CN116342594A - 一种具有反馈调节的淀粉智能干燥方法、系统及设备 - Google Patents

一种具有反馈调节的淀粉智能干燥方法、系统及设备 Download PDF

Info

Publication number
CN116342594A
CN116342594A CN202310601892.XA CN202310601892A CN116342594A CN 116342594 A CN116342594 A CN 116342594A CN 202310601892 A CN202310601892 A CN 202310601892A CN 116342594 A CN116342594 A CN 116342594A
Authority
CN
China
Prior art keywords
starch
super
drying
gradient
pixel
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
CN202310601892.XA
Other languages
English (en)
Other versions
CN116342594B (zh
Inventor
杨玉岭
江继超
张问刚
王成秋
宣明程
张珂
吴建伟
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.)
Shandong Hongan Food Technology Co ltd
Original Assignee
Shandong Hongan Food Technology 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 Shandong Hongan Food Technology Co ltd filed Critical Shandong Hongan Food Technology Co ltd
Priority to CN202310601892.XA priority Critical patent/CN116342594B/zh
Publication of CN116342594A publication Critical patent/CN116342594A/zh
Application granted granted Critical
Publication of CN116342594B publication Critical patent/CN116342594B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B25/00—Details of general application not covered by group F26B21/00 or F26B23/00
    • F26B25/22—Controlling the drying process in dependence on liquid content of solid materials or objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种具有反馈调节的淀粉智能干燥方法、系统及设备，包括：根据获取淀粉在干燥过程中的表面灰度图像中淀粉超像素块的数量以及大小，计算淀粉结块程度，根据淀粉超像素块内像素点的灰度梯度特征计算各超像素块的结块特征值，根据结块特征值结合淀粉结块程度计算干燥温度调节系数，利用干燥温度调节系数对干燥温度参数进行反馈调节。本发明根据淀粉干燥过程中发生结块现象的原理以及淀粉结块的表面特征对淀粉干燥设备的干燥温度参数进行调节，相比于现有利用灰度直方图的技术，温度调节的效果更加理想，更能保证淀粉干燥过程的有效进行。

Description

一种具有反馈调节的淀粉智能干燥方法、系统及设备
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种具有反馈调节的淀粉智能干燥方法、系统及设备。
背景技术
淀粉作为一种非常重要的碳水化合物，其广泛应用于食品、制药、纺织、造纸、化工等行业中，而随着我国在上述行业领域的高速发展，对淀粉的需求量也越来越高，而在淀粉的生产过程中，对淀粉的干燥是重要的工艺环节，若淀粉的干燥不充分或发生过度干燥，前者由于淀粉中的水分过多可能导致淀粉产品发霉变质，影响产品品质，后者可能使淀粉产品发生理化性质的改变，影响下游产品的质量，因此对淀粉生产来说，淀粉干燥过程的质量受到了生产厂家的重点关注。
在淀粉生产过程中，对淀粉的干燥一般利用热风干燥机对湿淀粉进行干燥，而干燥温度作为影响淀粉干燥效果的重要设备参数，对其的调节一般通过人工进行监测，但这种方式由于效率以及监测效果不稳定被淘汰，现有的主流监测方式一般通过设定干燥温度范围，利用温度传感器监测温度是否超过预设的干燥温度范围来进行，但这种方式仅能对一批淀粉产品进行监测，当其监测到干燥温度超过阈值时，往往整批产品中已经有大部分淀粉发生了干燥过度的情况，因此现有技术利用视觉对淀粉的干燥效果进行实时的监测，通过干燥过程中淀粉的结块程度来评价温度设定的合理性，但这种方式仅能判断温度设定是否合理，无法准确对干燥温度的大小进行调节，这是由于干燥温度过高或者过低均会引起淀粉的结块，因此为了解决上述现有技术中对干燥温度的调节困难问题，就需要一种可以根据淀粉结块程度以及淀粉结块表面特征来进行干燥温度实时反馈调节的智能干燥方法。
发明内容
本发明提供一种具有反馈调节的淀粉智能干燥方法、系统及设备，以解决现有的问题。
本发明的一种具有反馈调节的淀粉智能干燥方法、系统及设备采用如下技术方案：
本发明提供了一种具有反馈调节的淀粉智能干燥方法，该方法包括以下步骤：
获取淀粉表面灰度图像；
获取淀粉表面灰度图像的若干个超像素块，获取淀粉表面灰度图像的灰度阈值，根据灰度阈值获得若干个超像素块中的淀粉超像素块，根据淀粉超像素块的数量与所有淀粉超像素块像素点数量之间的差异，以及淀粉超像素块的大小，获得淀粉表面灰度图像的淀粉结块程度；
获取淀粉超像素块中像素点的梯度幅值，将梯度幅值划分为若干个梯度等级，获取各个梯度等级下像素点连续相邻的数量以及对应的种类数量，根据任意淀粉超像素块中各个梯度等级下像素点连续相邻的数量，以及对应的种类数量之间的差异，获得对应梯度等级下像素点的分布连续性；根据像素点的分布连续性所对应的梯度等级与梯度等级的数量之间的差异获得关注权重，利用关注权重对所有像素点的分布连续性调节获得淀粉超像素块的梯度分布连续性；
将任意淀粉超像素块的图像二维熵记为灰度分布均衡性，根据灰度分布均衡性和梯度分布连续性的融合获得淀粉超像素块的结块特征值；
根据所有淀粉超像素块的平均结块特征值对淀粉结块程度的调节，获得干燥温度调节系数；利用干燥温度调节系数对淀粉干燥设备的干燥温度参数进行调节，获得调节后的干燥温度参数。
进一步的，所述根据灰度阈值获得若干个超像素块中的淀粉超像素块，包括的具体步骤如下：
步骤（1），对淀粉表面灰度图像进行超像素分割处理；
步骤（2），利用大津法获取淀粉表面灰度图像的灰度阈值，利用灰度阈值对淀粉表面灰度图像进行分割，将淀粉表面灰度图像中，平均灰度值小于灰度阈值的超像素块的灰度值设定为0，其他超像素块的灰度值保持不变；
步骤（3），去除淀粉表面灰度图像中属于背景区域的超像素块之后，剩余的所有超像素块均为淀粉区域的超像素块，记为淀粉超像素块。
进一步的，所述淀粉结块程度，获取方法如下：
将所有淀粉超像素块中像素点的总数量，与淀粉表面灰度图像中淀粉超像素块的数量之间的差值记为第一差值；将第一差值加1与所有淀粉超像素块中像素点的总数量之间的比值记为第一结块因子，获取所有淀粉超像素块的大小所对应的方差，并进行归一化处理，记为归一化方差，将一减归一化方差记为第二结块因子；
则将第一结块因子与第二结块因子之间的乘积结果，记为淀粉结块程度。
进一步的，所述根据任意淀粉超像素块中各个梯度等级下像素点连续相邻的数量，以及对应的种类数量之间的差异，获得对应梯度等级下像素点的分布连续性，包括的具体步骤如下：
步骤（1），利用Sobel算子获取淀粉表面灰度图像上，所有像素点的归一化灰度梯度幅值，获取所有淀粉超像素块中像素点的归一化灰度梯度幅值的分布直方图，利用预设梯度等级参数，将归一化梯度幅值的分布直方图按照取值范围，均分为若干种梯度等级；
步骤（2），利用8连通链码搜索超像素块中各个梯度等级下，梯度等级连续相同的像素点的数量，并统计获取淀粉超像素块中属于同一种梯度等级的像素点数量的种类数量；获取任意淀粉超像素块中每一种梯度等级下所包含的像素点的数量；获取任意淀粉超像素块中每一种梯度等级下，相邻像素点的梯度等级连续相同时所对应的像素点数量，记为相邻像素点数量；
步骤（3），淀粉表面灰度图像中第
Figure SMS_1
个淀粉超像素块中第
Figure SMS_2
种梯度等级下像素点的 分布连续性
Figure SMS_3
获取方法为：
Figure SMS_4
其中，
Figure SMS_8
表示第
Figure SMS_12
个淀粉超像素块中第
Figure SMS_7
种梯度等级下，像素点的第j种梯度等级 连续相同的情况下相邻像素点数量；
Figure SMS_9
表示淀粉表面灰度图像中第
Figure SMS_13
个淀粉超像素块中第
Figure SMS_14
种梯度等级的像素点数量，
Figure SMS_5
表示第
Figure SMS_10
个淀粉超像素块中第
Figure SMS_11
种梯度等级下，梯度等级连续 相同的像素点数量的种类数量。
进一步的，所述根据像素点的分布连续性所对应的梯度等级与梯度等级的数量之间的差异获得关注权重，利用关注权重对所有像素点的分布连续性调节获得淀粉超像素块的梯度分布连续性，包括的具体步骤如下：
将预设梯度等级参数数值增加一后与自身数值乘积后的结果记为关注权重因子，将任意梯度等级与关注权重因子之间的比值扩大一倍，将扩大结果记为关注权重；
利用关注权重对任意淀粉超像素块中的所有像素点的分布连续性进行乘积，获得对应淀粉超像素块的梯度分布连续性。
进一步的，所述根据灰度分布均衡性和梯度分布连续性的融合获得淀粉超像素块的结块特征值，包括的具体步骤如下：
将任意淀粉超像素块内的归一化图像二维熵，记为灰度分布均衡性，将灰度分布均衡性与数值1之间的差值的平方记为第一结块特征值因子，将梯度分布连续性的平方记为第二结块特征值因子，将第一结块特征值因子和第二结块特征值因子的平均值的平方根结果记为对应淀粉超像素块的结块特征值。
进一步的，所述根据所有淀粉超像素块的平均结块特征值对淀粉结块程度的调节，获得干燥温度调节系数；利用干燥温度调节系数对淀粉干燥设备的干燥温度参数进行调节，获得调节后的干燥温度参数，包括的具体步骤如下：
首先，获取干燥温度调节系数：
Figure SMS_15
其中，
Figure SMS_16
表示干燥温度调节系数；J表示淀粉结块程度；
Figure SMS_17
表示淀粉表面灰度图像中 共有
Figure SMS_18
个淀粉超像素块；
Figure SMS_19
表示淀粉表面灰度图像中第
Figure SMS_20
个淀粉超像素块的结块特征值；
然后，获取调节后的干燥温度参数：
Figure SMS_21
其中，
Figure SMS_22
为调节后的干燥温度参数，
Figure SMS_23
为调节前的干燥温度参数，
Figure SMS_24
和
Figure SMS_25
分别 表示淀粉干燥温度参数可预设的最大值和最小值，
Figure SMS_26
表示干燥温度调节系数。
进一步的，本发明还提供了一种具有反馈调节的淀粉智能干燥系统，包括以下模块：
图像采集模块：利用安装的工业相机实时采集获取淀粉在干燥过程中淀粉承载装置上淀粉的淀粉表面灰度图像；
图像处理分析模块：利用计算机中的存储器将所采集的淀粉表面灰度图像进行缓存，并利用处理器对图像进行处理分析，具体处理分析的步骤为：首先对淀粉表面灰度图像进行超像素分割处理，并根据超像素块的数量以及大小特征计算淀粉结块程度，然后根据每个超像素块内各像素点的灰度值特征以及灰度梯度特征计算各超像素块的结块特征值，最后根据淀粉表面灰度图像中各超像素块的结块特征值结合淀粉表面灰度图像的结块程度计算干燥温度调节系数；
干燥调节模块：利用干燥温度调节系数对淀粉干燥过程中的干燥设备内部的温度参数进行调节，获得调节后的温度参数；
淀粉干燥模块：根据所获取的调节后的温度参数，对淀粉干燥设备中的加热烘干装置的温度进行调节，利用加热烘干装置对淀粉承载装置上的淀粉进行干燥处理；
淀粉承载模块：包括淀粉承载装置和传送装置，将需要干燥处理的淀粉传送到淀粉承载装置中，并将干燥处理完成后的淀粉传送出淀粉干燥设备。
进一步的，本发明还提供了一种具有反馈调节的淀粉智能干燥设备，该设备采用上述的任意一项所述的一种具有反馈调节的淀粉智能干燥方法，该设备包括的装置有：用于获取淀粉表面灰度图像和淀粉烘干设备内部温度的工业相机和温度传感器，实时获取淀粉表面灰度图像和干燥温度参数；用于对淀粉表面灰度图像进行处理和分析的计算机设备中的处理器和存储器，利用存储器对工业相机采集的淀粉表面灰度图像和温度传感器采集的干燥温度参数进行缓存，并利用处理器对所采集的淀粉表面灰度图像进行处理、分析，根据分析结果对干燥温度参数进行调节，获得调节后的干燥温度参数；用于淀粉烘干的带有温度调节控制器的淀粉加热烘干器，将调节后的干燥温度参数输入到温度调节控制器中，对淀粉加热烘干器的温度进行调节；用于淀粉烘干过程中进行装载和传送的淀粉承载装置和传送装置，将烘干完成后的干燥淀粉传送出淀粉干燥设备，并将新的淀粉湿料传送进淀粉干燥设备中，进行新一轮的淀粉干燥工作。
本发明的技术方案的有益效果是：现有技术一般利用灰度直方图的方式来进行淀粉干燥过程中的结块程度识别，并根据结块程度来进行温度的调节，但是由于淀粉在干燥温度过高以及过低时均会发生结块现象，因此现有技术中对淀粉干燥设备的干燥温度调节方式是存在缺陷的，可能发生调节错误的现象，本发明根据淀粉干燥过程中发生结块现象的原理以及淀粉结块的表面特征对淀粉干燥设备的干燥温度参数进行调节，相比于现有技术更加准确，更能保证淀粉干燥过程的正常进行。
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为本发明一种具有反馈调节的淀粉智能干燥系统的模块流程图；
图2为本发明一种具有反馈调节的淀粉智能干燥方法的步骤流程图。
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一种具有反馈调节的淀粉智能干燥方法、系统及设备，其具体实施方式、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。
下面结合附图具体的说明本发明所提供的一种具有反馈调节的淀粉智能干燥方法、系统及设备的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种具有反馈调节的淀粉智能干燥系统的模块流程图，该系统包括以下模块：
图像采集模块：利用安装的工业相机实时采集获取淀粉在干燥过程中淀粉承载装置上淀粉的淀粉表面灰度图像。
图像处理分析模块：利用计算机中的存储器将所采集的淀粉表面灰度图像进行缓存，并利用处理器对图像进行处理分析，具体处理分析的步骤为：首先对淀粉表面灰度图像进行超像素分割处理，并根据超像素块的数量以及大小特征计算淀粉结块程度，然后根据每个超像素块内各像素点的灰度值特征以及灰度梯度特征计算各超像素块的结块特征值，最后根据淀粉表面灰度图像中各超像素块的结块特征值结合淀粉表面灰度图像的结块程度计算干燥温度调节系数。
干燥调节模块：利用干燥温度调节系数对淀粉干燥过程中的干燥设备内部的温度参数进行调节，获得调节后的温度参数。
淀粉干燥模块：根据所获取的调节后的温度参数，对淀粉干燥设备中的加热烘干装置的温度进行调节，利用加热烘干装置对淀粉承载装置上的淀粉进行干燥处理。
淀粉承载模块：包括淀粉承载装置和传送装置，将需要干燥处理的淀粉传送到淀粉承载装置中，并将干燥处理完成后的淀粉传送出淀粉干燥设备。
进一步的，请参阅图2，图像处理分析模块和干燥调节模块具体包括以下步骤：
步骤S001，对淀粉表面灰度图像进行超像素分割处理，并根据获取的超像素块的数量以及大小特征获取淀粉结块程度。
步骤（1），对淀粉表面灰度图像进行超像素分割处理；
步骤（2），由于淀粉表面灰度图像中可能存在背景区域的像素点，则利用大津法获取淀粉表面灰度图像的灰度阈值，利用灰度阈值对淀粉表面灰度图像进行分割，通常淀粉的灰度值相对于背景区域的灰度值是相对较高的，因此，将淀粉表面灰度图像中平均灰度值小于灰度阈值的超像素块的灰度值设定为0，其他超像素块保持不变，实现去除背景区域的超像素块；
步骤（3），去除淀粉表面灰度图像中属于背景区域的超像素块之后，剩余的所有超像素块均为淀粉区域的超像素块，记为淀粉超像素块；
步骤（4），将淀粉表面灰度图像中淀粉超像素块的数量记为
Figure SMS_27
，获取淀粉超像素块 包含像素数量，即淀粉超像素块大小的方差
Figure SMS_28
，将所有淀粉超像素块中像素点的总数量记为
Figure SMS_29
；则淀粉结块程度J的获取方法如下：
Figure SMS_30
其中，J表示淀粉结块程度，
Figure SMS_31
表示所有淀粉超像素块中像素点的总数量，
Figure SMS_32
表示淀 粉表面灰度图像中淀粉超像素块的数量，
Figure SMS_33
表示淀粉超像素块大小的方差，e表示自然常数。
需要说明的是，由于淀粉像素点数量以及方差的关系，淀粉结块程度J的取值范围 为
Figure SMS_34
。
进一步说明的是，淀粉超像素块的数量越大，说明结块程度越小，也即第一结块因 子
Figure SMS_35
越小，但淀粉超像素块的数量不超过
Figure SMS_36
，由于这个度量会受到相机分辨率的限制， 因此，第一结块因子只能趋近于0但无法为0，淀粉超像素块之间的大小差异，即方差越大， 说明有的结块小，有的结块较大，存在结块较大的情况，就说明结块程度较大，因此，
Figure SMS_37
越大， 结块程度越大，也即第二结块因子
Figure SMS_38
归一化结果趋近于1，考虑到实际情况归一化结 果无法为1，因此以J表示淀粉结块程度，对应数值越大说明结块越严重。
步骤S002，将像素点的归一化梯度幅值划分为若干个等级，根据在不同等级下，像素点之间连续相邻的数量获得像素点的梯度分布连续性。
步骤（1），根据步骤S001可知，淀粉表面灰度图像中每个超像素块均为淀粉超像素块，利用Sobel算子获取淀粉表面灰度图像上，所有像素点的归一化灰度梯度幅值，需要说明的是利用Sobel算子获取归一化灰度梯度幅值的方法为现有技术方法；
步骤（2），获取所有淀粉超像素块中像素点的归一化灰度梯度幅值的分布直方图， 对所有超像素块内的像素点对应的归一化灰度梯度幅值进行分级，将归一化梯度幅值的分 布直方图按照取值范围均分为
Figure SMS_39
个梯度等级，所述梯度等级参数
Figure SMS_40
为经验预设参数，经验值 为10；则每一个像素点都对应一个梯度等级；
步骤（3），在淀粉表面灰度图像的第
Figure SMS_41
个淀粉超像素块中，利用8连通链码搜索超像 素块中各个梯度等级下，梯度等级连续相同的像素点的数量，并统计获取淀粉超像素块中 属于同一种梯度等级的像素点数量的种类数量，记为
Figure SMS_42
，表示第
Figure SMS_43
个淀粉超像素块中第k种 梯度等级下，像素点的梯度等级连续相同时，像素点数量的种类数量，即当梯度等级相同 时，梯度等级连续相同的像素点，会存在多种数量不同的连续像素点；
获取第
Figure SMS_44
个淀粉超像素块中第k种梯度等级下所包含的像素点的数量，记为
Figure SMS_45
；将 第
Figure SMS_46
个淀粉超像素块中第
Figure SMS_47
种梯度等级下，像素点的第j种梯度等级连续相同的情况中，所对 应连续相邻的像素点数量，记为相邻像素点数量
Figure SMS_48
，其中
Figure SMS_49
；
则淀粉表面灰度图像中第
Figure SMS_50
个淀粉超像素块中第
Figure SMS_51
种梯度等级下像素点的分布连 续性
Figure SMS_52
获取方法为：
Figure SMS_53
其中，
Figure SMS_55
表示第
Figure SMS_58
个淀粉超像素块中第
Figure SMS_61
种梯度等级下，像素点的第j种梯度等级 连续相同的情况下相邻像素点数量；
Figure SMS_56
表示淀粉表面灰度图像中第
Figure SMS_59
个淀粉超像素块中第
Figure SMS_60
种梯度等级的像素点数量；
Figure SMS_62
表示第
Figure SMS_54
个淀粉超像素块中第
Figure SMS_57
种梯度等级下，梯度等级连续 相同的像素点数量的种类数量。
第
Figure SMS_63
种梯度等级下像素点的分布连续性越大，越说明该梯度等级对应的像素点越 聚集连续分布，也即越可能是淀粉结块之间的边缘或淀粉结块自身的裂纹。需要说明的是，
Figure SMS_64
为归一化的结果数值。
步骤（4），对于淀粉超像素块中不同梯度等级，获取淀粉表面灰度图像中第
Figure SMS_65
个淀 粉超像素块上所有像素点的梯度分布连续性，记为第
Figure SMS_66
个淀粉超像素块的梯度分布连续性
Figure SMS_67
，公式如下：
Figure SMS_68
其中，
Figure SMS_69
表示第
Figure SMS_70
种梯度等级，
Figure SMS_71
表示预设的梯度等级参数，
Figure SMS_72
表示淀粉表面灰度图 像中第
Figure SMS_73
个淀粉超像素块中第
Figure SMS_74
种梯度等级下像素点的分布连续性。
关注权重
Figure SMS_75
表示梯度幅值级别越大的像素点的分布连续性的关注权重越大， 也即越能表示梯度幅值较大的像素点的分布连续性。
以上述方式计算淀粉表面灰度图像中第
Figure SMS_76
个淀粉超像素块中，所有梯度等级的像 素点的分布连续性，由高温结块的原理可知，干燥温度过高时，淀粉表面水分被迅速蒸发， 使淀粉表面形成平坦硬壳，但其表面会形成裂纹，由低温结块的原理可知，干燥温度过低 时，淀粉表面的水分蒸发较慢，结块淀粉的表面产生凹凸不平的小坑洼，因此，对各超像素 中不同级别的梯度点进行连续性的统计可以表征淀粉结块的裂纹程度。
步骤S003，获取各淀粉超像素块的二维熵，根据任意淀粉超像素块中所有像素点的梯度分布连续性以及淀粉超像素块的二维熵获得对应淀粉超像素块的结块特征值。
首先，对于淀粉表面灰度图像中第
Figure SMS_77
个淀粉超像素块的灰度分布，获取淀粉超像素 块中像素点的灰度分布均衡性，即淀粉超像素块内的归一化图像二维熵，记为灰度分布均 衡性
Figure SMS_78
，所述获取图像二维熵的方法为现有技术，本实施例不再赘述；淀粉超像素块的二维 熵越大，说明灰度分布不均衡，越说明对应的淀粉超像素块中的结块表面特征趋向于低温 结块，反之则趋向于高温结块。
然后，对于淀粉表面灰度图像中第
Figure SMS_79
个淀粉超像素块，获取对应的灰度分布均衡性
Figure SMS_80
以及梯度分布连续性
Figure SMS_81
，根据灰度分布均衡性以及梯度分布连续性获得淀粉表面灰度图 像中第
Figure SMS_82
个淀粉超像素块的结块特征值，获取方法为：
Figure SMS_83
其中，
Figure SMS_84
表示淀粉表面灰度图像中第
Figure SMS_85
个淀粉超像素块的结块特征值，
Figure SMS_86
表示第
Figure SMS_87
个 淀粉超像素块的灰度分布均衡性，
Figure SMS_88
表示第
Figure SMS_89
个淀粉超像素块的梯度分布连续性。
需要说明的是，结块特征值为归一化的特征值，数值越大越说明淀粉表面灰度图 像中第
Figure SMS_90
个淀粉超像素块的结块原因越可能是高温结块，越小越可能是低温结块。
至此，获取淀粉表面灰度图像中所有超像素块的结块特征值。
步骤S004，根据淀粉结块程度和结块特征值获得干燥温度调节系数，利用干燥温度调节系数对干燥温度参数进行反馈调节。
首先，根据淀粉表面灰度图像中各超像素的结块特征值获得干燥温度调节系数
Figure SMS_91
， 对于淀粉干燥设备的干燥温度来说，若结块特征值越趋近于0，说明淀粉超像素块对应的淀 粉结块部分越可能是由于低温引起，反之若结块特征值越趋近于1，说明淀粉结块越可能是 由于高温引起，而淀粉表面灰度图像的淀粉结块程度反映的是淀粉表面灰度图像中的整体 结块程度，因此，获取干燥温度调节系数时需要综合考虑二者；
则干燥温度调节系数获取方法为：
Figure SMS_92
其中，
Figure SMS_93
表示干燥温度调节系数；J表示淀粉结块程度；
Figure SMS_94
表示淀粉表面灰度图像中 共有
Figure SMS_95
个淀粉超像素块；
Figure SMS_96
表示淀粉表面灰度图像中第
Figure SMS_97
个淀粉超像素块的结块特征值。
需要说明的是，结块特征值
Figure SMS_98
以及淀粉结块程度J均为归一化的数值，则根据干燥 温度调节系数获取方法得到干燥温度调节系数
Figure SMS_99
的取值范围为
Figure SMS_100
，则燥温度调节系数 越趋近于-1，说明此时的干燥温度过低，燥温度调节系数越趋近于1说明此时干燥温度过 高。
然后，根据干燥温度调节系数对干燥设备的干燥温度参数进行反馈调节，方式如 下，利用工业相机获取淀粉表面灰度图像后，通过前述步骤的方式可获得此时刻干燥设备 的干燥温度调节系数
Figure SMS_101
；
利用温度传感器获取淀粉干燥设备中的干燥温度参数T，并则根据干燥温度调节系数对设备的干燥温度参数进行调节，获取调节后的干燥温度参数的方法如下：
Figure SMS_102
其中，
Figure SMS_103
为调节后的干燥温度参数，
Figure SMS_104
为调节前的干燥温度参数，
Figure SMS_105
和
Figure SMS_106
分别 表示淀粉干燥温度参数可预设的最大值和最小值，
Figure SMS_107
表示干燥温度调节系数。
需要说明的是，实际上干燥温度参数应根据淀粉的实际干燥情况而定，这个范围仅表示若不在这个范围内，淀粉干燥过程一定会出现干燥温度过高或过低的问题。
通过以上述方式，在获取淀粉某时刻的表面灰度图像后可获取对应的温度调节值，则对于一个淀粉干燥过程中的一个时刻，可以上述方式在获取该时刻的淀粉表面灰度图像后获取该时刻对应的调节后的干燥温度参数，利用调节后的干燥温度参数对淀粉干燥设备的烘干加热装置进行温度调节，实现干燥设备干燥温度参数的实时反馈调节。
需要说明的是，本实施例所涉及的淀粉干燥设备包括的装置有：用于获取淀粉表面灰度图像和淀粉烘干设备内部温度的工业相机和温度传感器、用于对淀粉表面灰度图像进行处理和分析的计算机设备中的处理器和存储器、用于淀粉烘干的带有温度调节控制器的淀粉加热烘干器、用于淀粉烘干过程中进行装载和传送的淀粉承载装置和传送装置；
需要说明的是，本实施例中所用的exp(-x)模型仅用于表示负相关关系和约束模 型输出的结果处于
Figure SMS_108
区间内，具体实施时，可替换成具有同样目的的其他模型，本实施例 只是以exp(-x)模型为例进行叙述，不对其做具体限定，其中x是指该模型的输入。
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 (9)

1.一种具有反馈调节的淀粉智能干燥方法，其特征在于，该方法包括以下步骤：
获取淀粉表面灰度图像；
获取淀粉表面灰度图像的若干个超像素块，获取淀粉表面灰度图像的灰度阈值，根据灰度阈值获得若干个超像素块中的淀粉超像素块，根据淀粉超像素块的数量与所有淀粉超像素块像素点数量之间的差异，以及淀粉超像素块的大小，获得淀粉表面灰度图像的淀粉结块程度；
获取淀粉超像素块中像素点的梯度幅值，将梯度幅值划分为若干个梯度等级，获取各个梯度等级下像素点连续相邻的数量以及对应的种类数量，根据任意淀粉超像素块中各个梯度等级下像素点连续相邻的数量，以及对应的种类数量之间的差异，获得对应梯度等级下像素点的分布连续性；根据像素点的分布连续性所对应的梯度等级与梯度等级的数量之间的差异获得关注权重，利用关注权重对所有像素点的分布连续性调节获得淀粉超像素块的梯度分布连续性；
将任意淀粉超像素块的图像二维熵记为灰度分布均衡性，根据灰度分布均衡性和梯度分布连续性的融合获得淀粉超像素块的结块特征值；
根据所有淀粉超像素块的平均结块特征值对淀粉结块程度的调节，获得干燥温度调节系数；利用干燥温度调节系数对淀粉干燥设备的干燥温度参数进行调节，获得调节后的干燥温度参数。
2.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述根据灰度阈值获得若干个超像素块中的淀粉超像素块，包括的具体步骤如下：
步骤（1），对淀粉表面灰度图像进行超像素分割处理；
步骤（2），利用大津法获取淀粉表面灰度图像的灰度阈值，利用灰度阈值对淀粉表面灰度图像进行分割，将淀粉表面灰度图像中，平均灰度值小于灰度阈值的超像素块的灰度值设定为0，其他超像素块的灰度值保持不变；
步骤（3），去除淀粉表面灰度图像中属于背景区域的超像素块之后，剩余的所有超像素块均为淀粉区域的超像素块，记为淀粉超像素块。
3.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述淀粉结块程度，获取方法如下：
将所有淀粉超像素块中像素点的总数量，与淀粉表面灰度图像中淀粉超像素块的数量之间的差值记为第一差值；将第一差值加1与所有淀粉超像素块中像素点的总数量之间的比值记为第一结块因子，获取所有淀粉超像素块的大小所对应的方差，并进行归一化处理，记为归一化方差，将一减归一化方差记为第二结块因子；
则将第一结块因子与第二结块因子之间的乘积结果，记为淀粉结块程度。
4.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述根据任意淀粉超像素块中各个梯度等级下像素点连续相邻的数量，以及对应的种类数量之间的差异，获得对应梯度等级下像素点的分布连续性，包括的具体步骤如下：
步骤（1），利用Sobel算子获取淀粉表面灰度图像上，所有像素点的归一化灰度梯度幅值，获取所有淀粉超像素块中像素点的归一化灰度梯度幅值的分布直方图，利用预设梯度等级参数，将归一化梯度幅值的分布直方图按照取值范围，均分为若干种梯度等级；
步骤（2），利用8连通链码搜索超像素块中各个梯度等级下，梯度等级连续相同的像素点的数量，并统计获取淀粉超像素块中属于同一种梯度等级的像素点数量的种类数量；获取任意淀粉超像素块中每一种梯度等级下所包含的像素点的数量；获取任意淀粉超像素块中每一种梯度等级下，相邻像素点的梯度等级连续相同时所对应的像素点数量，记为相邻像素点数量；
步骤（3），淀粉表面灰度图像中第
Figure QLYQS_1
个淀粉超像素块中第/>
Figure QLYQS_2
种梯度等级下像素点的分布连续性/>
Figure QLYQS_3
获取方法为：
Figure QLYQS_4
其中，
Figure QLYQS_6
表示第/>
Figure QLYQS_9
个淀粉超像素块中第/>
Figure QLYQS_11
种梯度等级下，像素点的第j种梯度等级连续相同的情况下相邻像素点数量；/>
Figure QLYQS_7
表示淀粉表面灰度图像中第/>
Figure QLYQS_10
个淀粉超像素块中第/>
Figure QLYQS_12
种梯度等级的像素点数量，/>
Figure QLYQS_13
表示第/>
Figure QLYQS_5
个淀粉超像素块中第/>
Figure QLYQS_8
种梯度等级下，梯度等级连续相同的像素点数量的种类数量。
5.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述根据像素点的分布连续性所对应的梯度等级与梯度等级的数量之间的差异获得关注权重，利用关注权重对所有像素点的分布连续性调节获得淀粉超像素块的梯度分布连续性，包括的具体步骤如下：
将预设梯度等级参数数值增加一后与自身数值乘积后的结果记为关注权重因子，将任意梯度等级与关注权重因子之间的比值扩大一倍，将扩大结果记为关注权重；
利用关注权重对任意淀粉超像素块中的所有像素点的分布连续性进行乘积，获得对应淀粉超像素块的梯度分布连续性。
6.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述根据灰度分布均衡性和梯度分布连续性的融合获得淀粉超像素块的结块特征值，包括的具体步骤如下：
将任意淀粉超像素块内的归一化图像二维熵，记为灰度分布均衡性，将灰度分布均衡性与数值1之间的差值的平方记为第一结块特征值因子，将梯度分布连续性的平方记为第二结块特征值因子，将第一结块特征值因子和第二结块特征值因子的平均值的平方根结果记为对应淀粉超像素块的结块特征值。
7.根据权利要求1所述一种具有反馈调节的淀粉智能干燥方法，其特征在于，所述根据所有淀粉超像素块的平均结块特征值对淀粉结块程度的调节，获得干燥温度调节系数；利用干燥温度调节系数对淀粉干燥设备的干燥温度参数进行调节，获得调节后的干燥温度参数，包括的具体步骤如下：
首先，获取干燥温度调节系数：
Figure QLYQS_14
其中，
Figure QLYQS_15
表示干燥温度调节系数；J表示淀粉结块程度；/>
Figure QLYQS_16
表示淀粉表面灰度图像中共有
Figure QLYQS_17
个淀粉超像素块；/>
Figure QLYQS_18
表示淀粉表面灰度图像中第/>
Figure QLYQS_19
个淀粉超像素块的结块特征值；
然后，获取调节后的干燥温度参数：
Figure QLYQS_20
其中，
Figure QLYQS_21
为调节后的干燥温度参数，/>
Figure QLYQS_22
为调节前的干燥温度参数，/>
Figure QLYQS_23
和/>
Figure QLYQS_24
分别表示淀粉干燥温度参数可预设的最大值和最小值，/>
Figure QLYQS_25
表示干燥温度调节系数。
8.一种具有反馈调节的淀粉智能干燥系统，其特征在于，该系统包括以下模块：
图像采集模块：利用安装的工业相机实时采集获取淀粉在干燥过程中淀粉承载装置上淀粉的淀粉表面灰度图像；
图像处理分析模块：利用计算机中的存储器将所采集的淀粉表面灰度图像进行缓存，并利用处理器对图像进行处理分析，具体处理分析的步骤为：首先对淀粉表面灰度图像进行超像素分割处理，并根据超像素块的数量以及大小特征计算淀粉结块程度，然后根据每个超像素块内各像素点的灰度值特征以及灰度梯度特征计算各超像素块的结块特征值，最后根据淀粉表面灰度图像中各超像素块的结块特征值结合淀粉表面灰度图像的结块程度计算干燥温度调节系数；
干燥调节模块：利用干燥温度调节系数对淀粉干燥过程中的干燥设备内部的温度参数进行调节，获得调节后的温度参数；
淀粉干燥模块：根据所获取的调节后的温度参数，对淀粉干燥设备中的加热烘干装置的温度进行调节，利用加热烘干装置对淀粉承载装置上的淀粉进行干燥处理；
淀粉承载模块：包括淀粉承载装置和传送装置，将需要干燥处理的淀粉传送到淀粉承载装置中，并将干燥处理完成后的淀粉传送出淀粉干燥设备。
9.一种具有反馈调节的淀粉智能干燥设备，采用如权利要求1-7中任意一项所述的一种具有反馈调节的淀粉智能干燥方法，其特征在于，该设备包括的装置有：用于获取淀粉表面灰度图像和淀粉烘干设备内部温度的工业相机和温度传感器，实时获取淀粉表面灰度图像和干燥温度参数；用于对淀粉表面灰度图像进行处理和分析的计算机设备中的处理器和存储器，利用存储器对工业相机采集的淀粉表面灰度图像和温度传感器采集的干燥温度参数进行缓存，并利用处理器对所采集的淀粉表面灰度图像进行处理、分析，根据分析结果对干燥温度参数进行调节，获得调节后的干燥温度参数；用于淀粉烘干的带有温度调节控制器的淀粉加热烘干器，将调节后的干燥温度参数输入到温度调节控制器中，对淀粉加热烘干器的温度进行调节；用于淀粉烘干过程中进行装载和传送的淀粉承载装置和传送装置，将烘干完成后的干燥淀粉传送出淀粉干燥设备，并将新的淀粉湿料传送进淀粉干燥设备中，进行新一轮的淀粉干燥工作。
CN202310601892.XA 2023-05-26 2023-05-26 一种具有反馈调节的淀粉智能干燥方法、系统及设备 Active CN116342594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310601892.XA CN116342594B (zh) 2023-05-26 2023-05-26 一种具有反馈调节的淀粉智能干燥方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310601892.XA CN116342594B (zh) 2023-05-26 2023-05-26 一种具有反馈调节的淀粉智能干燥方法、系统及设备

Publications (2)

Publication Number Publication Date
CN116342594A true CN116342594A (zh) 2023-06-27
CN116342594B CN116342594B (zh) 2023-08-01

Family

ID=86888006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310601892.XA Active CN116342594B (zh) 2023-05-26 2023-05-26 一种具有反馈调节的淀粉智能干燥方法、系统及设备

Country Status (1)

Country Link
CN (1) CN116342594B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116645363A (zh) * 2023-07-17 2023-08-25 山东富鹏生物科技有限公司 一种基于视觉的淀粉生产质量实时检测方法
CN117146984A (zh) * 2023-10-26 2023-12-01 山东鸿安食品科技有限公司 一种用于物料灭菌的料液温度检测方法
CN118052812A (zh) * 2024-04-12 2024-05-17 宝鸡源盛实业有限公司 基于图像处理的淀粉生产质量监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5709827A (en) * 1992-08-11 1998-01-20 E. Khashoggi Industries Methods for manufacturing articles having a starch-bound cellular matrix
WO2020178718A1 (en) * 2019-03-01 2020-09-10 Noblegen Inc. Compositions, preparation and uses of paramylon
CN114663684A (zh) * 2022-04-08 2022-06-24 陕西誉锦源实业有限公司 一种絮凝反应实时智能分析的方法、系统及运算设备
CN114972329A (zh) * 2022-07-13 2022-08-30 江苏裕荣光电科技有限公司 基于图像处理的表面缺陷检测仪的图像增强方法及系统
WO2022186212A1 (ja) * 2021-03-01 2022-09-09 株式会社Mizkan Holdings 加熱調理用でんぷん含有固形状組成物の製造方法
CN115598025A (zh) * 2022-12-13 2023-01-13 四川亿欣新材料有限公司（Cn） 图像处理方法及使用该方法的碳酸钙粉质检系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5709827A (en) * 1992-08-11 1998-01-20 E. Khashoggi Industries Methods for manufacturing articles having a starch-bound cellular matrix
WO2020178718A1 (en) * 2019-03-01 2020-09-10 Noblegen Inc. Compositions, preparation and uses of paramylon
CN114040682A (zh) * 2019-03-01 2022-02-11 诺贝尔根公司 裸藻淀粉的组合物、制备和用途
WO2022186212A1 (ja) * 2021-03-01 2022-09-09 株式会社Mizkan Holdings 加熱調理用でんぷん含有固形状組成物の製造方法
JPWO2022186212A1 (zh) * 2021-03-01 2022-09-09
CN114663684A (zh) * 2022-04-08 2022-06-24 陕西誉锦源实业有限公司 一种絮凝反应实时智能分析的方法、系统及运算设备
CN114972329A (zh) * 2022-07-13 2022-08-30 江苏裕荣光电科技有限公司 基于图像处理的表面缺陷检测仪的图像增强方法及系统
CN115598025A (zh) * 2022-12-13 2023-01-13 四川亿欣新材料有限公司（Cn） 图像处理方法及使用该方法的碳酸钙粉质检系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
汤梅;罗洁莹;高杨文;柳建良;王琴;: "利用LF-NMR技术分析油桃干燥过程中内部水分的变化", 现代食品科技, no. 11 *
王宏伟;丁江涛;张艳艳;刘兴丽;张华;: "湿热处理对薏米淀粉聚集态结构及糊化特性的影响", 食品科学, no. 17 *
石吉勇;刘传鹏;吴胜斌;黄晓玮;李志华;邹小波;: "挂面面片水分分布均匀度的快速定量表征", 食品科学, no. 16 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116645363A (zh) * 2023-07-17 2023-08-25 山东富鹏生物科技有限公司 一种基于视觉的淀粉生产质量实时检测方法
CN116645363B (zh) * 2023-07-17 2023-10-13 山东富鹏生物科技有限公司 一种基于视觉的淀粉生产质量实时检测方法
CN117146984A (zh) * 2023-10-26 2023-12-01 山东鸿安食品科技有限公司 一种用于物料灭菌的料液温度检测方法
CN117146984B (zh) * 2023-10-26 2024-01-26 山东鸿安食品科技有限公司 一种用于物料灭菌的料液温度检测方法
CN118052812A (zh) * 2024-04-12 2024-05-17 宝鸡源盛实业有限公司 基于图像处理的淀粉生产质量监测方法

Also Published As

Publication number Publication date
CN116342594B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN116342594B (zh) 一种具有反馈调节的淀粉智能干燥方法、系统及设备
Omid et al. Estimating volume and mass of citrus fruits by image processing technique
Feng et al. Detection of subtle bruises on winter jujube using hyperspectral imaging with pixel-wise deep learning method
CN112102238B (zh) 基于计算机视觉的糊化过程中淀粉颗粒溶胀能力的检测方法
Hosseinpour et al. Computer vision system (CVS) for in-line monitoring of visual texture kinetics during shrimp (Penaeus Spp.) drying
CN105009731A (zh) 玉米考种方法及其系统
Bakhshipour et al. Vision based features in moisture content measurement during raisin production
Condorí et al. Image processing for monitoring of the cured tobacco process in a bulk-curing stove
Alikhanov et al. Design and performance of an automatic egg sorting system based on computer vision
CN111695730A (zh) 基于arima及rnn的立磨振动预测方法及装置
Constantino et al. Towards an automated plant height measurement and tiller segmentation of rice crops using image processing
Effendi et al. Corn quality identification using image processing with k-nearest neighbor classifier based on color and texture features
Shei et al. An optical automatic measurement method for the moisture content of rough rice using image processing techniques
CN104634780B (zh) 一种叶片加料均匀性测量和评价方法
CN108007358A (zh) 基于计算机视觉技术测定大米尺寸的方法
CN107886108A (zh) 基于AlexNet网络模型的果蔬分类方法及装置
CN116831307A (zh) 烟草物料风选除杂过程控制方法和装置、存储介质
Bernardo Edge detection techniques for rice grain quality analysis using image processing techniques
Zhou et al. Computer vision-based method for online measuring the moisture of iron ore green pellets in disc pelletizer
CN107330570A (zh) 一种利用物联网技术进行水稻干物质预测的系统
ElMasry et al. Investigating the effect of moisture content on some properties of peanut by aid of digital image analysis
CN117930784B (zh) 一种有机固废综合处理设备的自动控制系统及方法
CN112471572A (zh) 烟草隧道式增温设备加工强度一致性的控制方法及系统
CN108734703A (zh) 基于机器视觉的抛光砖打印图样检测方法、系统及装置
Wilhoit et al. Broccoli head sizing using image textural analysis

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