CN116240083A - 一种多特征融合的智能摘酒方法 - Google Patents

一种多特征融合的智能摘酒方法 Download PDF

Info

Publication number
CN116240083A
CN116240083A CN202310102851.6A CN202310102851A CN116240083A CN 116240083 A CN116240083 A CN 116240083A CN 202310102851 A CN202310102851 A CN 202310102851A CN 116240083 A CN116240083 A CN 116240083A
Authority
CN
China
Prior art keywords
wine
picking
taking
strategy
time
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
Application number
CN202310102851.6A
Other languages
English (en)
Inventor
刘勇
孙云权
任东平
周海龙
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.)
Sichuan University of Science and Engineering
Original Assignee
Sichuan University of Science and Engineering
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 Sichuan University of Science and Engineering filed Critical Sichuan University of Science and Engineering
Priority to CN202310102851.6A priority Critical patent/CN116240083A/zh
Publication of CN116240083A publication Critical patent/CN116240083A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Software Systems (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种多特征融合的智能摘酒方法，包括以下步骤：根据不同糟型，设置与之匹配的摘酒策略并存储至摘酒策略数据库中；通过与中央控制系统通讯获取蒸馏基本参数；根据获取的蒸馏基本参数计算分段摘酒量，并自动选择预执行摘酒策略；基于分段摘酒量，实时监测并采集流酒速度、酒液密度、温度和时间；根据实时采集的流酒速度、酒液密度、温度和时间计算瞬时酒精浓度、累计流量、综合浓度和累计时间；基于计算得到的瞬时酒精浓度、累计流量、综合浓度和累计时间，根据当前执行的摘酒策略预设的阈值进行分段摘酒。本发明采用上述摘酒方式，根据糟源、糟层、添加物料量的不同进行自动摘酒，提高分段摘酒的实时性、稳定性、准确性、多元性。

Description

一种多特征融合的智能摘酒方法
技术领域
本发明涉及酿酒生产技术领域，具体涉及一种多特征融合的智能摘酒方法。
背景技术
白酒作为中国特有酒种，源于其独特的生香、提香、留香方式。摘酒作为其中的关键环节，直接决定基酒质量。而我国在摘酒工艺上多采用人工看花摘酒，劳动强度大、准确性低、稳定性差，已无法适应高质量生产的发展需求。
而随着白酒酿造的智能化发展，科研人员提出基于计算机视觉的摘酒方式，模拟人工看花摘酒，而此方式对生产环境要求极高、抗干扰能力弱、计算量大无法很好的适应工业生产要求。
目前还有基于近红外光谱的摘酒方法，但其检测速度慢、仪器成本高，不能保证工业生产的实时性与普遍性。
此外，目前用于工业生产上的自动摘酒装置，多是基于酒精度在线检测，以瞬时酒精度为单一判断条件而控制流酒阀的开闭进行分段。其判断条件过于单一，无法适应糟源、糟层的不同以及添加物质的不同所带来的分段节点不同的问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种多特征融合的智能摘酒方法解决了人工看花摘酒劳动强度大、准确性低、稳定性差、无法适应高质量生产的发展需求的问题，解决了计算机视觉摘酒抗干扰能力弱、计算量大的问题，解决了近红外光谱摘酒检测速度慢、仪器成本高、实用性普遍性差的问题，解决了自动摘酒判断条件单一、适应性低的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种多特征融合的智能摘酒方法，所述方法包括以下步骤：
S1：根据不同糟型，设置与之匹配的摘酒策略并存储至摘酒策略数据库中；
S2：根据摘酒策略数据库，通过与中央控制系统通讯获取蒸馏基本参数；
S3：根据获取的蒸馏基本参数计算分段摘酒量，并自动选择预执行摘酒策略；
S4：基于分段摘酒量，实时监测并采集流酒速度、酒液密度、温度和时间；
S5：根据实时采集的流酒速度、酒液密度、温度和时间计算瞬时酒精浓度、累计流量、综合浓度和累计时间；
S6：基于计算得到的瞬时酒精浓度、累计流量、综合浓度和累计时间，根据当前执行的摘酒策略预设的阈值进行分段摘酒。
上述方案的有益效果是：通过上述技术方案，融合多个参数形成的一种摘酒策略，提高了本方案的适应性，提高了监测速度，节省仪器成本，解决了现有技术实用性和普遍性差的问题，同时，解决了现有技术劳动强度大、准确性低、稳定性差、无法适应高质量生产的发展需求的问题。
进一步地，S1中的摘酒策略数据库中的摘酒阈值信息包括摘酒模式、电机目标位置、瞬时酒精浓度、瞬时流速、累计流量、综合浓度和累计时间，按需输入所述摘酒阈值信息，经自由组合形成摘酒策略。
上述进一步方案的有益效果是：对摘酒策略数据库中的阈值信息自由组合形成摘酒策略，根据不同糟型，可设置与之匹配的摘酒策略。
进一步地，S3中分段摘酒量V的计算公式如下
G＝αx1+βx2+γx3+…+δxn
V＝ω·G
其中，G为总酒质量，α、β、γ…δ为各组分贡献率，x1、x2、x3…xn均为蒸馏水基本参数，ω为某段酒的摘酒比例。
上述进一步方案的有益效果是：当某段酒的摘取方式为按流量时，根据获取的添加物料质量等参数的贡献率计算，贡献率由用户确定，利用上式即可获得摘酒量。
进一步地，S5中累计流量
Figure BDA0004073786370000031
和综合浓度η为
Figure BDA0004073786370000032
Figure BDA0004073786370000033
其中，c(t)为瞬时酒精浓度，μ(t)为酒液瞬时流速，t为时间。
上述进一步方案的有益效果是：通过上式根据瞬时酒精浓度和酒液瞬时流速获得累计流量和综合浓度，瞬时酒精浓度可根据密度计测量获取，同时引用厂家的计算公式进行计算，累计时间可用定时器获取。
附图说明
图1为一种多特征融合的智能摘酒方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
如图1所示，一种多特征融合的智能摘酒方法，其特征在于，所述方法包括以下步骤：
S1：根据不同糟型，设置与之匹配的摘酒策略并存储至摘酒策略数据库中；
S2：根据摘酒策略数据库，通过与中央控制系统通讯获取蒸馏基本参数，其中蒸馏基本参数包含糟型、糟源、各物料量等；
S3：根据获取的蒸馏基本参数计算分段摘酒量，并自动选择预执行摘酒策略；
S4：基于分段摘酒量，实时监测并采集流酒速度、酒液密度、温度和时间；
S5：根据实时采集的流酒速度、酒液密度、温度和时间计算瞬时酒精浓度、累计流量、综合浓度和累计时间；
S6：基于计算得到的瞬时酒精浓度、累计流量、综合浓度和累计时间，根据当前执行的摘酒策略预设的阈值进行分段摘酒。
S1中的摘酒策略数据库中的摘酒阈值信息包括摘酒模式、电机目标位置、瞬时酒精浓度、瞬时流速、累计流量、综合浓度和累计时间，按需输入所述摘酒阈值信息，经自由组合形成摘酒策略。如当糟型为A1时，一段酒摘酒方式设为按流量摘取，阈值为2L；二段酒摘取方式为按流量摘取，阈值为60L，三段酒摘取方式为按综合酒精度摘取，阈值为60Vol％；四段酒按瞬时酒精度摘取，阈值为18vol％。以此可按需灵活设置每种糟型对应的摘酒策略，并存储至摘酒策略数据库中。
S3中分段摘酒量V的计算公式如下
G＝αx1+βx2+γx3+…+δxn
V＝ω·G
其中，G为总酒质量，α、β、γ…δ为各组分贡献率，x1、x2、x3…xn均为蒸馏水基本参数，ω为某段酒的摘酒比例。
S5中累计流量
Figure BDA0004073786370000041
和综合浓度η为
Figure BDA0004073786370000042
Figure BDA0004073786370000043
其中，c(t)为瞬时酒精浓度，μ(t)为酒液瞬时流速，t为时间。
在本发明的一个实施例中，根据不同糟型，设置与之匹配的摘酒策略并储存至摘酒策略数据库，通过与中央控制系统通讯获取蒸馏基本参数，计算分段摘酒量，并自动选择预执行策略，实时监测并采集流酒速度、酒液密度、温度、时间，并计算瞬时酒精浓度、累计流量、综合浓度、累计时间，根据当前执行的摘酒策略预设的阈值进行分段摘酒。
本发明对比传统人工看花摘酒，本发明通过酒精浓度和流速的在线检测，经过计算分析作为分段条件，可提高基酒的稳定性、准确性、卫生安全性，降低劳动强度；对比近红外光谱摘酒，本发明有更好的实时性，可推广性；对比单一酒精度在线监测摘酒，本发明能融合多参数，形成多元化的自由摘酒策略，并形成摘酒策略库，提高了对复杂糟源的适应性；对比基于计算机视觉的摘酒，本发明有更好的抗干扰能力，对恶劣的工业环境适应性更强。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在发明的保护范围内。

Claims (4)

1.一种多特征融合的智能摘酒方法，其特征在于，所述方法包括以下步骤：
S1：根据不同糟型，设置与之匹配的摘酒策略并存储至摘酒策略数据库中；
S2：根据摘酒策略数据库，通过与中央控制系统通讯获取蒸馏基本参数；
S3：根据获取的蒸馏基本参数计算分段摘酒量，并自动选择预执行摘酒策略；
S4：基于分段摘酒量，实时监测并采集流酒速度、酒液密度、温度和时间；
S5：根据实时采集的流酒速度、酒液密度、温度和时间计算瞬时酒精浓度、累计流量、综合浓度和累计时间；
S6：基于计算得到的瞬时酒精浓度、累计流量、综合浓度和累计时间，根据当前执行的摘酒策略预设的阈值进行分段摘酒。
2.根据权利要求1所述的多特征融合的智能摘酒方法，其特征在于，所述S1中的摘酒策略数据库中的摘酒阈值信息包括摘酒模式、电机目标位置、瞬时酒精浓度、瞬时流速、累计流量、综合浓度和累计时间，按需输入所述摘酒阈值信息，经自由组合形成摘酒策略。
3.根据权利要求1所述的多特征融合的智能摘酒方法，其特征在于，所述S3中分段摘酒量V的计算公式如下
G＝αx1+βx2+γx3+…+δxn
V＝ω·G
其中，G为总酒质量，α、β、γ…δ为各组分贡献率，x1、x2、x3…xn均为蒸馏水基本参数，ω为某段酒的摘酒比例。
4.根据权利要求1所述的多特征融合的智能摘酒方法，其特征在于，所述S5中累计流量
Figure FDA0004073786350000011
和综合浓度η为
Figure FDA0004073786350000012
Figure FDA0004073786350000021
其中，c(t)为瞬时酒精浓度，μ(t)为酒液瞬时流速，t为时间。
CN202310102851.6A 2023-01-31 2023-01-31 一种多特征融合的智能摘酒方法 Pending CN116240083A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310102851.6A CN116240083A (zh) 2023-01-31 2023-01-31 一种多特征融合的智能摘酒方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310102851.6A CN116240083A (zh) 2023-01-31 2023-01-31 一种多特征融合的智能摘酒方法

Publications (1)

Publication Number Publication Date
CN116240083A true CN116240083A (zh) 2023-06-09

Family

ID=86625628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310102851.6A Pending CN116240083A (zh) 2023-01-31 2023-01-31 一种多特征融合的智能摘酒方法

Country Status (1)

Country Link
CN (1) CN116240083A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101457189A (zh) * 2008-12-05 2009-06-17 泸州老窖股份有限公司 一种浓香型定制酒的生产方法
WO2017055797A1 (en) * 2015-09-30 2017-04-06 Deb Ip Limited Alcohol-based skin sanitizer having microbicidal properties
CN112746004A (zh) * 2021-02-03 2021-05-04 河北工业大学 一种基于密度的酒精度在线检测分段摘酒设备
CN113720797A (zh) * 2021-08-30 2021-11-30 四川轻化工大学 一种白酒蒸馏的在线快速量质摘酒方法
CN114276890A (zh) * 2022-01-04 2022-04-05 泸州老窖股份有限公司 一种智能摘酒方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101457189A (zh) * 2008-12-05 2009-06-17 泸州老窖股份有限公司 一种浓香型定制酒的生产方法
WO2017055797A1 (en) * 2015-09-30 2017-04-06 Deb Ip Limited Alcohol-based skin sanitizer having microbicidal properties
CN112746004A (zh) * 2021-02-03 2021-05-04 河北工业大学 一种基于密度的酒精度在线检测分段摘酒设备
CN113720797A (zh) * 2021-08-30 2021-11-30 四川轻化工大学 一种白酒蒸馏的在线快速量质摘酒方法
CN114276890A (zh) * 2022-01-04 2022-04-05 泸州老窖股份有限公司 一种智能摘酒方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任东平: "基于多策略融合的自动摘酒系统的设计", 《自动化应用》, vol. 65, no. 1, 10 January 2024 (2024-01-10), pages 71 - 75 *

Similar Documents

Publication Publication Date Title
Jackson et al. Partitioning of soil water among tree species in a Brazilian Cerrado ecosystem
Yu et al. Short-term variability in the dates of the Indian monsoon onset and retreat on the southern and northern slopes of the central Himalayas as determined by precipitation stable isotopes
Zencich et al. Influence of groundwater depth on the seasonal sources of water accessed by Banksia tree species on a shallow, sandy coastal aquifer
CN106599571B (zh) 兼顾流量和蒸发的流域水文模型分期率定方法
Zweifel et al. Link between continuous stem radius changes and net ecosystem productivity of a subalpine Norway spruce forest in the Swiss Alps
Chen et al. Genetic diversity of volatile components in Xinjiang wild apple (Malus sieversii)
Fischer et al. Fog drip maintains dry season ecological function in a California coastal pine forest
Bond et al. How trees influence the hydrological cycle in forest ecosystems
Maiorano et al. Paleoenvironmental conditions at Core KC01B (Ionian Sea) through MIS 13–9: evidence from calcareous nannofossil assemblages
Tian et al. Seasonal variations of stable isotope in precipitation and moisture transport at Yushu, eastern Tibetan Plateau
Green et al. Evidence for global teleconnections in a late Pleistocene speleothem record of water balance and vegetation change at Sudwala Cave, South Africa
Rioual et al. A diatom record of centennial resolution for the Kazantsevo Interglacial stage in Lake Baikal (Siberia)
CN116240083A (zh) 一种多特征融合的智能摘酒方法
Kühl et al. 16. Quantitative time-series reconstructions of holsteinian and Eemian temperatures using botanical data
Tian et al. Isotopic variation in the lake water balance at the Yamdruk‐tso basin, southern Tibetan Plateau
Luetscher et al. A Last Interglacial speleothem record from the Sieben Hengste cave system (Switzerland): Implications for alpine paleovegetation
Blume et al. Comparative analysis of throughfall observations in six different forest stands: Influence of seasons, rainfall‐and stand characteristics
Weithmann et al. Branch xylem vascular adjustments in European beech in response to decreasing water availability across a precipitation gradient
CN108645542B (zh) 一种热量表耐久性冷热冲击试验冷热水位平衡方法
CN106872592B (zh) 一种基于手性指纹数据的茶叶真伪快速鉴别方法
CN1602668A (zh) 根据作物缺水逆境生理反应进行灌溉的控制方法及其装置
Yin et al. Temporal variations of δ 18O of atmospheric water vapor at Delingha
CN109613133B (zh) 一种原油中渣油各馏分可拔出率测定方法
Louderback et al. Holocene vegetation and climate change on the Colorado Plateau in southern Utah, USA
CN110457374A (zh) 一种识别时段典型暴雨过程的方法

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