大桶饮用水智能化灌装方法及其系统技术方案

本申请涉及智能控制领域，其具体地公开了一种大桶饮用水智能化灌装方法及其系统，其通过采用基于深度学习的神经网络模型，基于流速数据和所述声音数据在时序上的动态协同关联来实时准确地对于阀门开度值进行自适应控制，以使得阀门的开度变化更加平滑，进而防止过程中出现外溅和撒料。中出现外溅和撒料。中出现外溅和撒料。

【技术实现步骤摘要】
大桶饮用水智能化灌装方法及其系统


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种大桶饮用水智能化灌装方法及其系统。

技术介绍

[0002]大桶饮用水对比小瓶饮用水成本低，而且使用后可对饮用水桶进行回收重复利用，由于无使用后废弃物，饮用水利用率高等特点被固定场所广泛应用。
[0003]在进行大桶饮用水灌装时，由于大桶瓶体一般都比较软，接触式灌装时不断进入的饮用水会导致瓶体鼓胀，影响灌装装量及产品形象，所以一般选择不接触瓶口的灌装方式。传统的非接触灌装方式大都采用人工进行控制，不仅效率低下，使得灌装的质量达不到应有要求，而且还极易产生外溅和撒料的现象，导致饮用水资源的浪费。
[0004]因此，期望一种优化的大桶饮用水智能化灌装方案。

技术实现思路

[0005]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大桶饮用水智能化灌装方法及其系统，其通过采用基于深度学习的神经网络模型，基于流速数据和所述声音数据在时序上的动态协同关联来实时准确地对于阀门开度值进行自适应控制，以使得阀门的开度变化更加平滑，进而防止过程中出现外溅和撒料。
[0006]根据本申请的一个方面，提供了一种大桶饮用水智能化灌装方法，其包括：
[0007]获取预定时间段内多个预定时间点的流速值和所述预定时间段的声音信号；
[0008]将所述多个预定时间点的流速值通过CLIP模型的时序编码器以得到流速时序特征向量；
[0009]将所述预定时间段的声音信号通过所述CLIP模型的图像编码器以得到声音特征向量；
[0010]使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵；以及
[0011]对所述优化特征矩阵进行特征分布调制以得到调制后特征矩阵；以及
[0012]将所述调制后特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的阀门开度值是否减小。
[0013]在上述大桶饮用水智能化灌装方法中，将所述多个预定时间点的流速值通过CLIP模型的时序编码器以得到流速时序特征向量，包括：将所述多个预定时间点的流速值按照时间维度排列为流速输入向量；使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述流速输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：
[0014]其中X是所述流速输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；使用所述时序编码器的一维卷积层以如下公式对所述流速输入向量
进行一维卷积编码以提取出所述流速输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
[0015][0016]其中，a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述流速输入向量。
[0017]在上述大桶饮用水智能化灌装方法中，将所述预定时间段的声音信号通过所述CLIP模型的图像编码器以得到声音特征向量，包括：使用所述CLIP模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述CLIP模型的图像编码器的最后一层的输出为所述声音特征向量，所述CLIP模型的图像编码器的第一层的输入为所述预定时间段的声音信号。
[0018]在上述大桶饮用水智能化灌装方法中，使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵，包括：使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵；其中，所述公式为：
[0019][0020]其中V
s
表示所述声音特征向量，表示所述声音特征向量的转置向量，V
t
表示所述流速时序特征向量，M
b
表示所述优化特征矩阵，表示向量相乘。
[0021]在上述大桶饮用水智能化灌装方法中，对所述优化特征矩阵进行特征分布调制以得到调制后特征矩阵，包括：将所述优化特征矩阵展开为优化特征向量；对所述优化特征向量进行正定赋范空间的几何约束重参数化以得到调制后特征向量；以及，对所述调制后特征向量进行维度重构以得到所述调制后特征矩阵。
[0022]在上述大桶饮用水智能化灌装方法中，对所述优化特征向量进行正定赋范空间的几何约束重参数化以得到调制后特征向量，包括：以如下公式对所述优化特征向量进行正定赋范空间的几何约束重参数化以得到所述调制后特征向量；其中，所述公式为：
[0023][0024]其中V是所述优化特征向量，v
i
和v
i
′
分别是所述优化特征向量和所述调制后特征向量的第i个位置的特征值，且V是行向量形式，μ和σ是所述优化特征向量的各个位置特征值集合的均值和方差，表示向量的二范数的平方，‖
·
‖
F
表示矩阵的Frobenius范数，exp(
·
)表示指数运算。
[0025]在上述大桶饮用水智能化灌装方法中，将所述调制后特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的阀门开度值是否减小，包括：将所述调制后特征矩阵基于行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向
量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0026]根据本申请的另一方面，提供了一种大桶饮用水智能化灌装系统，其包括：
[0027]信息获取模块，用于获取预定时间段内多个预定时间点的流速值和所述预定时间段的声音信号；
[0028]时序特征提取模块，用于将所述多个预定时间点的流速值通过CLIP模型的时序编码器以得到流速时序特征向量；
[0029]图像特征提取模块，用于将所述预定时间段的声音信号通过所述CLIP模型的图像编码器以得到声音特征向量；
[0030]联合编码模块，用于使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵；以及
[0031]特征分布调制模块，用于对所述优化特征矩阵进行特征分布调制以得到调制后特征矩阵；以及
[0032]分类结果生成模块，用于将所述调制后特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的阀门开度值是否减小。
[0033]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的大桶饮用水智能化灌装方法。
[0034]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大桶饮用水智能化灌装方法，其特征在于，包括：获取预定时间段内多个预定时间点的流速值和所述预定时间段的声音信号；将所述多个预定时间点的流速值通过CLIP模型的时序编码器以得到流速时序特征向量；将所述预定时间段的声音信号通过所述CLIP模型的图像编码器以得到声音特征向量；使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵；以及对所述优化特征矩阵进行特征分布调制以得到调制后特征矩阵；以及将所述调制后特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的阀门开度值是否减小。2.根据权利要求1所述的大桶饮用水智能化灌装方法，其特征在于，将所述多个预定时间点的流速值通过CLIP模型的时序编码器以得到流速时序特征向量，包括：将所述多个预定时间点的流速值按照时间维度排列为流速输入向量；使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述流速输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述流速输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；使用所述时序编码器的一维卷积层以如下公式对所述流速输入向量进行一维卷积编码以提取出所述流速输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述流速输入向量。3.根据权利要求2所述的大桶饮用水智能化灌装方法，其特征在于，将所述预定时间段的声音信号通过所述CLIP模型的图像编码器以得到声音特征向量，包括：使用所述CLIP模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述CLIP模型的图像编码器的最后一层的输出为所述声音特征向量，所述CLIP模型的图像编码器的第一层的输入为所述预定时间段的声音信号。4.根据权利要求3所述的大桶饮用水智能化灌装方法，其特征在于，使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵，包括：使用所述CLIP模型的优化编码器来融合所述声音特征向量和所述流速时序特征向量以得到优化特征矩阵；其中，所述公式为：
其中V
s
表示所述声音特征向量，表示所述声音特征向量的转置向量，V
t
表示所述流速时序特征向量，M
b
表示所述优化特征矩阵，表示向量相乘。5.根据权利要求4所述的大桶饮用水智能化灌装方法，其特征在于，对所述优化特征矩阵进行特征分布调制以得到调制后特征矩阵，包括：将所述优化特征矩阵展开为优化特征向量；对所述优化特征向量进行正定赋范空间的几何约束重参数化以得到调制后特征向量；以及对所述调制后特征...

【专利技术属性】
技术研发人员：刘洋，王亚飞，高鹏飞，杨峰，王鹏，刘小梅，
申请(专利权)人：德玛克浙江精工科技有限公司，
类型：发明
国别省市：