CN116400588B - 一种面包模具残渣自动定位清洗方法及设备 - Google Patents

一种面包模具残渣自动定位清洗方法及设备 Download PDF

Info

Publication number
CN116400588B
CN116400588B CN202310666753.5A CN202310666753A CN116400588B CN 116400588 B CN116400588 B CN 116400588B CN 202310666753 A CN202310666753 A CN 202310666753A CN 116400588 B CN116400588 B CN 116400588B
Authority
CN
China
Prior art keywords
bread
cleaning
residue
mold
groove
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
CN202310666753.5A
Other languages
English (en)
Other versions
CN116400588A (zh
Inventor
董雷永
吴炜奇
李海森
卜统一
王飞
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.)
Golden Monkey Food Co ltd
Yantai Snub Nosed Monkey Food Technology Co ltd
Original Assignee
Golden Monkey Food Co ltd
Yantai Snub Nosed Monkey 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 Golden Monkey Food Co ltd, Yantai Snub Nosed Monkey Food Technology Co ltd filed Critical Golden Monkey Food Co ltd
Priority to CN202310666753.5A priority Critical patent/CN116400588B/zh
Publication of CN116400588A publication Critical patent/CN116400588A/zh
Application granted granted Critical
Publication of CN116400588B publication Critical patent/CN116400588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/0255Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system the criterion being a time-optimal performance criterion
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B08CLEANING
    • B08BCLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
    • B08B5/00Cleaning by methods involving the use of air flow or gas flow
    • B08B5/02Cleaning by the force of jets, e.g. blowing-out cavities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10048Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Cleaning In General (AREA)

Abstract

本发明涉及程序控制技术领域,更具体地涉及一种面包模具残渣自动定位清洗方法及设备。本发明在面包取出后,通过热成像摄像头拍摄面包模具的热成像图,根据热成像图确定第一面包残渣槽,利用高压空气对第一面包残渣槽进行清洗;清洗完成后,根据RGB摄像头拍摄的RGB图像,确定第二面包残渣槽,计算第二面包残渣槽的环境优秀程度α,根据第二面包残渣槽的环境优秀程度α调整第二面包残渣槽二次清洗的时间T,利用高压空气对第二面包残渣槽进行二次清洗。通过上述步骤,本发明能够定位面包模具面包残渣槽的位置并对清洗后的面包模具进行复检,从而调整面包残渣槽二次清洗的时间,提高清洗效率,减少资源的浪费。

Description

一种面包模具残渣自动定位清洗方法及设备
技术领域
本发明涉及程序控制技术领域,更具体地涉及一种面包模具残渣自动定位清洗方法及设备。
背景技术
在面包生产的过程中,生产面包的模具上会残留面包残渣,产生这个现象的主要原因是面团在发酵和烘焙过程中,会粘附在模具表面并且难以完全清除。此外,模具上的油脂也可能导致面包残渣的形成。面包残渣的存在会附着在下一批次的面包上,并在下一批次面包表面产生黑点,影响面包口感以及面包的美观,所以清除每次面包生产所残留的面包残渣是食品行业急需解决的问题。
目前随着技术的进步,已经有许多清洗机器可以实现自动清洗的功能。如公开号为CN103128070A的中国专利公开了一种用于控制阀清洗的高压清洗机,所述高压清洗机包括冲洗磨具、通过管道连接的油箱机架部件、压缩空气控制系统、过滤系统、清洗油供给系统和加热系统,所述冲洗磨具设置在油箱机架部件的顶部一侧,所述过滤系统和清洗油供给系统设置在油箱机架部件的顶部另一侧,所述压缩空气控制系统设置在冲洗磨具一侧,所述加热系统设置在油箱机架部件下部内侧。清洗机器可同时装配多个喷头,同时清洗多个控制阀,提高清洗效率。同时可以利用模具定位,使控制阀的中孔准确与喷嘴对准,提高清洗效果;清洗机器内部还设计了专门的控制程序及组态软件,可在线设置清洗时间、加热温度等参数,满足各种工况的清洗。上述高压清洗机的清洗效率虽然高,但是存在资源浪费,不能对清洗过后的模具进行重复检查的问题。
发明内容
为解决上述一个或多个技术问题,本发明提出一种面包模具残渣自动定位清洗方法及设备,解决当前技术方案仅仅通过清洗机器对模具进行清洗,并不能确定是否将模具上的面包残渣清除干净的问题。为此,本发明在如下的多个方面中提供方案。
在一个实施例中,一种面包模具残渣自动定位清洗方法包括:获取面包模具的热成像图,并确定其中的第一面包残渣槽,其中所述面包残渣槽是含有面包残渣的模具槽;利用高压空气对所述第一面包残渣槽进行清洗;获取面包模具的RGB图像,并确定其中的第二面包残渣槽;计算所述第二面包残渣槽的环境优秀程度α;根据所述第二面包残渣槽的环境优秀程度α调整第二面包残渣槽二次清洗的时间T;利用高压空气对所述第二面包残渣槽进行二次清洗;其中,环境优秀程度α决定二次清洗的时间T,所述环境优秀程度α越接近于1,所述二次清洗的时间T越接近于0;所述环境优秀程度α的计算过程包括:
式中,对于横坐标为x,纵坐标为y的槽,为环境优秀程度,/>为面包残渣残留量,/>为清洗频率。
在一个实施例中,所述二次清洗的时间T的计算过程为:
式中,表示清洗机器所允许的最大清洗时间。
上述实施例的一种面包模具残渣自动定位清洗方法的有益效果为能够在第一次的清洗过程中定位面包模具面包残渣槽的位置并进行清洗,同时还可以对清洗后的面包模具进行复检,从而调整面包残渣槽二次清洗的时间,提高清洗效率,减少资源的浪费。
在一个实施例中,所述一种面包模具残渣自动定位清洗方法确定第一面包残渣槽的过程包括:获取面包模具的热成像图;利用边缘检测提取面包槽的坐标和所述坐标的hog特征;根据所述坐标的hog特征计算所述坐标的余弦相似度;排除余弦相似度值为1的面包槽的坐标,记录剩余面包槽的坐标,其中所述剩余面包槽的坐标为所述第一面包残渣槽的坐标。
根据上述所提出的实施例,一种面包模具残渣自动定位清洗方法的有益效果为可以通过获取的热成像图的图像和对应的图像处理技术确定第一面包残渣槽的坐标,从而使高压空气能够对第一面包残渣槽进行定位清洗,减少资源的浪费,提高清洗机器的清洗效率。
在一个实施例中,所述一种面包模具残渣自动定位清洗方法调整第二面包残渣槽二次清洗的时间T的过程包括:获取面包模具的RGB图像;采集面包模具多次清洗工作中每个面包槽的清洗频率F;RGB图像灰度化和二值化得到灰度图像和二值图像;排除二值图像值为0的面包槽的坐标,记录二值图像值为1的面包槽的坐标,其中所述二值图像值为1的面包槽的坐标为第二面包残渣槽的坐标;计算所述第二面包残渣槽的面包残渣残留量P;根据所述第二面包残渣槽的面包残渣残留量P和所述第二面包残渣槽的清洗频率F计算第二面包残渣槽的环境优秀程度α;根据所述第二面包残渣槽的环境优秀程度α调整第二面包残渣槽二次清洗的时间T。
在一个实施例中,所述第二面包残渣槽的面包残渣残留量P的计算过程包括:第二面包残渣槽的灰度图像与第二面包残渣槽的二值图像相乘,以得到相乘图像;将所述相乘图像的灰度值相加,以得到第二面包残渣槽的面包残渣残留量(P)。
根据上述所提出的实施例,一种面包模具残渣自动定位清洗方法的有益效果为可以通过获取的RGB图像和对应的图像处理技术确定第二面包残渣槽的坐标,并计算第二面包残渣槽的环境优秀程度,进而调整第二面包残渣槽的二次清洗的时间T,从而确保清洗的准确性,减少误差。
在一个实施例中,所述一种面包模具残渣自动定位清洗设备,其特征在于,包括:处理器、存储器、图像采集设备和清洗设备,所述处理器通过网络连接所述图像采集设备和清洗设备;所述存储器存储有计算机程序,当所述计算机程序由所述处理器执行时,完成上文所述的一个或多个具体实施例中的面包模具残渣自动定位清洗方法。
在一个实施例中,所述图像采集设备包括热成像摄像头和RGB摄像头;所述清洗设备为高压空气清洗机。
根据上述所提出的实施例,一种面包模具残渣自动定位清洗设备的有益效果为能够在第一次清洗的过程中定位面包模具面包残渣槽的位置并进行清洗,同时还可以对清洗后的面包模具进行复检,从而调整面包残渣槽二次清洗的时间T,提高清洗效率,减少资源浪费。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本发明的实施例的一种面包模具残渣自动定位清洗方法的流程图;
图2是根据本发明的实施例的一种面包模具残渣自动定位清洗方法确定第一面包残渣槽的流程图;
图3是根据本发明的实施例的一种面包模具残渣自动定位清洗方法调整第二面包残渣槽二次清洗的时间的流程图;
图4是根据本发明的实施例的一种面包模具俯视图;
图5是根据本发明的实施例的一种面包模具残渣自动定位清洗设备的示意框图。
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,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图来详细描述本发明的具体实施方式。
图1所示为一种面包模具残渣自动定位清洗方法的流程图,图4是一种面包模具的俯视图,其中面包模具中的圆对应为面包模具的面包槽。
如图1和图4所示,一种面包模具残渣自动定位清洗方法的步骤如下:
步骤S1,获取面包模具的热成像图并确定第一面包残渣槽。其中所述第一面包残渣槽为第一次清洗时所需清洗的含有面包残渣的模具槽。
步骤S2,利用高压空气对第一面包残渣槽进行清洗。所述步骤S2的清洗过程是指清洗机器通过高压空气对所述面包模具的第一面包残渣槽进行第一次清洗的过程,其中第一面包残渣槽的清洗时间为清洗机器中固定设置的时间。
步骤S3,获取面包模具的RGB图像并确定第二面包残渣槽。其中所述第二面包残渣槽为第二次清洗时所需清洗的含有面包残渣的模具槽。
步骤S4,计算所述第二面包残渣槽的环境优秀程度α。其中所述环境优秀程度α由面包槽的清洗频率F和面包槽的残渣残留量P确定,在这里不对环境优秀程度α做详细说明,在后面的实施例中会对环境优秀程度α进一步说明。
步骤S5,根据所述第二面包残渣槽的环境优秀程度α调整第二面包残渣槽二次清洗的时间T。其中环境优秀程度α越大,二次清洗的时间T越小;环境优秀程度α越小,二次清洗的时间T越大。
步骤S6,利用高压空气对第二面包残渣槽进行二次清洗。所述步骤S6二次清洗的过程是指清洗机器通过高压空气对所述面包模具的第二面包残渣槽进行的二次清洗的过程,其中第二面包残渣槽的二次清洗的时间T是由第二面包残渣槽的环境优秀程度α所确定的。
通过上述步骤,一种面包模具残渣自动定位清洗方法能够自动定位面包模具第一面包残渣槽的位置,通过高压空气对面包模具的第一面包残渣槽进行第一次清洗,清洗完成后对清洗过后的面包模具进行二次检测,确定面包模具的第二面包残渣槽,通过第二面包残渣槽的环境优秀程度α确定第二面包残渣槽二次清洗的时间T,通过高压空气对面包模具的第二面包残渣槽进行二次清洗的时间为T的二次清洗,从而提高面包模具的清洗效率,减少资源的浪费。
在一个实施例中,步骤S1中的热成像图可以通过热成像仪拍摄得到,热成像仪可以采用市面上较为常见的热成像摄像机,步骤S4中的RGB图像可以通过RGB摄像头拍摄得到,所述RGB摄像头可以采用市面上较为常见的进行使用。
在一个实施例中,步骤S2和步骤S5中,可以采用现在市面上常见的高压空气清洗机的高压空气对所述面包残渣槽进行清洗。
在一个实施例中,步骤S3为了避免高压空气清洗过后,面包槽的热量发生变化导致热成像图不准确,采用市面上不受温度影响的RGB摄像头,拍摄清洗过后的面包模具的RGB图像,从而确保二次清洗的准确性。
在一个实施例中,在步骤S5中,面包槽的环境优秀程度越高,此时面包槽的面包残留就越少,对应的清洗时间也越少;面包槽的环境优秀程度越低,意味着此时面包槽的面包残留就相对较多,对应的清洗时间也更接近于清洗机器所允许的最大清洗时间。
图2所示为一种面包模具残渣自动定位清洗方法确定第一面包残渣槽的流程图。
一种面包模具残渣自动定位清洗方法确定第一面包残渣槽的坐标包括以下步骤:
在步骤S201中,获取面包模具的热成像图。
在步骤S202中,利用边缘检测确定面包槽的坐标并提取所述坐标的hog特征。
在步骤S203中,根据所述坐标的hog特征计算所述坐标的余弦相似度。
在步骤S204中,根据余弦相似度的值确定第一面包残渣槽的坐标。
基于此,一种面包模具残渣自动定位清洗方法可以通过获取的热成像图的图像和对应的图像处理技术确定第一面包残渣槽的坐标,从而减少资源的浪费,提高清洗机器的清洗效率。
在一个实施例中,在步骤S201中,为了确定面包槽的位置坐标,以热成像摄像头拍摄的热成像图中模具的长为x轴,宽为y轴构建二维坐标系。
在一个实施例中,在步骤S202中,对图像进行边缘检测,提取模具所在的第一象限内所有封闭圆各自的圆心,使每个面包槽的圆心对应到坐标系中的坐标点,由此确定每个面包槽对应的坐标,并提取每个面包槽坐标对应的hog特征。
在一个实施例中,在步骤S203中,根据面包槽的hog特征计算每个面包槽与标准面包槽的余弦相似度。其中标准面包槽为历史记录下面包模具未使用时无面包残渣残留的槽。
在一个实施例中,在步骤S204中,通过余弦相似度的值判断面包残渣槽的坐标。余弦相似度的值等于1时,表示当前所测试面包槽的内部无面包残渣残留;反之,余弦相似度的值不等于1时,表示当前所测试面包槽的内部有面包残渣残留。排除余弦相似度为1的面包槽的坐标,记录剩余面包槽的坐标,此时记录的面包槽的坐标就是第一面包残渣槽的坐标。同时还可以通过余弦相似度值的大小判断面包残渣残留的大小,余弦相似度的值越偏离1,面包槽内面包残渣残留的面积就越大;余弦相似度的值越接近1,面包槽内面包残渣残留的面积就越小。
图3是一种面包模具残渣自动定位清洗方法调整第二面包残渣槽二次清洗的时间的流程图。
如图3所示,一种面包模具残渣自动定位清洗方法调整第二面包残渣槽二次清洗的时间T的过程包括以下步骤:
在步骤S501中,获取面包模具的RGB图像。
在步骤S502中,采集面包模具多次清洗工作中每个面包槽的清洗频率F。
在步骤S503中,RGB图像灰度化和二值化得到灰度图像和二值图像。
在步骤S504中,利用灰度图像和二值图像确定第二面包残渣槽的坐标,并计算第二面包残渣槽的面包残渣残留量P。
在步骤S505中,根据第二面包残渣槽的面包残渣残留量P和清洗频率F计算第二面包残渣槽的环境优秀程度α。
在步骤S506中,根据第二面包残渣槽的环境优秀程度α调整第二面包残渣槽二次清洗的时间T。
基于此,一种面包模具残渣自动定位清洗方法可以通过获取的RGB图像和对应的图像处理技术确定第二面包残渣槽的坐标,并计算第二面包残渣槽的环境优秀程度,进而调整第二面包残渣槽二次清洗的时间,从而确保清洗的准确性,减少误差。
在一个实施例中,在步骤S501、S502和S503中,获取面包模具的RGB图像,将RGB图像转换为灰度图像,然后计算灰度图像中每个灰度级别的像素数目,并绘制灰度频数直方图。通过OTSU算法确定阈值并将面包槽的灰度图变为二值图像,其中二值图像值为0的部分为面包槽内没有面包残渣的区域,二值图像值为1的部分为面包槽内有面包残渣的区域。排除二值图像值为0的面包槽的坐标,记录二值图像值为1的面包槽的坐标,此时记录的面包槽坐标就是第二面包残渣槽的坐标。
在一个实施例中,在步骤S503中,将第二面包残渣槽的二值图像和灰度图像相乘得到相乘图像,接着将相乘图像的灰度值相加用来表示第二面包残渣槽的面包残渣残留量P。面包残渣残留量P能够体现此时第二面包残渣槽面包残渣残留的多少。面包残渣残留量P越大,表示此时面包槽的面包残留量越多。
在一个实施例中,在步骤S504中,采集面包模具多次清洗工作中每个面包槽的清洗频率F,即当前面包槽的清洗次数占总清洗次数的比值。根据面包槽的清洗频率F能够判断此面包槽相比于其他面包槽而言是否容易粘黏面包残渣。
在步骤S505中,环境优秀程度的计算过程包括:
式中,对于横坐标为x,纵坐标为y的槽,为的环境优秀程度,/>为面包残渣残留量,/>为清洗频率。
在步骤S506中,根据得到的环境优秀程度调整第二面包残渣槽二次清洗的时间T。
式中,表示清洗机器所允许的最大清洗时间。
在上述式子,可以很明显的观察到面包槽的面包残留量越多,面包槽的清洗频率越高,面包槽的环境优秀程度就越低,对应的二次清洗的时间也越接近于清洗机器所允许的最大清洗时间;面包槽的面包残留量越少,面包槽的清洗频率越低,面包槽的环境优秀程度越大,对应的二次清洗的时间也越少于清洗机器所允许的最大清洗时间。当面包槽面包残留量为零时,环境优秀程度为1,此时对该面包槽进行二次清洗的时间为0的清洗。
图5所示为一种面包模具残渣自动定位清洗设备的示意框图。
如图5所示,一种面包模具残渣自动定位清洗设备包括:处理器、存储器、图像采集设备和清洗设备,处理器和存储器通过网络连接图像采集设备和清洗设备。图像采集设备发送采集到的图像到处理器和存储器;处理器和存储器接收到对应的图像后,对图像进行处理,获取对应的图像信息。同时处理器还通过网络连接清洗机器,用于发送对应的清洗命令到清洗机器。
在一个实施例中,图像采集设备采用热成像摄像头和RGB摄像头,所述清洗机器采用高压空气清洗机。
在一个实施例中,在第一次清洗时,热成像摄像头拍摄热成像图,处理器和存储器通过网络获取热成像图,并对热成像图进行处理,从而确定第一面包残渣槽的坐标,同时处理器发送清洗命令到高压空气清洗机,高压空气清洗机响应于清洗命令,开启第一面包残渣槽对应的高压空气喷头,对第一面包残渣槽进行清洗。
在一个实施例中,第一次清洗完成后,RGB摄像头拍摄面包模具的RGB图像,处理器和存储器通过网络接收RGB图像,并对RGB图像进行处理,确定第二面包残渣槽的坐标,并计算第二面包残渣槽的环境优秀程度,根据环境优秀程度确定第二面包残渣槽二次清洗的时间,处理器发送二次清洗命令的到高压空气清洗机,高压空气清洗机响应于清洗命令,开启第二面包残渣槽对应的高压空气喷头,并调整高压空气喷头对应的清洗时间T,从而对第二面包残渣槽进行二次清洗。
另外,本说明书中所使用的术语“第一”或“第二”等用于指代编号或序数的术语仅用于描述目的,而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”或“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“多个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。

Claims (6)

1.一种面包模具残渣自动定位清洗方法,其特征在于,所述方法包括:
获取面包模具的热成像图,并确定其中的第一面包残渣槽,其中所述面包残渣槽是含有面包残渣的模具槽;
利用高压空气对所述第一面包残渣槽进行清洗;
获取面包模具的RGB 图像,并确定其中的第二面包残渣槽;
计算所述第二面包残渣槽的环境优秀程度(α);
根据所述第二面包残渣槽的环境优秀程度(α)调整第二面包残渣槽二次清洗的时间(T);
利用高压空气对所述第二面包残渣槽进行二次清洗;
其中,环境优秀程度(α)决定二次清洗的时间(T),所述环境优秀程度(α)越大,所述二次清洗的时间(T)越小;
所述环境优秀程度(α)的计算过程为:
式中,对于横坐标为x,纵坐标为y 的槽,为环境优秀程度,/>为面包残渣残留量,/>为清洗频率;
所述一种面包模具残渣自动定位清洗方法调整第二面包残渣槽二次清洗的时间(T)的过程包括:
获取面包模具的RGB 图像;
采集面包模具多次清洗工作中每个面包槽的清洗频率(F);
RGB图像灰度化和二值化得到灰度图像和二值图像;
排除二值图像值为0的面包槽的坐标,记录二值图像值为1的面包槽的坐标,其中所述二值图像值为1的面包槽的坐标为第二面包残渣槽的坐标;
计算所述第二面包残渣槽的面包残渣残留量(P);
根据所述第二面包残渣槽的面包残渣残留量(P)和第二面包残渣槽的清洗频率(F)计算第二面包残渣槽的环境优秀程度(α);
根据所述第二面包残渣槽的环境优秀程度(α)调整第二面包残渣槽二次清洗的时间(T)。
2.根据权利要求1 所述的一种面包模具残渣自动定位清洗方法,其特征在于,所述二次清洗的时间(T)的计算过程为:
式中,表示清洗机器所允许的最大清洗时间。
3. 根据权利要求1 所述的一种面包模具残渣自动定位清洗方法,其特征在于,一种面包模具残渣自动定位清洗方法确定第一面包残渣槽的过程包括:
获取面包模具的热成像图;
利用边缘检测提取面包槽的坐标和所述坐标的hog特征;
根据所述坐标的hog特征计算所述坐标的余弦相似度;
排除余弦相似度值为1 的面包槽的坐标,记录剩余面包槽的坐标,其中所述剩余面包槽的坐标为所述第一面包残渣槽的坐标。
4.根据权利要求1所述的一种面包模具残渣自动定位清洗方法,其特征在于,所述第二面包残渣槽的面包残渣残留量(P)的计算过程包括:
第二面包残渣槽的灰度图像与第二面包残渣槽的二值图像相乘,以得到相乘图像;
将所述相乘图像的灰度值相加,以得到第二面包残渣槽的面包残渣残留量(P)。
5. 一种面包模具残渣自动定位清洗设备,其特征在于,包括:处理器、存储器、图像采集设备和清洗设备,所述处理器通过网络连接所述图像采集设备和清洗设备;所述存储器存储有计算机程序,当所述计算机程序由所述处理器执行时,完成权利要求1-4 的任意一项所述的面包模具残渣自动定位清洗方法。
6. 根据权利要求5 所述的一种面包模具残渣自动定位清洗设备,其特征在于,所述图像采集设备包括热成像摄像头和RGB摄像头;所述清洗设备为高压空气清洗机。
CN202310666753.5A 2023-06-07 2023-06-07 一种面包模具残渣自动定位清洗方法及设备 Active CN116400588B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310666753.5A CN116400588B (zh) 2023-06-07 2023-06-07 一种面包模具残渣自动定位清洗方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310666753.5A CN116400588B (zh) 2023-06-07 2023-06-07 一种面包模具残渣自动定位清洗方法及设备

Publications (2)

Publication Number Publication Date
CN116400588A CN116400588A (zh) 2023-07-07
CN116400588B true CN116400588B (zh) 2023-08-15

Family

ID=87014570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310666753.5A Active CN116400588B (zh) 2023-06-07 2023-06-07 一种面包模具残渣自动定位清洗方法及设备

Country Status (1)

Country Link
CN (1) CN116400588B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104519744A (zh) * 2012-08-03 2015-04-15 哈斯食品设备有限责任公司 清洁烘焙表面的方法和设备
WO2018107525A1 (zh) * 2016-12-12 2018-06-21 广东省智能制造研究所 一种电动注塑机模具检测方法
JP2020101343A (ja) * 2018-12-25 2020-07-02 東京瓦斯株式会社 洗浄システム、調理機、そのプログラムおよび洗浄方法
CN114119535A (zh) * 2021-11-24 2022-03-01 上海航翼高新技术发展研究院有限公司 基于视觉检测的激光清洗效果在线监测方法
CN114693659A (zh) * 2022-04-07 2022-07-01 海门市创睿机械有限公司 基于图像处理的铜管表面清洗效果评估方法及系统
CN115272339A (zh) * 2022-09-29 2022-11-01 江苏浚荣升新材料科技有限公司 一种金属模具的污浊清理方法
CN115463848A (zh) * 2022-09-05 2022-12-13 东莞市华美食品有限公司 一种食品残渣吹扫控制方法及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104519744A (zh) * 2012-08-03 2015-04-15 哈斯食品设备有限责任公司 清洁烘焙表面的方法和设备
WO2018107525A1 (zh) * 2016-12-12 2018-06-21 广东省智能制造研究所 一种电动注塑机模具检测方法
JP2020101343A (ja) * 2018-12-25 2020-07-02 東京瓦斯株式会社 洗浄システム、調理機、そのプログラムおよび洗浄方法
CN114119535A (zh) * 2021-11-24 2022-03-01 上海航翼高新技术发展研究院有限公司 基于视觉检测的激光清洗效果在线监测方法
CN114693659A (zh) * 2022-04-07 2022-07-01 海门市创睿机械有限公司 基于图像处理的铜管表面清洗效果评估方法及系统
CN115463848A (zh) * 2022-09-05 2022-12-13 东莞市华美食品有限公司 一种食品残渣吹扫控制方法及设备
CN115272339A (zh) * 2022-09-29 2022-11-01 江苏浚荣升新材料科技有限公司 一种金属模具的污浊清理方法

Also Published As

Publication number Publication date
CN116400588A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN110163853B (zh) 一种边缘缺陷的检测方法
CN111758024B (zh) 一种缺陷检测方法及装置
CN102441581A (zh) 基于机器视觉的型钢断面尺寸在线检测的装置及方法
CN107101598B (zh) 一种压电陶瓷银片同心度质量自动检测方法和装置
CN113298776B (zh) 一种金属闭式水泵叶轮外观缺陷检测方法
CN114279357A (zh) 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
CN114693610A (zh) 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质
CN115035050A (zh) 一种电池极片表面缺陷检测方法、装置、设备及产品
CN111626225A (zh) 一种工位车辆的车牌识别方法、装置、设备及存储介质
CN105654531B (zh) 一种图像轮廓的绘制方法及装置
CN110544262A (zh) 一种基于机器视觉的子宫颈细胞图像分割方法
CN116400588B (zh) 一种面包模具残渣自动定位清洗方法及设备
CN114332079A (zh) 基于图像处理的塑料餐盒裂缝检测方法、装置及介质
CN111160305A (zh) 一种变压器套管异常监测方法及计算机可读介质
CN114638958A (zh) 一种多特征融合的三元正极材料粗糙度提取方法及装置
CN109741302B (zh) 基于机器视觉的sd卡形态识别系统和方法
CN113643290B (zh) 一种基于图像处理的吸管计数方法、装置及存储介质
CN115861315A (zh) 缺陷检测方法和装置
CN114913152A (zh) 基于机器视觉的木材切削表面去毛刺质量评估方法及系统
TW202240151A (zh) 晶圓加工系統及其重工方法
CN115187587B (zh) 一种用于连锡检测的检测方法、成像系统
CN117173185B (zh) 轧制板材的区域检测方法及装置、存储介质、计算机设备
CN113092496B (zh) 一种检测晶圆分布范围的方法、系统及存储介质
CN112767304B (zh) 一种基于视觉的太阳花模组位置和方向检测方法
KR101581260B1 (ko) 동적 계획법 기반의 마이크로 크랙 검사 방법

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