CN112629239A - 一种提高自动烘干设备的烘干效率的方法和装置 - Google Patents
一种提高自动烘干设备的烘干效率的方法和装置 Download PDFInfo
- Publication number
- CN112629239A CN112629239A CN202011539721.1A CN202011539721A CN112629239A CN 112629239 A CN112629239 A CN 112629239A CN 202011539721 A CN202011539721 A CN 202011539721A CN 112629239 A CN112629239 A CN 112629239A
- Authority
- CN
- China
- Prior art keywords
- drying
- information
- dried
- obtaining
- quality
- 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
- 238000001035 drying Methods 0.000 title claims abstract description 302
- 238000000034 method Methods 0.000 title claims abstract description 49
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 87
- 239000000463 material Substances 0.000 claims abstract description 79
- 239000012535 impurity Substances 0.000 claims description 41
- 238000009835 boiling Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 239000004744 fabric Substances 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 229910052717 sulfur Inorganic materials 0.000 description 3
- 239000011593 sulfur Substances 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F26—DRYING
- F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
- F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
- F26B21/06—Controlling, e.g. regulating, parameters of gas supply
- F26B21/10—Temperature; Pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F26—DRYING
- F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
- F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
- F26B21/06—Controlling, e.g. regulating, parameters of gas supply
- F26B21/12—Velocity of flow; Quantity of flow, e.g. by varying fan speed, by modifying cross flow area
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F26—DRYING
- F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
- F26B25/00—Details of general application not covered by group F26B21/00 or F26B23/00
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F26—DRYING
- F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
- F26B25/00—Details of general application not covered by group F26B21/00 or F26B23/00
- F26B25/22—Controlling the drying process in dependence on liquid content of solid materials or objects
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Drying Of Solid Materials (AREA)
Abstract
本发明公开了一种提高自动烘干设备的烘干效率的方法和装置,获得待烘干物的材质信息;获得待烘干物的属性信息;将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;获得待烘干物的第二质量信息,获得所述待烘干物的预估含水量信息;根据所述材质信息,获得烘干温度阈值和烘干风速阈值;根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式,解决了现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致干燥效率低的技术问题。
Description
技术领域
本发明涉及自动烘干设备相关领域,尤其涉及一种提高自动烘干设备的烘干效率的方法和装置。
背景技术
自动烘干设备是通过一定技术手段,干燥物体表面的水分或者其他液体的一系列机械设备的组合。它是通过自动烘干设备的内部产生的热风,实现物体的干燥的自动化的设备。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致烘干效率低的技术问题。
发明内容
本申请实施例通过提供一种提高自动烘干设备的烘干效率的方法和装置,解决了现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致干燥效率低的技术问题,达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。
鉴于上述问题,提出了本申请实施例提供一种提高自动烘干设备的烘干效率的方法和装置。
第一方面,本申请实施例提供了一种提高自动烘干设备的烘干效率的方法,所述方法包括:获得待烘干物的材质信息;获得待烘干物的属性信息;将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;根据所述材质信息,获得烘干温度阈值和烘干风速阈值;根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
另一方面,本申请还提供了一种提高自动烘干设备的烘干效率的装置,所述装置包括:第一获得单元,所述第一获得单元用于获得待烘干物的材质信息;第二获得单元,所述第二获得单元用于获得待烘干物的属性信息;第一输入单元,所述第一输入单元用于将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;第三获得单元,所述第三获得单元用于获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;第四获得单元,所述第四获得单元用于根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;第五获得单元,所述第五获得单元用于根据所述材质信息,获得烘干温度阈值和烘干风速阈值;第一确定单元,所述第一确定单元用于根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;第六获得单元,所述第六获得单元用于根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
第三方面,本发明提供了一种提高自动烘干设备的烘干效率的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据待烘干物的材质和属性,输入质量估计模型的方式,获得所述第一待烘干物的干燥状态第一质量信息,获得所述待干燥物的实时质量信息,根据所述实时质量、第一质量获得预估含水量信息,通过材质信息,获得烘干温度阈值和烘干风速阈值,确定第一烘干温度和第一烘干风速,进而达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高自动烘干设备的烘干效率的方法的流程示意图;
图2为本申请实施例一种提高自动烘干设备的烘干效率的装置的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一输入单元13,第三获得单元14,第四获得单元15,第五获得单元16,第一确定单元17,第六获得单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种提高自动烘干设备的烘干效率的方法和装置,解决了现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致干燥效率低的技术问题,达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
自动烘干设备是通过一定技术手段,干燥物体表面的水分或者其他液体的一系列机械设备的组合。它是通过自动烘干设备的内部产生的热风,实现物体的干燥的自动化的设备。但现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致烘干效率低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种提高自动烘干设备的烘干效率的方法,所述方法包括:获得待烘干物的材质信息;获得待烘干物的属性信息;将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;根据所述材质信息,获得烘干温度阈值和烘干风速阈值;根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种提高自动烘干设备的烘干效率的方法,其中,所述方法包括:
步骤S100:获得待烘干物的材质信息;
具体而言,所述待烘干物为将使用所述自动化烘干设备的待烘干物,所述材质信息为材料和质感的组合信息,举例而言,当所述待烘干物为衣服时,获得所述衣服的材质信息,即判断所述衣服的组成成分,所述组成成分可以是棉型织物、麻型织物、毛型织物、纯化纤织物等,获得所述材质信息。
步骤S200:获得待烘干物的属性信息;
具体而言,所述属性信息为所述待烘干物的本身的种类信息,举例而言,判断所述待烘干物是衣服、裤子、羽绒服、豆子、还是塑料玩具等,获得所述待烘干物的属性信息。
步骤S300:将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;
具体而言,所述质量估计模型为通过训练数据训练获得的具备处理输入数据,获得输出结果的模型,将所述待烘干物的材质信息和属性信息输入所述质量估计模型,获得第一输出信息。
进一步而言,所述将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息,本申请实施例步骤S300还包括:
步骤S310:将所述待烘干物的材质信息和属性信息作为输入数据,输入质量估计模型,其中,所述质量估计模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述待烘干物的材质信息、属性信息和用来标识第一质量信息的标识信息;
步骤S320:获得所述质量估计模型的第一输出结果,所述第一输出结果为所述待烘干物干燥状态的第一质量信息。
具体而言,所述质量估计模型为机器学习中的神经网络模型,神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络***,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习***。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks),是对人类大脑***的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述待烘干物的材质信息和属性信息作为输入数据,输入神经网络模型,则输出第一风险等级。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述待烘干物的材质信息、属性信息和用来标识第一质量信息的标识信息,将所述待烘干物的材质信息、属性信息输入到神经网络模型中,根据用来标识第一质量信息的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确第一质量信息,进而所述待烘干物的质量进行准确的评估,为后续获得更加适合的烘干方式夯实了基础。
步骤S400:获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;
具体而言,所述待烘干物的第二质量信息为所述待烘干物的实时的质量信息,所述实时的质量信息通过称重模块获得,所述称重模块包括重量传感器模块和记录模块,所述重量传感器模块包括称重传感器,通过所述称重模块获得所述待烘干物的第二质量信息。
步骤S500:根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;
具体而言,根据所述质量估计模型获得的所诉待烘干物的第一质量信息和实时获得的所述待烘干物的第二质量信息,获得所述第二质量信息与所述第一质量信息的质量差,所述质量差为所述待烘干物的预估含水量信息。
步骤S600:根据所述材质信息,获得烘干温度阈值和烘干风速阈值;
具体而言,根据所述待烘干物的材质信息,获得烘干温度阈值和烘干风速阈值,所述通过材质获得烘干温度阈值的过程为对所述待烘干物保护的过程,根据所述待烘干物的材质特性,获得不对所述材质产生损坏的极限温度,将所述极限温度减3℃,作为烘干温度阈值,所述烘干风速阈值同样是以保护待烘干物为目的获得的风速的阈值。
步骤S700:根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;
步骤S800:根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
具体而言,所述第一烘干温度和第一烘干风速是通过所述待烘干物的材质决定的,为保证所述待烘干物的烘干效率,并保证所述待烘干物的材质的完整和不被损坏,根据所述待烘干物的烘干温度阈值和烘干风速阈值和第一预估含水量信息,确定使所述待烘干物最快被烘干的第一烘干温度和第一烘干风速,进一步而言,所述第一烘干温度和所述第一烘干风速随所述待烘干物的含水量的减少不断的进行调整,将所述第一烘干温度、第一烘干风速存储,作为所述待烘干物进行烘干的第一烘干方式,通过所述第一烘干方式对所述待烘干物进行烘干处理。进而达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。
进一步而言,本申请实施例还包括:
步骤S910:获得第一烘干指令;
步骤S920:根据所述第一烘干指令对所述待烘干物按照第一烘干方式进行烘干,获得所述待烘干物的实际排水量信息;
步骤S930:根据所述实际排水量信息和所述预估含水量信息,获得烘干比信息;
步骤S940:获得预定烘干比阈值;
步骤S950:判断所述烘干比信息是否在所述预定烘干比阈值之内;
步骤S960:如果所述烘干比信息在所述预定烘干比阈值之内,获得第一存储指令;
步骤S970:根据所述第一存储指令,对所述第一烘干方式进行存储。
具体而言,所述第一烘干指令为触发对所述待烘干物进行烘干的指令,根据所述第一烘干指令,通过所述第一烘干方式对所述待烘干物进行烘干处理,对所述待烘干物烘干过程中的排水进行收集和统计,所述统计的方式为根据排水管获得所述带烘干物的第一排水量,通过湿度传感器获得所述自动烘干设备内空气的湿度变化情况,根据所述湿度变化情况及所述自动烘干设备的内部空间的大小获得第二排水量,所述第一排水量和第二排水量之和为所述待烘干物的实际排水量信息,获得所述实际排水量和预估排水量的比值,即所述烘干比,根据所述待烘干物的烘干要求,获得预定的烘干比阈值,当所述烘干比满足所述预定烘干比阈值时,获得第一存储指令,此时表明所述第一烘干方式对所述待烘干物的烘干效果很好,将所述第一烘干方式存储,当再次遇到相同的烘干物时,方便后续的调用。
进一步而言,所述判断所述烘干比信息是否在所述预定烘干比阈值之内之后,本申请实施例步骤S950还包括:
步骤S951:如果所述烘干比信息不在所述预定烘干比阈值之内,获得第一水质信息;
步骤S952:根据所述第一水质信息,获得第一水体杂质信息;
步骤S953:获得第一水体杂质的特性信息;
步骤S954:根据所述第一水体杂质的特性信息,获得第一调整信息;
步骤S955:根据所述第一调整信息,调整所述第一烘干方式。
具体而言,当所述烘干比信息不满足所述预定烘干比阈值时,此时根据所述待烘干物的打湿条件,获得所述待烘干物的水质信息,举例而言,当所述待烘干物为衣物时,获得所述衣物的打湿的水的来源,根据所述来源进行水质检测,对所述检测结果进行分析,获得所述第一水体杂质信息,根据所述水体杂质的特性对于所述烘干的参数进行调整,举例而言,所述水体杂质的特性可以是水体杂质的沸点,也可以是水体杂质的易蒸发的温度、风速信息,根据所述特性,对所述烘干的风速、温度进行调整,进而达到智能根据干燥物含水成分的特性,动态调整烘干参数,提高烘干效率的技术效果。
进一步而言,所述根据所述第一水体杂质的特性信息,获得第一调整信息,本申请实施例步骤S954还包括:
步骤S9541:根据所述第一水体杂质的特性信息,获得所述第一水体杂质的沸点;
步骤S9542:获得预定温度阈值;
步骤S9543:判断所述第一水体杂质的沸点是否超出所述预定温度阈值;
步骤S9544:如果所述第一水体杂质的沸点未超出所述预定温度阈值,获得第一调整信息。
具体而言,根据所述待烘干物的含水的水体杂质特性,获得所述第一水体杂质的沸点信息,所述沸点是液体沸腾时候的温度此时液体内部和表面同时发生的剧烈汽化现象。获得掺杂了第一水体杂质后的水的沸点信息,所述预定温度阈值为根据所述待烘干物的材质特性和属性综合考量获得的预定温度阈值,所述温度阈值范围内可保证所述待烘干物不被温度破坏,判断所述水体杂质的沸点是否超出所述预定温度阈值,当所述第一水体杂质的沸点未超过所述预定温度阈值时,此时获得第一调整信息,根据所述第一调整信息,对所述第一烘干方式的温度信息进行调整,即将所述第一烘干温度调整为所述沸点温度。通过水中的杂质特性,调整所述待烘干物的烘干温度信息,进而达到提高烘干设备的烘干效率的技术效果。
进一步而言,所述根据所述第一调整信息,调整所述第一烘干方式,本申请实施例步骤S955还包括:
步骤S9551:根据所述第一调整信息,调整所述第一烘干温度,获得第二烘干温度;
步骤S9552:根据所述第二烘干温度,调整所述第一烘干方式,获得第二烘干方式。
具体而言,根据所述水体杂质的特性信息,获得适合所述水体杂质的调整参数,所述调整参数在满足所述水体杂质快速蒸发的条件下,同时满足保证所述待烘干物的材质的安全和完整,获得调整后的烘干温度,即所述第二烘干温度,根据所述第二烘干温度,调整所述第一烘干方式为第二烘干方式,并将所述第二烘干方式进行存储。
进一步而言,本申请实施例还包括:
步骤S9553:获得待烘干物的地理位置;
步骤S9554:根据所述地理位置,获得所述地理位置信息的环境特点;
步骤S9555:根据所述环境特点,调整所述第一水质信息。
具体而言,随着待烘干物的地理位置的不同,所述地理位置的环境特性下的水质也会有所不同,举例而言,当所述待烘干物的位置为华北地区高硫煤产地时,此时所述水中杂质的含硫杂质含量增加,如:二氧化硫、氢化硫、及包含硫酸根离子的化合物、混合物等,此时根据所述高硫煤产地的特性,对所述第一水质的杂质成分含量进行动态调整,进而获得更加准确的水体杂质的特性,为获得更加适合烘干温度夯实了基础。
进一步而言,所述将所述待烘干物的材质信息和属性信息作为输入数据,输入质量估计模型之后,本申请实施例步骤S310还包括:
步骤S311:获得是输入所述质量估计模型的待烘干物的第一材质信息、第二材质信息,直至第N材质信息,其中,N为大于1的自然数;
步骤S312:根据所述第一材质信息生成第一验证码,所述第一验证码与所述第一材质信息一一对应;
步骤S313:根据所述第二材质信息和第一验证码生成第二验证码,以此类推,根据所述第N材质信息和第N-1验证码生成第N验证码;
步骤S314:将所有材质信息和验证码复制存储在M台电子设备上,其中,M为大于1的自然数。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一材质信息生成第一验证码,所述第一验证码与第一材质信息一一对应;根据所述第二材质信息和第一验证码生成第二验证码,第二验证码与第二材质信息一一对应;以此类推,根据所述第N材质信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有材质信息和验证码分别复制保存在M台设备上,其中,所述第一材质信息和所述第一验证码作为第一存储单元保存在一台设备上,所述第二材质信息和所述第二验证码作为第二存储单元保存在一台设备上,所述第N材质信息和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述材质信息时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得筛选条件不易丢失和遭到破坏,通过区块链的逻辑对所述材质信息进行加密处理,保证了所述材质信息的安全性,进而保证了通过所述材质信息训练获得的质量估计模型的准确性,为后续获得更加准确的待烘干物干燥状态的第一质量信息。
综上所述,本申请实施例所提供的一种提高自动烘干设备的烘干效率的方法和装置具有如下技术效果:
1、由于采用了根据待烘干物的材质和属性,输入质量估计模型的方式,获得所述第一待烘干物的干燥状态第一质量信息,获得所述待干燥物的实时质量信息,根据所述实时质量、第一质量获得预估含水量信息,通过材质信息,获得烘干温度阈值和烘干风速阈值,确定第一烘干温度和第一烘干风速,进而达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。
2、由于采用了通过对所述质量估计模型的监督学习的方式,进而使得所述质量估计模型处理所述输入信息更加准确,进而获得更加准确第一质量信息,进而所述待烘干物的质量进行准确的评估,为后续获得更加适合的烘干方式夯实了基础。
3、由于采用了根据水体杂质的特性,对所述烘干的风速、温度进行调整的方式,进而达到智能根据干燥物含水成分的特性,动态调整烘干参数,提高烘干效率的技术效果。
实施例二
基于与前述实施例中一种提高自动烘干设备的烘干效率的方法同样发明构思,本发明还提供了一种提高自动烘干设备的烘干效率的装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得待烘干物的材质信息;
第二获得单元12,所述第二获得单元12用于获得待烘干物的属性信息;
第一输入单元13,所述第一输入单元13用于将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;
第三获得单元14,所述第三获得单元14用于获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;
第四获得单元15,所述第四获得单元15用于根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;
第五获得单元16,所述第五获得单元16用于根据所述材质信息,获得烘干温度阈值和烘干风速阈值;
第一确定单元17,所述第一确定单元17用于根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;
第六获得单元18,所述第六获得单元18用于根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
进一步的,所述装置还包括:
第二输入单元,所述第二输入单元用于将所述待烘干物的材质信息和属性信息作为输入数据,输入质量估计模型,其中,所述质量估计模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述待烘干物的材质信息、属性信息和用来标识第一质量信息的标识信息;
第七获得单元,所述第七获得单元用于获得所述质量估计模型的第一输出结果,所述第一输出结果为所述待烘干物干燥状态的第一质量信息。
进一步的,所述装置还包括:
第八获得单元,所述第八获得单元用于获得第一烘干指令;
第九获得单元,所述第九获得单元用于根据所述第一烘干指令对所述待烘干物按照第一烘干方式进行烘干,获得所述待烘干物的实际排水量信息;
第十获得单元,所述第十获得单元用于根据所述实际排水量信息和所述预估含水量信息,获得烘干比信息;
第十一获得单元,所述第十一获得单元用于获得预定烘干比阈值;
第一判断单元,所述第一判断单元用于判断所述烘干比信息是否在所述预定烘干比阈值之内;
第十二获得单元,所述第十二获得单元用于如果所述烘干比信息在所述预定烘干比阈值之内,获得第一存储指令;
第一存储单元,所述第一存储单元用于根据所述第一存储指令,对所述第一烘干方式进行存储。
进一步的,所述装置还包括:
第十三获得单元,所述第十三获得单元用于如果所述烘干比信息不在所述预定烘干比阈值之内,获得第一水质信息;
第十四获得单元,所述第十四获得单元用于根据所述第一水质信息,获得第一水体杂质信息;
第十五获得单元,所述第十五获得单元用于获得第一水体杂质的特性信息;
第十六获得单元,所述第十六获得单元用于根据所述第一水体杂质的特性信息,获得第一调整信息;
第一调整单元,所述第一调整单元根据所述第一调整信息,调整所述第一烘干方式。
进一步的,所述装置还包括:
第十七获得单元,所述第十七获得单元用于根据所述第一水体杂质的特性信息,获得所述第一水体杂质的沸点;
第十八获得单元,所述第十八获得单元用于获得预定温度阈值;
第二判断单元,所述第二判断单元用于判断所述第一水体杂质的沸点是否超出所述预定温度阈值;
第十九获得单元,所述第十九获得单元用于如果所述第一水体杂质的沸点未超出所述预定温度阈值,获得第一调整信息。
进一步的,所述装置还包括:
第二十获得单元,所述第二十获得单元用于根据所述第一调整信息,调整所述第一烘干温度,获得第二烘干温度;
第二十一获得单元,所述第二十一获得单元用于根据所述第二烘干温度,调整所述第一烘干方式,获得第二烘干方式。
进一步的,所述装置还包括:
第二十二获得单元,所述第二十二获得单元用于获得待烘干物的地理位置;
第二十三获得单元,所述第二十三获得单元用于根据所述地理位置,获得所述地理位置信息的环境特点;
第二调整单元,所述第二调整单元用于根据所述环境特点,调整所述第一水质信息。
前述图1实施例一中的一种提高自动烘干设备的烘干效率的方法的各种变化方式和具体实例同样适用于本实施例的一种提高自动烘干设备的烘干效率的装置,通过前述对一种提高自动烘干设备的烘干效率的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高自动烘干设备的烘干效率的装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高自动烘干设备的烘干效率的方法的发明构思,本发明还提供一种提高自动烘干设备的烘干效率的装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种提高自动烘干设备的烘干效率的方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种提高自动烘干设备的烘干效率的方法,所述方法包括:获得待烘干物的材质信息;获得待烘干物的属性信息;将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;根据所述材质信息,获得烘干温度阈值和烘干风速阈值;根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。解决了现有技术中自动烘干设备存在不能智能根据干燥物品的特性,自动调整参数,进而导致干燥效率低的技术问题,达到智能根据干燥物的性质,动态调整烘干参数,提高烘干效率的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种提高自动烘干设备的烘干效率的方法,其中,所述方法包括:
获得待烘干物的材质信息;
获得待烘干物的属性信息;
将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;
获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;
根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;
根据所述材质信息,获得烘干温度阈值和烘干风速阈值;
根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;
根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
2.如权利要求1所述的方法,其中,所述将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息,包括:
将所述待烘干物的材质信息和属性信息作为输入数据,输入质量估计模型,其中,所述质量估计模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述待烘干物的材质信息、属性信息和用来标识第一质量信息的标识信息;
获得所述质量估计模型的第一输出结果,所述第一输出结果为所述待烘干物干燥状态的第一质量信息。
3.如权利要求1所述的方法,其中,所述方法包括:
获得第一烘干指令;
根据所述第一烘干指令对所述待烘干物按照第一烘干方式进行烘干,获得所述待烘干物的实际排水量信息;
根据所述实际排水量信息和所述预估含水量信息,获得烘干比信息;
获得预定烘干比阈值;
判断所述烘干比信息是否在所述预定烘干比阈值之内;
如果所述烘干比信息在所述预定烘干比阈值之内,获得第一存储指令;
根据所述第一存储指令,对所述第一烘干方式进行存储。
4.如权利要求3所述的方法,其中,所述判断所述烘干比信息是否在所述预定烘干比阈值之内之后,包括:
如果所述烘干比信息不在所述预定烘干比阈值之内,获得第一水质信息;
根据所述第一水质信息,获得第一水体杂质信息;
获得第一水体杂质的特性信息;
根据所述第一水体杂质的特性信息,获得第一调整信息;
根据所述第一调整信息,调整所述第一烘干方式。
5.如权利要求4所述的方法,其中,所述根据所述第一水体杂质的特性信息,获得第一调整信息,包括:
根据所述第一水体杂质的特性信息,获得所述第一水体杂质的沸点;
获得预定温度阈值;
判断所述第一水体杂质的沸点是否超出所述预定温度阈值;
如果所述第一水体杂质的沸点未超出所述预定温度阈值,获得第一调整信息。
6.如权利要求4所述的方法,其中,所述根据所述第一调整信息,调整所述第一烘干方式,包括
根据所述第一调整信息,调整所述第一烘干温度,获得第二烘干温度;
根据所述第二烘干温度,调整所述第一烘干方式,获得第二烘干方式。
7.如权利要求4所述的方法,其中,所述方法包括:
获得待烘干物的地理位置;
根据所述地理位置,获得所述地理位置信息的环境特点;
根据所述环境特点,调整所述第一水质信息。
8.一种提高自动烘干设备的烘干效率的装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得待烘干物的材质信息;
第二获得单元,所述第二获得单元用于获得待烘干物的属性信息;
第一输入单元,所述第一输入单元用于将所述待烘干物的材质信息和属性信息输入质量估计模型,获得所述待烘干物干燥状态的第一质量信息;
第三获得单元,所述第三获得单元用于获得待烘干物的第二质量信息,所述第二质量信息为所述待烘干物的实时质量信息;
第四获得单元,所述第四获得单元用于根据所述第一质量信息和所述第二质量信息,获得所述待烘干物的预估含水量信息;
第五获得单元,所述第五获得单元用于根据所述材质信息,获得烘干温度阈值和烘干风速阈值;
第一确定单元,所述第一确定单元用于根据所述烘干温度阈值和所述烘干风速阈值和所述预估含水量信息,确定第一烘干温度和第一烘干风速;
第六获得单元,所述第六获得单元用于根据所述第一烘干温度和所述第一烘干风速,获得第一烘干方式。
9.一种提高自动烘干设备的烘干效率的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011539721.1A CN112629239B (zh) | 2020-12-23 | 2020-12-23 | 一种提高自动烘干设备的烘干效率的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011539721.1A CN112629239B (zh) | 2020-12-23 | 2020-12-23 | 一种提高自动烘干设备的烘干效率的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112629239A true CN112629239A (zh) | 2021-04-09 |
CN112629239B CN112629239B (zh) | 2022-07-29 |
Family
ID=75321673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011539721.1A Active CN112629239B (zh) | 2020-12-23 | 2020-12-23 | 一种提高自动烘干设备的烘干效率的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112629239B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113053469A (zh) * | 2021-04-12 | 2021-06-29 | 江苏丰尚智能科技有限公司 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
CN113137836A (zh) * | 2021-04-23 | 2021-07-20 | 柳州东风容泰化工股份有限公司 | 一种制备邻氯苯腈的干燥方法及*** |
CN114562859A (zh) * | 2022-03-15 | 2022-05-31 | 利辛县众兴食品有限公司 | 一种猪肉片烘干装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0496885A1 (en) * | 1989-10-16 | 1992-08-05 | Miyagiken | Method of modifying treatment of timber and the like |
CN107174184A (zh) * | 2017-04-26 | 2017-09-19 | 北京小米移动软件有限公司 | 烘干方式确定方法及装置 |
CN206817878U (zh) * | 2017-03-16 | 2017-12-29 | 北京志丰旺林新型建材有限公司 | 玻璃清洗机干燥装置 |
CN108315986A (zh) * | 2017-01-16 | 2018-07-24 | 青岛海尔洗衣机有限公司 | 一种自动控制快速干衣机及控制方法 |
CN109084573A (zh) * | 2018-08-21 | 2018-12-25 | 深圳市欧兰特智能控制***有限公司 | 烘干方法、计算机可读存储介质以及智能鞋柜 |
CN110623617A (zh) * | 2019-09-23 | 2019-12-31 | 珠海格力电器股份有限公司 | 洗碗机干燥控制方法、装置、存储介质及洗碗机 |
-
2020
- 2020-12-23 CN CN202011539721.1A patent/CN112629239B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0496885A1 (en) * | 1989-10-16 | 1992-08-05 | Miyagiken | Method of modifying treatment of timber and the like |
CN108315986A (zh) * | 2017-01-16 | 2018-07-24 | 青岛海尔洗衣机有限公司 | 一种自动控制快速干衣机及控制方法 |
CN206817878U (zh) * | 2017-03-16 | 2017-12-29 | 北京志丰旺林新型建材有限公司 | 玻璃清洗机干燥装置 |
CN107174184A (zh) * | 2017-04-26 | 2017-09-19 | 北京小米移动软件有限公司 | 烘干方式确定方法及装置 |
CN109084573A (zh) * | 2018-08-21 | 2018-12-25 | 深圳市欧兰特智能控制***有限公司 | 烘干方法、计算机可读存储介质以及智能鞋柜 |
CN110623617A (zh) * | 2019-09-23 | 2019-12-31 | 珠海格力电器股份有限公司 | 洗碗机干燥控制方法、装置、存储介质及洗碗机 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113053469A (zh) * | 2021-04-12 | 2021-06-29 | 江苏丰尚智能科技有限公司 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
CN113053469B (zh) * | 2021-04-12 | 2022-06-21 | 江苏丰尚智能科技有限公司 | 烘干物料水分预测方法、装置、计算机设备和存储介质 |
CN113137836A (zh) * | 2021-04-23 | 2021-07-20 | 柳州东风容泰化工股份有限公司 | 一种制备邻氯苯腈的干燥方法及*** |
CN114562859A (zh) * | 2022-03-15 | 2022-05-31 | 利辛县众兴食品有限公司 | 一种猪肉片烘干装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112629239B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112629239B (zh) | 一种提高自动烘干设备的烘干效率的方法和装置 | |
CN109816032B (zh) | 基于生成式对抗网络的无偏映射零样本分类方法和装置 | |
CN111950068A (zh) | 一种基于Bim的维护建筑设备的方法和装置 | |
Zhang et al. | Reduced‐order observer‐based output‐feedback tracking control of nonlinear systems with state delay and disturbance | |
CN108846097A (zh) | 用户的兴趣标签表示方法、文章推荐方法、及装置、设备 | |
CN112100928A (zh) | 一种基于温度改善锂离子电池性能的方法和装置 | |
CN111368887A (zh) | 雷雨天气预测模型的训练方法及雷雨天气预测方法 | |
CN112433139A (zh) | 一种提高超级电容循环寿命的方法及装置 | |
Gao et al. | Stochastic mutualism model under regime switching with Lévy jumps | |
Chen et al. | Delay‐dependent robust stabilization and H∞‐control of uncertain stochastic systems with time‐varying delay | |
CN114510867A (zh) | 一种3d模拟配电柜电路接线方法及*** | |
CN114363212A (zh) | 一种设备检测方法、装置、设备和存储介质 | |
Xin et al. | Stationary distribution and extinction of a stochastic tuberculosis model | |
CN108921207B (zh) | 一种超参数确定方法、装置及设备 | |
Zhang et al. | Distributed parallel computing technique for EM modeling | |
CN113487200A (zh) | 一种公路工程的项目质量评定方法及*** | |
CN112798955B (zh) | 一种特种电机的故障检测方法及装置 | |
CN108920737A (zh) | 一种水动力模型的粒子滤波同化方法、装置和计算设备 | |
CN111598105A (zh) | 一种专利地图构建方法及装置 | |
CN112764791A (zh) | 一种增量更新的恶意软件检测方法及*** | |
Xu et al. | Application of support vector machine model based on an improved elephant herding optimization algorithm in network intrusion detection | |
CN110807480A (zh) | 一种卷积神经网络中的卷积核存储方法及装置 | |
Haruna et al. | On the relationship between local rewiring rules and stationary out-degree distributions in adaptive random Boolean network models | |
CN112925197B (zh) | 基于有限时间的多智能体***二分一致跟踪方法 | |
CN117091236B (zh) | 一种暖通空调***的控制方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: 435236 Wangying Town Xiandao Lake Minfu Mountain Villa, Yangxin County, Huangshi City, Hubei Province Patentee after: Hubei Xiandaohong Ecological Agriculture Technology Co.,Ltd. Address before: 545000 No.8 Lianfeng Road, the first Industrial Development Zone, Liujiang District, Liuzhou City, Guangxi Zhuang Autonomous Region Patentee before: Liuzhou Huifang Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |