CN115322863A - 一种甑锅料面三维形貌及热区分布识别的上甑方法 - Google Patents

一种甑锅料面三维形貌及热区分布识别的上甑方法 Download PDF

Info

Publication number
CN115322863A
CN115322863A CN202211250315.2A CN202211250315A CN115322863A CN 115322863 A CN115322863 A CN 115322863A CN 202211250315 A CN202211250315 A CN 202211250315A CN 115322863 A CN115322863 A CN 115322863A
Authority
CN
China
Prior art keywords
steam
coordinate system
area
retort
robot
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
Application number
CN202211250315.2A
Other languages
English (en)
Other versions
CN115322863B (zh
Inventor
高家坤
李毅
李琳
王鑫
安心
周卫中
杨华军
王建
胡淼
吴中华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Fenjin Intelligent Machine Co ltd
Anhui Gujing Distillery Co Ltd
Original Assignee
Wuhan Fenjin Intelligent Machine Co ltd
Anhui Gujing Distillery Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Fenjin Intelligent Machine Co ltd, Anhui Gujing Distillery Co Ltd filed Critical Wuhan Fenjin Intelligent Machine Co ltd
Priority to CN202211250315.2A priority Critical patent/CN115322863B/zh
Publication of CN115322863A publication Critical patent/CN115322863A/zh
Application granted granted Critical
Publication of CN115322863B publication Critical patent/CN115322863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • B65G65/30—Methods or devices for filling or emptying bunkers, hoppers, tanks, or like containers, of interest apart from their use in particular chemical or physical processes or their application in particular machines, e.g. not covered by a single other subclass
    • B65G65/32—Filling devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Organic Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Biochemistry (AREA)
  • Genetics & Genomics (AREA)
  • General Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)

Abstract

本发明提出了一种甑锅料面三维形貌及热区分布识别的上甑方法，以甑锅底面中心点为原点建立甑锅坐标系，分别将红外相机坐标系、三维相机坐标系、机器人坐标系与甑锅坐标系进行标定；通过红外相机获取甑锅酒醅料面的实时温度分布数据，根据实时温度分布数据识别酒醅料面的冒汽区域的形状和位置，并根据冒汽区域的形状和位置控制机器人进行铺料；通过三维相机获取甑锅酒醅料面的三维形貌数据，根据三维形貌数据识别酒醅料面的凹陷区域的形状和位置，并根据凹陷区域的形状和位置控制机器人进行补料。本发明可以实现机器人代替传统人工探气上甑时的眼睛看到上汽后上甑动作的流程，达到人工上甑时“见湿盖料”的效果，使酒汽上得齐，不压汽，不跑汽。

Description

一种甑锅料面三维形貌及热区分布识别的上甑方法
技术领域
本发明涉及酒品酿造设备技术领域，尤其涉及一种甑锅料面三维形貌及热区分布识别的上甑方法。
背景技术
上甑是白酒酿造过程中一道重要工艺，原粮经过发酵后需要通过上甑蒸馏才能生产出原酒。上甑工艺有着严格的要求：甑锅内酒醅必须疏松，加热用蒸汽必须缓慢，穿汽要匀，探汽上甑，不准跑汽，轻撒匀铺，要使甑内穿汽均匀，严禁起堆塌汽等。目前各大白酒厂均采用人工簸箕上甑方法，但由于人工劳动强度大、劳动环境差，机器人替代人工上甑的需求越来越迫切。
机器人上甑首先需要解决上甑过程对锅甑内料面的平整度和冒汽位置进行探测，机器人再根据这些信息自动控制布料的区域和厚度。但是，目前已有的机器人上甑检测信息不全，无法同时检测冒汽位置和料面平整度，无法预测冒汽点的位置，又或者无法准确定位料面各个点位的准确位置，从而导致机器人无法完全实现传统的人工上甑工艺。
发明内容
本发明提出一种甑锅料面形状识别的上甑方法，解决了现有技术中机器人上甑检测参数不全导致无法完全实现传统的人工上甑工艺的问题。
本发明的技术方案是这样实现的：
一种甑锅料面三维形貌及热区分布识别的上甑方法，包括以下步骤：
以甑锅底面中心点为原点建立甑锅坐标系，分别将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定；
通过红外相机获取甑锅酒醅料面的实时温度分布数据，根据所述实时温度分布数据识别酒醅料面的冒汽区域的形状和位置，并根据冒汽区域的形状和位置控制机器人进行铺料；
通过三维相机获取甑锅酒醅料面的三维形貌数据，根据所述三维形貌数据识别酒醅料面的凹陷区域的形状和位置，并根据凹陷区域的形状和位置控制机器人进行补料。
本发明通过红外相机获取甑锅酒醅料面的实时温度分布数据，根据所述实时温度分布数据识别酒醅料面的冒汽区域的形状和位置，并根据冒汽区域的形状和位置控制机器人进行铺料；同时通过三维相机获取甑锅酒醅料面的三维形貌数据，根据所述三维形貌数据识别酒醅料面的凹陷区域的形状和位置，并根据凹陷区域的形状和位置控制机器人进行补料；可以同时监测料面的平整度和冒汽位置，上甑检测信息全，可以达到传统的人工上甑工艺的效果。
作为本发明优选的方案，将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定的方法为：
取一长宽高已知的长方体参照物，参照物加热后放置于甑锅底部任一位置，利用红外相机和三维相机同时采集参照物的热红外图像和可见光图像，分别计算热红外图像和可见光图像中参照物的像素，根据像素与参照物实际尺寸计算换算系数；
测量参照物在甑锅坐标系中的坐标数据，分别计算参照物在红外相机坐标系、三维相机坐标系中的坐标数据；根据参照物在红外相机坐标系、三维相机坐标系、甑锅坐标系中的坐标数据，分别计算红外相机坐标系、三维相机坐标系与甑锅坐标系之间的转换关系；
控制机器人的执行端运动到甑锅内任一位置，测量机器人执行端在甑锅坐标系中的坐标数据，根据机器人执行端在甑锅坐标系中的坐标数据和机器人执行端在机器人坐标系中的坐标数据，计算机器人坐标系与甑锅坐标系之间的转换关系。
采用本发明的坐标系标定方法，提高了对料面各点位的定位精度，为后续机器人的路径规划提供了数据支撑，从而提高了冒汽区域和凹陷区域识别定位的精度，提高了机器人铺料的精确度。
作为本发明优选的方案，本发明将甑锅酒醅料面划分为多个分区，所述分区包括中心区和多个同心环区，所述中心区为圆形且原点与甑锅底面中心点重合，所述同心环区为环形且原点与中心区原点重合。本发明通过对甑锅酒醅料面进行分区，方便对机器人的铺料路径进行规划，使机器人完成一个分区的铺料后再进行下一个分区的铺料，避免机器人与甑锅内壁发生碰撞，提高了设备使用的安全性和可靠性。
作为本发明优选的方案，通过红外相机获取酒醅料面的实时温度数据，设酒醅料面温度高于设定温度阈值的点为热点，根据各热点在甑锅坐标系中的坐标数据，将相邻热点连接形成热区，根据酒醅料面的区域划分将热区分为多个冒汽区域，完成一个分区内冒汽区域的铺料后再进行下一个分区内冒汽区域的铺料，根据冒汽区域的温度设定铺料的优先级，温度越高，优先级越高。
作为本发明优选的方案，所述机器人在对冒汽区域进行铺料的过程中，根据冒汽区域的形状来规划机器人的铺料方式，若冒汽区域为类梯形或类平行四边形，则规划机器人沿着图形的窄边或宽边进行铺料；若冒汽区域为类圆形，则规划机器人绕类圆形的中心旋转铺料；本发明根据冒汽区域的形状来规划机器人的铺料方式，大大提高了铺料效率和准确度。
作为本发明优选的方案，所述机器人在对冒汽区域进行铺料的过程中，根据冒汽区域的温度分布及面积大小来调整机器人铺料的厚度，冒汽区域的温度越高、面积越大，则铺料越厚；冒汽区域的温度越低、面积越小，则铺料越薄；本发明根据冒汽区域的温度分布及面积大小来调整机器人铺料的厚度，可以避免铺料过厚导致压汽或铺料过薄导致跑汽的问题，提高了上甑的效果。
作为本发明优选的方案，根据红外相机获取的酒醅料面的实时温度分布数据和三维相机获取的酒醅料面的三维形貌数据，计算预冒汽点位，方法如下：
根据所述温度阈值筛选出未冒汽区域的料面点位，根据未冒汽区域的料面点位的 平面坐标数据，从所述三维形貌数据中获取未冒汽区域的料面点位对应的高度数据；未冒 汽区域的料面点位的温度越高、凹陷点越深，则冒汽概率越大；设未冒汽区域料面s点位的 凹陷差值为：
Figure 100002_DEST_PATH_IMAGE001
；
Figure 297602DEST_PATH_IMAGE002
为料面所有点位的平均高度，
Figure 100002_DEST_PATH_IMAGE003
为料面s点位的实际 高度；则料面s点位的冒汽概率定义为：
Figure 117659DEST_PATH_IMAGE004
，其中，
Figure 100002_DEST_PATH_IMAGE005
为料面s点 位的实际温度，T为冒汽区域所有点位的温度平均值，
Figure 562547DEST_PATH_IMAGE006
为冒汽区域所有点位凹陷差值的 平均值；则冒汽概率大于或等于90%的点位定义为预冒汽点位。
作为本发明优选的方案，采用积分法对各个预冒汽点位进行积分：
Figure 100002_DEST_PATH_IMAGE007
其中，
Figure 230813DEST_PATH_IMAGE008
为m点位冒汽概率的积分和；
Figure 100002_DEST_PATH_IMAGE009
为m点位第i次铺料后的冒汽概率，n为 一甑料铺完的次数；
当未冒汽区域内某点位冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内；若预冒汽点位在积分期间被机器人铺料，则积分清零。本发明通过计算预冒汽点位的位置，并对预冒汽点位的冒汽概率进行积分，可以精确预测下一轮铺料时的冒汽点位，提高了冒汽点位监测的全面性和准确性，提高了机器人铺料的效果。
作为本发明优选的方案，所述机器人铺料的优先级为：冒汽区域>预冒汽点位>凹陷区域>平铺，即：
当获取到某一时刻酒醅料面的温度分布数据和三维形貌数据后，先判断酒醅料面是否有冒汽区域，若有冒汽区域，则优先对冒汽区域进行铺料；若无冒汽区域，则判断是否有预冒汽点位，若有预冒汽点位，则对预冒汽点位的冒汽概率进行积分，当预冒汽点位的冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内；若无预冒汽点位，则判断是否有凹陷区域，若有凹陷区域，则对凹陷区域进行补料；若无凹陷区域，则对整个料面进行平铺布料。通过对机器人铺料的优先级进行设定，可以有效避免上甑过程中跑汽、压汽现象出现，提高了上甑效果。
作为本发明优选的方案，通过三维相机获取酒醅料面的高度分布数据，计算酒醅料面的平均高度，基于平均高度设置高度阈值，酒醅料面高度低于所述高度阈值的点为低点，将相邻低点连接形成凹陷面，根据酒醅料面的区域划分将凹陷面分为多个凹陷区域，完成一个分区内凹陷区域的补料后再进行下一个分区内凹陷区域的补料；根据凹陷区域的高度设定补料的优先级，高度越低，优先级越高。通过优先级的设定，可以避免上甑过程中跑汽、压汽现象出现，提高了上甑效果。
有益效果
与现有技术相比较，本发明的有益效果在于：
（1）本发明通过红外相机获取甑锅酒醅料面的实时温度分布数据，根据所述实时温度分布数据识别酒醅料面的冒汽区域的形状和位置，并根据冒汽区域的形状和位置控制机器人进行铺料；同时通过三维相机获取甑锅酒醅料面的三维形貌数据，根据所述三维形貌数据识别酒醅料面的凹陷区域的形状和位置，并根据凹陷区域的形状和位置控制机器人进行补料；可以同时监测料面的平整度和冒汽位置，上甑检测信息全，可以达到传统的人工上甑工艺的效果；
（2）本发明通过对甑锅酒醅料面进行分区，方便对机器人的铺料路径进行规划，使机器人完成一个分区的铺料后再进行下一个分区的铺料，避免机器人与甑锅内壁发生碰撞，提高了设备使用的安全性和可靠性；
（3）本发明通过计算预冒汽点位的位置，并对预冒汽点位的冒汽概率进行积分，可以精确预测下一轮铺料时的冒汽点位，提高了冒汽点位监测的全面性和准确性，提高了机器人铺料的效果；
（4）本发明通过对机器人铺料的优先级进行设定，优先对冒汽区域进行铺料，再对预冒汽区域进行检测、积分，再对凹陷区域进行补料，最后对整个甑锅料面进行平铺布料，可以有效避免上甑过程中跑汽、压汽现象出现，提高了上甑效果。
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他的附图；
图1为本发明一种甑锅料面三维形貌及热区分布识别的上甑方法的流程示意图；
图2为本发明实施例中甑锅酒醅料面分区示意图；
图3为本发明实施例中料面冒汽区域形状示意图；
图4为本发明实施例中上甑系统的结构示意图；
图中：1、甑锅；2、机器人；3、三维相机；4、红外相机；5、布料斗。
具体实施方式
下面将结合本发明实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。
参照图1所示，本实施例提供了一种甑锅料面三维形貌及热区分布识别的上甑方法，包括以下步骤：
步骤S1，以甑锅1底面中心点为原点建立甑锅坐标系，分别将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定；
步骤S2，通过红外相机4获取甑锅1酒醅料面的实时温度分布数据，通过三维相机3获取甑锅1酒醅料面的三维形貌数据；
步骤S3，根据所述实时温度分布数据识别判断酒醅料面是否存在冒汽区域，若存在冒汽区域，则根据冒汽区域的形状和位置控制机器人2进行铺料，铺料完成后进入步骤S7；若不存在冒汽区域，则进入步骤S4；
步骤S4，根据酒醅料面的实时温度分布数据和三维形貌数据，判断酒醅料面是否存在预冒汽点位，若存在预冒汽点位，则对预冒汽点位的冒汽概率进行积分，当预冒汽点位的冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内，然后进入步骤S5；若不存在预冒汽点位，则进入步骤S5；
步骤S5，根据所述三维形貌数据识别判断酒醅料面是否存在凹陷区域，若存在凹陷区域，则根据凹陷区域的形状和位置控制机器人2进行补料，补料完成后进入步骤S7；若不存在凹陷区域，则进入步骤S6；
步骤S6，控制机器人2对整个甑锅1料面进行平铺布料，铺料完成后进入步骤S7；
步骤S7，判断是否完成整个上甑工艺的铺料次数，若是，则结束上甑工艺；否则返回步骤S2。
作为本实施例优选的方案，步骤S1种，将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定的方法为：
取一长宽高已知的长方体参照物，参照物加热后放置于甑锅1底部任一位置，利用红外相机4和三维相机3同时采集参照物的热红外图像和可见光图像，分别计算热红外图像和可见光图像中参照物的像素，根据像素与参照物实际尺寸计算换算系数；
已知参照物的长为a，宽为b，已知相机（包括红外相机4和三维相机3）的分辨率，且已知参照物在相机获取的图像中的像素为PX×PY，则KX=a/PX，KY=b/PY；其中，KX、KY分别为像素与参照物长、宽的换算系数。
测量参照物在甑锅坐标系中的坐标数据，分别计算参照物在红外相机坐标系、三维相机坐标系中的坐标数据；根据参照物在红外相机坐标系、三维相机坐标系、甑锅坐标系中的坐标数据，分别计算红外相机坐标系、三维相机坐标系与甑锅坐标系之间的转换关系；
首先，通过红外相机4和三维相机3对甑锅坐标系的原点进行标定，得到甑锅坐标 系原点在红外相机坐标系和三维相机坐标系中的坐标数据，根据该坐标数据将相机坐标系 和的原点平移至与甑锅坐标系的原点重合；假设相机坐标系与甑锅坐标系之间的夹角为
Figure 811967DEST_PATH_IMAGE010
（逆时针为正），假设参照物上某一点A在甑锅坐标系中的横纵坐标为（X,Y），A点在相机坐标 系中的横纵坐标为（X1,Y1），则：
Figure DEST_PATH_IMAGE011
，
Figure 599663DEST_PATH_IMAGE012
。 相机坐标系的Z轴也是竖直方向，酒醅料面的高度数据可直接从相机坐标系中获取；根据相 机坐标系与甑锅坐标系之间的旋转平移关系，即可根据酒醅料面上某一点位在相机坐标系 中的坐标计算得到该点位在甑锅坐标系中的坐标。
控制机器人2的执行端运动到甑锅1内任一位置，测量机器人2执行端在甑锅坐标系中的坐标数据，根据机器人2执行端在甑锅坐标系中的坐标数据和机器人2执行端在机器人坐标系中的坐标数据，计算机器人坐标系与甑锅坐标系之间的转换关系。
本实施例中，所述甑锅坐标系为三维直角坐标系，Z轴为竖直方向，X轴和Y轴在甑锅1的底部平面上，甑锅1内未铺料时料面高度为0，酒醅铺料实际高度为物料Z轴坐标数值。
采用本实施例的坐标系标定方法，提高了对料面各点位的定位精度，为后续机器人2的路径规划提供了数据支撑，从而提高了冒汽区域和凹陷区域识别定位的精度，提高了机器人2铺料的精确度。
如图2所示，作为本实施例优选的方案，本实施例将甑锅1酒醅料面划分为4个分区，所述分区包括中心区和3个同心环区（即内圈区、中圈区和外圈区，具体同心环区的数量可根据甑锅1的底面积来确定），所述中心区为圆形且原点与甑锅1底面中心点重合，所述同心环区为环形且原点与中心区原点重合。本实施例通过对甑锅1酒醅料面进行分区，方便对机器人2的铺料路径进行规划，使机器人2完成一个分区的铺料后再进行下一个分区的铺料，避免机器人2与甑锅1内壁发生碰撞，提高了设备使用的安全性和可靠性；机器人2铺料的路径大部分为弧形（沿着某个分区铺料），少部分为直线形。
作为本实施例优选的方案，通过红外相机4获取酒醅料面的实时温度数据tn，设酒醅料面温度高于设定温度阈值t的点（xn,yn）为热点，即tn≥t的点为热点；根据各热点在甑锅坐标系中的坐标数据，将相邻热点连接形成热区，根据酒醅料面的区域划分将热区分为多个冒汽区域，完成一个分区内冒汽区域的铺料后再进行下一个分区内冒汽区域的铺料，根据冒汽区域的温度设定铺料的优先级，温度越高，优先级越高。
如图3所示，作为本实施例优选的方案，所述机器人2在对冒汽区域进行铺料的过程中，根据冒汽区域的形状来规划机器人2的铺料方式，若冒汽区域为类平行四边形（如图3中A区域）或类梯形（如图3中B区域），则规划机器人2沿着图形的窄边或宽边进行铺料；若冒汽区域为类圆形（如图3中C区域），则规划机器人2绕类圆形的中心旋转铺料；本发明根据冒汽区域的形状来规划机器人2的铺料方式，大大提高了铺料效率和准确度。
本实施例中，通过构建神经网络，采集大量冒汽区域图像数据，标记冒汽区域的形状，采用标记后的数据对神经网络进行训练，最后得到精度较高的图像识别模型，通过该图像识别模型可以自动识别冒汽区域的形状，并根据冒汽区域的形状规划最优的铺料轨迹。
作为本实施例优选的方案，所述机器人2在对冒汽区域进行铺料的过程中，根据冒汽区域的温度分布及面积大小来调整机器人2铺料的厚度，冒汽区域的温度越高、面积越大，则铺料越厚；冒汽区域的温度越低、面积越小，则铺料越薄；本发明根据冒汽区域的温度分布及面积大小来调整机器人铺料的厚度，可以避免铺料过厚导致压汽或铺料过薄导致跑汽的问题，提高了上甑的效果。
作为本实施例优选的方案，根据红外相机4获取的酒醅料面的实时温度分布数据和三维相机3获取的酒醅料面的三维形貌数据，计算预冒汽点位，方法如下：
根据所述温度阈值筛选出未冒汽区域的料面点位，根据未冒汽区域的料面点位的 平面坐标数据，从所述三维形貌数据中获取未冒汽区域的料面点位对应的高度数据；未冒 汽区域的料面点位的温度越高、凹陷点越深，则冒汽概率越大；设未冒汽区域料面s点位的 凹陷差值为：
Figure 797427DEST_PATH_IMAGE001
；
Figure 797612DEST_PATH_IMAGE002
为料面所有点位的平均高度，
Figure 30011DEST_PATH_IMAGE003
为料面s点位的实际 高度；则料面s点位的冒汽概率定义为：
Figure 270499DEST_PATH_IMAGE004
，其中，
Figure 142509DEST_PATH_IMAGE005
为料面s点 位的实际温度，T为冒汽区域所有点位的温度平均值，
Figure 493856DEST_PATH_IMAGE006
为冒汽区域所有点位凹陷差值的 平均值；则冒汽概率大于或等于90%的点位定义为预冒汽点位。
作为本实施例优选的方案，采用积分法对各个预冒汽点位进行积分：
Figure 315181DEST_PATH_IMAGE007
其中，
Figure 726571DEST_PATH_IMAGE008
为m点位冒汽概率的积分和；
Figure DEST_PATH_IMAGE013
为m点位第i次铺料后的冒汽概率，n为 一甑料铺完的次数；
当未冒汽区域内某点位冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内；若预冒汽点位在积分期间被机器人2铺料，则积分清零。本发明通过计算预冒汽点位的位置，并对预冒汽点位的冒汽概率进行积分，可以精确预测下一轮铺料时的冒汽点位，提高了冒汽点位监测的全面性和准确性，提高了机器人2铺料的效果。
作为本实施例优选的方案，通过三维相机3获取酒醅料面的高度分布数据，计算酒醅料面的平均高度，基于平均高度设置高度阈值，酒醅料面高度低于所述高度阈值的点为低点，将相邻低点连接形成凹陷面，根据酒醅料面的区域划分将凹陷面分为多个凹陷区域，完成一个分区内凹陷区域的补料后再进行下一个分区内凹陷区域的补料；根据凹陷区域的高度设定补料的优先级，高度越低，优先级越高。通过优先级的设定，可以避免上甑过程中跑汽、压汽现象出现，提高了上甑效果。
如图4所示，在上述上甑方法的基础上，本实施例还提供一种上甑系统，包括机器人2、安装在机器人2执行端的布料斗5、红外相机4、三维相机3和计算机，所述机器人2、布料斗5、红外相机4、三维相机3分别与计算机连接；通过红外相机4和三维相机3分别监测甑锅1内酒醅料面的温度分布数据和三维形貌数据，并将监测到的数据传输给计算机，计算机根据监测数据计算得到热区的形状和位置以及凹陷区域的形状和位置，并对机器人2的路径进行规划，控制机器人2将布料斗5移动至指定位置进行布料，从而实现机器人代替传统人工探气上甑时的眼睛看到上汽后上甑动作的流程，达到人工上甑时“见湿盖料”的效果，使酒汽上得齐，不压汽，不跑汽。
以上所述仅为本发明的较佳实施例而已，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 (10)

1.一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，包括以下步骤：
以甑锅底面中心点为原点建立甑锅坐标系，分别将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定；
通过红外相机（4）获取甑锅（1）酒醅料面的实时温度分布数据，根据所述实时温度分布数据识别酒醅料面的冒汽区域的形状和位置，并根据冒汽区域的形状和位置控制机器人（2）进行铺料；
通过三维相机（3）获取甑锅（1）酒醅料面的三维形貌数据，根据所述三维形貌数据识别酒醅料面的凹陷区域的形状和位置，并根据凹陷区域的形状和位置控制机器人（2）进行补料。
2.如权利要求1所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，将红外相机坐标系、三维相机坐标系、机器人坐标系与所述甑锅坐标系进行标定的方法为：
取一长宽高已知的长方体参照物，参照物加热后放置于甑锅（1）底部任一位置，利用红外相机（4）和三维相机（3）同时采集参照物的热红外图像和可见光图像，分别计算热红外图像和可见光图像中参照物的像素，根据像素与参照物实际尺寸计算换算系数；
测量参照物在甑锅坐标系中的坐标数据，分别计算参照物在红外相机坐标系、三维相机坐标系中的坐标数据；根据参照物在红外相机坐标系、三维相机坐标系、甑锅坐标系中的坐标数据，分别计算红外相机坐标系、三维相机坐标系与甑锅坐标系之间的转换关系；
控制机器人（2）的执行端运动到甑锅（1）内任一位置，测量机器人（2）执行端在甑锅坐标系中的坐标数据，根据机器人（2）执行端在甑锅坐标系中的坐标数据和机器人（2）执行端在机器人坐标系中的坐标数据，计算机器人坐标系与甑锅坐标系之间的转换关系。
3.如权利要求1所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，还包括将甑锅（1）酒醅料面划分为多个分区，所述分区包括中心区和多个同心环区，所述中心区为圆形且原点与甑锅（1）底面中心点重合，所述同心环区为环形且原点与中心区原点重合。
4.如权利要求3所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，通过红外相机（4）获取酒醅料面的实时温度数据，设酒醅料面温度高于设定温度阈值的点为热点，根据各热点在甑锅坐标系中的坐标数据，将相邻热点连接形成热区，根据酒醅料面的区域划分将热区分为多个冒汽区域，完成一个分区内冒汽区域的铺料后再进行下一个分区内冒汽区域的铺料，根据冒汽区域的温度设定铺料的优先级，温度越高，优先级越高。
5.如权利要求4所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，所述机器人（2）在对冒汽区域进行铺料的过程中，根据冒汽区域的形状来规划机器人（2）的铺料方式，若冒汽区域为类梯形或类平行四边形，则规划机器人（2）沿着图形的窄边或宽边进行铺料；若冒汽区域为类圆形，则规划机器人（2）绕类圆形的中心旋转铺料。
6.如权利要求4所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，所述机器人（2）在对冒汽区域进行铺料的过程中，根据冒汽区域的温度分布及面积大小来调整机器人（2）铺料的厚度，冒汽区域的温度越高、面积越大，则铺料越厚；冒汽区域的温度越低、面积越小，则铺料越薄。
7.如权利要求4所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，根据红外相机（4）获取的酒醅料面的实时温度分布数据和三维相机（3）获取的酒醅料面的三维形貌数据，计算预冒汽点位，方法如下：
根据所述温度阈值筛选出未冒汽区域的料面点位，根据未冒汽区域的料面点位的平面 坐标数据，从所述三维形貌数据中获取未冒汽区域的料面点位对应的高度数据；未冒汽区 域的料面点位的温度越高、凹陷点越深，则冒汽概率越大；设未冒汽区域料面s点位的凹陷 差值为：
Figure DEST_PATH_IMAGE001
；
Figure 376263DEST_PATH_IMAGE002
为料面所有点位的平均高度，
Figure DEST_PATH_IMAGE003
为料面s点位的实际高 度；则料面s点位的冒汽概率定义为：
Figure 231086DEST_PATH_IMAGE004
，其中，
Figure DEST_PATH_IMAGE005
为料面s点位 的实际温度，T为冒汽区域所有点位的温度平均值，
Figure 197774DEST_PATH_IMAGE006
为冒汽区域所有点位凹陷差值的平 均值；则冒汽概率大于或等于90%的点位定义为预冒汽点位。
8.如权利要求7所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，采用积分法对各个预冒汽点位进行积分：
Figure DEST_PATH_IMAGE007
其中，
Figure 530667DEST_PATH_IMAGE008
为m点位冒汽概率的积分和；
Figure DEST_PATH_IMAGE009
为m点位第i次铺料后的冒汽概率，n为一甑 料铺完的次数；
当未冒汽区域内某点位冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内；若预冒汽点位在积分期间被机器人（2）铺料，则积分清零。
9.如权利要求8所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，所述机器人（2）铺料的优先级为：冒汽区域>预冒汽点位>凹陷区域>平铺，即：
当获取到某一时刻酒醅料面的温度分布数据和三维形貌数据后，先判断酒醅料面是否有冒汽区域，若有冒汽区域，则优先对冒汽区域进行铺料；若无冒汽区域，则判断是否有预冒汽点位，若有预冒汽点位，则对预冒汽点位的冒汽概率进行积分，当预冒汽点位的冒汽概率的积分和大于设定的阈值时，将该点位规划到下次铺料时冒汽区域内；若无预冒汽点位，则判断是否有凹陷区域，若有凹陷区域，则对凹陷区域进行补料；若无凹陷区域，则对整个料面进行平铺布料。
10.如权利要求3所述的一种甑锅料面三维形貌及热区分布识别的上甑方法，其特征在于，通过三维相机（3）获取酒醅料面的高度分布数据，计算酒醅料面的平均高度，基于平均高度设置高度阈值，酒醅料面高度低于所述高度阈值的点为低点，将相邻低点连接形成凹陷面，根据酒醅料面的区域划分将凹陷面分为多个凹陷区域，完成一个分区内凹陷区域的补料后再进行下一个分区内凹陷区域的补料；根据凹陷区域的高度设定补料的优先级，高度越低，优先级越高。
CN202211250315.2A 2022-10-13 2022-10-13 一种甑锅料面三维形貌及热区分布识别的上甑方法 Active CN115322863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211250315.2A CN115322863B (zh) 2022-10-13 2022-10-13 一种甑锅料面三维形貌及热区分布识别的上甑方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211250315.2A CN115322863B (zh) 2022-10-13 2022-10-13 一种甑锅料面三维形貌及热区分布识别的上甑方法

Publications (2)

Publication Number Publication Date
CN115322863A true CN115322863A (zh) 2022-11-11
CN115322863B CN115322863B (zh) 2023-02-28

Family

ID=83914711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211250315.2A Active CN115322863B (zh) 2022-10-13 2022-10-13 一种甑锅料面三维形貌及热区分布识别的上甑方法

Country Status (1)

Country Link
CN (1) CN115322863B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117068785A (zh) * 2023-09-08 2023-11-17 普瑞特机械制造股份有限公司 一种用于白酒酿造的人机结合智能上甑系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105690369A (zh) * 2015-12-31 2016-06-22 中国科学院自动化研究所 白酒全自动上甑机器人系统
CN112573223A (zh) * 2020-11-27 2021-03-30 中国科学院自动化研究所 仿人智能上甑方法、系统、装置
CN114170173A (zh) * 2021-11-30 2022-03-11 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
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105690369A (zh) * 2015-12-31 2016-06-22 中国科学院自动化研究所 白酒全自动上甑机器人系统
CN112573223A (zh) * 2020-11-27 2021-03-30 中国科学院自动化研究所 仿人智能上甑方法、系统、装置
CN114170173A (zh) * 2021-11-30 2022-03-11 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
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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117068785A (zh) * 2023-09-08 2023-11-17 普瑞特机械制造股份有限公司 一种用于白酒酿造的人机结合智能上甑系统
CN117068785B (zh) * 2023-09-08 2024-02-27 普瑞特机械制造股份有限公司 一种用于白酒酿造的人机结合智能上甑系统

Also Published As

Publication number Publication date
CN115322863B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN115322863B (zh) 一种甑锅料面三维形貌及热区分布识别的上甑方法
CN112573223B (zh) 仿人智能上甑方法、系统、装置
CN110017773B (zh) 一种基于机器视觉的包裹体积测量方法
CN101678613B (zh) 借助激光烧结制造三维物体的方法
EP3336731B1 (en) Automated 3-d modeling of shoe parts
CN106468543B (zh) 一种基于图像处理的叶片面积测量方法
US7343789B2 (en) Inspection method and apparatus for uneven marks on tire
KR101773791B1 (ko) 검사대상 물체의 표면 검사 방법 및 장치
CN102470439B (zh) 制造三维物体的方法和设备
US20170120527A1 (en) Printing layer in response to substrate contour
CN114170173B (zh) 上甑机器人的检测方法、检测模块及检测系统
CN110246123B (zh) 一种基于机器视觉的瓷砖铺贴规整度检测方法
CN109839011A (zh) 一种带式烧结机机尾机器视觉指导生产过程方法
CN206441237U (zh) 一种立体摄像头模组的标定装置
CN106780589A (zh) 一种获取目标深度图像的方法
CN108537153A (zh) 一种基于椭圆拟合的原木板材孔洞缺陷检测与定位方法
CN106778541A (zh) 一种基于视觉的多层梁中外梁孔的识别与定位方法
CN112747864A (zh) 基于智能视觉的酒糟自动上料方法及其系统
CN109712315A (zh) 一种基于双摄像头的自动售卖机货物掉落检测方法
CN112686836B (zh) 墙壁施工方法及装置
CN105283750B (zh) 用于处理轮胎表面的数字图像以便检测异常的方法
CN112388626B (zh) 机器人辅助导航方法
JP4905167B2 (ja) タイヤ凹凸形状測定装置、タイヤ凹凸形状判定システム、タイヤ凹凸形状測定方法、およびタイヤ凹凸形状判定方法
US20130150998A1 (en) Managing apparatus of semiconductor manufacturing apparatus and computer program
CN109556533B (zh) 一种针对多线结构光条纹图像的自动提取方法

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