基于深度学习和光学反射结构的沸腾现象判断装置制造方法及图纸

本实用新型专利技术公开基于深度学习和光学反射结构的沸腾现象判断装置，包括，包括：实时图像采集装置、数据缓存装置以及机器学习装置，其中，所述实时图像采集装置用于实时采集液体内部的视频流，并发送至数据缓存装置；所述数据缓存装置，用于存储所述实时图像采集装置采集的液体内部的视频流数据；所述机器学习装置，用于提取所述数据缓存装置中的视频流数据，并对视频流数据进行分析处理，根据分析处理的结果判断液体的沸腾等级；用于基于数据缓存装置的更新数据进行自我优化。本实用新型专利技术结构简单，提高了对于液体沸腾的判断效率和精确度，且判断不受在溶液化学性质或外部环境的影响。且判断不受在溶液化学性质或外部环境的影响。且判断不受在溶液化学性质或外部环境的影响。

【技术实现步骤摘要】
基于深度学习和光学反射结构的沸腾现象判断装置


[0001]本技术涉及图像信息处理
，尤其涉及基于深度学习和光学反射结构的沸腾现象判断装置。

技术介绍

[0002]液体沸腾作为一种基础的物理现象，在冶金，制药，化工等领域均存在需要准确判断沸腾现象是否发生的场景。
[0003]现有的沸腾判断技术方案主要通过监控溶液的温度上限及变化来间接判断待测物的沸腾现象，当溶液化学性质不稳定，或外部环境(压强，气温等) 频繁发生变化时，此类基于间接参数判断沸腾现象的方法准确性难以确保，例如，通过温度传感器来判断锅内液体是否沸腾，此时液体温度达到沸点，不再升高了，则会认为液体沸腾了，但由于蒸汽导致锅内气压增高，沸腾了一段时间之后，液体又不再沸腾，因为压强增加导致沸点提高了；之后由于温度增加，液体性质发生变化，又会导致沸点再次变化，因此，此类基于间接参数判断沸腾现象的方法准确性难以确保，获得的数据信息不能满足需求。

技术实现思路

[0004]为了达到上述目的，本技术的技术方案如下：
[0005]基于深度学习和光学反射结构的沸腾现象判断装置，包括：实时图像采集装置、数据缓存装置以及机器学习装置，其中，
[0006]所述实时图像采集装置，包括：透镜、管路以及管路转折处设置的镜面、摄影装置，所述管路的一端开口处设置有透镜，所述摄影装置对着所述管路另一端开口处，通过所述镜面的光学反射透过透镜实时采集液体内部的视频流，并发送至数据缓存装置；
[0007]所述数据缓存装置，用于存储所述实时图像采集装置采集的液体内部的视频流数据；
[0008]所述机器学习装置，用于提取所述数据缓存装置中的视频流数据，并对视频流数据进行分析处理，根据分析处理的结果判断液体的沸腾等级；用于基于数据缓存装置的更新数据进行自我优化。
[0009]优选地，所述管路包括第一管路、第二管路和第三管路，所述第一管路、第二管路和第三管路两两之间垂直连接，所述第一管路呈“L”型。
[0010]优选地，所述第二管路设置有旋转部，通过所述旋转部带动第三管路进行 360度旋转。
[0011]优选地，还包括可视化装置，用于将所述机器学习装置对所述待测液体进行沸腾的判断结果进行展示。
[0012]优选地，还包括辅助光源补充装置，所述辅助光源补充装置设置于实时图像采集装置上方且远离管路的一侧。
[0013]基于上述技术方案，本技术的有益效果是：通过沸腾的特征，即液体剧烈气
化，大量气泡上升、膨胀、至液体表面破裂消失，直接观察液体内部的变化直接判断溶液是否沸腾，具有高时效，准确性高，适应溶液性状和外部环境发生变化的情况。
[0014]1.实时图像采集设备与AI技术相结合，基于人工智能训练，实现一种判断液体沸腾现象的方法，相比于传统的判断方法，直接通过识图来直观判断是否沸腾，不受压强、液体性质和外部环境因素的影响，提高了判断效率和精确度；
[0015]2.基于孪生神经网络对连续帧的判断，有效减少由于液体中内容物形似沸腾气泡而导致的误判概率；
[0016]3.通过潜望结构进行观测，直接获取液体内部影像，避免了直接拍摄待测液体顶部液面时受到水蒸气的遮挡，有效避免了沸腾液体蒸汽对图像识别的影响；
[0017]4.设置旋转部，实现多角度观测，通过调节旋转角度达到采集图像的最佳视角，有利于图像的处理、分析。
附图说明
[0018]下面结合附图对本技术的具体实施方式作进一步详细的说明。
[0019]图1：本技术基于深度学习和光学反射结构的沸腾现象判断装置的结构示意图；
[0020]图2：基于深度学习和光学反射结构的沸腾现象判断方法的流程图；
[0021]其中：1、透镜；2、第一管路；3、第二管路；4、第三管路；5、第一镜面；6、第二镜面；7、第三镜面；8、旋转部；9、摄影装置；10、辅助光源补充装置；11、数据缓存装置；12、机器学习装置；13、可视化装置。
具体实施方式
[0022]下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
[0023]实施例一
[0024]如图1所示，基于深度学习和光学反射结构的沸腾现象判断装置，包括：实时图像采集装置、数据缓存装置11以及机器学习装置12，其中，
[0025]实时图像采集装置，包括：透镜1、管路以及管路转折处设置的镜面、摄影装置9，所述管路的一端开口处设置有透镜1，所述摄影装置9对着所述管路另一端开口处，通过镜面的光学反射透过透镜实时采集液体内部的视频流，并发送至数据缓存装置11；
[0026]辅助光源补充装置10，辅助光源补充装置10设置于实时图像采集装置上方且远离管路的一侧，在光线不足时，利用辅助光源提供连续的照明，进行补光从而可进行连续拍摄；
[0027]数据缓存装置11，用于存储实时图像采集装置采集的液体内部的视频流数据；
[0028]机器学习装置12，用于提取所述数据缓存装置11中的视频流数据，并对视频流数据进行分析处理，根据分析处理的结果判断液体的沸腾等级；用于基于数据缓存装置11的更新数据进行自我优化；
[0029]可视化装置13，用于将所述机器学习装置12对所述待测液体进行沸腾的判断结果进行展示。
[0030]进一步，管路包括第一管路2、第二管路3和第三管路4，第一管路2、第二管路3之间垂直连接且连接处设置第二镜面6，第二管路3和第三管路4之间垂直连接且连接处设置第三镜面7，第一管路2呈“L”型且内部转折处设置第一镜面5，第二管路3设置有旋转部8，通过所述旋转部8带动第三管路4 进行360度旋转，可以调整观测角度，调整采集图像的最佳视角。
[0031]如图2所示，基于深度学习和光学反射结构的沸腾现象判断方法，判断的基本原理如下：
[0032]判断原理1，通过神经网络逐帧判断单张图片是否为沸腾液体，此过程可以使用单通道卷积神经网络经训练后获得模型，该过程可作为液体沸腾的初步判断逻辑。其缺陷在于，当被观测液体中含有类似于气泡的内容物，如半透明胶状物，或者容纳该被观测液体的容器底部不平整，此时会导致神经网络产生误判，将未沸腾的待观测液体误认为已沸腾；
[0033]判断原理2，由于沸腾液体会产生大量气泡并上浮到液体表面，导致沸腾液体的视频影响是更加动态的(相对于未沸腾液体)，通过逐帧对比，可以发现沸腾液体内部的变化相对更剧烈，同时，当沸腾越剧烈，其变化越显著。基于上述特性，本方案使用孪生卷积神经网络，同时输入多张待判断液体的连续帧图像进行对比，并通过对比多张图片的相似度来判断沸腾的剧烈程度，最终输出沸腾等级。
[0034]基于上述原理，本技术具体包括如下步骤：
[0035]步骤1：构建单通道卷积神经网络样本的训练集和测试集，其中，单通道卷积神经网络样本的训练集包括两部分，两部分分别为有沸腾气泡出现的图片组成的正样本和没有沸腾气泡出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习和光学反射结构的沸腾现象判断装置，其特征在于，包括：实时图像采集装置、数据缓存装置以及机器学习装置，其中，所述实时图像采集装置，包括：透镜、管路以及管路转折处设置的镜面、摄影装置，所述管路的一端开口处设置有透镜，所述摄影装置对着所述管路另一端开口处，通过所述镜面的光学反射透过透镜实时采集液体内部的视频流，并发送至数据缓存装置；所述数据缓存装置，用于存储所述实时图像采集装置采集的液体内部的视频流数据；所述机器学习装置，用于提取所述数据缓存装置中的视频流数据，并对视频流数据进行分析处理，根据分析处理的结果判断液体的沸腾等级；用于基于数据缓存装置的更新数据进行自我优化。2.根据权利要求1所述的基于深度学习和光学反射结构的沸腾现象判断装置，其特...

【专利技术属性】
技术研发人员：童尚仁，
申请(专利权)人：童尚仁，
类型：新型
国别省市：