【技术实现步骤摘要】
餐具油污清洁剂及其制备方法
[0001]本申请涉及智能制备领域,且更为具体地,涉及一种餐具油污清洁剂及其制备方法
。
技术介绍
[0002]油污清洁剂是一种用于清洁油污和污垢的化学制剂,可以用来清洁餐具上的油污
。
在进行油污清洁剂的制备过程中,增稠剂的添加能使洗洁精的粘稠度增加,提高其清洁效果
。
增稠剂的添加量过多会使得黏稠过度,导致产品难以稀释
。
但添加过少会使粘稠度不足,无法提供足够的附着力和清洁力,产品可能无法有效地去除油脂
、
污渍等,影响清洁效果
。
但由于现有技术很难精准地来控制增稠剂的添加量,导致产品的清洁效果不够
。
[0003]因此,期待一种优化的餐具油污清洁剂制备方案
。
技术实现思路
[0004]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餐具油污清洁剂及其制备方法,其采用基于深度神经网络模型的人工智能技术,获取预定时间段内混合溶液状态监控视频,提取多个关键帧后通过过滤器卷积网络提取混合溶液的状态特征,计算多个差分后通过三维卷积网络和空间注意力卷积进行空间位置上的提取和增强,以得到用于表示增稠剂是否还需要添加的分类结果
。
进而,可以实现对混合溶液状态的自动监测,从而实现对增稠剂的精确控制,提高产品质量和生产效率
。
[0005]根据本申请的一个方面,提供了一种餐具油污清洁剂的制备方法,其包括:获 ...
【技术保护点】
【技术特征摘要】
1.
一种餐具油污清洁剂的制备方法,其特征在于,包括:获取预定时间段内混合溶液状态监控视频;从所述混合溶液状态监控视频中提取多个混合溶液状态关键帧;将所述多个混合溶液状态关键帧通过作为过滤器的卷积神经网络模型以得到多个混合溶液状态特征图;计算所述多个混合溶液状态特征图之间的差分以得到多个混合溶液状态差分特征图;将所述多个混合溶液状态差分特征图通过三维卷积核的卷积网络模型以得到混合溶液全局状态特征图;将所述混合溶液全局状态特征图通过空间注意力卷积神经网络模型以得到分类特征图;对所述分类特征图进行特征子空间一致性强化以得到优化分类特征图;将所述优化分类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增稠剂是否还需要添加
。2.
根据权利要求1所述的餐具油污清洁剂的制备方法,其特征在于,从所述混合溶液状态监控视频中提取多个混合溶液状态关键帧,包括:以预定采样频率从所述混合溶液状态监控视频中提取多个混合溶液状态关键帧
。3.
根据权利要求2所述的餐具油污清洁剂的制备方法,其特征在于,将所述多个混合溶液状态关键帧通过作为过滤器的卷积神经网络模型以得到多个混合溶液状态特征图,包括:使用所述作为过滤器的卷积神经网络模型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局部特征矩阵的全局均值池化以得到池化特征图;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,所述作为过滤器的卷积神经网络模型的最后一层的输出为所述混合溶液状态特征图,所述作为过滤器的卷积神经网络模型的第一层的输入为所述混合溶液状态关键帧
。4.
根据权利要求3所述的餐具油污清洁剂的制备方法,其特征在于,计算所述多个混合溶液状态特征图之间的差分以得到多个混合溶液状态差分特征图,包括:以如下差分公式计算所述多个混合溶液状态特征图中相邻两个时间点混合溶液状态特征图之间的差分特征图,包括:其中,所述差分公式为:其中,和表示所述多个混合溶液状态特征图中相邻两个时间点混合溶液状态特征图,表示按位置作差,表示所述混合溶液状态差分特征图
。5.
根据权利要求4所述的餐具油污清洁剂的制备方法,其特征在于,将所述多个混合溶液状态差分特征图通过三维卷积核的卷积网络模型以得到混合溶液全局状态特征图,包括:使用所述三维卷积核的卷积网络模型的各层在层的正向传递中分别对输入数据进行:
基于卷积核对所述输入数据进行卷积处理以生成卷积特征图;对所述卷积特征图进行基于局部特征矩阵的全局均值池化处理以生成池化特征图;对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征增图;其中,所述三维卷积核的卷积网络模型的最后一层的输出分别为多个混合溶液状态局部特征图的各个混...
【专利技术属性】
技术研发人员:叶凤玲,古振宇,陈昭琼,
申请(专利权)人:深圳市仙鱼环保科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。