啤酒酵母粉智能化生产方法及其系统技术方案

公开了一种啤酒酵母粉智能化生产方法及其系统，其将由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像分别通过具有第一空洞率的空洞卷积核的第一卷积神经网络和具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第一尺度特征图和第二尺度特征图，并对所述第一尺度特征图和所述第二尺度特征图之间的差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，接着将其通过分类器就可以得到分类结果，所述分类结果用于表示酵母料原料的粉碎程度是否符合预定要求。通过这样的方式，对啤酒酵母粉的粉碎状态进行精准评估，以优化啤酒酵母粉生产过程中的粉碎包装环节。装环节。装环节。

【技术实现步骤摘要】
啤酒酵母粉智能化生产方法及其系统


[0001]本申请涉及智能加工领域，且更为具体地，涉及一种啤酒酵母粉智能化生产方法及其系统。
技术背景
[0002]啤酒酵母粉含有丰富的维生素B群、多种维他命、矿物质，高达50％以上的蛋白质，含有完整的氨基酸群，是补充优质蛋白质的最佳来源。啤酒酵母粉亦含有丰富的膳食纤维，有助于便秘的舒缓。
[0003]啤酒酵母粉的制备工艺流程包括原料搅拌、滚筒干燥、烘房烘干、粉碎包装、粉碎机除尘系统、检验和入库。近年来，不少厂家对啤酒酵母粉的制备工艺流程进行优化以提升其制备效率和制备效果。但在啤酒酵母粉的制备工艺流程中，粉碎包装环节的优化一直做得不够充分。
[0004]具体地，在粉碎包装环节中，物料通过初清筛、提升机、螺旋喂料器进入锤片式粉碎机粉碎，并通过离心风机风送至旋风分离器，下段经连续出料器把粉末状酵母放入成品包装袋中，成品中抽样样品化验。在该环节中，如果锤片式粉碎机的粉碎效果不充分，则成品中抽样样品化验会不合格，而如果粉碎得过于充分，则更多部分的啤酒酵母粉会以粉尘的方式排出。也就是，在粉碎包装环节中对啤酒酵母粉的粉碎状态评估至关重要。
[0005]因此，期待一种优化的啤酒酵母粉智能化生产方案，其能够对啤酒酵母粉的粉碎状态进行精准评估，以优化啤酒酵母粉的生产效率和成品质量。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种啤酒酵母粉智能化生产方法及其系统，其将由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像分别通过具有第一空洞率的空洞卷积核的第一卷积神经网络和具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第一尺度特征图和第二尺度特征图，并对所述第一尺度特征图和所述第二尺度特征图之间的差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，接着将其通过分类器就可以得到分类结果，所述分类结果用于表示酵母料原料的粉碎程度是否符合预定要求。通过这样的方式，对啤酒酵母粉的粉碎状态进行精准评估，以优化啤酒酵母粉生产过程中的粉碎包装环节，并提升啤酒酵母粉的生产效率和成品质量。
[0007]相应地，根据本申请的一个方面，提供了一种啤酒酵母粉智能化生产方法，其包括：
[0008]获取由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像；
[0009]将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图；
[0010]将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络
以得到第二尺度特征图，其中，所述第一空洞率不同于所述第二空洞率；
[0011]计算所述第一尺度特征图和所述第二尺度特征图之间的差分特征图；
[0012]基于所述差分特征图的尺度，对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，其中，所述差分特征图的尺度为所述差分特征图的宽度乘以高度再乘以通道数；以及
[0013]将所述校正后差分特征图通过分类器以得到分类结果，所述分类结果用于表示酵母料原料的粉碎程度是否符合预定要求。
[0014]在上述啤酒酵母粉智能化生产方法中，所述将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图，包括：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第一空洞率的空洞卷积核的卷积处理、池化处理和非线性激活处理以由所述第一卷积神经网络的最后一层输出所述第一尺度特征图，其中，所述第一卷积神经网络的第一层的输入为所述粉碎后图像。
[0015]在上述啤酒酵母粉智能化生产方法中，所述将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第二尺度特征图，其中，所述第一空洞率不同于所述第二空洞率，包括：使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第二空洞率的空洞卷积核的卷积处理、池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述第二尺度特征图，其中，所述第二卷积神经网络的第一层的输入为所述粉碎后图像。
[0016]在上述啤酒酵母粉智能化生产方法中，所述计算所述第一尺度特征图和所述第二尺度特征图之间的差分特征图，包括：以如下公式来计算所述第一尺度特征图和所述第二尺度特征图之间的按位置差分以得到所述差分特征图；其中，所述公式为：F1为第一尺度特征图，F2为第二尺度特征图，F
d
为差分特征图。
[0017]在上述啤酒酵母粉智能化生产方法中，所述基于所述差分特征图的尺度，对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，包括：基于所述差分特征图的尺度，以如下公式对所述差分特征图中各个位置的特征值进行校正以得到所述校正后差分特征图；其中，所述公式为
[0018][0019]f
i
是所述差分特征图中各个位置的特征值，μ和σ是所述差分特征图中所有位置的特征值的均值和方差，且N是所述差分特征图的尺度。
[0020]在上述啤酒酵母粉智能化生产方法中，所述将所述校正后差分特征图通过分类器以得到分类结果，包括：使用所述分类器以如下公式对所述差分特征图进行处理以得到所述分类结果，其中，所述公式为：
[0021]O＝softmax{(W
n
,B
n
):
…
:(W1,B1)|Project(F)}
[0022]其中Project(F)表示将所述校正后差分特征图投影为向量，W1至W
n
为各层全连接层的权重矩阵，B1至B
n
表示各层全连接层的偏置矩阵。
[0023]在上述啤酒酵母粉智能化生产方法中，所述啤酒酵母粉智能化生产方法，还包括：
响应于所述分类结果为酵母料原料的粉碎程度符合预定要求，生成离心风机启动指令，所述离心风机启动指令用于开启所述离心风机。
[0024]根据本申请的另一方面，还提供了一种啤酒酵母粉智能化生产系统，其包括：
[0025]图像采集单元，获取由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像；
[0026]第一卷积神经网络单元，将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图；
[0027]第二卷积神经网络单元，将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第二尺度特征图，其中，所述第一空洞率不同于所述第二空洞率；
[0028]差分特征图生成单元，计算所述第一尺度特征图和所述第二尺度特征图之间的差分特征图；
[0029]校正后差分特征图生成单元，基于所述差分特征图的尺度，对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，其中，所述差分特征图的尺度为所述差分特征图的宽度乘以高度再乘以通道数；以及
[0030]评估结果生成单元，将所述校正后差分特征图通过分类器以得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种啤酒酵母粉智能化生产方法，其特征在于，包括：获取由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像；将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图；将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第二尺度特征图，其中，所述第一空洞率不同于所述第二空洞率；计算所述第一尺度特征图和所述第二尺度特征图之间的差分特征图；基于所述差分特征图的尺度，对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，其中，所述差分特征图的尺度为所述差分特征图的宽度乘以高度再乘以通道数；以及将所述校正后差分特征图通过分类器以得到分类结果，所述分类结果用于表示酵母料原料的粉碎程度是否符合预定要求。2.根据权利要求1所述的啤酒酵母粉智能化生产方法，其特征在于，所述将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图，包括：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第一空洞率的空洞卷积核的卷积处理、池化处理和非线性激活处理以由所述第一卷积神经网络的最后一层输出所述第一尺度特征图，其中，所述第一卷积神经网络的第一层的输入为所述粉碎后图像。3.根据权利要求2所述的啤酒酵母粉智能化生产方法，其特征在于，所述将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第二尺度特征图，其中，所述第一空洞率不同于所述第二空洞率，包括：使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第二空洞率的空洞卷积核的卷积处理、池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述第二尺度特征图，其中，所述第二卷积神经网络的第一层的输入为所述粉碎后图像。4.根据权利要求3所述的啤酒酵母粉智能化生产方法，其特征在于，所述计算所述第一尺度特征图和所述第二尺度特征图之间的差分特征图，包括：以如下公式来计算所述第一尺度特征图和所述第二尺度特征图之间的按位置差分以得到所述差分特征图；其中，所述公式为：F1为第一尺度特征图，F2为第二尺度特征图，F
d
为差分特征图。5.根据权利要求4所述的啤酒酵母粉智能化生产方法，其特征在于，所述基于所述差分特征图的尺度，对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征图，包括：基于所述差分特征图的尺度，以如下公式对所述差分特征图中各个位置的特征值进行校正以得到所述校正后差分特征图；其中，所述公式为
f
i
是所述差分特征图中各个位置的特征值，μ和...

【专利技术属性】
技术研发人员：严阿根，廖斌，冯晓景，
申请(专利权)人：浙江东成生物科技股份有限公司，
类型：发明
国别省市：