨机正常的一种重要因数，当增大压力时，压榨出汁量就相对增多，但同时动力消耗也会大大增加，不利于节能和安全生产。
在酱油压榨机的工作过程中，通常是由工作人员预先对压榨机的压力进行调节，而一旦调节完成后一般短期内不会再次调整。对于不同品质的大豆或脱脂大豆或黑豆、小麦或麸皮，由于其压榨出汁情况不同，当采用同样的压榨机的压力进行压榨时，就会存在压力过大耗能或者是出汁量不够等问题，压榨效果较差。
发明内容
本发明的目的在于提供基于食品设备信息网的酱油压榨机压力调节系统，用于解决由于压榨机的压力不能够调整导致压榨效果较差的问题。
为解决上述技术问题，本发明提供了一种基于食品设备信息网的酱油压榨机压力调节系统，包括用于检测酱油压榨机中大豆重量的重量检测模块、用于检测酱油压榨机的弹簧应力的应力检测模块、用于检测酱油压榨机中大豆出汁量的出汁量检测模块以及酱油压榨机控制模块，所述酱油压榨机控制模块连接重量检测模块、应力检测模块和出汁量检测模块以实现如下方法：
在酱油压榨机工作过程中，获取当前前N天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量；
根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定当前前N天的大豆品质评价值；
根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的酱油压榨机的压榨桶平稳程度值；
根据当前前N天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定当前前N天的大豆出汁潜力评价值；
根据当前前N天的大豆出汁潜力评价值，利用预先训练好的大豆出汁潜力评价值预测网络对后一天的大豆出汁潜力评价值进行预测；
根据预测出来的后一天的大豆出汁潜力评价值，对酱油压榨机的压力进行调节。
进一步的，确定当前前N天的大豆品质评价值的步骤包括：
根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，分别计算当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值；
根据当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值，确定当前前N天的大豆品质评价值。
进一步的，确定当前前N天的酱油压榨机的压榨桶平稳程度值的步骤包括：
根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的各个酱油压榨机的子压榨桶平稳程度值；
根据当前前N天的各个酱油压榨机的子压榨桶平稳程度值，计算当前前N天的酱油压榨机的压榨桶平稳程度值。
进一步的，当前前N天的各个酱油压榨机的子压榨桶平稳程度值对应的计算公式为：
其中，Pi为当前前任意一天的第i个酱油压榨机的子压榨桶平稳程度值，Ti为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的元素总数目，Ft为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的第t个弹簧应力，Ft-1为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的第t-1个弹簧应力，Fe为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的前t个弹簧应力中的第e个弹簧应力，Ff为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的前t-1个弹簧应力中的第f个弹簧应力，abs()为取绝对值函数。
进一步的，当前前N天的酱油压榨机的压榨桶平稳程度值对应的计算公式为：
其中，P′为当前前任意一天的酱油压榨机的压榨桶平稳程度值，Pi为该当前前任意一天的第i个酱油压榨机的子压榨桶平稳程度值，Q为该当前前任意一天的酱油压榨机的子压榨桶平稳程度值的总数目。
进一步的，确定当前前N天的大豆出汁潜力评价值对应的计算公式为：
W＝eU*f(P′)
其中，W为当前前任意一天的大豆出汁潜力评价值，U为该当前前任意一天的大豆品质评价值，P′为该当前前任意一天的酱油压榨机的压榨桶平稳程度值，f()为归一化函数。
进一步的，预先训练好的大豆出汁潜力评价值预测网络的获取步骤包括：
构建大豆出汁潜力评价值预测网络，并获取该大豆出汁潜力评价值预测网络的训练样本，所述训练样本的获取过程包括：
在酱油压榨机历史工作过程中，获取M天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量；
根据M天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定M天的大豆品质评价值；
根据M天的各个酱油压榨机的弹簧应力序列，确定M天的酱油压榨机的压榨桶平稳程度值；
根据M天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定M天的大豆出汁潜力评价值，M天的大豆出汁潜力评价值即为大豆出汁潜力评价值预测网络的训练样本；
利用大豆出汁潜力评价值预测网络的训练样本对大豆出汁潜力评价值预测网络进行训练，从而得到训练好的大豆出汁潜力评价值预测网络。
进一步的，还包括：
根据M天的大豆出汁潜力评价值，计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间的差异值，进而计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和；
根据每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和，确定每个大豆出汁潜力评价值对应的修正系数，从而得到大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数；
利用大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数，对大豆出汁潜力评价值预测网络的损失函数进行修改。
进一步的，对酱油压榨机的压力进行调节的步骤包括：
若预测出来的后一天的大豆出汁潜力评价值大于第一大豆出汁潜力评价值阈值，则减小酱油压榨机的压力；
若预测出来的后一天的大豆出汁潜力评价值小于第二大豆出汁潜力评价值阈值，则增大酱油压榨机的压力。
本发明具有如下有益效果：通过测量当前前N天的每缸大豆对应的大豆重量和大豆出汁量，确定当前前N天的大豆品质评价值，并通过测量当前前N天的每缸大豆压榨过程中对应的压榨机弹簧应力序列，确定当前前N天的压榨桶平稳程度值，进而根据当前前N天的大豆品质评价值和压榨桶平稳程度值，确定当前前N天的大豆出汁潜力评价值，最终根据当前前N天的大豆出汁潜力评价值预测未来后一天的大豆出汁潜力评价值，并根据该预测的大豆出汁潜力评价值，实现对酱油压榨机的压力的合理调节。
由于本发明通过对后一天的大豆出汁潜力评价值进行推算，可以根据大豆的不同出汁情况进行测定，进而对压榨机压力进行适应性调节和校正，避免了对容易出汁的大豆采用较大的压力进行压榨导致耗能耗材的情况，以及对不容易出汁的大豆采用较小的压力进行压榨导致出汁量不足的情况，有效提高了压榨效果，实现了对酱油压榨机的监控。
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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其它附图。
图1为本发明的基于食品设备信息网的酱油压榨机压力调节系统的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
不同品质的大豆由于其出汁情况不一样，为了保证压榨效果，在压榨过程中应该使用不同的压榨力。为了根据不同品质的大豆对酱油压榨机进行压力调节，以使酱油压榨机能够最高效的进行工作，本实施例提供了一种基于食品设备信息网的酱油压榨机压力调节系统。
具体的，该基于食品设备信息网的酱油压榨机压力调节系统包括：酱油压榨机控制模块及其连接的用于检测酱油压榨机中大豆重量的重量检测模块、用于检测酱油压榨机的弹簧应力的应力检测模块、用于检测酱油压榨机中大豆出汁量的出汁量检测模块。
其中，重量检测模块用于检测每次加入酱油压榨机中的大豆重量，并将检测到大豆重量发送给酱油压榨机控制模块。应力检测模块用于检测每个压榨过程中压榨机的弹簧应力，并将检测到的压榨机的弹簧应力发送给酱油压榨机控制模块。出汁量检测模块用于检测每一缸大豆的出汁量，也就是每一缸大豆通过酱油压榨机压榨后的出汁量，并将检测到每一缸大豆的出汁量发送给酱油压榨机控制模块。酱油压榨机控制模块连接重量检测模块、应力检测模块和出汁量检测模块，以接收大豆重量、压榨机的弹簧应力和出汁量等数据，并对这些数据进行分析，以实现一种基于食品设备信息网的酱油压榨机压力调节方法，该方法对应的流程图如图1所示，包括以下步骤：
(1)在酱油压榨机工作过程中，获取当前前N天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量。
在酱油的加工生产过程中，每一缸大豆放入的重量相同，大豆通过食品加工发酵的方式初步处理，为后续压榨出汁做准备。经过同样时间的发酵，每一缸的大豆重量会产生变化而导致不同，这些可以反映出大豆品质的不同。利用重量检测模块测量压榨桶和滤网的质量G1，再测将发酵后的大豆放入压榨桶中共同的质量G2，二者相减得到一次压榨的大豆质量G＝G2-G1。
在酱油压榨机工作过程中，通过上述方式，可以得到每一缸的大豆放入压榨桶中的质量，这个质量也可以称为酱油压榨机中大豆重量，从而得到当前前N天的各个酱油压榨机中大豆重量。在本实施例中，当前前N天中的每一天均包括10个酱油压榨机中大豆重量。
将每一缸大豆放入压榨桶后，由酱油压榨机进行压榨，设定酱油压榨机对每一缸大豆的压榨时长为20分钟。为了避免压榨过程中损坏压榨桶和滤网，现有的酱油压榨机会在压榨桶底部平均连接四个弹簧。酱油压榨机的压力不能超过弹簧的弹性极限。在每一缸大豆的压榨过程中，利用应力检测模块测量整个压榨过程中的四个弹簧的应力，并用四个弹簧的应力均值表示此次压榨过程中的每次检测到的弹簧应力F，从而得到每个压榨过程中酱油压榨机的弹簧应力序列。
在酱油压榨机工作过程中，通过上述方式，可以得到每一缸的大豆所对应的酱油压榨机的弹簧应力序列，从而得到当前前N天的各个酱油压榨机的弹簧应力序列。在本实施例中，当前前N天中的每一天均包括10个酱油压榨机的弹簧应力序列。
每一缸大豆经酱油压榨机进行压榨后，将滤网内的残渣停留些许时间，保证滤网内的酱汁没有残留。然后利用出汁量检测模块对压榨出的酱汁进行称重，从而得到每一缸的大豆的出汁量E。
在酱油压榨机工作过程中，通过上述方式，可以得到每一缸的大豆所对应的出汁量，这个出汁量也可以称为酱油压榨机中大豆出汁量，从而得到当前前N天的各个酱油压榨机中大豆出汁量。在本实施例中，当前前N天中的每一天均包括10个酱油压榨机中大豆出汁量。
通过上述步骤(1)，可以得到当前前N天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量，但是需要强调的是，在获取当前前N天中的每一天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量时，是针对各个同一缸大豆，对应获取其对应的酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量。
(2)根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定当前前N天的大豆品质评价值，具体包括：
(2-1)根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，分别计算当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值。
对于当前前N天中每一天的各个酱油压榨机中大豆重量，计算其对应的均值，从而得到当前前N天中每一天的酱油压榨机中大豆重量均值
酱油压榨机中大豆重量均值
表示一天里每次加入酱油压榨机中的大豆重量的均值。大豆质量均值越大，意味着饱满的大豆越多，大豆的品质较好；反之大豆均值越小，意味着大豆未饱满的颗粒较多，大豆的品质较差。
同时，对于当前前N天中每一天的各个酱油压榨机中大豆出汁量，计算其对应的均值，从而得到当前前N天中每一天的酱油压榨机中大豆出汁量均值
酱油压榨机中大豆出汁量均值
表示一天里每个压榨过程中大豆的出汁量的均值。出汁量均值越大，意味着大豆饱满，出汁好，大豆的品质好；反之出汁量越小，意味着大豆干瘪的颗粒多，出汁差，大豆的品质较差。
(2-2)根据当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值，确定当前前N天的大豆品质评价值，对应的计算公式为：
其中，U为当前前任意一天的大豆品质评价值，
为该前前任意一天的酱油压榨机中大豆重量均值，
为该当前前任意一天的酱油压榨机中大豆出汁量均值。
根据上面的大豆品质评价值的计算公式可知，大豆品质评价值与酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值的乘积成正相关的关系。当饱满的大豆越多，大豆的品质较好，且出汁量较大时，则大豆品质评价值越高。
(3)根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的酱油压榨机的压榨桶平稳程度值，具体包括：
(3-1)根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的各个酱油压榨机的子压榨桶平稳程度值，对应的计算公式为：
其中，Pi为当前前任意一天的第i个酱油压榨机的子压榨桶平稳程度值，Ti为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的元素总数目，Ft为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的第t个弹簧应力，Ft-1为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的第t-1个弹簧应力，Fe为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的前t个弹簧应力中的第e个弹簧应力，Ff为该当前前任意一天的第i个酱油压榨机的弹簧应力序列的前t-1个弹簧应力中的第f个弹簧应力，abs()为取绝对值函数。
因为压榨桶分布了四个弹簧，同一缸的大豆饱和情况各不相同，所以会导致压榨桶有些许侧偏，上述的子压榨桶平稳程度值是基于压榨过程中弹簧的应力F，确定压榨桶的平稳情况。在上述的子压榨桶平稳程度值的计算公式中，分子表示的是弹簧应力序列的第t个弹簧应力与利用工业物联网记录的弹簧应力序列的第t-1个弹簧应力之间的差异值大小，分母表示弹簧应力序列的第t个弹簧应力和利用工业物联网记录的之前所有弹簧应力的均值与第t-1个弹簧应力和利用工业物联网记录的之前所有弹簧应力的均值的差异值大小。
当压榨桶没有因为四个弹簧处大豆质量不同导致侧偏时，则压榨桶平稳程度大小几乎保持不变，即第t个弹簧应力与利用工业物联网记录的弹簧应力序列的第t-1个弹簧应力之间的差异值大小为零，并且均值的差异值同样为零，从而使得式子大小保持为1。如果压榨桶平稳程度发生变化，则式子最终会小于1，平稳变化程度越大，其大小越接近于0。
(3-2)根据当前前N天的各个酱油压榨机的子压榨桶平稳程度值，计算当前前N天的酱油压榨机的压榨桶平稳程度值，对应的计算公式为：
其中，P′为当前前任意一天的酱油压榨机的压榨桶平稳程度值，Pi为该当前前任意一天的第i个酱油压榨机的子压榨桶平稳程度值，Q为该当前前任意一天的酱油压榨机的子压榨桶平稳程度值的总数目。
(4)根据当前前N天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定当前前N天的大豆出汁潜力评价值，对应的计算公式为：
W＝eU*f(P′)
其中，W为当前前任意一天的大豆出汁潜力评价值，U为该当前前任意一天的大豆品质评价值，P′为该当前前任意一天的酱油压榨机的压榨桶平稳程度值，f()为归一化函数。
根据上述的大豆出汁潜力评价值的计算公式可知，大豆出汁潜力评价与大豆品质评价值是正相关的关系。大豆品质越高，发酵越成功，出汁量大且迅速，所需压力也越小；反之大豆品质越低，干瘪的大豆量较多，出汁缓慢且量少，对应压力越大。
压榨桶平稳程度值最为修正系数，其目的是减少由于外部条件影响酱油压榨机压榨工作的进行，进而导致的对大豆出汁潜力评价值的影响。在本实施例中，
(5)根据当前前N天的大豆出汁潜力评价值，利用预先训练好的大豆出汁潜力评价值预测网络对后一天的大豆出汁潜力评价值进行预测。
在通过上述步骤(1)-(4)获取当前前N天的大豆出汁潜力评价值之后，将前前N天的大豆出汁潜力评价值输入到预先训练好的大豆出汁潜力评价值预测网络中，由该大豆出汁潜力评价值预测网络对后一天的大豆出汁潜力评价值进行预测。由于对后一天的大豆出汁潜力评价值进行预测的关键在于预先获取训练好的大豆出汁潜力评价值预测网络，下面对该网络的具体获取过程进行详细介绍。
(5-1)构建大豆出汁潜力评价值预测网络，并获取该大豆出汁潜力评价值预测网络的训练样本。
利用RNN网络构造大豆出汁潜力评价值预测网络，该大豆出汁潜力评价值预测网络是一个序列预测网络，可以根据前面的大豆出汁潜力评价值，预测后一个大豆出汁潜力评价值。由于利用RNN网络来构建大豆出汁潜力评价值预测网络的具体实现过程，属于本领域技术人员的公知常识，本实施例不再进行赘述。
在构建好大豆出汁潜力评价值预测网络之后，获取该网络对应的训练样本，训练样本的获取过程包括：
(5-1-1)在酱油压榨机历史工作过程中，获取M天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量。
在酱油压榨机历史生产过程中，获取过去M天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量，其具体获取过程可以参考上述步骤(1)，此处不再赘述。
(5-1-2)根据M天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定M天的大豆品质评价值。
确定M天的大豆品质评价值的具体实现过程可以参考上述的步骤(2)，此处不再赘述。
(5-1-3)根据M天的各个酱油压榨机的弹簧应力序列，确定M天的酱油压榨机的压榨桶平稳程度值。
确定M天的酱油压榨机的压榨桶平稳程度值的具体实现过程可以参考上述的步骤(3)，此处不再赘述。
(5-1-4)根据M天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定M天的大豆出汁潜力评价值，M天的大豆出汁潜力评价值即为大豆出汁潜力评价值预测网络的训练样本。
确定M天的大豆出汁潜力评价值的具体实现过程可以参考上述的步骤(4)，此处不再赘述。
(5-2)利用大豆出汁潜力评价值预测网络的训练样本对大豆出汁潜力评价值预测网络进行训练，从而得到训练好的大豆出汁潜力评价值预测网络。
在通过上述步骤(5-1)得到大豆出汁潜力评价值预测网络的训练样本之后，将这些训练样本输入到大豆出汁潜力评价值预测网络，这些训练样本在时间上是连续的，以实现对大豆出汁潜力评价值预测网络的训练。在对大豆出汁潜力评价值预测网络进行训练时，是将训练样本中的前一部分训练样本作为输入，将该前一部分训练样本的后一个训练样本作为对应的网络输出的标签值。由于采用确定好的训练样本对大豆出汁潜力评价值预测网络进行训练的具体训练过程属于现有技术，此处不再赘述。
网络是损失函数决定了网络的最终训练和预测结果，预测网络最常采用损失函数为均方差损失函数，由于均方差损失函数中每个样本是无差别和平等的，没有考虑不同样本各自的影响情况，这就会导致网络的最终训练和预测结果不够理想。在本实施例中，为了提高网络的最终训练和预测效果，针对不同的训练样本，计算其对应的修正系数，并采用该修正系数对均方差损失函数进行修正，具体实现过程如下：
(5-2-1)根据M天的大豆出汁潜力评价值，计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间的差异值，进而计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和。
对于M个大豆出汁潜力评价值，分别计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间的差值绝对值，该差值绝对值即为差异值，然后计算每个大豆出汁潜力评价值所对应的与其他各个大豆出汁潜力评价值之间的所有差异值的总和。
(5-2-2)根据每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和，确定每个大豆出汁潜力评价值对应的修正系数，从而得到大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数，对应的计算公式为：
其中，Ci为第i个大豆出汁潜力评价值对应的修正系数，即第i个训练样本对应的修正系数，Di为第i个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和。
根据上述修正系数的计算公式可知，当大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和越小时，则说明一个训练样本与其他训练样本越相似，此时该训练样本对应的修正系数就越大，说明该训练样本越可靠。
(5-2-3)利用大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数，对大豆出汁潜力评价值预测网络的损失函数进行修改，修正后的损失函数对应的计算公式为：
Loss＝∑(Lossi*Ci)
其中，Loss为修正后的损失函数，Lossi为均方差损失函数中第i个训练样本对应的原始损失函数，Ci为第i个训练样本对应的修正系数。
通过上述步骤(5-1)-(5-2)即可得到训练好的大豆出汁潜力评价值预测网络，该大豆出汁潜力评价值预测网络的构建和训练过程实际上是在步骤(1)之间进行的。
(6)根据预测出来的后一天的大豆出汁潜力评价值，对酱油压榨机的压力进行调节，具体包括：
若预测出来的后一天的大豆出汁潜力评价值大于第一大豆出汁潜力评价值阈值，则减小酱油压榨机的压力。若预测出来的后一天的大豆出汁潜力评价值小于第二大豆出汁潜力评价值阈值，则增大酱油压榨机的压力。
也就是说，预测出来的后一天的大豆出汁潜力评价值越大，则说明大豆出汁潜力越高，意味着大豆越容易出汁，所需酱油压榨机的压力可以比标准压力偏小。预测出来的后一天的大豆出汁潜力评价值越小，则说明大豆出汁潜力越低，意味着大豆越不容易出汁，所需酱油压榨机的压力比标准压力偏大。具体酱油压榨机的压力的调节幅度，可以根据实际情况进行设定，此处不再赘述。
本发明通过测量存储大豆发酵后准备压榨时的质量与每一缸大豆对应的出汁量，由这两个量得到大豆品质评价值；其次测量压榨机弹簧的应力，进而得到酱油压榨机的压榨桶平稳程度值；最后由大豆品质评价值和酱油压榨机的压榨桶平稳程度值得到大豆出汁潜力评价值；并利用得到的大豆出汁潜力评价值对未来后一天的不同品质的大豆对应的大豆出汁潜力评价值进行预测，进而根据大豆品质的不同来调节酱油压榨机的压力，有效提高了压榨效果。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，包括用于检测酱油压榨机中大豆重量的重量检测模块、用于检测酱油压榨机的弹簧应力的应力检测模块、用于检测酱油压榨机中大豆出汁量的出汁量检测模块以及酱油压榨机控制模块，所述酱油压榨机控制模块连接重量检测模块、应力检测模块和出汁量检测模块以实现如下方法：
在酱油压榨机工作过程中，获取当前前N天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量；
根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定当前前N天的大豆品质评价值；
根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的酱油压榨机的压榨桶平稳程度值；
根据当前前N天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定当前前N天的大豆出汁潜力评价值；
根据当前前N天的大豆出汁潜力评价值，利用预先训练好的大豆出汁潜力评价值预测网络对后一天的大豆出汁潜力评价值进行预测；
根据预测出来的后一天的大豆出汁潜力评价值，对酱油压榨机的压力进行调节；
当前前N天的各个酱油压榨机的子压榨桶平稳程度值对应的计算公式为：
其中，
为当前前任意一天的第i个酱油压榨机的子压榨桶平稳程度值，
为该当前前
任意一天的第i个酱油压榨机的弹簧应力序列的元素总数目，
为该当前前任意一天的第i
个酱油压榨机的弹簧应力序列的第t个弹簧应力，
为该当前前任意一天的第i个酱油压
榨机的弹簧应力序列的第t-1个弹簧应力，
为该当前前任意一天的第i个酱油压榨机的弹
簧应力序列的前t个弹簧应力中的第e个弹簧应力，
为该当前前任意一天的第i个酱油压
榨机的弹簧应力序列的前t-1个弹簧应力中的第f个弹簧应力，
为取绝对值函数；
确定当前前N天的酱油压榨机的压榨桶平稳程度值的步骤包括：
根据当前前N天的各个酱油压榨机的弹簧应力序列，确定当前前N天的各个酱油压榨机的子压榨桶平稳程度值；
根据当前前N天的各个酱油压榨机的子压榨桶平稳程度值，计算当前前N天的酱油压榨机的压榨桶平稳程度值；
当前前N天的酱油压榨机的压榨桶平稳程度值对应的计算公式为：
其中，
为当前前任意一天的酱油压榨机的压榨桶平稳程度值，
为该当前前任意一天
的第i个酱油压榨机的子压榨桶平稳程度值，
为该当前前任意一天的酱油压榨机的子压
榨桶平稳程度值的总数目。
2.根据权利要求1所述的基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，确定当前前N天的大豆品质评价值的步骤包括：
根据当前前N天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，分别计算当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值；
根据当前前N天的酱油压榨机中大豆重量均值和酱油压榨机中大豆出汁量均值，确定当前前N天的大豆品质评价值。
3.根据权利要求1所述的基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，确定当前前N天的大豆出汁潜力评价值对应的计算公式为：
其中，
为当前前任意一天的大豆出汁潜力评价值，U为该当前前任意一天的大豆品质
评价值，
为该当前前任意一天的酱油压榨机的压榨桶平稳程度值，
为归一化函数。
4.根据权利要求1所述的基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，预先训练好的大豆出汁潜力评价值预测网络的获取步骤包括：
构建大豆出汁潜力评价值预测网络，并获取该大豆出汁潜力评价值预测网络的训练样本，所述训练样本的获取过程包括：
在酱油压榨机历史工作过程中，获取M天的各个酱油压榨机中大豆重量、酱油压榨机的弹簧应力序列以及酱油压榨机中大豆出汁量；
根据M天的各个酱油压榨机中大豆重量和酱油压榨机中大豆出汁量，确定M天的大豆品质评价值；
根据M天的各个酱油压榨机的弹簧应力序列，确定M天的酱油压榨机的压榨桶平稳程度值；
根据M天的大豆品质评价值和酱油压榨机的压榨桶平稳程度值，确定M天的大豆出汁潜力评价值，M天的大豆出汁潜力评价值即为大豆出汁潜力评价值预测网络的训练样本；
利用大豆出汁潜力评价值预测网络的训练样本对大豆出汁潜力评价值预测网络进行训练，从而得到训练好的大豆出汁潜力评价值预测网络。
5.根据权利要求4所述的基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，还包括：
根据M天的大豆出汁潜力评价值，计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间的差异值，进而计算每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和；
根据每个大豆出汁潜力评价值与其他各个大豆出汁潜力评价值之间差异值总和，确定每个大豆出汁潜力评价值对应的修正系数，从而得到大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数；
利用大豆出汁潜力评价值预测网络的每个训练样本对应的修正系数，对大豆出汁潜力评价值预测网络的损失函数进行修改。
6.根据权利要求1所述的基于食品设备信息网的酱油压榨机压力调节系统，其特征在于，对酱油压榨机的压力进行调节的步骤包括：
若预测出来的后一天的大豆出汁潜力评价值大于第一大豆出汁潜力评价值阈值，则减小酱油压榨机的压力；
若预测出来的后一天的大豆出汁潜力评价值小于第二大豆出汁潜力评价值阈值，则增大酱油压榨机的压力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210114904.1A CN114545987B (zh) | 2022-01-31 | 2022-01-31 | 基于食品设备信息网的酱油压榨机压力调节系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210114904.1A CN114545987B (zh) | 2022-01-31 | 2022-01-31 | 基于食品设备信息网的酱油压榨机压力调节系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114545987A CN114545987A (zh) | 2022-05-27 |
| CN114545987B true CN114545987B (zh) | 2022-12-13 |
Family
ID=81673509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210114904.1A Active CN114545987B (zh) | 2022-01-31 | 2022-01-31 | 基于食品设备信息网的酱油压榨机压力调节系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114545987B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650339A (zh) * | 2021-08-12 | 2021-11-16 | 丽江永胜边屯食尚养生园有限公司 | 一种铁核桃油压榨用榨油装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102308974A (zh) * | 2011-09-15 | 2012-01-11 | 常熟吉成生物工程技术有限公司 | 木桶酿造酱油的方法 |
| CN108527913B (zh) * | 2018-04-03 | 2019-12-24 | 武汉轻工大学 | 螺旋压榨机的控制方法、控制装置及螺旋压榨机 |
| CN108688212B (zh) * | 2018-05-14 | 2023-10-27 | 中国农业科学院油料作物研究所 | 油料智能化低温压榨控制方法及其设备 |
| CN110014683A (zh) * | 2019-04-18 | 2019-07-16 | 武汉轻工大学 | 螺旋榨油机榨腔性能的测控系统及方法 |
-
2022
- 2022-01-31 CN CN202210114904.1A patent/CN114545987B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650339A (zh) * | 2021-08-12 | 2021-11-16 | 丽江永胜边屯食尚养生园有限公司 | 一种铁核桃油压榨用榨油装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114545987A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110276409A (zh) | 一种时间序列异常检测方法、装置、服务器和存储介质 | |
| CN104683804A (zh) | 基于视频内容特征的参数自适应多维码率控制方法 | |
| WO2008051856B1 (en) | Data compression for a waveform data analyzer | |
| CN112069883B (zh) | 一种融合一维二维卷积神经网络的深度学习信号分类方法 | |
| CN107044967B (zh) | 一种马铃薯生全粉近红外光谱快速鉴别的方法 | |
| CN114545987B (zh) | 基于食品设备信息网的酱油压榨机压力调节系统 | |
| CN113171106A (zh) | 基于vq-vae2和深度神经网络方法的心电异常检测方法 | |
| CN110018656A (zh) | 一种具热图像的智能烹饪控制系统及控制方法 | |
| CN116049632B (zh) | 一种风电主轴轴承故障诊断方法、装置及应用 | |
| CN115281676B (zh) | 基于gru神经网络和ecg信号的疲劳检测方法 | |
| CN111539920A (zh) | 一种白酒酿造过程中糟醅质量的自动检测方法 | |
| CN101472182B (zh) | 视觉无损视频数据压缩 | |
| CN110327033A (zh) | 一种基于深度神经网络的心肌梗死心电图的筛查方法 | |
| CN108573512B (zh) | 一种基于深度编解码对偶模型的复杂视觉图像重构方法 | |
| CN117373016B (zh) | 烟叶烘烤状态判别方法、装置、设备及存储介质 | |
| CN110278974A (zh) | 一种面团发酵控制装置及其方法与烹饪电器 | |
| CN117201693A (zh) | 一种物联网图像压缩方法、装置、终端设备及介质 | |
| CN102735340A (zh) | 一种基于压缩传感的水果颜色分级方法 | |
| CN205809921U (zh) | 图像宽动态范围压缩装置 | |
| Fu et al. | Image quality assessment using edge and contrast similarity | |
| CN109984308A (zh) | 一种牛肉高压腌渍的方法 | |
| CN106358004A (zh) | 视频通话方法及装置 | |
| Mukherjee et al. | A novel technique to compress photoplethysmogram signal: Improvised with particle swarm optimization and rivest-shamir-adleman algorithm | |
| Han et al. | Image enhancement based on spatial multi-scale homomorphic filtering and local entropy guided image filtering | |
| CN111444381A (zh) | 一种基于深度学习语料库分类方法和存储设备 |
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 |