CN116049756B - 一种食品加工设备智能监测管理系统及方法 - Google Patents

一种食品加工设备智能监测管理系统及方法 Download PDF

Info

Publication number
CN116049756B
CN116049756B CN202310341403.1A CN202310341403A CN116049756B CN 116049756 B CN116049756 B CN 116049756B CN 202310341403 A CN202310341403 A CN 202310341403A CN 116049756 B CN116049756 B CN 116049756B
Authority
CN
China
Prior art keywords
fruit
canning
solid
liquid
target
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
Application number
CN202310341403.1A
Other languages
English (en)
Other versions
CN116049756A (zh
Inventor
张荣展
刘泽泉
王建
赵琳琳
张振宇
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.)
Tianjin Tianliduliu Mature Vinegar Co ltd
Original Assignee
Tianjin Tianliduliu Mature Vinegar 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 Tianjin Tianliduliu Mature Vinegar Co ltd filed Critical Tianjin Tianliduliu Mature Vinegar Co ltd
Priority to CN202310341403.1A priority Critical patent/CN116049756B/zh
Publication of CN116049756A publication Critical patent/CN116049756A/zh
Application granted granted Critical
Publication of CN116049756B publication Critical patent/CN116049756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及食品加工设备智能监测管理领域，具体公开一种食品加工设备智能监测管理系统及方法，本发明通过水果罐头固形物的重量和外观匹配度，判断固形物罐装配套设备是否存在异常，防止罐装固形物重量或色泽度不佳进而影响食品加工质量；采集水果罐头的液体罐装液面高度和液体纯净度，判断液体罐装配套设备是否存在异常，防止罐装液面高度不佳使罐头变形及液体内杂质影响食用安全；监测水果罐头封口的严密度和平整度，判断罐头包装配套设备是否存在异常，保证水果罐头的密封性，防止食品变质，通过水果罐头罐装的跟随性监测管理，为水果罐头的生产质量和食用安全提供保障，延长罐头自身的食用寿命。

Description

一种食品加工设备智能监测管理系统及方法
技术领域
本发明涉及食品加工设备智能监测管理领域，涉及到一种食品加工设备智能监测管理系统及方法。
背景技术
罐头是将食品处理后，放入相应的容器中，对其密封杀菌处理后，保证罐头内的食物与外界隔离，减少食品的损坏、腐败等问题，使其能够长期保存。水果罐头属于罐头的一种，目前，水果罐头的生产加工大部分采用自动化技术，虽然通过加工设备能够有效提高生产效率，但加工设备一旦出现故障或者运行状态不佳，会严重影响水果罐头的生产质量和食用安全。因此，对水果罐头加工设备进行监测管理具有现实意义。
现有的水果罐头加工设备监测方法往往根据成品水果罐头的质量判断加工设备是否存在故障，而水果罐头生产涉及多道工序，不同工序对应不同的加工设备，成品水果罐头质量不佳无法确定生产过程中何种加工设备存在故障，进而无法溯源和对设备进行针对性检修，应对水果罐头生产过程中各道工序分别进行监测，及时发现各道工序对应加工设备的问题并进行排查，最大程度减少损失，罐装工序是水果罐头生产过程中的重要工序之一，对水果罐头的罐装进行监测很有必要，现有监测管理方法存在一些不足：一方面，缺乏对水果罐头罐装固形物过程的细化分析，无法评估固形物罐装设备是否故障，罐装固形物的重量或色泽度不佳，不仅影响加工食品的质量，同时降低食客的体验感。
一方面，缺乏对水果罐头罐装液体过程的分析，无法评估液体罐装设备是否存在故障，罐装液体的液面高度若存在较大误差使得液面与罐盖之间的所留空隙不合要求，进而容易使罐头变形，并影响罐头的密封性能和真空度，罐装液体若存在杂质，将严重影响食用安全。
另一方面，缺乏对水果罐头封口过程的分析，无法评估罐头包装设备是否存在故障，若水果罐头的密封性不佳，使得外界空气进入罐头中，造成水果罐头变质，将严重影响到水果罐头自身的食用寿命。
发明内容
针对上述问题，本发明提出了一种食品加工设备智能监测管理系统及方法，实现对食品加工设备智能监测管理的功能。
本发明解决其技术问题采用的技术方案是：本发明提供一种食品加工设备智能监测管理系统，包括：固形物罐装信息获取模块：用于获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度。
固形物罐装分析模块：用于根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块。
液体罐装信息采集模块：用于采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度。
液体罐装分析模块：用于根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块。
罐头包装参数监测模块：用于监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度。
罐头包装分析模块：用于根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理。
数据库：用于存储水果罐头对应容器的公称重量、固形物参考图像的灰度值范围、固形物重量的参考范围和水果罐头液体罐装的参考液面高度。
在上述实施例的基础上，所述固形物罐装信息获取模块的具体分析过程包括：通过称重装置获取各目标水果罐头在罐装完固形物的重量，进一步得到各目标水果罐头的固形物重量，将其记为
Figure SMS_1
，
Figure SMS_2
表示第
Figure SMS_3
个目标水果罐头的编号，
Figure SMS_4
。
在上述实施例的基础上，所述固形物罐装信息获取模块的具体分析过程还包括：
Figure SMS_6
：获取各目标水果罐头中固形物的实景图像，利用图像处理技术，分析各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值对应的区域面积，将其分别记为
Figure SMS_8
和
Figure SMS_9
，
Figure SMS_10
表示第
Figure SMS_11
个匹配灰度值的编号，
Figure SMS_12
，
Figure SMS_13
表示第
Figure SMS_5
个不匹配灰度值的编号，
Figure SMS_7
。
通过分析公式
Figure SMS_14
得到各目标水果罐头的颜色吻合度
Figure SMS_15
，其中
Figure SMS_16
表示预设的颜色吻合度修正因子，
Figure SMS_17
表示预设的匹配灰度值对应区域单位面积的影响因子，
Figure SMS_18
表示预设的不匹配灰度值对应区域单位面积的影响因子。
Figure SMS_19
：根据各目标水果罐头中固形物的实景图像，构建各目标水果罐头中固形物的空间模型，获取各目标水果罐头中固形物的总体积和各目标水果罐头中各块固形物的体积，进一步分析得到各目标水果罐头的固形物碎屑程度，将其记为
Figure SMS_20
。
Figure SMS_21
：将各目标水果罐头的颜色吻合度
Figure SMS_22
和固形物碎屑程度
Figure SMS_23
代入公式
Figure SMS_24
得到各目标水果罐头的固形物外观匹配度
Figure SMS_25
，其中
Figure SMS_26
分别表示预设的颜色吻合度和固形物碎屑程度的权重因子。
在上述实施例的基础上，所述固形物罐装分析模块的分析过程为：
Figure SMS_27
：根据各目标水果罐头的固形物外观匹配度，获取外观不合格的目标水果罐头的数量，将其记为
Figure SMS_28
。
通过分析公式
Figure SMS_29
得到固形物罐装的外观欠佳系数
Figure SMS_30
，其中
Figure SMS_31
表示预设的外观欠佳系数修正因子，
Figure SMS_32
表示目标水果罐头的数量，
Figure SMS_33
表示预设的外观不合格目标水果罐头允许数量。
Figure SMS_34
：提取数据库中存储的固形物重量的参考范围，将固形物重量参考范围的上限值和下限值分别记为
Figure SMS_35
和
Figure SMS_36
。
通过分析公式
Figure SMS_37
得到各目标水果罐头的重量误差比例系数
Figure SMS_38
，
Figure SMS_39
表示预设的固形物重量偏差阈值。
根据各目标水果罐头的重量误差比例系数，获取重量不合格的目标水果罐头的数量，将其记为
Figure SMS_40
。
通过分析公式
Figure SMS_41
得到固形物罐装的重量失准系数
Figure SMS_42
，其中
Figure SMS_43
表示预设的重量失准系数修正因子，
Figure SMS_44
表示预设的重量不合格目标水果罐头单位数量的影响因子。
Figure SMS_45
：将固形物罐装的外观欠佳系数
Figure SMS_46
和重量失准系数
Figure SMS_47
代入公式
Figure SMS_48
得到固形物罐装的达标指数
Figure SMS_49
，其中e表示自然常数。
Figure SMS_50
：根据固形物罐装的达标指数，判断水果罐头生产线的固形物罐装配套设备是否存在异常，并进行预警。
在上述实施例的基础上，所述液体罐装信息采集模块的分析过程为：通过液位检测装置获取各指定水果罐头在罐装完液体的液面高度，将其记为各指定水果罐头的液体罐装液面高度，并表示为
Figure SMS_51
，
Figure SMS_52
表示第
Figure SMS_53
个指定水果罐头的编号，
Figure SMS_54
。
对罐装完液体的各指定水果罐头进行扫描，获取各指定水果罐头的实景图像，分析各指定水果罐头实景图像中异物区域总面积，进一步得到各指定水果罐头的液体纯净度，将其记为
Figure SMS_55
。
在上述实施例的基础上，所述液体罐装分析模块的具体分析过程为：提取数据库中存储的水果罐头液体罐装的参考液面高度，将其记为
Figure SMS_56
。
将各指定水果罐头的液体罐装液面高度
Figure SMS_57
和液体纯净度
Figure SMS_58
代入公式
Figure SMS_59
得到各指定水果罐头的液体罐装符合指数
Figure SMS_60
，其中
Figure SMS_61
表示预设的液体罐装液面高度允许偏差，
Figure SMS_62
表示预设的液体纯净度阈值。
根据各指定水果罐头的液体罐装符合指数，分析液体罐装的合格指数。
将液体罐装的合格指数与预设的液体罐装合格指数阈值进行比较，若液体罐装的合格指数小于预设的液体罐装合格指数阈值，则水果罐头生产线的液体罐装配套设备存在异常，并进行预警。
在上述实施例的基础上，所述罐头包装参数监测模块的具体过程为：对各标记水果罐头的瓶盖施加设定力度的扭力，获取各标记水果罐头瓶盖的旋转位移，将其记为
Figure SMS_63
，
Figure SMS_64
表示第
Figure SMS_65
个标记水果罐头的编号，
Figure SMS_66
。
通过分析公式
Figure SMS_67
得到各标记水果罐头的封口严密度
Figure SMS_68
，其中
Figure SMS_69
表示预设的水果罐头瓶盖单位旋转位移对应的影响因子。
按照预设的原则在各标记水果罐头瓶盖表面布设各监测点，获取各标记水果罐头瓶盖表面各监测点与设定水平基准面的距离，分析得到各标记水果罐头的封口平整度，将其记为
Figure SMS_70
。
在上述实施例的基础上，所述罐头包装分析模块的具体分析过程为：将各标记水果罐头的封口严密度
Figure SMS_71
和封口平整度
Figure SMS_72
代入公式
Figure SMS_73
得到各标记水果罐头的包装合格指数
Figure SMS_74
，其中
Figure SMS_75
分别表示预设的封口严密度和封口平整度的权重因子。
根据各标记水果罐头的包装合格指数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行预警。
本发明提供一种食品加工设备智能监测管理方法，包括如下步骤：步骤一、固形物罐装信息获取：获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度。
步骤二、固形物罐装分析：根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块。
步骤三、液体罐装信息采集：采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度。
步骤四、液体罐装分析：根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块。
步骤五、罐头包装参数监测：监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度。
步骤六、罐头包装分析：根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理。
相对于现有技术，本发明所述的一种食品加工设备智能监测管理系统及方法以下有益效果：1、本发明通过获取各目标水果罐头的固形物重量和固形物外观匹配度，判断水果罐头生产线的固形物罐装配套设备是否存在异常，对固形物罐装设备进行诊断评估，避免罐装固形物的重量或色泽度不佳而影响食品质量，降低食客的体验感。
2、本发明通过采集各指定水果罐头的液体罐装液面高度和液体纯净度，判断水果罐头生产线的液体罐装配套设备是否存在异常，对液体罐装设备进行评估，防止罐头变形和罐装液体存在杂质，保证罐头的食用安全。
3、本发明通过监测各标记水果罐头的封口严密度和封口平整度，判断水果罐头生产线的罐头包装配套设备是否存在异常，对罐头包装设备进行评估，避免水果罐头密封性不佳而造成食品变质，延长罐头自身的食用寿命。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的系统模块连接图。
图2为本发明的方法流程示意图。
图3为本发明的框架示意图。
具体实施方式
下面将结合本发明实施例中的附图，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1和图3所示，本发明提供一种食品加工设备智能监测管理系统，包括固形物罐装信息获取模块、固形物罐装分析模块、液体罐装信息采集模块、液体罐装分析模块、罐头包装参数监测模块、罐头包装分析模块和数据库。
所述固形物罐装分析模块分别与固形物罐装信息获取模块和液体罐装信息采集模块连接，液体罐装分析模块分别与液体罐装信息采集模块和罐头包装参数监测模块连接，罐头包装分析模块与罐头包装参数监测模块连接，数据库分别与固形物罐装信息获取模块、固形物罐装分析模块和液体罐装分析模块连接。
所述固形物罐装信息获取模块用于获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度。
进一步地，所述固形物罐装信息获取模块的具体分析过程包括：通过称重装置获取各目标水果罐头在罐装完固形物的重量，进一步得到各目标水果罐头的固形物重量，将其记为
Figure SMS_76
，
Figure SMS_77
表示第
Figure SMS_78
个目标水果罐头的编号，
Figure SMS_79
。
作为一种优选方案，水果罐头中的固形物为水果块。
在一个具体实施例中，水果罐头为黄桃罐头，固形物为黄桃块，液体为糖水。
作为一种优选方案，所述称重装置安装在传送带与传送带之间的过渡段，在不影响水果罐头输送的同时进行称重。
作为一种优选方案，所述称重装置可以是重量传感器。
作为一种优选方案，所述各目标水果罐头的固形物重量，获取方法为：提取数据库中存储的水果罐头对应容器的公称重量，将各目标水果罐头在罐装完固形物的重量减去水果罐头对应容器的公称重量，得到各目标水果罐头的固形物重量。
进一步地，所述固形物罐装信息获取模块的具体分析过程还包括：
Figure SMS_81
：获取各目标水果罐头中固形物的实景图像，利用图像处理技术，分析各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值对应的区域面积，将其分别记为
Figure SMS_82
和
Figure SMS_84
，
Figure SMS_85
表示第
Figure SMS_86
个匹配灰度值的编号，
Figure SMS_87
，
Figure SMS_88
表示第
Figure SMS_80
个不匹配灰度值的编号，
Figure SMS_83
。
通过分析公式
Figure SMS_89
得到各目标水果罐头的颜色吻合度
Figure SMS_90
，其中
Figure SMS_91
表示预设的颜色吻合度修正因子，
Figure SMS_92
表示预设的匹配灰度值对应区域单位面积的影响因子，
Figure SMS_93
表示预设的不匹配灰度值对应区域单位面积的影响因子。
Figure SMS_94
：根据各目标水果罐头中固形物的实景图像，构建各目标水果罐头中固形物的空间模型，获取各目标水果罐头中固形物的总体积和各目标水果罐头中各块固形物的体积，进一步分析得到各目标水果罐头的固形物碎屑程度，将其记为
Figure SMS_95
。
Figure SMS_96
：将各目标水果罐头的颜色吻合度
Figure SMS_97
和固形物碎屑程度
Figure SMS_98
代入公式
Figure SMS_99
得到各目标水果罐头的固形物外观匹配度
Figure SMS_100
，其中
Figure SMS_101
分别表示预设的颜色吻合度和固形物碎屑程度的权重因子。
作为一种优选方案，所述分析各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值对应的区域面积，具体过程为：根据各目标水果罐头中固形物的实景图像，利用图像处理技术，获取各目标水果罐头固形物实景图像中各灰度值对应的区域面积。
提取数据库中存储的固形物参考图像的灰度值范围，将各目标水果罐头固形物实景图像中各灰度值与固形物参考图像的灰度值范围进行比较，若某目标水果罐头固形物实景图像中某灰度值处于固形物参考图像的灰度值范围之内，则将该灰度值记为匹配灰度值，反之，则将该灰度值记为不匹配灰度值，筛选出各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值，进而统计各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值对应的区域面积。
作为一种优选方案，所述各目标水果罐头的固形物碎屑程度，分析过程为：将各目标水果罐头中各块固形物的体积与预设的固形物体积阈值进行比较，若某目标水果罐头中某块固形物的体积小于预设的固形物体积阈值，则将该固形物记为边角固形物，统计各目标水果罐头中各块边角固形物的体积，将其记为
Figure SMS_102
，
Figure SMS_103
表示第
Figure SMS_104
块边角固形物的编号，
Figure SMS_105
。
通过分析公式
Figure SMS_106
得到各目标水果罐头的固形物碎屑程度
Figure SMS_107
，其中
Figure SMS_108
表示预设的固形物碎屑程度修正因子，
Figure SMS_109
表示第
Figure SMS_110
个目标水果罐头中固形物的总体积，
Figure SMS_111
。
作为一种优选方案，所述水果罐头的容器采用透明玻璃材质。
所述固形物罐装分析模块用于根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块。
进一步地，所述固形物罐装分析模块的分析过程为：
Figure SMS_112
：根据各目标水果罐头的固形物外观匹配度，获取外观不合格的目标水果罐头的数量，将其记为
Figure SMS_113
。
通过分析公式
Figure SMS_114
得到固形物罐装的外观欠佳系数
Figure SMS_115
，其中
Figure SMS_116
表示预设的外观欠佳系数修正因子，
Figure SMS_117
表示目标水果罐头的数量，
Figure SMS_118
表示预设的外观不合格目标水果罐头允许数量。
Figure SMS_119
：提取数据库中存储的固形物重量的参考范围，将固形物重量参考范围的上限值和下限值分别记为
Figure SMS_120
和
Figure SMS_121
。
通过分析公式
Figure SMS_122
得到各目标水果罐头的重量误差比例系数
Figure SMS_123
，
Figure SMS_124
表示预设的固形物重量偏差阈值。
根据各目标水果罐头的重量误差比例系数，获取重量不合格的目标水果罐头的数量，将其记为
Figure SMS_125
。
通过分析公式
Figure SMS_126
得到固形物罐装的重量失准系数
Figure SMS_127
，其中
Figure SMS_128
表示预设的重量失准系数修正因子，
Figure SMS_129
表示预设的重量不合格目标水果罐头单位数量的影响因子。
Figure SMS_130
：将固形物罐装的外观欠佳系数
Figure SMS_131
和重量失准系数
Figure SMS_132
代入公式
Figure SMS_133
得到固形物罐装的达标指数
Figure SMS_134
，其中e表示自然常数。
Figure SMS_135
：根据固形物罐装的达标指数，判断水果罐头生产线的固形物罐装配套设备是否存在异常，并进行预警。
作为一种优选方案，所述获取外观不合格的目标水果罐头的数量，具体方法为：将各目标水果罐头的固形物外观匹配度与预设的固形物外观匹配度阈值进行比较，若某目标水果罐头的固形物外观匹配度小于预设的固形物外观匹配度阈值，则该目标水果罐头外观不合格，统计外观不合格的目标水果罐头的数量。
作为一种优选方案，所述获取重量不合格的目标水果罐头的数量，具体过程为：将各目标水果罐头的重量误差比例系数与预设的重量误差比例系数阈值进行比较，若某目标水果罐头的重量误差比例系数大于预设的重量误差比例系数阈值，则该目标水果罐头重量不合格，统计重量不合格的目标水果罐头的数量。
作为一种优选方案，获取各指定水果罐头的具体方法为：从各目标水果罐头中筛选出外观不合格的各目标水果罐头，得到外观合格的各目标水果罐头，根据各目标水果罐头的固形物重量，筛选得到外观合格的各目标水果罐头的固形物重量。
根据外观合格的各目标水果罐头的固形物重量，判断外观合格的各目标水果罐头的固形物罐装是否需要调整，将外观合格目标水果罐头中固形物罐装不需要调整和固形物罐装调整后的各目标水果罐头统称为各指定水果罐头。
作为一种优选方案，统计外观不合格的目标水果罐头数量之后，将外观不合格的各目标水果罐头放置于指定区域。
作为一种优选方案，判断外观合格的目标水果罐头的固形物罐装是否需要调整，具体方法为：将外观合格的目标水果罐头的固形物重量与固形物重量的参考范围进行比较，若外观合格的目标水果罐头的固形物重量处于固形物重量的参考范围内，则固形物罐装不需要调整，反之，则固形物罐装需要调整。
作为一种优选方案，对外观合格的目标水果罐头的固形物罐装进行调整，具体操作过程为：将外观合格的目标水果罐头放置于重量传感器，对外观合格的目标水果罐头增加固形物或者减少固形物，直至外观合格的目标水果罐头的固形物重量处于固形物重量的参考范围内。
作为一种优选方案，判断水果罐头生产线的固形物罐装配套设备是否存在异常，具体过程为：将固形物罐装的达标指数与预设的固形物罐装达标指数预警值进行比较，若固形物罐装的达标指数小于预设的固形物罐装达标指数预警值，则水果罐头生产线的固形物罐装配套设备存在异常。
需要说明的是，本发明通过获取各目标水果罐头的固形物重量和固形物外观匹配度，判断水果罐头生产线的固形物罐装配套设备是否存在异常，对固形物罐装设备进行诊断评估，避免罐装固形物的重量或色泽度不佳而影响食品质量，降低食客的体验感。
所述液体罐装信息采集模块用于采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度。
进一步地，所述液体罐装信息采集模块的分析过程为：通过液位检测装置获取各指定水果罐头在罐装完液体的液面高度，将其记为各指定水果罐头的液体罐装液面高度，并表示为
Figure SMS_136
，
Figure SMS_137
表示第
Figure SMS_138
个指定水果罐头的编号，
Figure SMS_139
。
对罐装完液体的各指定水果罐头进行扫描，获取各指定水果罐头的实景图像，分析各指定水果罐头实景图像中异物区域总面积，进一步得到各指定水果罐头的液体纯净度，将其记为
Figure SMS_140
。
作为一种优选方案，所述获取各指定水果罐头的液体纯净度，具体过程为：根据各指定水果罐头的实景图像，利用图像处理技术，获取各指定水果罐头实景图像中各灰度值对应区域面积，将各指定水果罐头实景图像中各灰度值与预设的指定水果罐头参考实景图像对应灰度值范围进行比较，若某指定水果罐头实景图像中某灰度值不属于预设的指定水果罐头参考实景图像对应灰度值范围内，则将该灰度值记为异常灰度值，统计各指定水果罐头实景图像中各异常灰度值，进一步得到各指定水果罐头实景图像中各异常灰度值对应区域面积，对各指定水果罐头实景图像中各异常灰度值对应区域面积进行累加，得到各指定水果罐头实景图像中异常灰度值对应区域总面积，将其记为各指定水果罐头实景图像中异物区域总面积，并表示为
Figure SMS_141
，通过分析公式
Figure SMS_142
得到各指定水果罐头的液体纯净度
Figure SMS_143
，其中
Figure SMS_144
表示预设的单位异物区域面积对应的影响因子。
所述液体罐装分析模块用于根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块。
进一步地，所述液体罐装分析模块的具体分析过程为：提取数据库中存储的水果罐头液体罐装的参考液面高度，将其记为
Figure SMS_145
。
将各指定水果罐头的液体罐装液面高度
Figure SMS_146
和液体纯净度
Figure SMS_147
代入公式
Figure SMS_148
得到各指定水果罐头的液体罐装符合指数
Figure SMS_149
，其中
Figure SMS_150
表示预设的液体罐装液面高度允许偏差，
Figure SMS_151
表示预设的液体纯净度阈值。
根据各指定水果罐头的液体罐装符合指数，分析液体罐装的合格指数。
将液体罐装的合格指数与预设的液体罐装合格指数阈值进行比较，若液体罐装的合格指数小于预设的液体罐装合格指数阈值，则水果罐头生产线的液体罐装配套设备存在异常，并进行预警。
作为一种优选方案，所述液体罐装的合格指数，具体分析过程为：将各指定水果罐头的液体罐装符合指数与预设的液体罐装符合指数阈值进行比较，若某指定水果罐头的液体罐装符合指数小于预设的液体罐装符合指数阈值，则该指定水果罐头液体罐装不达标，统计罐头液体罐装不达标的数量，将其记为
Figure SMS_152
，通过分析公式
Figure SMS_153
得到液体罐装的合格指数
Figure SMS_154
，其中
Figure SMS_155
表示指定水果罐头的数量。
作为一种优选方案，所述各标记水果罐头为指定水果罐头中进入罐头包装工序的各指定水果罐头。
需要说明的是，本发明通过采集各指定水果罐头的液体罐装液面高度和液体纯净度，判断水果罐头生产线的液体罐装配套设备是否存在异常，对液体罐装设备进行评估，防止罐头变形和罐装液体存在杂质，保证罐头的食用安全。
所述罐头包装参数监测模块用于监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度。
进一步地，所述罐头包装参数监测模块的具体过程为：对各标记水果罐头的瓶盖施加设定力度的扭力，获取各标记水果罐头瓶盖的旋转位移，将其记为
Figure SMS_156
，
Figure SMS_157
表示第
Figure SMS_158
个标记水果罐头的编号，
Figure SMS_159
。
通过分析公式
Figure SMS_160
得到各标记水果罐头的封口严密度
Figure SMS_161
，其中
Figure SMS_162
表示预设的水果罐头瓶盖单位旋转位移对应的影响因子。
按照预设的原则在各标记水果罐头瓶盖表面布设各监测点，获取各标记水果罐头瓶盖表面各监测点与设定水平基准面的距离，分析得到各标记水果罐头的封口平整度，将其记为
Figure SMS_163
。
作为一种优选方案，所述各标记水果罐头的封口平整度，分析过程为：获取各标记水果罐头瓶盖表面各监测点与设定水平基准面的距离，将其记为各标记水果罐头瓶盖表面各监测点的参照距离，并表示为
Figure SMS_164
，
Figure SMS_165
表示第
Figure SMS_166
个监测点的编号，
Figure SMS_167
。
通过分析公式
Figure SMS_168
得到各标记水果罐头的封口平整度
Figure SMS_169
，其中
Figure SMS_170
表示第
Figure SMS_171
个标记水果罐头瓶盖表面第
Figure SMS_172
个监测点的参照距离，
Figure SMS_173
表示预设的参照距离偏差。
所述罐头包装分析模块用于根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理。
进一步地，所述罐头包装分析模块的具体分析过程为：将各标记水果罐头的封口严密度
Figure SMS_174
和封口平整度
Figure SMS_175
代入公式
Figure SMS_176
得到各标记水果罐头的包装合格指数
Figure SMS_177
，其中
Figure SMS_178
分别表示预设的封口严密度和封口平整度的权重因子。
根据各标记水果罐头的包装合格指数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行预警。
作为一种优选方案，所述判断水果罐头生产线的罐头包装配套设备是否存在异常，具体过程为：将各标记水果罐头的包装合格指数与预设的包装合格指数预警值进行比较，若某标记水果罐头的包装合格指数小于预设的包装合格指数预警值，则该标记水果罐头的包装不合格，统计包装不合格标记水果罐头的数量。
将包装不合格标记水果罐头的数量与预设的包装不合格水果罐头数量阈值进行比较，若包装不合格标记水果罐头的数量大于预设的包装不合格水果罐头数量阈值，则水果罐头生产线的罐头包装配套设备存在异常，进行预警，并将包装不合格各标记水果罐头的编号发送至水果罐头生产线的生产管理中心。
需要说明的是，本发明通过监测各标记水果罐头的封口严密度和封口平整度，判断水果罐头生产线的罐头包装配套设备是否存在异常，对罐头包装设备进行评估，避免水果罐头密封性不佳而造成食品变质，延长罐头自身的食用寿命。
所述数据库用于存储水果罐头对应容器的公称重量、固形物参考图像的灰度值范围、固形物重量的参考范围和水果罐头液体罐装的参考液面高度。
请参阅图2所示，本发明提供一种食品加工设备智能监测管理方法，包括如下步骤：步骤一、固形物罐装信息获取：获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度。
步骤二、固形物罐装分析：根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块。
步骤三、液体罐装信息采集：采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度。
步骤四、液体罐装分析：根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块。
步骤五、罐头包装参数监测：监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度。
步骤六、罐头包装分析：根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种食品加工设备智能监测管理系统，其特征在于，包括：
固形物罐装信息获取模块：用于获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度；
固形物罐装分析模块：用于根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块；
液体罐装信息采集模块：用于采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度；
液体罐装分析模块：用于根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块；
罐头包装参数监测模块：用于监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度；
罐头包装分析模块：用于根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理；
数据库：用于存储水果罐头对应容器的公称重量、固形物参考图像的灰度值范围、固形物重量的参考范围和水果罐头液体罐装的参考液面高度。
2.根据权利要求1所述的一种食品加工设备智能监测管理系统，其特征在于：所述固形物罐装信息获取模块的具体分析过程包括：
通过称重装置获取各目标水果罐头在罐装完固形物的重量，进一步得到各目标水果罐头的固形物重量，将其记为
Figure QLYQS_1
，
Figure QLYQS_2
表示第
Figure QLYQS_3
个目标水果罐头的编号，
Figure QLYQS_4
。
3.根据权利要求1所述的一种食品加工设备智能监测管理系统，其特征在于：所述固形物罐装信息获取模块的具体分析过程还包括：
Figure QLYQS_7
：获取各目标水果罐头中固形物的实景图像，提取数据库中存储的固形物参考图像的灰度值范围，将各目标水果罐头固形物实景图像中各灰度值与固形物参考图像的灰度值范围进行比较，若某目标水果罐头固形物实景图像中某灰度值处于固形物参考图像的灰度值范围之内，则将该灰度值记为匹配灰度值，反之，则将该灰度值记为不匹配灰度值，利用图像处理技术，分析各目标水果罐头固形物实景图像中各匹配灰度值和各不匹配灰度值对应的区域面积，将其分别记为
Figure QLYQS_8
和
Figure QLYQS_9
，
Figure QLYQS_10
表示第
Figure QLYQS_11
个匹配灰度值的编号，
Figure QLYQS_12
，
Figure QLYQS_13
表示第
Figure QLYQS_5
个不匹配灰度值的编号，
Figure QLYQS_6
；
通过分析公式
Figure QLYQS_14
得到各目标水果罐头的颜色吻合度
Figure QLYQS_15
，其中
Figure QLYQS_16
表示预设的颜色吻合度修正因子，
Figure QLYQS_17
表示预设的匹配灰度值对应区域单位面积的影响因子，
Figure QLYQS_18
表示预设的不匹配灰度值对应区域单位面积的影响因子；
Figure QLYQS_19
：根据各目标水果罐头中固形物的实景图像，构建各目标水果罐头中固形物的空间模型，获取各目标水果罐头中固形物的总体积和各目标水果罐头中各块固形物的体积，进一步分析得到各目标水果罐头的固形物碎屑程度，将其记为
Figure QLYQS_20
；
Figure QLYQS_21
：将各目标水果罐头的颜色吻合度
Figure QLYQS_22
和固形物碎屑程度
Figure QLYQS_23
代入公式
Figure QLYQS_24
得到各目标水果罐头的固形物外观匹配度
Figure QLYQS_25
，其中
Figure QLYQS_26
分别表示预设的颜色吻合度和固形物碎屑程度的权重因子。
4.根据权利要求2所述的一种食品加工设备智能监测管理系统，其特征在于：所述固形物罐装分析模块的分析过程为：
Figure QLYQS_27
：根据各目标水果罐头的固形物外观匹配度，获取外观不合格的目标水果罐头的数量，将其记为
Figure QLYQS_28
；
通过分析公式
Figure QLYQS_29
得到固形物罐装的外观欠佳系数
Figure QLYQS_30
，其中
Figure QLYQS_31
表示预设的外观欠佳系数修正因子，
Figure QLYQS_32
表示目标水果罐头的数量，
Figure QLYQS_33
表示预设的外观不合格目标水果罐头允许数量；
Figure QLYQS_34
：提取数据库中存储的固形物重量的参考范围，将固形物重量参考范围的上限值和下限值分别记为
Figure QLYQS_35
和
Figure QLYQS_36
；
通过分析公式
Figure QLYQS_37
得到各目标水果罐头的重量误差比例系数
Figure QLYQS_38
，
Figure QLYQS_39
表示预设的固形物重量偏差阈值；
根据各目标水果罐头的重量误差比例系数，获取重量不合格的目标水果罐头的数量，将其记为
Figure QLYQS_40
；
通过分析公式
Figure QLYQS_41
得到固形物罐装的重量失准系数
Figure QLYQS_42
，其中
Figure QLYQS_43
表示预设的重量失准系数修正因子，
Figure QLYQS_44
表示预设的重量不合格目标水果罐头单位数量的影响因子；
Figure QLYQS_45
：将固形物罐装的外观欠佳系数
Figure QLYQS_46
和重量失准系数
Figure QLYQS_47
代入公式
Figure QLYQS_48
得到固形物罐装的达标指数
Figure QLYQS_49
，其中e表示自然常数；
Figure QLYQS_50
：根据固形物罐装的达标指数，判断水果罐头生产线的固形物罐装配套设备是否存在异常，并进行预警。
5.根据权利要求1所述的一种食品加工设备智能监测管理系统，其特征在于：所述液体罐装信息采集模块的分析过程为：
通过液位检测装置获取各指定水果罐头在罐装完液体的液面高度，将其记为各指定水果罐头的液体罐装液面高度，并表示为
Figure QLYQS_51
，
Figure QLYQS_52
表示第
Figure QLYQS_53
个指定水果罐头的编号，
Figure QLYQS_54
；
对罐装完液体的各指定水果罐头进行扫描，获取各指定水果罐头的实景图像，分析各指定水果罐头实景图像中异物区域总面积，进一步得到各指定水果罐头的液体纯净度，将其记为
Figure QLYQS_55
。
6.根据权利要求5所述的一种食品加工设备智能监测管理系统，其特征在于：所述液体罐装分析模块的具体分析过程为：
提取数据库中存储的水果罐头液体罐装的参考液面高度，将其记为
Figure QLYQS_56
；
将各指定水果罐头的液体罐装液面高度
Figure QLYQS_57
和液体纯净度
Figure QLYQS_58
代入公式
Figure QLYQS_59
得到各指定水果罐头的液体罐装符合指数
Figure QLYQS_60
，其中
Figure QLYQS_61
表示预设的液体罐装液面高度允许偏差，
Figure QLYQS_62
表示预设的液体纯净度阈值；
根据各指定水果罐头的液体罐装符合指数，分析液体罐装的合格指数；
将液体罐装的合格指数与预设的液体罐装合格指数阈值进行比较，若液体罐装的合格指数小于预设的液体罐装合格指数阈值，则水果罐头生产线的液体罐装配套设备存在异常，并进行预警。
7.根据权利要求1所述的一种食品加工设备智能监测管理系统，其特征在于：所述罐头包装参数监测模块的具体过程为：
对各标记水果罐头的瓶盖施加设定力度的扭力，获取各标记水果罐头瓶盖的旋转位移，将其记为
Figure QLYQS_63
，
Figure QLYQS_64
表示第
Figure QLYQS_65
个标记水果罐头的编号，
Figure QLYQS_66
；
通过分析公式
Figure QLYQS_67
得到各标记水果罐头的封口严密度
Figure QLYQS_68
，其中
Figure QLYQS_69
表示预设的水果罐头瓶盖单位旋转位移对应的影响因子；
按照预设的原则在各标记水果罐头瓶盖表面布设各监测点，获取各标记水果罐头瓶盖表面各监测点与设定水平基准面的距离，分析得到各标记水果罐头的封口平整度，将其记为
Figure QLYQS_70
。
8.根据权利要求7所述的一种食品加工设备智能监测管理系统，其特征在于：所述罐头包装分析模块的具体分析过程为：
将各标记水果罐头的封口严密度
Figure QLYQS_71
和封口平整度
Figure QLYQS_72
代入公式
Figure QLYQS_73
得到各标记水果罐头的包装合格指数
Figure QLYQS_74
，其中
Figure QLYQS_75
分别表示预设的封口严密度和封口平整度的权重因子；
根据各标记水果罐头的包装合格指数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行预警。
9.一种食品加工设备智能监测管理方法，其特征在于，包括如下步骤：
步骤一、固形物罐装信息获取：获取水果罐头生产线当前生产批次中各水果罐头在罐装固形物过程中的基本信息，将其记为各目标水果罐头的固形物罐装信息，其中固形物罐装信息包括固形物重量和固形物外观匹配度；
步骤二、固形物罐装分析：根据各目标水果罐头的固形物罐装信息，判断水果罐头生产线的固形物罐装配套设备是否存在异常，若无异常，则获取各指定水果罐头，并执行液体罐装信息采集模块；
步骤三、液体罐装信息采集：采集各指定水果罐头的液体罐装信息，其中液体罐装信息包括液体罐装液面高度和液体纯净度；
步骤四、液体罐装分析：根据各指定水果罐头的液体罐装信息，判断水果罐头生产线的液体罐装配套设备是否存在异常，若无异常，则获取各标记水果罐头，并执行罐头包装参数监测模块；
步骤五、罐头包装参数监测：监测各标记水果罐头的包装参数，其中包装参数包括封口严密度和封口平整度；
步骤六、罐头包装分析：根据各标记水果罐头的包装参数，判断水果罐头生产线的罐头包装配套设备是否存在异常，并进行相应处理。
CN202310341403.1A 2023-04-03 2023-04-03 一种食品加工设备智能监测管理系统及方法 Active CN116049756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310341403.1A CN116049756B (zh) 2023-04-03 2023-04-03 一种食品加工设备智能监测管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310341403.1A CN116049756B (zh) 2023-04-03 2023-04-03 一种食品加工设备智能监测管理系统及方法

Publications (2)

Publication Number Publication Date
CN116049756A CN116049756A (zh) 2023-05-02
CN116049756B true CN116049756B (zh) 2023-06-09

Family

ID=86131701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310341403.1A Active CN116049756B (zh) 2023-04-03 2023-04-03 一种食品加工设备智能监测管理系统及方法

Country Status (1)

Country Link
CN (1) CN116049756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116382224B (zh) * 2023-06-05 2023-08-04 云印技术(深圳)有限公司 一种基于数据分析的包装设备监测方法及系统
CN116823065B (zh) * 2023-08-28 2023-12-15 山东省中源联科生物工程集团有限公司 一种基于数据分析的透明质酸钠生产质量智能管理系统
CN117611140A (zh) * 2023-10-07 2024-02-27 南通庄吉华威电子有限公司 一种基于数据分析的包装设备监测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308536A (zh) * 2012-03-12 2013-09-18 苏州太易检测设备有限公司 一种x射线罐头检测装置
CN115420763A (zh) * 2022-08-18 2022-12-02 黑龙江飞鹤乳业有限公司 罐体异物检测的数据库建立方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174399A (zh) * 2019-04-10 2019-08-27 晋江双龙制罐有限公司 一种透明罐头中固形物合格检测方法及其检测系统
CN212494019U (zh) * 2020-05-07 2021-02-09 河北政麟食品有限公司 一种甜玉米罐头的分拣装置
CN113264493B (zh) * 2021-05-14 2023-02-17 遂宁思瑞食品有限公司 一种自动罐头生产线
CN113375878B (zh) * 2021-05-21 2022-03-04 广东省中鼎检测技术有限公司 一种用于检测罐装食品气密性的检测装置及方法
CN113310644B (zh) * 2021-07-29 2021-09-28 江苏腾通包装科技有限公司 一种罐装食品气密性检测装置
CN114648521B (zh) * 2022-04-02 2022-12-20 北京国联视讯信息技术股份有限公司 一种基于机器视觉的智慧工厂生产在线监测分析系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308536A (zh) * 2012-03-12 2013-09-18 苏州太易检测设备有限公司 一种x射线罐头检测装置
CN115420763A (zh) * 2022-08-18 2022-12-02 黑龙江飞鹤乳业有限公司 罐体异物检测的数据库建立方法

Also Published As

Publication number Publication date
CN116049756A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN116049756B (zh) 一种食品加工设备智能监测管理系统及方法
CN111721719B (zh) 一种基于大数据的生鲜商品安全智能检测管理系统
CN102661830B (zh) 一种在线检测密闭容器真空度的方法和装置
CN103529053B (zh) 瓶口缺陷检测方法
CN112978128B (zh) 基于大数据和图像分析技术的冷链物流运输商品品质监测管理系统
CN111487250A (zh) 一种应用于注塑件不良品检测的智能视觉检测方法及系统
CN114648240A (zh) 一种冷链物流运输商品安全质量综合性智能分析管理系统
CN107392889A (zh) 一种基于红外图像的电力设备运行状态监控方法及系统
CN116976865A (zh) 基于大数据分析的船舶维修器件调配管理系统
CN117314477A (zh) 一种进行二次追溯的进口冷链食品溯源追溯系统
CN212515899U (zh) 装箱异常检测系统
CN115508521B (zh) 用于饮品的营养成分含量测定系统
CN117399299A (zh) 一种检测饮料瓶密封性的方法及检测剔除方法
CN111804421A (zh) 一种用于骨料破碎设备的无人值守系统及方法
CN106623004A (zh) 高精度光学检测机
CN114487681B (zh) 一种基于物联网的高频变压器发热异常诊断系统
CN117726278A (zh) 一种农产品流动管理方法和系统
CN115371916A (zh) 包装密封性识别系统、方法、装置和存储介质
CN115564990A (zh) 一种农产品视觉识别平台
CN111842216A (zh) 一种基于机器视觉的农产品质量检测自动化分拣管理系统
CN114299282A (zh) 一种自动化码头集装箱的箱型识别系统及其方法
CN103344656A (zh) 基于x射线成像的块冻虾中虾的含量测定方法及其装置
CN117928647B (zh) 一种食品加工生产线的品质自动检测方法及系统
CN209753459U (zh) 一种塑瓶生产线缺盖检测装置
CN118605298A (zh) 一种基于人工智能的包装盒生产线监测系统

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