CN110749555A - 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 - Google Patents
基于高光谱技术白酒曲块内部发酵状态检测装置及方法 Download PDFInfo
- Publication number
- CN110749555A CN110749555A CN201911042816.XA CN201911042816A CN110749555A CN 110749555 A CN110749555 A CN 110749555A CN 201911042816 A CN201911042816 A CN 201911042816A CN 110749555 A CN110749555 A CN 110749555A
- Authority
- CN
- China
- Prior art keywords
- koji
- block
- hyperspectral
- hyperspectral data
- fermentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开一种基于高光谱技术白酒曲块内部发酵状态检测装置及方法。该方法包括:实时获取曲块表面高光谱数据,并以表面高光谱数据作为判断曲块内外部发酵状态的依据;对曲块图像与光谱信息综合处理,得到特定点曲块高光谱数据;将数据库中所获得最优特定波段曲块高光谱数据与特定点曲块高光谱数据相结合,通过深度学习得到特定波段曲块表面高光谱数据;获取曲房发酵环境参数;判断特定波段曲块表面高光谱数据是否为新的高光谱数据类型;若是,则实时更新所建立最优非线性预测数学模型并存储数据;若否,则直接根据最优非线性预测数学模型判断曲块内部发酵状态。本发明能够实现曲块固态发酵实时测量功能。
Description
技术领域
本发明涉及酿酒固态发酵领域,特别是涉及一种基于高光谱技术白酒曲块内部发酵状态检测装置及方法。
背景技术
白酒是中国独有的蒸馏酒,目前有十二大香型。凭借其特殊的酿造工艺,深受国人喜爱。曲块是酿造工艺的灵魂,是固态酿造的发酵剂,在酿酒发酵过程中起到关键的作用,其质量好坏直接影响白酒品质。现代制曲工艺中仍然依据人工经验判断曲块发酵质量,存在主观影响,人工干预程度高、品质波动大、无量化标准、无可供分析曲块质量的数据记录、人力成本高;为解决这些问题,提高发酵曲块的质量检测、无损检测则成为发展的重中之重,但目前国内外对白酒曲块发酵在线无损检测方面未曾有研究成果与相关专利,尤其在高光谱白酒曲块发酵快速无损检测方面,根据所查阅文献可知,更未有应用高光谱技术对曲块内部发酵状态与品质进行综合检测与控制的方法。因此迫切需要一种基于高光谱技术白酒曲块内部发酵状态检测装置及方法来解决这类问题。
发明内容
本发明的目的是提供一种基于高光谱技术白酒曲块内部发酵状态检测装置及方法,利用高光谱技术根据曲块表面信息检测白酒曲块内部发酵状态,能够在不影响曲房发酵环境,不损坏曲块发酵前提下,实时快速获取白酒曲块在不同区域不同时期发酵的表面高光谱数据,实现白酒曲块固态发酵实时测量功能,为控制曲块发酵品质提供重要反馈信息。
为实现上述目的,本发明提供了如下方案:
一种基于高光谱技术白酒曲块内部发酵状态检测装置,包括:运动控制***、曲块高光谱数据采集***、实时传输处理***、传感器和中心控制***,所述运动控制***用于将所述曲块高光谱数据采集***及机械手送到待检测曲块的指定位置,所述曲块高光谱数据采集***与所述运动控制***连接,所述曲块高光谱数据采集***用于实时采集发酵曲块表面中各种物质成分高光谱数据,所述实时传输处理***分别与所述曲块高光谱数据采集***和所述中心控制***连接,所述实时传输处理***用于将所述曲块高光谱数据采集***采集的曲块表面各种物质成分高光谱数据发送至所述中心控制***,所述中心控制***用于接收各种所述物质成分光高谱数据,所述传感器用于采集曲房发酵环境参数,所述传感器与所述中心控制***连接,所述中心控制***用于根据各种所述物质成分高光谱数据和所述曲房发酵环境参数判断曲块内部发酵状态。
可选的,所述运动控制***包括机械手、导轨、牵引车、嵌入式工控机和工业相机,所述导轨设置在曲房的上方,所述牵引车位于所述导轨上,所述牵引车上设置所述机械手,所述嵌入式工控机设置在所述采集***上,所述机械手通过所述嵌入式工控机抓取所述曲房待检测曲架不同层的曲块并将所述曲块放置到所述曲块高光谱数据采集***的旋转样品台,所述工业相机设置在所述机械手的末端,所述工业相机用于实时采集所述机械手末端与所述曲房的距离,所述嵌入式工控机分别与所述机械手、所述牵引车和所述工业相机连接,所述嵌入式工控机用于控制机械手的运动、控制所述牵引车的运动、接收所述机械手末端与所述曲房的距离信息。
可选的,所述曲块高光谱数据采集***包括高光谱相机、丝杠滑台、旋转样品台、抽湿装置、嵌入式工控机、5G发送模块和电机,所述高光谱相机设置在所述丝杠滑台上,所述丝杠滑台经所述电机控制带动所述高光谱相机运动;所述高光谱相机的下方设置所述旋转样品台,所述旋转样品台用于放置所述机械手抓取待检测的曲块;所述抽湿装置安装在所述高光谱相机的两侧,所述抽湿装置用于减少数据采集时水蒸气对所述高光谱相机镜头与精密仪器的影响;所述高光谱相机与所述嵌入式工控机连接,所述嵌入式工控机用于接收所述高光谱相机所采集的曲块表面各种物质成分高光谱数据,所述嵌入式工控机与所述5G发送模块连接,所述5G发送模块与所述实时传输处理***连接。
可选的,所述实时传输处理***采用5G数据通信***,所述5G数据通信***与所述曲块高光谱数据采集***连接,所述5G数据通信***用于将所述曲块高光谱数据采集***采集的曲块表面各种物质成分光谱数据发送至中心控制***。
一种基于高光谱技术白酒曲块内部发酵状态检测方法,所述检测方法将高光谱技术引入到在线无损检测白酒曲块内部发酵状态中,通过深度学习获取特定波段曲块表面高光谱数据来判断曲块内外部发酵状态,所述检测方法包括:
实时获取曲块在不同区域不同时期发酵的表面高光谱数据,并将所采集表面高光谱数据作为判断曲块内外部发酵状态依据;
对所述曲块表面高光谱数据进行图像处理和光谱信息处理,得到特定点曲块高光谱数据;
从数据库中获取最优特定波段曲块图像数据;
将所述特定点曲块高光谱数据和所述最优特定波段曲块高光谱数据结合,通过深度学习方法,得到特定波段曲块表面高光谱数据;
获取曲房发酵环境参数;
判断所述特定波段曲块表面高光谱数据是否为新的高光谱数据类型;
若是,则根据所述特定波段曲块表面高光谱数据和所述曲房发酵环境参数实时更新所建立最优非线性预测数学模型,并将所述特定波段曲块表面高光谱数据自动存储到数据库中;
若否,不更新数据模型,则根据所述特定波段曲块表面高光谱数据和所述曲房发酵环境参数直接运用所建立最优非线性预测数学模型;
根据所述最优非线型预测数学模型,判断曲块内部发酵状态,并根据所述曲块内部发酵状态控制曲块发酵环境参数。
可选的,所述特定波段曲块表面高光谱数据自动存储到数据库中,具体包括:
数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关学习算法对实时采集的曲块表面高光谱数据实施***和修改操作,实现在线实时智能存放典型发酵状态高光谱数据;
根据所述智能存放典型发酵状态高光谱数据,自动更新曲块发酵过程中不同曲房内不同类型物质成分数据库信息。
可选的,所述根据所述实时更新所建立最优非线性预测数学模型,具体包括:
根据新的曲块表面高光谱数据,实时更新所建立最优非线性预测数学模型;随检测时间与检测曲块数据的增加,该检测方法具有在线实时学习功能可自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明将实时采集的曲块表面高光谱数据作为判断曲块内外部发酵状态的依据。将数据库中所获得最优特定波段曲块高光谱数据与实时采集的曲块特定点高光谱数据相结合,通过深度学习获取特定波段曲块表面高光谱数据来判断曲块内部发酵状态,从而对曲块内外部发酵状态和品质进行综合检测。本发明的高光谱技术白酒曲块内部发酵状态检测方法具有在线实时自主学习功能,拥有面向固态酿造曲块发酵专用智慧型数据库,即数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关学习算法实现智能存放不同类型曲块发酵状态高光谱数据。随检测时间与检测曲块数据增加,该检测方法不断更新曲块发酵状态的表面高光谱数据,并根据新的曲块高光谱数据实时更新所建立最优非线性数学模型,自动优化预测数学模型,逐渐提高曲块内部发酵状态检测***智能性,实现白酒曲块内部发酵状态实时在线无损检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于高光谱技术白酒曲块内部发酵状态检测装置组成模块示意图;
图2为高光谱技术白酒曲块内部发酵状态检测装置主视图;
图3为高光谱技术白酒曲块内部发酵状态检测装置俯视图;
图4为曲块发酵检测***局部示意图;
图5为曲块高光谱数据采集***第一示意图;
图6为曲块高光谱数据采集***第二示意图;
图7为本发明基于高光谱技术白酒曲块内部发酵状态检测方法流程图;
图8为嵌入式曲块高光谱测控***结构框图;
图9为高光谱曲块内部发酵检测流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于高光谱技术白酒曲块内部发酵状态检测装置及方法,利用高光谱技术根据曲块表面信息检测白酒曲块内部发酵状态,能够在不影响曲房发酵环境,不损坏曲块发酵前提下,实时快速获取白酒曲块在不同区域不同时期发酵的表面高光谱数据,实现白酒曲块固态发酵实时测量功能,为控制曲块发酵品质提供重要反馈信息。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于高光谱技术白酒曲块内部发酵状态检测装置组成模块示意图。如图1所示,一种基于高光谱技术白酒曲块内部发酵状态检测装置包括:运动控制***1、曲块高光谱数据采集***2、实时传输处理***3、传感器4和中心控制***5,运动控制***1用于将曲块高光谱数据采集***2送到待检测曲块的指定位置,曲块高光谱数据采集***2与运动控制***1连接,曲块高光谱数据采集***2用于实时采集发酵曲块表面中各种物质成分高光谱数据,实时传输处理***3分别与曲块高光谱数据采集***2和中心控制***5连接,实时传输处理***3用于将曲块高光谱数据采集***2采集的曲块表面各种物质成分高光谱数据发送至中心控制***5,中心控制***5用于接收各种物质成分高光谱数据,传感器4用于采集曲房发酵环境参数,传感器4与中心控制***5连接,中心控制***5用于根据各种物质成分高光谱数据和曲房发酵环境参数判断曲块内部发酵状态。
图2为高光谱技术白酒曲块内部发酵状态检测装置主视图。图3为高光谱技术白酒曲块内部发酵状态检测装置俯视图。图4为曲块发酵检测***局部示意图。参见图2、图3和图4,运动控制***1包括机械手11、导轨12、牵引车13和嵌入式工控机26,本发明的运动控制***1是一个适合曲房高温、高湿环境下的运动***,导轨12设置在曲房的上方,曲房的门上设置标签6,牵引车13位于导轨12上,牵引车13上设置机械手11,嵌入式工控机26设置在曲块高光谱数据采集***2上,机械手11用于通过嵌入式工控机26抓取曲房待检测曲架不同层的曲块并将曲块放置到曲块高光谱数据采集***2的旋转样品台上,嵌入式工控机26分别与机械手11和牵引车13连接,嵌入式工控机26用于控制机械手11和牵引车13的运动。
运动控制***1还包括机械手升降平台14,机械手升降平台14分别与牵引车13和机械手11连接,机械手升降平台14用于控制机械手11的运动。
运动控制***1还包括工业相机15,工业相机15设置在机械手11的末端,工业相机15用于实时采集所述机械手11末端与所述曲房距离以及采集待测曲架曲块图像信息实现对待检测曲块的精确定位与抓取。
曲块高光谱数据采集***2采用特有移动悬挂式曲块高光谱数据采集***通过牵引车13与所述导轨12连接,提高不同发酵曲房内曲块状态的识别率与检测精度。图5为曲块高光谱数据采集***第一示意图。图6为曲块高光谱数据采集***第二示意图。如图5和图6所示,曲块高光谱数据采集***2包括高光谱相机31、旋转样品台22、丝杠滑台和电机、5G发送模块25、嵌入式工控机26、光源27和抽湿装置28,所述电机包括光源调节电机241和丝杠滑台电机242,高光谱相机31通过连接板安装在丝杠滑台上,通过丝杠滑台电机242控制丝杠滑台带动高光谱相机31上下左右移动,调整物距和视场角,实现曲块的全方位光谱信息采集。高光谱相机31的下方设置旋转样品台22,旋转样品台22用于放置机械手11抓取的待检测的曲块,高光谱相机31与嵌入式工控机26连接,嵌入式工控机26用于实时接收所采集的发酵曲块表面各种物质成分高光谱数据,嵌入式工控机26与5G发送模块25连接,5G发送模块25与实时传输处理***3连接。本发明所用到的嵌入式工控机26为曲房专用嵌入式工控机。光源27采用卤素光源,设置在高光谱相机31的两侧,光源27与光源调节电机241连接,通过光源调节电机241自动调节光源27的强度与角度,设置最佳采集进光量,消除曲房环境对曲块高光谱数据采集干扰,实时采集发酵曲块表面中各种物质成分高光谱数据,获得高质量的数据,实现曲块表面数据“图谱合一”。曲块高光谱数据采集***2还包括抽湿装置28,抽湿装置28安装在高光谱相机31的两侧,抽湿装置28用于减少数据采集时水蒸气对高光谱相机31镜头与精密仪器的影响。丝杠滑台包括前后移动滑台231、左右移动滑台232和上下移动滑台233。
中心控制***5根据高光谱形成机理、曲块表面高光谱数据与曲房环境参数,建立相关联数学模型,通过深度学习获取特定波段曲块表面高光谱数据来判断曲块内部发酵状态,从而实现高光谱曲块内部发酵状态在线无损检测。
曲块高光谱数据采集***2是本发明装置的核心设备,导轨12是整个***的支撑结构。当本发明的装置进入不同曲房时,电机驱动机械手11垂直运动,使机械手11末端的工业相机15旋转并在运动过程中采集曲房门上方的标签6的图像信息,通过对图像信息处理不断检测机械手11与曲房门距离,当到达指定距离,信号控制曲房门自动打开,曲块高光谱数据采集***2与机械手11进入待检测的曲房后门自动关闭。在抓取曲块时,机械手11水平运动,使工业相机15对曲块图像信息采集与处理,实现对待检测曲块精确定位,机械手升降平台14控制机械手11对待检测曲块进行有效、准确的抓取。本发明的运动控制***结构简单可靠、定位精确、准确度高。
导轨12采用导轨滑触式供电方式,由牵引车13根据信号指示带动曲块高光谱数据采集***2及机械手11在导轨12上完成前后左右运动,配合运动控制***使曲块高光谱数据采集***2及机械手11到达待检测曲块位置,机械手11能够根据控制***指令自动抽取曲架不同层的曲块,并对曲架不同层不同区域的曲块进行抓取且精准放置在曲块高光谱数据采集***2的旋转样品台22上,完成曲块高光谱数据采集。整个曲块高光谱数据采集***2运行平稳、定位准确、噪音低,能够轻便快捷地实现不同曲房不同位置曲块发酵状态检测。
曲块高光谱数据采集***2还包括密封装置、自动升降门和标准校正白板,其中曲块高光谱数据采集***2所有的组成部分均位于密封装置内部,可保护曲块高光谱数据采集***2免受曲房高温高湿影响,延长其使用寿命。曲块高光谱数据采集***2在数据采集时,旋转样品台22通过旋转样品台底座内的电机30旋转90度移位到设备外侧,机械手11将待检测的曲块精准放置在旋转样品台22的曲槽内,旋转样品台22以40cm/s的速度回旋到初始位置,1ms内样品台完全进入密封装置后自动升降门电机33控制自动升降门29自动闭合。高光谱相机31的两侧设置抽湿装置28,排出密封装置内的水蒸气,可减少水蒸气对高光谱相机镜头和精密仪器影响。丝杠滑台电机242控制丝杠滑台运动完成高光谱相机31上下左右移动,调整最佳物距和视场角,使镜头可以覆盖整个样品台,实现曲块的全方位高光谱信息采集。标准校正白板32设置在镜头下方,通过光源调节电机241自动调整两个卤素灯与旋转样品台22的角度,设置最佳采集进光量,使每个波段的反射率达到最大动态范围的80%-90%,确保足够好的光线来测量,避免白光参考点饱和导致采集数据的扭曲。高光谱相机31平均分辨率为8nm,光谱范围为300-1800nm,采样间隔设为3.5nm,在此范围内有428个波段。设置标准校正白板位置和采集区域后,电机控制丝杠滑台实现高光谱相机31以15cm/s速度在垂直于旋转样品台22主轴的方向从上往下移动采集曲块高光谱数据。高光谱相机31先指向白板,连续扫描白板100条线,获取校正光源平均波段的参考图像。待检测曲块对象平行狭缝的一条窄带在光源的照射下通过透镜进入高光谱相机31,经分光组件色散后透射到感光元件上,从而获取样品台内整个待检测曲块高光谱数据,嵌入式工控机26将所采集的大量高光谱数据,经5G发送模块25实现大量数据高速传输至中心控制***5,完成数据的接收和处理。高光谱相机31的曝光时间11.5ms,采集功率45Hz。本发明的装置能够使白酒曲块高光谱采集操作简单,数据质量高。
曲块高光谱数据采集***2采集完成后,将所获得大量曲块高光谱数据传输到嵌入式工控机26进行存储,实时传输处理***3采用5G无线通信方式实现大量数据高速传输至中心控制***5。
中心控制***5采用大型服务器,大型服务器根据高光谱形成机理、曲块表面高光谱数据与曲房环境参数(温湿度、氧气、二氧化碳浓度)建立相关联数学模型,通过深度学习获取特定波段曲块表面高光谱数据来判断曲块内部发酵状态,从而实现高光谱曲块内部发酵状态在线无损检测。
图7为本发明基于高光谱技术白酒曲块内部发酵状态检测方法流程图。如图7所示,一种基于高光谱技术白酒曲块内部发酵状态检测方法包括:
步骤101:实时获取曲块在不同区域不同时期发酵的表面高光谱数据;
该步骤101具体包括:
通过曲块高光谱数据采集***实时获取曲块的图像信息与光谱信息;
根据图像信息和光谱信息,得到待测曲块表面的高光谱信息,实现曲块各阶段发酵状态信息的图谱合一,并将所采集表面高光谱数据作为判断曲块内外部发酵状态依据。
步骤102:对曲块表面高光谱数据进行图像处理和光谱信息处理,得到特定点曲块高光谱数据。
步骤103:从数据库中获取最优特定波段曲块高光谱数据。
步骤104:将特定点曲块高光谱数据和最优特定波段曲块高光谱数据结合,通过深度学习方法,得到特定波段曲块表面高光谱数据。
步骤105:获取曲房发酵环境参数,具体包括:
根据曲块发酵过程中微生物的生长变化规律采用分段式的采集方式,合理采集曲房发酵环境参数,获取曲房环境温度、湿度、O2浓度、CO2浓度,CO2浓度通过CO2浓度传感器采集,O2浓度通过O2浓度传感器采集,温度通过温度传感器采集,湿度通过湿度传感器采集。
步骤106:判断特定波段曲块表面高光谱数据是否为新的高光谱数据类型。
步骤107:若为新的高光谱数据类型,则根据特定波段曲块表面高光谱数据和曲房发酵环境参数实时更新所建立最优非线性预测数学模型,并将特定波段曲块表面高光谱数据自动存储到数据库中。
数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关学习算法对实时采集曲块表面高光谱数据实施***和修改操作,实现在线实时智能存放典型发酵状态高光谱数据;
根据所述智能存放典型发酵状态高光谱数据,自动更新曲块发酵过程中不同曲房内不同类型物质成分数据库信息。
本发明的检测方法具有在线实时学习功能,根据新的曲块表面高光谱数据,实时更新所建立最优非线性预测数学模型;随检测时间与检测曲块数据增加自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性。
步骤108:若不为新类型的高光谱数据类型,则根据特定波段曲块表面高光谱数据和曲房发酵环境参数直接运用所建立最优非线性预测数学模型。
步骤109:根据最优非线型预测数学模型,判断曲块内部发酵状态。
采用悬挂式曲块高光谱数据采集***进入不同发酵曲房,实时采集不同时期不同区域曲块发酵表面的高光谱数据,综合对曲块发酵状态的图像信息与光谱信息处理,获取特定点曲块高光谱数据。将数据库中所获得最优特定波段曲块高光谱数据与实时采集曲块特定点相对应高光谱数据相结合,通过深度学习获取特定波段曲块表面高光谱数据。根据曲块发酵中微生物的生长变化规律采用分段式的采集方式,合理采集曲房发酵环境参数,包含曲房环境温度、湿度、氧气含量、二氧化碳含量等参数与特定波段曲块表面高光谱数据建立最优非线型预测数学模型判断曲块内外部酵状态。
曲块高光谱检测***具有自主学习功能,通过深度学习模块对所采集高光谱数据进行甄别与判断,如果确认所采集数据为新的曲块高光谱数据类型,所述数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关算法对实时采集曲块高光谱数据实施***、查询、删除、修改操作,实现智能存放典型发酵状态高光谱数据,自动更新曲块发酵过程中不同曲房内不同类型物质成分数据库信息。随检测时间与检测曲块数据增加,该检测***不断更新曲块发酵状态的表面高光谱数据,并根据新的曲块高光谱数据实时更新所建立最优非线性数学模型,自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性,实现白酒曲块内部发酵状态实时在线无损检测,减少人为因素干扰,提高检测精度。本发明的方法满足大数据快速、实时分析的需求,能够提高检测速度和精度。本发明具有下列优点:
(1)将高光谱技术引入到在线检测白酒曲块发酵状态方法中,将所获得最优特定波段曲块高光谱数据与实时采集曲块特定点相对应高光谱数据相结合,通过深度学习根据所获取特定波段曲块表面高光谱数据来判断曲块内部发酵状态,从而对曲块内外部发酵状态和品质进行综合检测,进而提高曲块品质判别的精度、准确度,实现白酒曲块发酵状态和品质实时在线无损检测。
(2)建立曲块高光谱数据与曲房环境参数(温湿度、氧气、二氧化碳浓度)相关联数学模型,将其结果用于控制曲块发酵环境参数,使其处于最佳发酵状态。
(3)采用特有移动悬挂式曲块高光谱数据采集***,提高发酵曲房内曲块状态的识别率与检测精度。曲块高光谱数据采集***采用全密封方式,可保护光谱采集***免受高温高湿影响,延长其使用寿命。高光谱核心设备两侧抽湿装置可消除水蒸气对镜头和精密仪器影响,避免环境因素干扰所采集的高光谱数据。
(4)采用嵌入式曲块高光谱数据采集***和5G数据通信方式在曲房内将所采集曲块高光谱数据实时传输给中心控制***,实现自动实时获取有效的曲块高光谱信息并快速实现曲块发酵状态和品质检测,提高高光谱数据运算速度,满足曲块生产现场需求。
(5)本发明曲块高光谱检测***具有在线实时学习功能,即数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关学习算法,可实现在线实时智能存放典型发酵状态高光谱数据。实现不同曲房内不同类型曲块高光谱数据信息自动存储入智慧性数据库中,并根据新类型的曲块高光谱数据实时更新所建立最优非线性数学模型。随检测时间与检测曲块数据增加自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性,增强检测与识别精度。
实施例:
图8为嵌入式曲块高光谱测控***结构框图。嵌入式曲块高光谱测控***由嵌入式测控***、曲块高光谱数据采集***、5G数据通信模块、5G发送模块、曲块高光谱数据5G接收模块与高性能服务器构成。
1)数据经曲块高光谱采集***采集完成后,将所获得大量曲块高光谱数据传输到嵌入式曲块测控***进行存储。
2)采用5G无线通信方式,经5G发送模块实现大量数据的高速传输。曲块高光谱数据5G接收模块将所接收数据实时传输至大型服务器进行处理。
3)大型***(服务器)根据曲块表面高光谱数据与曲房环境参数(温湿度、氧气、二氧化碳浓度)建立相关联数学模型,通过深度学习根据所获取特定波段曲块表面高光谱数据来判断曲块内部发酵状态,从而实现高光谱曲块内部发酵状态在线检测。
图9为高光谱曲块内部发酵检测流程图。如图9所示,高光谱曲块内部发酵检测包括以下步骤:
1)曲块高光谱在线采集***进入不同发酵曲房,实时采集不同区域不同时期曲块发酵的表面高光谱数据,
2)综合对曲块发酵的表面高光谱数据进行图像信息与光谱信息处理,获取特定点曲块高光谱数据。
3)将数据库中所获得最优特定波段曲块高光谱数据与实时采集曲块特定点相对应高光谱数据相结合,通过深度学习获取特定波段曲块表面高光谱数据。
4)根据曲块发酵中微生物的生长变化规律采用分段式的采集方式,合理采集曲房发酵环境参数,包含曲房环境温度、湿度、氧气含量、二氧化碳含量等参数与曲块内部发酵状态的数据特征通过深度学习建立最优非线型预测数学模型判断曲块内部发酵状态。
5)曲块高光谱检测***具有在线自主学习功能,通过深度学习模块对所采集高光谱数据进行甄别与判断,如果确认所采集数据为新曲块高光谱数据类型,所述数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关算法对实时采集曲块表面高光谱数据实施***、查询、删除、修改操作,实现智能存放典型发酵状态高光谱数据,自动更新曲块发酵过程中不同曲房内不同类型物质成分数据库信息。随检测时间与检测曲块数据增加,该检测***不断添加曲块发酵状态的表面高光谱数据,并根据新的曲块高光谱数据实时更新所建立最优非线性数学模型,自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性,实现白酒曲块内部发酵状态实时在线无损检测,减少人为因素干扰,提高检测精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。方法装置
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于高光谱技术白酒曲块内部发酵状态检测装置,其特征在于,包括:运动控制***、曲块高光谱数据采集***、实时传输处理***、传感器和中心控制***,所述运动控制***用于将所述曲块高光谱数据采集***送到待检测曲块的指定位置,所述曲块高光谱数据采集***与所述运动控制***连接,所述曲块高光谱数据采集***用于实时采集发酵曲块表面中各种物质成分高光谱数据,所述实时传输处理***分别与所述曲块高光谱数据采集***和所述中心控制***连接,所述实时传输处理***用于将所述曲块高光谱数据采集***采集的曲块表面各种物质成分高光谱数据发送至所述中心控制***,所述中心控制***用于接收各种所述物质成分高光谱数据,所述传感器用于采集曲房发酵环境参数,所述传感器与所述中心控制***连接,所述中心控制***用于根据各种所述物质成分高光谱数据和所述曲房发酵环境参数判断曲块内部发酵状态。
2.根据权利要求1所述的基于高光谱技术白酒曲块内部发酵状态检测装置,其特征在于,所述运动控制***包括机械手、导轨、牵引车、嵌入式工控机和工业相机,所述导轨设置在曲房的上方,所述牵引车位于所述导轨上,所述牵引车上设置所述机械手,所述嵌入式工控机设置在所述采集***上,所述机械手通过所述嵌入式工控机抓取所述曲房待检测曲架不同层的曲块并将所述曲块放置到所述曲块高光谱数据采集***的旋转样品台,所述工业相机设置在所述机械手的末端,所述工业相机用于实时采集所述机械手末端与所述曲房的距离,所述嵌入式工控机分别与所述机械手、所述牵引车和所述工业相机连接,所述嵌入式工控机用于控制所述机械手的运动、控制所述牵引车的运动、接收所述机械手末端与所述曲房的距离信息。
3.根据权利要求2所述的基于高光谱技术白酒曲块内部发酵状态检测装置,其特征在于,所述曲块高光谱数据采集***包括高光谱相机、丝杠滑台、旋转样品台、抽湿装置、嵌入式工控机、5G发送模块和电机,所述高光谱相机设置在所述丝杠滑台上,所述丝杠滑台经所述电机控制带动所述高光谱相机运动;所述高光谱相机的下方设置所述旋转样品台,所述旋转样品台用于放置所述机械手抓取待检测的曲块;所述抽湿装置安装在所述高光谱相机的两侧,所述抽湿装置用于减少数据采集时水蒸气对所述高光谱相机镜头与精密仪器的影响;所述高光谱相机与所述嵌入式工控机连接,所述嵌入式工控机用于接收所述高光谱相机所采集的曲块表面各种物质成分高光谱数据,所述嵌入式工控机与所述5G发送模块连接,所述5G发送模块与所述实时传输处理***连接。
4.根据权利要求1所述的基于高光谱技术白酒曲块内部发酵状态检测装置,其特征在于,所述实时传输处理***采用5G数据通信***,所述5G数据通信***与所述曲块高光谱数据采集***连接,所述5G数据通信***用于将所述曲块高光谱数据采集***采集的曲块表面各种物质成分高光谱数据发送至所述中心控制***。
5.一种基于高光谱技术白酒曲块内部发酵状态检测方法,所述检测方法将高光谱技术引入到在线无损检测白酒曲块内部发酵状态中,通过深度学习获取特定波段曲块表面高光谱数据来判断曲块内外部发酵状态,其特征在于,包括:
实时采集曲块在不同区域不同时期发酵的表面高光谱数据,并将表面高光谱数据作为判断曲块内外部发酵状态依据;
对所述曲块表面高光谱数据进行图像和光谱信息处理,得到特定点曲块高光谱数据;
从数据库中获取最优特定波段曲块高光谱数据;
将所述特定点曲块高光谱数据和所述最优特定波段曲块高光谱数据结合,通过深度学习方法,得到特定波段曲块表面高光谱数据;
获取曲房发酵环境参数;
判断所述特定波段曲块表面高光谱数据是否为新的高光谱数据类型;
若是,则根据所述特定波段曲块表面高光谱数据和所述曲房发酵环境参数实时更新所建立最优非线性预测数学模型,并将所述特定波段曲块表面高光谱数据自动存储到数据库中;
若否,不更新数学模型,根据所述特定波段曲块表面高光谱数据和所述曲房发酵环境参数直接运用所建立最优非线性预测数学模型;
根据所述最优非线型预测数学模型,判断曲块内部发酵状态,并根据所述曲块内部发酵状态控制曲块发酵环境参数。
6.根据权利要求5所述的基于高光谱技术白酒曲块内部发酵状态检测方法,其特征在于,所述将所述特定波段曲块表面高光谱数据自动存储到数据库中,具体包括:
数据库根据曲块发酵过程中微生物的生长变化规律与曲房发酵环境状态,通过相关学习算法对实时采集的曲块表面高光谱数据实施***和修改操作,实现在线实时智能存放典型发酵状态高光谱数据;
根据所述智能存放典型发酵状态高光谱数据,自动更新曲块发酵过程中不同曲房内不同类型物质成分数据库信息。
7.根据权利要求5所述的基于高光谱技术白酒曲块内部发酵状态检测方法,其特征在于,所述实时更新所建立最优非线性预测数学模型,具体包括:
根据新的曲块表面高光谱数据,实时更新所建立最优非线性预测数学模型;随检测时间与检测曲块数据的增加,该检测方法具有在线实时学习功能可自动优化预测数据模型,逐渐提高曲块内部发酵状态检测***智能性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042816.XA CN110749555B (zh) | 2019-10-30 | 2019-10-30 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042816.XA CN110749555B (zh) | 2019-10-30 | 2019-10-30 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749555A true CN110749555A (zh) | 2020-02-04 |
CN110749555B CN110749555B (zh) | 2022-05-31 |
Family
ID=69281102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911042816.XA Active CN110749555B (zh) | 2019-10-30 | 2019-10-30 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749555B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102898A (zh) * | 2020-09-22 | 2020-12-18 | 安徽大学 | 一种醋醅固态发酵过程谱图模态辨识方法及*** |
CN112652366A (zh) * | 2020-12-14 | 2021-04-13 | 宜宾五粮液股份有限公司 | 大曲品质检测嵌入式高光谱智慧型测控*** |
CN112880734A (zh) * | 2020-12-31 | 2021-06-01 | 中农新科(苏州)有机循环研究院有限公司 | 一种用于反应器的生物干化过程数字化监测*** |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090210447A1 (en) * | 2006-03-01 | 2009-08-20 | Green Vison Systmes Ltd. | Processing and analyzing hyper-spectral image data and information via dynamic database updating |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN101806622A (zh) * | 2010-03-22 | 2010-08-18 | 中国科学院遥感应用研究所 | 一种地面成像光谱测量*** |
CN102081039A (zh) * | 2010-08-17 | 2011-06-01 | 江苏大学 | 一种环境可控的作物营养水分高光谱图像检测装置 |
CN102507457A (zh) * | 2011-11-18 | 2012-06-20 | 江苏大学 | 一种快速无损检测作物营养元素的装置及方法 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
CN102539359A (zh) * | 2011-12-30 | 2012-07-04 | 南京林业大学 | 基于静态高光谱成像***的肉品品质可视化检测装置 |
CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
CN103208011A (zh) * | 2013-05-05 | 2013-07-17 | 西安电子科技大学 | 基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法 |
CN103439264A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种基于在线定位的茶树活体生育特征数据采集装置 |
CN103616383A (zh) * | 2013-12-02 | 2014-03-05 | 江苏大学 | 食品批量发酵过程中菌群结构稳定性的定量检测方法 |
CN103808669A (zh) * | 2014-01-26 | 2014-05-21 | 沈阳农业大学 | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 |
CN104588334A (zh) * | 2013-10-30 | 2015-05-06 | 邢玉明 | 一种用流水线分拣杂物的方式、一种分拣流水线和一种光谱并联机械手 |
CN104646310A (zh) * | 2013-11-24 | 2015-05-27 | 邢玉明 | 一种分拣流水线 |
CN104647351A (zh) * | 2013-11-24 | 2015-05-27 | 邢玉明 | 一种光谱成像仪并联机械手 |
CN105117734A (zh) * | 2015-07-28 | 2015-12-02 | 江南大学 | 基于模型在线更新的玉米种子高光谱图像分类识别方法 |
US20150347815A1 (en) * | 2012-11-19 | 2015-12-03 | Altria Client Services Inc. | Hyperspectral imaging system for monitoring agricultural products during processing and manufacturing |
CN105158177A (zh) * | 2015-09-30 | 2015-12-16 | 江苏大学 | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 |
CN105203464A (zh) * | 2015-08-28 | 2015-12-30 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中油酸含量分布的方法 |
CN105973839A (zh) * | 2016-06-28 | 2016-09-28 | 江苏大学 | 一种高光谱批处理式农畜产品品质无损检测方法和*** |
CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
CN206178392U (zh) * | 2016-10-21 | 2017-05-17 | 中国科学院南京土壤研究所 | 一种温室作物生长信息实时对等监测装置 |
CN106791318A (zh) * | 2016-12-30 | 2017-05-31 | 南京大学 | 一种便携式高光谱视频实时采集和处理装置及其方法 |
CN106841070A (zh) * | 2017-03-09 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种白酒真伪鉴定方法及装置 |
CN107133976A (zh) * | 2017-04-24 | 2017-09-05 | 浙江大学 | 一种获取三维高光谱信息的方法和装置 |
CN107290293A (zh) * | 2017-06-06 | 2017-10-24 | 浙江大学 | 一种光谱成像技术在线监测水培重金属胁迫作物的装置 |
CN107999399A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 基于点阵高光谱检测的建筑垃圾在线分拣***和方法 |
CN108323295A (zh) * | 2017-12-05 | 2018-07-27 | 江苏大学 | 一种基于多尺度生境信息的苗期作物水肥检测和控制方法及装置 |
CN208064001U (zh) * | 2018-02-28 | 2018-11-09 | 北京农业信息技术研究中心 | 一种植物生长网络推送装置 |
CN109855735A (zh) * | 2019-02-20 | 2019-06-07 | 北京理工大学 | 一种同步控制与采集的高光谱计算成像方法 |
CN109884035A (zh) * | 2019-02-25 | 2019-06-14 | 广东朗研科技有限公司 | 一种待测样品的检测装置、检测方法及防伪检测方法 |
CN109916826A (zh) * | 2019-02-20 | 2019-06-21 | 福建南方路面机械有限公司 | 一种基于高光谱检测的固废在线识别***及识别方法 |
-
2019
- 2019-10-30 CN CN201911042816.XA patent/CN110749555B/zh active Active
Patent Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090210447A1 (en) * | 2006-03-01 | 2009-08-20 | Green Vison Systmes Ltd. | Processing and analyzing hyper-spectral image data and information via dynamic database updating |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN101806622A (zh) * | 2010-03-22 | 2010-08-18 | 中国科学院遥感应用研究所 | 一种地面成像光谱测量*** |
CN102081039A (zh) * | 2010-08-17 | 2011-06-01 | 江苏大学 | 一种环境可控的作物营养水分高光谱图像检测装置 |
CN102507457A (zh) * | 2011-11-18 | 2012-06-20 | 江苏大学 | 一种快速无损检测作物营养元素的装置及方法 |
CN102539359A (zh) * | 2011-12-30 | 2012-07-04 | 南京林业大学 | 基于静态高光谱成像***的肉品品质可视化检测装置 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
CN102788794A (zh) * | 2012-07-30 | 2012-11-21 | 江苏大学 | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 |
US20150347815A1 (en) * | 2012-11-19 | 2015-12-03 | Altria Client Services Inc. | Hyperspectral imaging system for monitoring agricultural products during processing and manufacturing |
CN103208011A (zh) * | 2013-05-05 | 2013-07-17 | 西安电子科技大学 | 基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法 |
CN103439264A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种基于在线定位的茶树活体生育特征数据采集装置 |
CN104588334A (zh) * | 2013-10-30 | 2015-05-06 | 邢玉明 | 一种用流水线分拣杂物的方式、一种分拣流水线和一种光谱并联机械手 |
CN104646310A (zh) * | 2013-11-24 | 2015-05-27 | 邢玉明 | 一种分拣流水线 |
CN104647351A (zh) * | 2013-11-24 | 2015-05-27 | 邢玉明 | 一种光谱成像仪并联机械手 |
CN103616383A (zh) * | 2013-12-02 | 2014-03-05 | 江苏大学 | 食品批量发酵过程中菌群结构稳定性的定量检测方法 |
CN103808669A (zh) * | 2014-01-26 | 2014-05-21 | 沈阳农业大学 | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 |
CN105117734A (zh) * | 2015-07-28 | 2015-12-02 | 江南大学 | 基于模型在线更新的玉米种子高光谱图像分类识别方法 |
CN105203464A (zh) * | 2015-08-28 | 2015-12-30 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中油酸含量分布的方法 |
CN105158177A (zh) * | 2015-09-30 | 2015-12-16 | 江苏大学 | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 |
CN105973839A (zh) * | 2016-06-28 | 2016-09-28 | 江苏大学 | 一种高光谱批处理式农畜产品品质无损检测方法和*** |
CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
CN206178392U (zh) * | 2016-10-21 | 2017-05-17 | 中国科学院南京土壤研究所 | 一种温室作物生长信息实时对等监测装置 |
CN106791318A (zh) * | 2016-12-30 | 2017-05-31 | 南京大学 | 一种便携式高光谱视频实时采集和处理装置及其方法 |
CN106841070A (zh) * | 2017-03-09 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种白酒真伪鉴定方法及装置 |
CN107133976A (zh) * | 2017-04-24 | 2017-09-05 | 浙江大学 | 一种获取三维高光谱信息的方法和装置 |
CN107290293A (zh) * | 2017-06-06 | 2017-10-24 | 浙江大学 | 一种光谱成像技术在线监测水培重金属胁迫作物的装置 |
CN108323295A (zh) * | 2017-12-05 | 2018-07-27 | 江苏大学 | 一种基于多尺度生境信息的苗期作物水肥检测和控制方法及装置 |
CN107999399A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 基于点阵高光谱检测的建筑垃圾在线分拣***和方法 |
CN208064001U (zh) * | 2018-02-28 | 2018-11-09 | 北京农业信息技术研究中心 | 一种植物生长网络推送装置 |
CN109855735A (zh) * | 2019-02-20 | 2019-06-07 | 北京理工大学 | 一种同步控制与采集的高光谱计算成像方法 |
CN109916826A (zh) * | 2019-02-20 | 2019-06-21 | 福建南方路面机械有限公司 | 一种基于高光谱检测的固废在线识别***及识别方法 |
CN109884035A (zh) * | 2019-02-25 | 2019-06-14 | 广东朗研科技有限公司 | 一种待测样品的检测装置、检测方法及防伪检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102898A (zh) * | 2020-09-22 | 2020-12-18 | 安徽大学 | 一种醋醅固态发酵过程谱图模态辨识方法及*** |
CN112102898B (zh) * | 2020-09-22 | 2022-09-23 | 安徽大学 | 一种醋醅固态发酵过程谱图模态辨识方法及*** |
CN112652366A (zh) * | 2020-12-14 | 2021-04-13 | 宜宾五粮液股份有限公司 | 大曲品质检测嵌入式高光谱智慧型测控*** |
CN112880734A (zh) * | 2020-12-31 | 2021-06-01 | 中农新科(苏州)有机循环研究院有限公司 | 一种用于反应器的生物干化过程数字化监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN110749555B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749555B (zh) | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 | |
CN211503153U (zh) | 一种基于多目标的室内空气质量协同监测调控*** | |
CN103392616B (zh) | 一种基于3g的移动远程宠物喂养及监控*** | |
CN202057579U (zh) | 一种在线检测水果内部品质的光学*** | |
CN210155031U (zh) | 光照角度自适应调节的近红外水果品质无损检测装置 | |
CN103430858B (zh) | 一种基于Internet的移动远程宠物喂养及监控*** | |
CN104677827B (zh) | 一种基于便携式光纤光谱仪的可见近红外漫反射基线信号的扣除装置及其方法 | |
CN208969330U (zh) | 一种空气中真菌孢子显微图像远程采集装置 | |
CN205333123U (zh) | 一种基于物联网的农田环境自动监测装置 | |
CN100357725C (zh) | 近红外技术快速检测牛肉嫩度的方法和装置 | |
CN203523512U (zh) | 一种基于Internet的移动远程宠物喂养及监控*** | |
CN102507457A (zh) | 一种快速无损检测作物营养元素的装置及方法 | |
CN104677845B (zh) | 基于积分球的农产品组织光学特性自动检测装置 | |
CN115661057A (zh) | 一种基于云边协同和深度学习的工业无损检测***与方法 | |
CN114419311B (zh) | 一种基于多源信息的百香果成熟度无损检测方法及装置 | |
CN105352555B (zh) | 一种快速鉴定禽蛋贮藏时间的便携式检测装置及使用方法 | |
JP2017040548A (ja) | 検出方法、測定方法及び測定装置 | |
CN109270016A (zh) | 一种基于聚类算法的多功能水下水质自动监测***及监测方法 | |
CN108414683A (zh) | 空气污染实时监测*** | |
CN209606324U (zh) | 用于水果品质检测的便携式拉曼光谱采集附件 | |
CN108583115B (zh) | 一种小鼠早期胚胎模型的制作*** | |
KR102597253B1 (ko) | 영상을 기반으로 한 작물재배 생육 플랫폼 구축을 통한스마트 팜 시스템 | |
CN111854843B (zh) | 一种基于物联网的果园环境信息监测***及方法 | |
CN206235879U (zh) | 一种基于多种信息采集的水产养殖环境调控*** | |
CN212301361U (zh) | 一种鱼类产品新鲜度检测用高光谱成像设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |