System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种基于单目相机的智能摘酒方法、系统、设备以及介质。
技术介绍
1、白酒蒸馏过程中的一种传统技艺,是指通过观察酒花的大小和滞留时间来判断馏出液的酒度高低,并在合适的时机把中高度酒和低浓度酒分离开的过程。而酒花则是蒸馏液流入容器中,因酒精度度数、温度不同导致不同阶段原酒表面张力不同激起不同形态的气泡。在摘酒的酒段检测过程中,酒花的形态是至关重要的参数。
2、现有技术方案及现有技术的缺点:可按照检测原理的不同分为三类:基于过程参数的自动化摘酒、基于分析仪器的自动化摘酒以及基于机器视觉的自动化摘酒。基于过程参数的自动化摘酒通过检测温度、压力等过程参数,作为白酒分段的指标。这类方法简单易行,但易受干扰,可靠性不高;基于分析仪器的自动化摘酒使用光谱仪、色谱仪、质谱仪等分析仪器分析酒液化学成分,作为白酒分段的依据。这类方法成本高昂贵,且对工作环境要求苛刻,检测速度较慢,无法在线监测。而基于机器视觉的自动化摘酒更多关注酒花的形态识别,而对于酒花区域的搜索的速度和准确性均有所缺陷,同时酒花的识别更多依赖单一处理识别流程,其提供的识别结果可靠性不高。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足,本专利技术提供一种基于单目相机的智能摘酒方法、系统、设备以及介质,其解决了现有的基于过程参数的自动化摘酒方案可靠性不高、易受干扰,而基于分析仪器的自动化摘酒成本高昂贵,且对工作环境要求苛刻,检测速度较慢,无法在线监测,以及
3、(二)技术方案
4、为了达到上述目的,本专利技术采用的主要技术方案包括:
5、第一方面,本专利技术实施例提供一种基于单目相机的智能摘酒方法,包括:
6、通过plc控制器启动甑和冷凝器开始摘酒,以使酒精流入摘酒容器并在摘酒容器中形成酒花;
7、通过单目相机拍摄整个摘酒过程中的酒花图像,每隔预设时段接收单目相机上传的酒花图像;
8、将酒花图像输入到预先训练的图像分割模型来进行模型推理,得到按照酒段类别输出的酒段掩模;
9、求取酒段掩模的面积分布直方图,再根据面积分布直方图输出当前时段的酒段结果;
10、将当前时段的酒段结果发送至plc控制器,以使plc控制器根据酒段结果控制连通摘酒容器的输出管道的阀门的开闭状态,完成摘酒工作。
11、可选地,图像分割模型的训练过程包括:
12、通过单目相机获取整个摘酒过程中的酒花图像;
13、多次经图像分割模型在多张酒花图像上标注出酒花区域和对应酒段标识,直至构建得到的具备预设图像数量的酒花数据集;
14、依据一固定比例将酒花数据集分割成训练集和测试集;
15、采用训练集训练图像分割模型;
16、采用测试集验证图像分割模型的检测精度,依据精度检测结果反复训练图像分割模型直到像素准确率不小于99%。
17、可选地,图像分割模型的结构包括:
18、第一层:输入层,接受输入rgb酒花图像;
19、第二层:卷积层,卷积核大小为3×3×32,采用relu激活函数;
20、第三层:卷积层,卷积核大小为3×3×32,采用relu激活函数;
21、第四层:最大池化层,池化尺寸为2×2;
22、第五层:卷积层,卷积核大小为3×3×64,采用relu激活函数;
23、第六层:卷积层,卷积核大小为3×3×64,采用relu激活函数;
24、第七层:最大池化层,池化尺寸为2×2;
25、第八层:卷积层,卷积核大小为3×3×128,采用relu激活函数;
26、第九层:卷积层,卷积核大小为3×3×128,采用relu激活函数;
27、第十层:最大池化层,池化尺寸为2×2;
28、第十一层:卷积层,卷积核大小为3×3×256,采用relu激活函数;
29、第十二层:卷积层,卷积核大小为3×3×256,采用relu激活函数;
30、第十三层:最大池化层,池化尺寸为2×2;
31、第十四层:卷积层,卷积核大小为3×3×512,采用relu激活函数;
32、第十五层:卷积层,卷积核大小为3×3×512,采用relu激活函数;
33、第十六层:上采样层;
34、第十七层:卷积层,卷积核大小为3×3×256,采用relu激活函数;
35、第十八层:卷积层,卷积核大小为3×3×256,采用relu激活函数;
36、第十九层:上采样层;
37、第二十层:卷积层,卷积核大小为3×3×128,采用relu激活函数;
38、第二十一层:卷积层,卷积核大小为3×3×128,采用relu激活函数;
39、第二十二层:上采样层;
40、第二十三层:卷积层,卷积核大小为3×3×64,采用relu激活函数;
41、第二十四层:卷积层,卷积核大小为3×3×64,采用relu激活函数;
42、第二十五层:上采样层;
43、第二十六层:卷积层,卷积核大小为3×3×32,采用relu激活函数;
44、第二十七层:卷积层,卷积核大小为3×3×32,采用relu激活函数;
45、第二十八层:卷积层,卷积核大小为3×3×6,采用sigmod激活函数。
46、可选地,将酒花图像输入到预先训练的图像分割模型来进行模型推理,得到按照酒段类别输出的酒段掩模包括:
47、将当前时段接收的酒花图像输入到预先训练的图像分割模型来进行模型推理;
48、图像分割模型输出背景、头酒、二段酒、三段酒、尾酒以及尾水的之中至少一种所对应的掩模图像。
49、可选地,求取酒段掩模的面积分布直方图,再根据面积分布直方图输出当前时段的酒段结果包括:
50、求取图像分割模型输出的所有掩模图像中非零像素面积;
51、依据每一掩模图像中非零像素面积绘制面积直方图,根据直方图中面积最大的类别输出当前时段的酒段结果。
52、可选地,将当前时段的酒段结果发送至plc控制器,以使plc控制器根据酒段结果控制连通摘酒容器的输出管道的阀门的开闭状态,完成摘酒工作包括:
53、将当前时段的酒段结果通过工业通讯协议发送至plc控制器;
54、依据酒段结果通过plc控制器控制连通摘酒容器的相应输出管道的阀门的打开,其余输出管道的阀门维持关闭,以使当前已确定酒段的酒液流入预设的储酒容器中。
55、第二方面,本专利技术实施例提供一种基于单目相机的智能摘酒系统,包括:
56、摘酒组件,用于执行摘酒工作本文档来自技高网...
【技术保护点】
1.一种基于单目相机的智能摘酒方法,其特征在于,包括:
2.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,图像分割模型的训练过程包括:
3.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,图像分割模型的结构包括:
4.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,将酒花图像输入到预先训练的图像分割模型来进行模型推理,得到按照酒段类别输出的酒段掩模包括:
5.如权利要求4所述的基于单目相机的智能摘酒方法,其特征在于,求取酒段掩模的面积分布直方图,再根据面积分布直方图输出当前时段的酒段结果包括:
6.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,将当前时段的酒段结果发送至PLC控制器,以使PLC控制器根据酒段结果控制连通摘酒容器的输出管道的阀门的开闭状态,完成摘酒工作包括:
7.一种基于单目相机的智能摘酒系统,其特征在于,包括:
8.如权利要求7所述的基于单目相机的智能摘酒系统,其特征在于,摘酒组件包括:
9.一种基于单目相机的智能摘酒设备,其
10.一种计算机可读介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的基于单目相机的智能摘酒方法步骤。
...【技术特征摘要】
1.一种基于单目相机的智能摘酒方法,其特征在于,包括:
2.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,图像分割模型的训练过程包括:
3.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,图像分割模型的结构包括:
4.如权利要求1所述的基于单目相机的智能摘酒方法,其特征在于,将酒花图像输入到预先训练的图像分割模型来进行模型推理,得到按照酒段类别输出的酒段掩模包括:
5.如权利要求4所述的基于单目相机的智能摘酒方法,其特征在于,求取酒段掩模的面积分布直方图,再根据面积分布直方图输出当前时段的酒段结果包括:
...
【专利技术属性】
技术研发人员:陈梦迟,杨丽明,王昊,李晓峰,
申请(专利权)人:中控技术股份有限公司,
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。