CN115422415A - 一种用于葡萄酒生产的数字孪生体构造系统 - Google Patents
一种用于葡萄酒生产的数字孪生体构造系统 Download PDFInfo
- Publication number
- CN115422415A CN115422415A CN202210788462.9A CN202210788462A CN115422415A CN 115422415 A CN115422415 A CN 115422415A CN 202210788462 A CN202210788462 A CN 202210788462A CN 115422415 A CN115422415 A CN 115422415A
- Authority
- CN
- China
- Prior art keywords
- wine
- module
- data
- production
- information
- 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.)
- Pending
Links
- 235000014101 wine Nutrition 0.000 title claims abstract description 201
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 156
- 238000010276 construction Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 69
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 230000003993 interaction Effects 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000003190 augmentative effect Effects 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 241000219095 Vitis Species 0.000 claims description 54
- 235000009754 Vitis X bourquina Nutrition 0.000 claims description 54
- 235000012333 Vitis X labruscana Nutrition 0.000 claims description 54
- 235000014787 Vitis vinifera Nutrition 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 52
- 238000013459 approach Methods 0.000 claims description 24
- 241000196324 Embryophyta Species 0.000 claims description 23
- 238000007689 inspection Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000855 fermentation Methods 0.000 claims description 3
- 230000004151 fermentation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008093 supporting effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000004087 circulation Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010002482 Angiosclerosis Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 241000219094 Vitaceae Species 0.000 description 1
- 206010047601 Vitamin B1 deficiency Diseases 0.000 description 1
- 206010047623 Vitamin C deficiency Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 208000002894 beriberi Diseases 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000019990 fruit wine Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000021021 grapes Nutrition 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 206010023332 keratitis Diseases 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000027939 micturition Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 208000010233 scurvy Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于葡萄酒生产监控技术领域，公开了一种用于葡萄酒生产的数字孪生体构造系统，包括：数据采集模块、数据预处理模块、中央控制模块、数据分析模块、三维模型构建模块、孪生体模型构建模块、虚拟现实模型构建模块、增强现实模型构建模块、仿真分析模块、优化策略确定模块、执行模块、虚拟交互模块、可视化监控模块以及更新模块。本发明不仅能够监测流通过程中各个环节的信息，同时还能对个性化订单进行仿真分析，对现有的生产流程进行优化，提高了葡萄酒仿真分析的精准度以及效率。同时，本发明还能够有利于及时优化调整现有生产流程、环节和参数，实现葡萄酒生产全产业链的自动感知以及精准监控，有效提高了经济收益以及葡萄酒的质量。
Description
技术领域
本发明属于葡萄酒生产监控技术领域，尤其涉及一种用于葡萄酒生产的数字孪生体构造系统。
背景技术
目前，数字孪生与其它新兴技术诸如物联网、数据挖掘和机器学习一样，为当今制造模式向智能制造的转变提供了巨大潜力。通过对智能制造研究成果量化分析、梳理和总结可以发现，数字孪生作为突破性的应用技术框架，将会成为实现信息物理系统乃至智能制造的必要方法，值得深入和全面地展开研究。
葡萄酒是以葡萄为原料酿造的一种果酒。其酒精度高于啤酒而低于白酒。营养丰富，保健作用明显。有人认为，葡萄酒是最健康最卫生的饮料之一。它能调整新陈代谢的性能，促进血液循环，防止胆固醇增加，还具有利尿、激发肝功能和防止衰老的功效。葡萄酒也是医治心脏病的辅助剂，可预防坏血病、贫血、脚气病、消化不良和眼角膜炎等疾病。常饮葡葡酒患心脏病率减少，血脂和血管硬化降低。但是现有技术尚没有对葡萄酒全产业链进行智能化监控的技术，更加没有将数字孪生技术应用于葡萄酒全产业链监控的技术。因此，亟需构建一种新的用于葡萄酒生产的数字孪生体构造系统。
通过上述分析，现有技术存在的问题及缺陷为：现有技术尚没有对葡萄酒全产业链进行智能化监控的技术，更加没有将数字孪生技术应用于葡萄酒全产业链监控的技术。
发明内容
针对现有技术存在的问题，本发明提供了一种用于葡萄酒生产的数字孪生体构造系统。
本发明是这样实现的，一种用于葡萄酒生产的数字孪生体构造系统，所述用于葡萄酒生产的数字孪生体构造系统包括：
数据采集模块，与中央控制模块连接，用于采集从葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据；
数据分析模块，与中央控制模块连接，用于对预处理后的数据进行分析，确定葡萄酒生产的全部流程、每个流程涉及到的环节以及相应数据、参与人员的相关信息；
三维模型构建模块，与中央控制模块连接，用于基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景模型；
孪生体模型构建模块，与中央控制模块连接，用于基于提取的葡萄酒生产的全部流程以及各个流程的环节以及构建的三维模型进行孪生体模型的构建：
获取葡萄酒生产过程中的历史数据，并对所述历史数据进行预处理；
基于生产的各个流程构建与对应三维模型匹配的基础数字孪生体模型：
根据预处理后的历史数据建立稀疏生产张量x；
对所述稀疏生产张量进行初始化，得到葡萄酒生产张量，所述葡萄酒生产张量的各元素满足如下等式：
其中，
用于表征维度为i,j,k三维张量元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏生产张量x的大小相同，且所述同类张量S的各元素满足如下等式：
其中，Sijk用于表征维度为i,j,k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
其中，q用于表征葡萄酒生产的维度，Bq和yq用于表征算法中间变量，
用于表征葡萄酒生产张量，
用于表征将所述葡萄酒生产张量
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
用于表征进行奇异值分解的运算符；
根据迭代计算后的葡萄酒生产张量，输出基础数字孪生体模型；
建立各个流程的基础数字孪生体模型对应的映射关联关系，并利用预处理后的历史数据进行所述基础数字孪生体模型的训练、测试和优化；
将获取的葡萄酒生产的全部流程以及各个流程的环节数据输入到优化后的基础数字孪生体模型中，并将所述流程与环节数据添加到映射关联关系中；
同时将多个基础数据孪生体模型基于所述关联关系连接为一个整体，得到葡萄酒全产业链的孪生体模型；
对历史数据进行预处理包括：进行数据清洗、转换处理，并统一数据时间序列数据频率；
虚拟现实模型构建模块，与中央控制模块连接，用于利用电脑模拟构建得到虚拟现实模型，进行三维空间的虚拟世界模拟；
增强现实模型构建模块，与中央控制模块连接，用于进行增强现实模型的构建，进而实现虚拟三维时间与现实世界的互动；
仿真分析模块，与中央控制模块连接，用于利用虚拟现实模型进行葡萄酒生产三维空间的模拟，并利用构建的孪生体模型进行虚拟的葡萄酒的生产；
虚拟交互模块，与中央控制模块连接，用于提供增强现实模型利用语音交互设备、影像交互设备进行控制终端与各流程的厂房、设备的控制端的交互。
进一步，所述用于葡萄酒生产的数字孪生体构造系统还包括：
数据预处理模块，与中央控制模块连接，用于对采集的相关数据进行预处理，得到预处理后的相关数据；
中央控制模块，与数据采集模块、数据预处理模块、数据分析模块、三维模型构建模块、孪生体模型构建模块、虚拟现实模型构建模块、增强现实模型构建模块、仿真分析模块、优化策略确定模块、执行模块、虚拟交互模块、可视化监控模块以及更新模块连接，用于控制葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备，并基于确定的优化策略向葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备下发相应控制指令；
优化策略确定模块，与中央控制模块连接，用于基于仿真分析结果确定葡萄酒生产过程中的问题以及对应的优化策略；
执行模块，与中央控制模块连接，用于葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备基于控制指令执行相应的调节、控制处理，按照优化策略执行葡萄酒生产；
可视化监控模块，与中央控制模块连接，用于基于虚拟交互数据、采集的实时数据、图像数据进行全产业链的实时监控以及可视化展示；
更新模块，与中央控制模块连接，用于基于采集的实时数据进行三维模型、孪生体模型的更新；
运输模块，与中央控制模块连接，用于对生产的葡萄酒进行运输；
巡检模块，与中央控制模块连接，用于对葡萄酒生产设备进行巡检；
其中，所述数据采集模块包括：
图像采集单元，用于利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，并对图像进行处理；
构筑信息采集单元，用于采集对应种植地、加工厂房、生产厂房以及酒厂的构筑信息以及设备的相应信息；
数据采集单元，用于利用数据接口进行种植环境数据、设备实时参数数据、发酵温度、湿度数据以及其他生产工艺参数数据的采集。
进一步，所述通过图像采集单元对图像进行处理包括：
利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，进行灰度化处理；
灰度化处理完成后，对图像进行滤波、边缘检测、分割；同时在种植地、加工厂房、生产厂房以及酒厂的图像数据中提取相对应的特征值；
其中，所述图像进行边缘检测包括：
将灰度化的种植地、加工厂房、生产厂房以及酒厂的图像，利用高斯滤波器平滑图象；通过一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，最后利用双阈值算法检测和连接边缘。
进一步，所述通过三维模型构建模块基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景模型包括：
获取各个厂房或种植地的图像数据，并确定各个厂房或种植地中包含的设备以及每个设备对应的厂房或种植地、各个设备在厂房或种植地中位置数据；
基于确定的各个设备对应的厂房或种植地以及具体的位置数据确定厂房、种植地、设备的空间信息；基于所述确定的空间信息构建葡萄酒生产全过程的初始三维模型；
获取对应的厂房的构筑信息以及设备的相应信息，对构建的葡萄酒生产全过程初始三维模型的具体参数以及设备结构进行调整，得到三维场景模型。
进一步，所述基于所述确定的空间信息构建葡萄酒生产全过程的初始三维模型包括：
按厂房将葡萄酒生产的全过程划分为多个流程，基于确定的空间信息获取各个流程对应的空间信息；
基于各个流程对应的空间信息构建各个厂房的初始三维模型；将构建的各个厂房的三维模型进行组合，即可得到葡萄酒生产全过程的初始三维模型。
进一步，所述通过仿真分析模块利用构建的孪生体模型进行虚拟的葡萄酒的生产包括：
将孪生体模型导入到数字化软件中，建立自动化生产线设备的三维模型，得到虚拟生产线；
根据葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据，规划虚拟设备的运行流程，进行智能虚拟生产线进行运行仿真，优选出最简洁的运动路径以及构建与智能虚拟产线相同的智能物理产线；
根据上述优选的结果，建立控制逻辑方案，完成虚拟葡萄酒的生产仿真。
进一步，所述通过数据预处理模块对采集的相关数据进行预处理，得到预处理后的相关数据包括：
将葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据数据集设定为m个样本，每个样本的特征维度为n；使得每个特征具有相同的零均值和方差；计算相对应的协方差矩阵：求出协方差矩阵的的特征值，并按从大到小排列；
根据设定的阈值threshold和来选取前k个特征值，求出前k个特征值对应的特征向量；将n维的特征矢量转化为一个k维的特征矢量，得到降维融合后的特征向量，实现数据的融合。
进一步，所述运输模块运输方法如下；
建立实时更新的疫情数据库，所述数据库包括各地疫情风险等级信息；
获取目标司机葡萄酒接单的运单信息，所述运单信息包括葡萄酒运输出发地信息和目的地信息，根据运单信息中葡萄酒运输出发地信息和目的地信息规划多个可行葡萄酒运输路线；
根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机；
所述根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机之后还包括：
响应于目标司机发送的开始葡萄酒运输请求，获取司机葡萄酒运输途中实时定位信息；根据所述实时定位信息判断目标司机是否偏航，若是，则发送风险提醒至所述目标司机；
所述发送风险提醒至所述目标司机之后还包括：
根据所述目标司机实时定位信息和葡萄酒运输目的地信息重新确定可行葡萄酒运输路线；根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定第二目标路线并推送至所述目标司机。
进一步，所述根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机具体包括：
根据所述可行葡萄酒运输路线确定途径地是否属于高速路段；
若是，则确定目标路线时筛除该途径地的风险等级信息影响。
进一步，所述风险等级信息包括：高风险地区、中风险地区、低风险地区；所述根据所述途径地的风险等级信息确定目标路线具体包括：
对比各个可行葡萄酒运输路线中高风险地区、中风险地区和低风险地区的数量；
确定高风险地区最少的葡萄酒运输路线为第一目标路线；
根据葡萄酒运输路线距离、时间以及路况确定最终的目标路线。
进一步，所述巡检模块包括手持巡检终端和安装在计算机上的智能巡检软件平台；
所述手持巡检终端，用于去现场对葡萄酒生产设备进行数据采集；
所述安装在计算机上的智能巡检软件平台，用于对采集的葡萄酒生产设备数据进行管理与分析；
所述智能巡检软件平台架构可分为：用户层、应用系统层、业务支撑层、数据资源层、基础平台层。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述用于葡萄酒生产的数字孪生体构造系统。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述用于葡萄酒生产的数字孪生体构造系统。
本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述用于葡萄酒生产的数字孪生体构造系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的用于葡萄酒生产的数字孪生体构造系统，基于数字孪生技术、虚拟交互技术对葡萄酒的葡萄种植、采摘、加工、酿造以及出厂的全过程进行实时智能化的监控与控制，不仅能够监测流通过程中各个环节的信息，同时还能对个性化订单进行仿真分析，对现有的生产流程进行优化，提高了葡萄酒仿真分析的精准度以及效率。同时，本发明提供的用于葡萄酒生产的数字孪生体构造系统还能够有利于及时优化调整现有生产流程与环节、参数，实现葡萄酒生产全产业链的自动感知及精准监控，有效提高经济收益以及葡萄酒的质量。
本发明通过运输模块规避疫情对人员流动的影响，减少新冠肺炎疫情对葡萄酒产业的冲击。
本发明构建葡萄酒产业全产业链的数字孪生系统，促进区域葡萄酒产业协助葡萄酒产业全产业链、多业态、集群化、集约化的资源融合发展。
本发明对葡萄酒庄的数字孪生，可促进消费者与销售企业的互动沟通，远程直观感受酒庄葡萄酒的品牌内涵和质量控制，产生粘性，拓展葡萄酒品牌的影响力，促进销售，节约销售成本。
本发明通过巡检模块能满足葡萄酒生产设备运行、维修、设备管理、化学、保卫、辐射防护、维修支持等生产专业智能巡检项目功能需求，根据各处室特点，配置不同的权限，实现各自功能需求；保障葡萄酒生产安全和高效进行。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的用于葡萄酒生产的数字孪生体构造系统的结构示意图；
图中：1、数据采集模块；2、数据预处理模块；3、中央控制模块；4、数据分析模块；5、三维模型构建模块；6、孪生体模型构建模块；7、虚拟现实模型构建模块；8、增强现实模型构建模块；9、仿真分析模块；10、优化策略确定模块；11、执行模块；12、虚拟交互模块；13、可视化监控模块；14、更新模块；15、运输模块；16、巡检模块。
图2是本发明实施例提供的对图像进行边缘检测的方法流程图。
图3是本发明实施例提供的三维模型构建模块构建从葡萄种植到葡萄酒出厂的全部三维场景模型的方法流程图。
图4是本发明实施例提供的构建厂房或种植地的初始三维模型的方法流程图。
图5是本发明实施例提供的孪生体模型构建模块进行孪生体模型的构建的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种用于葡萄酒生产的数字孪生体构造系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的用于葡萄酒生产的数字孪生体构造系统包括：
数据采集模块1，与中央控制模块3连接，用于采集从葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据；
数据预处理模块2，与中央控制模块3连接，用于对采集的相关数据进行预处理，得到预处理后的相关数据；
中央控制模块3，与数据采集模块1、数据预处理模块2、数据分析模块4、三维模型构建模块5、孪生体模型构建模块6、虚拟现实模型构建模块7、增强现实模型构建模块8、仿真分析模块9、优化策略确定模块10、执行模块11、虚拟交互模块12、可视化监控模块13、更新模块14、运输模块15、巡检模块16连接，用于控制葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备，并基于确定的优化策略向葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备下发相应控制指令；
数据分析模块4，与中央控制模块3连接，用于对预处理后的数据进行分析，确定葡萄酒生产的全部流程、每个流程涉及到的环节以及相应数据、参与人员的相关信息；
三维模型构建模块5，与中央控制模块3连接，用于基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景；
孪生体模型构建模块6，与中央控制模块3连接，用于基于提取的葡萄酒生产的全部流程以及各个流程的环节以及构建的三维模型进行孪生体模型的构建；
虚拟现实模型构建模块7，与中央控制模块连接，用于利用电脑模拟构建得到虚拟现实模型，进行三维空间的虚拟世界模拟；
增强现实模型构建模块8，与中央控制模块连接，用于进行增强现实模型的构建，进而实现虚拟三维时间与现实世界的互动；
仿真分析模块9，与中央控制模块3连接，用于利用构建的孪生体模型进行虚拟的葡萄酒的生产；
优化策略确定模块10，与中央控制模块3连接，用于基于仿真分析结果确定葡萄酒生产过程中的问题以及对应的优化策略；
执行模块11，与中央控制模块3连接，用于葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备基于控制指令执行相应的调节、控制处理，按照优化策略执行葡萄酒生产；
虚拟交互模块12，与中央控制模块3连接，用于利用语音交互设备、影像交互设备进行控制终端与各流程的厂房、设备的控制端的交互；
可视化监控模块13，与中央控制模块3连接，用于基于虚拟交互数据、采集的实时数据、图像数据进行全产业链的实时监控以及可视化展示；
更新模块14，与中央控制模块3连接，用于基于采集的实时数据进行三维模型、孪生体模型的更新；
运输模块15，与中央控制模块3连接，用于对生产的葡萄酒进行运输；
巡检模块16，与中央控制模块3连接，用于对葡萄酒生产设备进行巡检。
本发明实施例提供的数据采集模块包括：
图像采集单元，用于利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，并对图像进行处理；
构筑信息采集单元，用于采集对应种植地、加工厂房、生产厂房以及酒厂的构筑信息以及设备的相应信息；
数据采集单元，用于利用数据接口进行种植环境数据、设备实时参数数据、发酵温度、湿度数据以及其他生产工艺参数数据的采集。
本发明实施例提供的图像采集单元对图像进行处理具体过程为：
利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，进行灰度化处理；
灰度化处理完成后，对图像进行滤波、边缘检测、分割；同时在种植地、加工厂房、生产厂房以及酒厂的图像数据中提取相对应的特征值。
如图2所示，本发明实施例提供的对图像进行边缘检测的具体过程为：
S101，将灰度化的种植地、加工厂房、生产厂房以及酒厂的图像，利用高斯滤波器平滑图象；
S102，通过一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制；
S103，利用双阈值算法检测和连接边缘。
本发明实施例提供的数据预处理模块对采集的相关数据进行预处理，得到预处理后的相关数据，具体过程为：
将葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据数据集设定为m个样本，每个样本的特征维度为n；使得每个特征具有相同的零均值和方差；计算相对应的协方差矩阵：求出协方差矩阵的的特征值，并按从大到小排列；
根据设定的阈值threshold和来选取前k个特征值，求出前k个特征值对应的特征向量；将n维的特征矢量转化为一个k维的特征矢量，得到降维融合后的特征向量，实现数据的融合。
本发明实施例提供的运输模块15运输方法如下；
建立实时更新的疫情数据库，所述数据库包括各地疫情风险等级信息；
获取目标司机葡萄酒接单的运单信息，所述运单信息包括葡萄酒运输出发地信息和目的地信息，根据运单信息中葡萄酒运输出发地信息和目的地信息规划多个可行葡萄酒运输路线；
根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机；
所述根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机之后还包括：
响应于目标司机发送的开始葡萄酒运输请求，获取司机葡萄酒运输途中实时定位信息；根据所述实时定位信息判断目标司机是否偏航，若是，则发送风险提醒至所述目标司机；
所述发送风险提醒至所述目标司机之后还包括：
根据所述目标司机实时定位信息和葡萄酒运输目的地信息重新确定可行葡萄酒运输路线；根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定第二目标路线并推送至所述目标司机。
本发明实施例提供的根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机具体包括：
根据所述可行葡萄酒运输路线确定途径地是否属于高速路段；
若是，则确定目标路线时筛除该途径地的风险等级信息影响。
本发明实施例提供的风险等级信息包括：高风险地区、中风险地区、低风险地区；所述根据所述途径地的风险等级信息确定目标路线具体包括：
对比各个可行葡萄酒运输路线中高风险地区、中风险地区和低风险地区的数量；
确定高风险地区最少的葡萄酒运输路线为第一目标路线；
根据葡萄酒运输路线距离、时间以及路况确定最终的目标路线。
本发明实施例提供的巡检模块16包括手持巡检终端和安装在计算机上的智能巡检软件平台；
所述手持巡检终端，用于去现场对葡萄酒生产设备进行数据采集；
所述安装在计算机上的智能巡检软件平台，用于对采集的葡萄酒生产设备数据进行管理与分析；
所述智能巡检软件平台架构可分为：用户层、应用系统层、业务支撑层、数据资源层、基础平台层。
如图3所示，本发明实施例提供的三维模型构建模块基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景模型包括：
S201，获取各个厂房或种植地的图像数据，并确定各个厂房或种植地中包含的设备以及每个设备对应的厂房或种植地、各个设备在厂房或种植地中位置数据；
S202，基于确定的各个设备对应的厂房或种植地以及具体的位置数据确定厂房、种植地、设备的空间信息；基于所述确定的空间信息构建葡萄酒生产全过程的初始三维模型；
S203，获取对应的厂房的构筑信息以及设备的相应信息，对构建的葡萄酒生产全过程初始三维模型的具体参数以及设备结构进行调整，得到三维场景模型。
如图4所示，本发明实施例提供的基于所述确定的空间信息构建厂房或种植地的初始三维模型包括：
S301，按厂房将葡萄酒生产的全过程划分为多个流程，基于确定的空间信息获取各个流程对应的空间信息；
S302，基于各个流程对应的空间信息构建各个厂房的初始三维模型；
S303，将构建的各个厂房的三维模型进行组合，即可得到葡萄酒生产全过程的初始三维模型。
如图5所示，本发明实施例提供的孪生体模型构建模块基于提取的葡萄酒生产的全部流程以及各个流程的环节以及构建的三维模型进行孪生体模型的构建包括：
S401，获取葡萄酒生产过程中的历史数据，并对所述历史数据进行预处理；
S402，基于生产的各个流程构建与对应三维模型匹配的基础数字孪生体模型，并建立各个流程的基础数字孪生体模型对应的映射关联关系；
S403，利用预处理后的历史数据对所述基础数字孪生体模型进行训练、测试与优化；
S404，将获取的葡萄酒生产的全部流程以及各个流程的环节数据输入到优化后的基础数字孪生体模型中，将所述流程与环节数据添加到映射关联关系中；
S405，将多个基础数据孪生体模型基于所述关联关系连接为一个整体，得到葡萄酒全产业链的孪生体模型。
本发明实施例提供的对历史数据进行预处理包括：进行数据清洗、转换处理，并统一数据时间序列数据频率。
本发明实施例提供的基于生产的各个流程构建与对应三维模型匹配的基础数字孪生体模型包括：
根据预处理后的历史数据建立稀疏生产张量x；
对所述稀疏生产张量进行初始化，得到葡萄酒生产张量，所述葡萄酒生产张量的各元素满足如下等式：
其中，
用于表征维度为i,j,k三维张量元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏生产张量x的大小相同，且所述同类张量S的各元素满足如下等式：
其中，Sijk用于表征维度为i,j,k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
其中，q用于表征葡萄酒生产的维度，Bq和yq用于表征算法中间变量，
用于表征葡萄酒生产张量，
用于表征将所述葡萄酒生产张量
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
用于表征进行奇异值分解的运算符；
根据迭代计算后的葡萄酒生产张量，输出基础数字孪生体模型。
本发明实施例提供的仿真分析模块利用构建的孪生体模型进行虚拟的葡萄酒的生产，具体过程为：
将孪生体模型导入到数字化软件中，建立自动化生产线设备的三维模型，得到虚拟生产线；
根据葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据，规划虚拟设备的运行流程，进行智能虚拟生产线进行运行仿真，优选出最简洁的运动路径以及构建与智能虚拟产线相同的智能物理产线；
根据上述优选的结果，建立控制逻辑方案，完成虚拟葡萄酒的生产仿真。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
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。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。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)。所述计算机可读取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含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SolidStateDisk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述用于葡萄酒生产的数字孪生体构造系统包括：
数据采集模块，与中央控制模块连接，用于采集从葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据；
数据分析模块，与中央控制模块连接，用于对预处理后的数据进行分析，确定葡萄酒生产的全部流程、每个流程涉及到的环节以及相应数据、参与人员的相关信息；
三维模型构建模块，与中央控制模块连接，用于基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景模型；
孪生体模型构建模块，与中央控制模块连接，用于基于提取的葡萄酒生产的全部流程以及各个流程的环节以及构建的三维模型进行孪生体模型的构建：
获取葡萄酒生产过程中的历史数据，并对所述历史数据进行预处理；
基于生产的各个流程构建与对应三维模型匹配的基础数字孪生体模型：
根据预处理后的历史数据建立稀疏生产张量x；
对所述稀疏生产张量进行初始化，得到葡萄酒生产张量，所述葡萄酒生产张量的各元素满足如下等式：
其中，
用于表征维度为i,j,k三维张量元素，Ω为数据索引集合的全集；
定义同类张量S；所述同类张量S与所述稀疏生产张量x的大小相同，且所述同类张量S的各元素满足如下等式：
其中，Sijk用于表征维度为i,j,k的三维同类张量S；
根据如下等式组，对轨迹张量进行预设迭代次数的迭代计算：
其中，q用于表征葡萄酒生产的维度，Bq和yq用于表征算法中间变量，
用于表征葡萄酒生产张量，
用于表征将所述葡萄酒生产张量
按照第q个维度展开，yq(q)用于表征将所述算法中间变量yq按照第q个维度展开，ρ用于表征相邻两次迭代的更新步长，αq用于表征矩阵中各元素之和等于1的参数向量，S用于表征与所述稀疏轨迹张量x大小相同的同类张量，foldq(·)用于表征将矩阵还原成张量的运算符，
用于表征进行奇异值分解的运算符；
根据迭代计算后的葡萄酒生产张量，输出基础数字孪生体模型；
建立各个流程的基础数字孪生体模型对应的映射关联关系，并利用预处理后的历史数据进行所述基础数字孪生体模型的训练、测试和优化；
将获取的葡萄酒生产的全部流程以及各个流程的环节数据输入到优化后的基础数字孪生体模型中，并将所述流程与环节数据添加到映射关联关系中；
同时将多个基础数据孪生体模型基于所述关联关系连接为一个整体，得到葡萄酒全产业链的孪生体模型；
对历史数据进行预处理包括：进行数据清洗、转换处理，并统一数据时间序列数据频率；
虚拟现实模型构建模块，与中央控制模块连接，用于利用电脑模拟构建得到虚拟现实模型，进行三维空间的虚拟世界模拟；
增强现实模型构建模块，与中央控制模块连接，用于进行增强现实模型的构建，进而实现虚拟三维时间与现实世界的互动；
仿真分析模块，与中央控制模块连接，用于利用虚拟现实模型进行葡萄酒生产三维空间的模拟，并利用构建的孪生体模型进行虚拟的葡萄酒的生产；
虚拟交互模块，与中央控制模块连接，用于提供增强现实模型利用语音交互设备、影像交互设备进行控制终端与各流程的厂房、设备的控制端的交互。
2.如权利要求1所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述用于葡萄酒生产的数字孪生体构造系统还包括：
数据预处理模块，与中央控制模块连接，用于对采集的相关数据进行预处理，得到预处理后的相关数据；
中央控制模块，与数据采集模块、数据预处理模块、数据分析模块、三维模型构建模块、孪生体模型构建模块、虚拟现实模型构建模块、增强现实模型构建模块、仿真分析模块、优化策略确定模块、执行模块、虚拟交互模块、可视化监控模块以及更新模块连接，用于控制葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备，并基于确定的优化策略向葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备下发相应控制指令；
优化策略确定模块，与中央控制模块连接，用于基于仿真分析结果确定葡萄酒生产过程中的问题以及对应的优化策略；
执行模块，与中央控制模块连接，用于葡萄种植、采摘、加工、酿造以及葡萄酒庄的全产业链的控制设备基于控制指令执行相应的调节、控制处理，按照优化策略执行葡萄酒生产；
可视化监控模块，与中央控制模块连接，用于基于虚拟交互数据、采集的实时数据、图像数据进行全产业链的实时监控以及可视化展示；
更新模块，与中央控制模块连接，用于基于采集的实时数据进行三维模型、孪生体模型的更新；
运输模块，与中央控制模块连接，用于对生产的葡萄酒进行运输；
巡检模块，与中央控制模块连接，用于对葡萄酒生产设备进行巡检；
其中，所述数据采集模块包括：
图像采集单元，用于利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，并对图像进行处理；
构筑信息采集单元，用于采集对应种植地、加工厂房、生产厂房以及酒厂的构筑信息以及设备的相应信息；
数据采集单元，用于利用数据接口进行种植环境数据、设备实时参数数据、发酵温度、湿度数据以及其他生产工艺参数数据的采集。
3.如权利要求2所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述通过图像采集单元对图像进行处理包括：
利用摄像设备采集种植地、加工厂房、生产厂房以及酒厂的图像数据，进行灰度化处理；
灰度化处理完成后，对图像进行滤波、边缘检测、分割；同时在种植地、加工厂房、生产厂房以及酒厂的图像数据中提取相对应的特征值；
其中，所述图像进行边缘检测包括：
将灰度化的种植地、加工厂房、生产厂房以及酒厂的图像，利用高斯滤波器平滑图象；通过一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，最后利用双阈值算法检测和连接边缘。
4.如权利要求1所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述通过三维模型构建模块基于采集的相关葡萄酒生产的厂房、设备的图像以及其他数据构建从葡萄种植到葡萄酒出厂的全部三维场景模型包括：
获取各个厂房或种植地的图像数据，并确定各个厂房或种植地中包含的设备以及每个设备对应的厂房或种植地、各个设备在厂房或种植地中位置数据；
基于确定的各个设备对应的厂房或种植地以及具体的位置数据确定厂房、种植地、设备的空间信息；基于所述确定的空间信息构建葡萄酒生产全过程的初始三维模型；
获取对应的厂房的构筑信息以及设备的相应信息，对构建的葡萄酒生产全过程初始三维模型的具体参数以及设备结构进行调整，得到三维场景模型。
5.如权利要求4所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述基于所述确定的空间信息构建葡萄酒生产全过程的初始三维模型包括：
按厂房将葡萄酒生产的全过程划分为多个流程，基于确定的空间信息获取各个流程对应的空间信息；
基于各个流程对应的空间信息构建各个厂房的初始三维模型；将构建的各个厂房的三维模型进行组合，即可得到葡萄酒生产全过程的初始三维模型。
6.如权利要求1所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述通过仿真分析模块利用构建的孪生体模型进行虚拟的葡萄酒的生产包括：
将孪生体模型导入到数字化软件中，建立自动化生产线设备的三维模型，得到虚拟生产线；
根据葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据，规划虚拟设备的运行流程，进行智能虚拟生产线进行运行仿真，优选出最简洁的运动路径以及构建与智能虚拟产线相同的智能物理产线；
根据上述优选的结果，建立控制逻辑方案，完成虚拟葡萄酒的生产仿真。
7.如权利要求2所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述通过数据预处理模块对采集的相关数据进行预处理，得到预处理后的相关数据包括：
将葡萄种植、采摘到葡萄加工、酿造以及葡萄酒庄的全产业链的相关数据数据集设定为m个样本，每个样本的特征维度为n；使得每个特征具有相同的零均值和方差；计算相对应的协方差矩阵：求出协方差矩阵的的特征值，并按从大到小排列；
根据设定的阈值threshold和来选取前k个特征值，求出前k个特征值对应的特征向量；将n维的特征矢量转化为一个k维的特征矢量，得到降维融合后的特征向量，实现数据的融合。
8.如权利要求2所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述运输模块运输方法如下；
建立实时更新的疫情数据库，所述数据库包括各地疫情风险等级信息；
获取目标司机葡萄酒接单的运单信息，所述运单信息包括葡萄酒运输出发地信息和目的地信息，根据运单信息中葡萄酒运输出发地信息和目的地信息规划多个可行葡萄酒运输路线；
根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机；
所述根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机之后还包括：
响应于目标司机发送的开始葡萄酒运输请求，获取司机葡萄酒运输途中实时定位信息；根据所述实时定位信息判断目标司机是否偏航，若是，则发送风险提醒至所述目标司机；
所述发送风险提醒至所述目标司机之后还包括：
根据所述目标司机实时定位信息和葡萄酒运输目的地信息重新确定可行葡萄酒运输路线；根据所述可行葡萄酒运输路线检索所述疫情数据库中所有可行葡萄酒运输路线中的途径地的风险等级信息；
根据所述途径地的风险等级信息确定第二目标路线并推送至所述目标司机。
9.如权利要求8所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述根据所述途径地的风险等级信息确定目标路线并推送至所述目标司机具体包括：
根据所述可行葡萄酒运输路线确定途径地是否属于高速路段；
若是，则确定目标路线时筛除该途径地的风险等级信息影响；
所述风险等级信息包括：高风险地区、中风险地区、低风险地区；所述根据所述途径地的风险等级信息确定目标路线具体包括：
对比各个可行葡萄酒运输路线中高风险地区、中风险地区和低风险地区的数量；
确定高风险地区最少的葡萄酒运输路线为第一目标路线；
根据葡萄酒运输路线距离、时间以及路况确定最终的目标路线。
10.如权利要求2所述用于葡萄酒生产的数字孪生体构造系统，其特征在于，所述巡检模块包括手持巡检终端和安装在计算机上的智能巡检软件平台；
所述手持巡检终端，用于去现场对葡萄酒生产设备进行数据采集；
所述安装在计算机上的智能巡检软件平台，用于对采集的葡萄酒生产设备数据进行管理与分析；
所述智能巡检软件平台架构可分为：用户层、应用系统层、业务支撑层、数据资源层、基础平台层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210788462.9A CN115422415A (zh) | 2022-07-06 | 2022-07-06 | 一种用于葡萄酒生产的数字孪生体构造系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210788462.9A CN115422415A (zh) | 2022-07-06 | 2022-07-06 | 一种用于葡萄酒生产的数字孪生体构造系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115422415A true CN115422415A (zh) | 2022-12-02 |
Family
ID=84196091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210788462.9A Pending CN115422415A (zh) | 2022-07-06 | 2022-07-06 | 一种用于葡萄酒生产的数字孪生体构造系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115422415A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168164A (zh) * | 2023-04-25 | 2023-05-26 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
| CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
-
2022
- 2022-07-06 CN CN202210788462.9A patent/CN115422415A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168164A (zh) * | 2023-04-25 | 2023-05-26 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
| CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
| CN117539169B (zh) * | 2024-01-09 | 2024-04-26 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115422415A (zh) | 一种用于葡萄酒生产的数字孪生体构造系统 | |
| CN107193876B (zh) | 一种基于最近邻knn算法的缺失数据填补方法 | |
| CN107169518A (zh) | 数据分类方法、装置、电子装置及计算机可读介质 | |
| CN112685950B (zh) | 一种海洋时序观测数据的异常检测方法、系统和设备 | |
| CN112784980B (zh) | 一种智能化测井层位划分方法 | |
| CN109214437A (zh) | 一种基于机器学习的ivf-et早孕胚胎发育预测系统 | |
| CN111652167A (zh) | 一种染色体核型图像智能评价方法及系统 | |
| CN117172509B (zh) | 基于装修施工进度分析的施工项目分配系统 | |
| CN114677325A (zh) | 水稻茎秆截面分割模型的构建方法及基于该模型的检测方法 | |
| CN109978619A (zh) | 机票定价策略筛选的方法、系统、设备以及介质 | |
| CN111881958A (zh) | 车牌分类识别方法、装置、设备及存储介质 | |
| CN108734567A (zh) | 一种基于大数据人工智能风控的资产管理系统及其评估方法 | |
| CN115130894A (zh) | 基于人工智能的生产规划方法、装置、计算机设备及介质 | |
| CN114119110A (zh) | 一种工程造价清单归集系统及其方法 | |
| CN113222057A (zh) | 数据预测模型训练、数据预测方法、装置、设备及介质 | |
| CN112862182A (zh) | 一种投资预测方法、装置、电子设备及存储介质 | |
| CN110334720A (zh) | 业务数据的特征提取方法、装置、服务器和存储介质 | |
| CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
| Li et al. | Combining physical approaches with deep learning techniques for urban building energy modeling: A comprehensive review and future research prospects | |
| CN115374927A (zh) | 一种神经网络模型训练的方法、异常检测的方法及设备 | |
| CN117151415A (zh) | 一种面向城乡融合发展的基础设施规划系统 | |
| CN110533118B (zh) | 基于多核学习的遥感图像稀疏表达分类方法 | |
| CN111523570A (zh) | 一种基于社区驿站的智慧城市系统及其控制方法 | |
| JP7230288B1 (ja) | 学習モデル | |
| CN111400565A (zh) | 一种可视化拖拽在线数据处理方法和系统 |
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 |