控制器、搅拌设备、控制方法及计算机可读存储介质技术

本申请提供了控制器、搅拌设备、控制方法及计算机可读存储介质，所述控制器被配置成：当所述搅拌设备开始搅拌时，利用计时设备进行计时，得到计时时长；当检测到所述计时时长不小于第一预设时长时，利用取样设备对所述菌菇原料进行取样，得到实时样本；利用水分检测设备对所述实时样本进行水分检测，并获取所述菌菇原料的含水率对应的补水量；基于预设的预加水量，利用加水设备对所述搅拌设备进行预加水；基于所述补水量，利用所述加水设备对所述搅拌设备进行补水。在利用搅拌设备对菌菇原料进行搅拌的过程中，进行有针对性的自动加水，从而实现干搅拌和湿搅拌两个搅拌阶段的自动搅拌，提高整体搅拌效率。提高整体搅拌效率。提高整体搅拌效率。

【技术实现步骤摘要】
控制器、搅拌设备、控制方法及计算机可读存储介质


[0001]本申请涉及菌菇生产、自动化控制和深度学习的
，尤其涉及控制器、搅拌设备、控制方法及计算机可读存储介质。

技术介绍

[0002]在菌菇的生产过程中，菌菇原料能否搅拌充分、均匀影响最终菌菇的生产成本、生产效率、产量和产品质量，因此有必要对菌菇原料的搅拌过程进行自动化控制，以减少人工成本，提升搅拌效率。
[0003]专利CN108887080B公开了一种菌菇的生产工艺，包括如下步骤：(1)拌料：将包含木屑和甘蔗渣的粗料，以及包含玉米、豆粕和麦麸的精料，均与石灰、碳酸氢钙和水进行混合制成培养基；对粗料进行搅拌时：A、铲车操作人员利用堆料场空地将所需粗料集中后进行搅拌，搅拌时将铲料高举再放下料，使料能充分搅拌均匀；B、搅拌后将粗料铲至堆料场，等制包组1号搅拌机需料时进行供应；C、将粗料铲至1号搅拌机，铲车每次铲料量时必须是平斗；D、然后将搅拌好的粗料与精料、石灰、碳酸氢钙和水按顺序依次放进8立方搅拌机(1
‑
3#)内搅拌15分钟；(2)制包：(3)高温灭菌：(4)接种：(5)培养：将菌种置于清洁干净、恒温、恒湿，并且能定时通风的环境中；(6)育菇：通过育菇装置对菌种进行育菇操作。该技术方案仅仅在湿搅拌阶段利用立方搅拌机进行自动搅拌，而在干搅拌阶段采用人工搅拌，导致整体搅拌效率较低。
[0004]基于此，本申请提供了控制器、搅拌设备、控制方法及计算机可读存储介质，以解决上述现有技术中存在的问题。

技术实现思路

[0005]本申请的目的在于提供控制器、搅拌设备、控制方法及计算机可读存储介质，在菌菇原料的搅拌中途进行自动加水，从而实现干搅拌和湿搅拌两个搅拌阶段的自动搅拌，提高整体搅拌效率。
[0006]本申请的目的采用以下技术方案实现：
[0007]第一方面，本申请提供了一种控制器，用于控制搅拌设备的自动加水过程，所述搅拌设备用于搅拌菌菇原料，所述控制器被配置成：
[0008]当所述搅拌设备开始搅拌时，利用计时设备进行计时，得到计时时长；
[0009]当检测到所述计时时长不小于第一预设时长时，利用取样设备对所述菌菇原料进行取样，得到实时样本；
[0010]利用水分检测设备对所述实时样本进行水分检测，得到所述实时样本的含水率作为所述菌菇原料的含水率，并获取所述菌菇原料的含水率对应的补水量；
[0011]基于预设的预加水量，利用加水设备对所述搅拌设备进行预加水；
[0012]基于所述补水量，利用所述加水设备对所述搅拌设备进行补水。
[0013]该技术方案的有益效果在于：在利用搅拌设备对菌菇原料进行搅拌的过程中，进
行有针对性的自动加水，从而实现干搅拌和湿搅拌两个搅拌阶段的自动搅拌，提高整体搅拌效率。具体而言，将自动搅拌过程分为干搅拌(加水之前的搅拌阶段)、湿搅拌两个搅拌阶段，针对干搅拌这一搅拌阶段单独进行计时，将湿搅拌这一搅拌阶段的自动加水过程分为预加水和补水两个加水阶段。在自动加水过程中，基于(时间)统筹方法的思想，在完成取样之后，同步进行水分检测和预加水(水分检测和预加水分别需要相同或者不同的一段时长来完成)，并在完成水分检测后计算含水率对应的补水量，在完成预加水后基于计算得到的补水量进行补水。在菌菇生产过程中，针对实时样本的水分检测需要一定时长(一般是几分钟到几十分钟)，加水过程也需要较长时间(一般是几分钟到几十分钟)，如果等到水分检测结束才进行一次性的加水，则浪费了水分检测的这段时间，降低了整体搅拌效率；采用本申请提供的分阶段的加水方式，在水分检测的过程中同步进行预加水，等到预加水结束之后：如果水分检测结束并计算得到补水量，那就基于补水量进行补水；如果水分检测还没结束或者补水量还没计算出来，就等水分检测结束、计算得到补水量后进行补水。这样做的好处是，利用水分检测的时间段同步进行预加水，从而有效缩短了单个搅拌设备完成一次自动搅拌过程所需要的总体时长，提高了整体搅拌效率，提升了单个搅拌设备的产能，进而提高了菌菇的生产效率。
[0014]在一些可选的实施方式中，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的补水量：
[0015]获取补水量计算公式，所述补水量计算公式用于指示含水率、预加水量与补水量之间的对应关系；
[0016]将所述菌菇原料的含水率和所述预加水量输入所述补水量计算公式，计算得到所述菌菇原料的含水率对应的补水量。
[0017]该技术方案的有益效果在于：获取预设的补水量计算公式(例如是一元多项式或者多元多项式，又例如是线性多项式或者非线性多项式)，利用该补水量计算公式和自变量(获取到的菌菇原料的含水率和预设的预加水量)，计算得到因变量(该含水率对应的补水量)。基于计算公式的计算过程，所消耗的计算资源少，所耗费的计算时间短，计算效率较高。
[0018]在一些可选的实施方式中，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的补水量：
[0019]获取所述菌菇原料的含水率对应的总加水量；
[0020]基于所述总加水量和所述预加水量，计算得到所述菌菇原料的含水率对应的补水量。
[0021]该技术方案的有益效果在于：将获取补水量的步骤分为两个阶段，第一个阶段获取总加水量，第二个阶段做减法，即利用总加水量减去预加水量得到补水量。由此，可以通过各种可行方式灵活地获取总加水量(例如人工录入总加水量、利用加水量计算公式进行计算或者利用加水模型进行预测)，再减去固定的或者动态调整的预加水量，计算得到补水量，这种补水量获取方式整体上灵活度很高，适用范围广，方便用户根据自身的性能需求和成本需求选择适合的具体计算方式。
[0022]在一些可选的实施方式中，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的总加水量：
[0023]将所述菌菇原料的含水率输入加水模型，得到所述菌菇原料的含水率对应的总加水量；
[0024]其中，所述加水模型的训练过程如下：
[0025]获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个训练样本的含水率及其对应的总加水量的标注数据；
[0026]针对每个所述训练数据，执行以下处理：
[0027]将所述训练样本的含水率输入预设的深度学习模型，得到所述训练样本的含水率对应的总加水量的预测数据；
[0028]基于所述训练样本的含水率对应的总加水量的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
[0029]检测是否满足预设的训练结束条件；如果是，则将训练得到的深度学习模型作为所述加水模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
[0030]该技术方案的有益效果在于：加水模型可以由大量的训练数据训练得到，能够针对不同的输入数据预测得到相应的总加水量，适用范围广，智能化水平高。通过设计，建立适量的神经元计算节点和多层运算层次结构，选择合适的输入层和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种控制器，其特征在于，用于控制搅拌设备的自动加水过程，所述搅拌设备用于搅拌菌菇原料，所述控制器被配置成：当所述搅拌设备开始搅拌时，利用计时设备进行计时，得到计时时长；当检测到所述计时时长不小于第一预设时长时，利用取样设备对所述菌菇原料进行取样，得到实时样本；利用水分检测设备对所述实时样本进行水分检测，得到所述实时样本的含水率作为所述菌菇原料的含水率，并获取所述菌菇原料的含水率对应的补水量；基于预设的预加水量，利用加水设备对所述搅拌设备进行预加水；基于所述补水量，利用所述加水设备对所述搅拌设备进行补水。2.根据权利要求1所述的控制器，其特征在于，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的补水量：获取补水量计算公式，所述补水量计算公式用于指示含水率、预加水量与补水量之间的对应关系；将所述菌菇原料的含水率和所述预加水量输入所述补水量计算公式，计算得到所述菌菇原料的含水率对应的补水量。3.根据权利要求1所述的控制器，其特征在于，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的补水量：获取所述菌菇原料的含水率对应的总加水量；基于所述总加水量和所述预加水量，计算得到所述菌菇原料的含水率对应的补水量。4.根据权利要求3所述的控制器，其特征在于，所述控制器被进一步配置成采用如下方式获取所述菌菇原料的含水率对应的总加水量：将所述菌菇原料的含水率输入加水模型，得到所述菌菇原料的含水率对应的总加水量；其中，所述加水模型的训练过程如下：获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个训练样本的含水率及其对应的总加水量的标注数据；针对每个所述训练数据，执行以下处理：将所述训练样本的含水率输入预设的深度学习模型，得到所述训练样本的含水率对应的总加水量的预测数据；基于所述训练样本的含水率对应的总加水量的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；检测是否满足预设的训练结束条件；如果是，则将训练得到的深度学习模型作为所述加水模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。5.根据权利要求1所述的控制器，其特征在于，所述控制器还被配置成：当检测到所述计时时长不小于所述第一...

【专利技术属性】
技术研发人员：郑华荣，郑雪平，郑烜如，
申请(专利权)人：江苏润正生物科技有限公司，
类型：发明
国别省市：