开云优惠体育网页版入口

专利名称：高粱蒸煮程度在线检测方法

专利类型：发明专利

专利申请号：CN202211172331.4

专利申请（专利权）人：四川轻化工大学
权利人地址：四川省自贡市汇东学苑街180号

专利发明（设计）人：发明人:周军超,杨行,陈鑫,刘乙翰,张贵宇

专利摘要：本发明公开了一种高粱蒸煮程度在线检测方法，包括：采集试验用高粱的蒸煮图像，并将试验用高粱的蒸煮图像作为样本图像；对样本图像进行预处理，得到预处理后的样本图像；提取预处理后的样本图像的整体特征；对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A；对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B；将待测高粱的蒸煮图像的整体特征代入拟合方程A，得到待测高粱的含水量；将待测高粱的蒸煮图像的整体特征代入拟合方程B，得到待测高粱的裂口率；根据待测高粱的含水量以及裂口率确定待测高粱的蒸煮程度。本发明能够对高粱蒸煮程度做出准确判断，实现了高粱蒸煮程度的在线检测。

主权利要求：
1.一种高粱蒸煮程度在线检测方法，其特征在于：包括如下步骤：S1.采集试验用高粱的蒸煮图像，并将试验用高粱的蒸煮图像作为样本图像；
S2.对样本图像进行预处理，得到预处理后的样本图像；
S3.提取预处理后的样本图像的整体特征，具体包括：S31.将预处理后的样本图像分割为若干子图像；
S32.分别提取若干子图像的整体特征；其中，所述整体特征包括高粱籽粒色泽、高粱籽粒体积以及高粱籽粒纹理；
S4.获取试验用高粱的含水量以及裂口率，对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A；对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B；
对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A，具体包括：将若干子图像分别对应的高粱含水量作为因变量集合YA，将若干子图像分别对应的整体特征作为自变量集合XA；
将因变量集合YA与自变量集合XA进行数据拟合，得到拟合方程A；
对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B，具体包括：将若干子图像分别对应的高粱裂口率作为因变量集合YB，将若干子图像分别对应的整体特征作为自变量集合XB；
将因变量集合YB与自变量集合XB进行数据拟合，得到拟合方程B；
所述整体特征中的高粱籽粒色泽包括红色通道值(R)、绿色通道值(G)、蓝色通道值(B)、色调均值(H)、饱和度均值(S)、亮度均值(L)；
所述整体特征中的高粱籽粒体积包括基于粒型边界提取计算的籽粒区域长短轴之比(e)、粒型膨化度(J)；
所述整体特征中的高粱籽粒纹理包括基于灰度直方图的统计属性计算的平均灰度值(m)、标准差(δ)、平滑度(r)；
S5.将待测高粱的蒸煮图像的整体特征代入拟合方程A，得到待测高粱的含水量；将待测高粱的蒸煮图像的整体特征代入拟合方程B，得到待测高粱的裂口率；
S6.根据待测高粱的含水量以及裂口率确定待测高粱的蒸煮程度。
2.根据权利要求1所述的高粱蒸煮程度在线检测方法，其特征在于：对样本图像进行预处理，得到预处理后的样本图像，具体包括：S21.对样本图像进行灰度化处理，得到灰度化图像；
S22.对灰度化图像按照设定的灰度阈值进行划分，得到两类图像区域；
S23.将两类图像区域中灰度等级较小的图像区域作为灰度化图像的前景，将两类图像区域中灰度等级较大的图像区域作为灰度化图像的背景；
S24.对步骤S23处理后的灰度化图像进行噪声过滤处理，得到去噪后的图像；
S25.对去噪后的图像进行边缘提。⒍员咴堤崛『蟮耐枷窠斜咴导觳庥氡咴盗，得到预处理后的样本图像。
3.根据权利要求2所述的高粱蒸煮程度在线检测方法，其特征在于：根据如下方法确定设定的灰度阈值：a.构建灰度阈值设置模型：
其中，
pi＝ni/N，i＝0,1,2…L?1；所述L?1为灰度化图像的灰度最大值，所述ni表示灰度为i的像素个数，所述N为灰度化图像像素总个数；所述T为灰度阈值；
b.调整灰度阈值设置模型中各参数值，使得灰度阈值设置模型取得最大值，将模型取得最大值时，设置的灰度阈值作为设定的灰度阈值。
4.根据权利要求1所述的高粱蒸煮程度在线检测方法，其特征在于：根据如下公式确定拟合方程A：Y1＝a0+a1x1+a2x2+…+anxn+ε1；
其中，Y1为含水量；a0,…,an表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε1为修正系数。
5.根据权利要求1所述的高粱蒸煮程度在线检测方法，其特征在于：根据如下公式确定拟合方程B：Y2＝b0+b1x1+b2x2+…+bnxn+ε2；
其中，Y2为裂口率；b0,…,bn表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε2为修正系数。 说明书 : 高粱蒸煮程度在线检测方法技术领域[0001] 本发明涉及检测分析领域，具体涉及一种高粱蒸煮程度在线检测方法。背景技术[0002] 白酒酿造过程中，人们对高粱蒸煮的关注度较少，蒸煮中高粱的变化对酒质和出酒率有非常重要的作用，而高粱蒸煮程度对小曲清香型白酒的生产具有重要影响。[0003] 目前，在白酒的生产过程中，对高粱蒸煮程度的检测主要是依赖人工进行定期或定时监测来实现的，而依赖人工，不仅消耗成本大，而且存在高粱蒸煮程度检测效率低的问题，同时，由于人工的操作失误或记录失误，也会大大降低高粱蒸煮程度检测的准确度。[0004] 因此，需要一种高粱蒸煮程度在线检测方法，能够解决以上问题。发明内容[0005] 有鉴于此，本发明的目的是克服现有技术中的缺陷，提供高粱蒸煮程度在线检测方法，能够对高粱蒸煮程度做出准确判断，实现了高粱蒸煮程度的在线检测。[0006] 本发明的高粱蒸煮程度在线检测方法，包括如下步骤：[0007] S1.采集试验用高粱的蒸煮图像，并将试验用高粱的蒸煮图像作为样本图像；[0008] S2.对样本图像进行预处理，得到预处理后的样本图像；[0009] S3.提取预处理后的样本图像的整体特征；[0010] S4.获取试验用高粱的含水量以及裂口率，对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A；对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B；[0011] S5.将待测高粱的蒸煮图像的整体特征代入拟合方程A，得到待测高粱的含水量；将待测高粱的蒸煮图像的整体特征代入拟合方程B，得到待测高粱的裂口率；[0012] S6.根据待测高粱的含水量以及裂口率确定待测高粱的蒸煮程度。[0013] 进一步，对样本图像进行预处理，得到预处理后的样本图像，具体包括：[0014] S21.对样本图像进行灰度化处理，得到灰度化图像；[0015] S22.对灰度化图像按照设定的灰度阈值进行划分，得到两类图像区域；[0016] S23.将两类图像区域中灰度等级较小的图像区域作为灰度化图像的前景，将两类图像区域中灰度等级较大的图像区域作为灰度化图像的背景；[0017] S24.对步骤S23处理后的灰度化图像进行噪声过滤处理，得到去噪后的图像；[0018] S25.对去噪后的图像进行边缘提。⒍员咴堤崛『蟮耐枷窠斜咴导觳庥氡咴盗，得到预处理后的样本图像。[0019] 进一步，根据如下方法确定设定的灰度阈值：[0020] a.构建灰度阈值设置模型：[0021][0022] 其中，pi＝ni/N，i＝0,1,2…L?1；所述L?1为灰度化图像的灰度最大值，所述ni表示灰度为i的像素个数，所述N为灰度化图像像素总个数；所述T为灰度阈值；[0023] b.调整灰度阈值设置模型中各参数值，使得灰度阈值设置模型取得最大值，将模型取得最大值时，设置的灰度阈值作为设定的灰度阈值。[0024] 进一步，提取预处理后的样本图像的整体特征，具体包括：[0025] S31.将预处理后的样本图像分割为若干子图像；[0026] S32.分别提取若干子图像的整体特征；其中，所述整体特征包括高粱籽粒色泽、高粱籽粒体积以及高粱籽粒纹理。[0027] 进一步，对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A，具体包括：[0028] 将若干子图像分别对应的高粱含水量作为因变量集合YA，将若干子图像分别对应的整体特征作为自变量集合XA；[0029] 将因变量集合YA与自变量集合XA进行数据拟合，得到拟合方程A。[0030] 进一步，对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B，具体包括：[0031] 将若干子图像分别对应的高粱裂口率作为因变量集合YB，将若干子图像分别对应的整体特征作为自变量集合XB；[0032] 将因变量集合YB与自变量集合XB进行数据拟合，得到拟合方程B。[0033] 进一步，根据如下公式确定拟合方程A：[0034] Y1＝a0+a1x1+a2x2+…+anxn+ε1；[0035] 其中，Y1为含水量；a0,…,an表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε1为修正系数。[0036] 进一步，根据如下公式确定拟合方程B：[0037] Y2＝b0+b1x1+b2x2+…+bnxn+ε2；[0038] 其中，Y2为裂口率；b0,…,bn表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε2为修正系数。[0039] 本发明的有益效果是：本发明公开的一种高粱蒸煮程度在线检测方法，通过采集蒸煮过程中的高粱图像，并对高粱的特征指标与含水量、裂口率进行关联性分析，得到高粱的含水量以及裂口率计算方程，借助计算方程，实现了高粱蒸煮程度的在线检测，并能够对高粱蒸煮程度做出准确判断，对白酒的出酒率与酒的品质具有促进作用，降低了白酒生产中的成本，提高了白酒生产的效率。附图说明[0040] 下面结合附图和实施例对本发明作进一步描述：[0041] 图1为本发明的方法流程示意图；[0042] 图2为本发明的拍摄设备结构示意图；[0043] 图3为本发明的图像数据处理示意图；[0044] 图4为本发明的检测分析实施过程示意图；[0045] 其中，1?相机夹具、2?彩色CCD相机、3?环形光源架、4?光源架夹具、5?相机支架。具体实施方式[0046] 以下结合说明书附图对本发明做出进一步的说明，如图所示：[0047] 本发明的高粱蒸煮程度在线检测方法，包括如下步骤：[0048] S1.采集试验用高粱的蒸煮图像，并将试验用高粱的蒸煮图像作为样本图像；[0049] S2.对样本图像进行预处理，得到预处理后的样本图像；[0050] S3.提取预处理后的样本图像的整体特征；[0051] S4.获取试验用高粱的含水量以及裂口率，对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A；对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B；[0052] S5.将待测高粱的蒸煮图像的整体特征代入拟合方程A，得到待测高粱的含水量；将待测高粱的蒸煮图像的整体特征代入拟合方程B，得到待测高粱的裂口率；[0053] S6.根据待测高粱的含水量以及裂口率确定待测高粱的蒸煮程度。[0054] 本实施例中，步骤S1中，通过拍摄设备来采集试验用高粱的蒸煮图像；如图2所示，所述拍摄设备包括彩色CCD相机2、相机支架5、相机夹具1、环形光源架3以及光源架夹具4；通过相机夹具1将彩色CCD相机2进行固定，环形光源架3由光源架夹具4固定。再将彩色CCD相机2与环形光源架3一同安装在相机支架5上；通过调整相机夹具1与光源架夹具4在相机支架5上的位置，使得彩色CCD相机2能够借助环形光源架3的照射对侧边开透视窗的蒸煮锅内的高粱蒸煮状况进行拍摄，从而获取不同梯度的高粱蒸煮图片。[0055] 本实施例中，对样本图像进行预处理，得到预处理后的样本图像，具体包括：[0056] S21.采用MATLABGUI编程开发图像处理算法，通过RGB的颜色模型变换，分别提取样本图像的红色通道均值(R)、绿色通道均值(G)、蓝色通道均值(B)共计3个色泽特征变量；采用加权均值法对红绿蓝三个分量按照一定权重取得的平均值作为灰度值。加权灰度化处理过程如下式：[0057] f＝(WrR+WgG+WbB)/3；[0058] 式中，f表示灰度化图像；Wr＝0.2990，Wg＝0.5870,Wb＝0.1140来获取符合人眼特性的灰度化图像。[0059] S22.把灰度化图像中的像素按照设定的灰度阈值T0分成两类图像区域C0和C1,C0由灰度值在[0，T0]之间的像素组成，C1由灰度值在[T0+1，L?1]之间的像素组成；[0060] S23.将两类图像区域中灰度等级较小的图像区域作为灰度化图像的前景，将两类图像区域中灰度等级较大的图像区域作为灰度化图像的背景；本实施例中，将C0作为目标区域，也即是前景；将C1作为非目标区域，也即是背景。[0061] S24.对步骤S23处理后的灰度化图像进行噪声过滤处理，得到去噪后的图像；其中，采用高斯滤波对灰度化图像进行噪声处理，去除符合正态分布的噪声，具有良好的效果，使图像平滑，能够保留图像细节信息。根据选择的固定窗口大小及窗口内任意像素与中心像素点的距离，利用高斯函数实现系数权值的分配。所述高斯滤波采用现有技术，在此不再赘述。[0062] S25.对去噪后的图像进行边缘提。⒍员咴堤崛『蟮耐枷窠斜咴导觳庥氡咴盗，得到预处理后的样本图像。其中，利用Canny算子对去噪后的图像进行边缘提。Ａ粽嬲胍谋咴。对去噪后的图像用一阶偏导的有限差分计算梯度的幅值和方向。由于基于梯度幅值所提取的边缘还较为：，故要对梯度幅值进行非极大值限制处理，则在处理好后，采用双阀值算法检测边缘和连接边缘，从而完成整个图像的处理过程。[0063] 本实施例中，根据如下方法确定设定的灰度阈值：[0064] a.构建灰度阈值设置模型：[0065][0066] 其中，pi＝ni/N，i＝0,1,2…L?1；所述L?1为灰度化图像的灰度最大值，所述ni表示灰度为i的像素个数，所述N为灰度化图像像素总个数；所述T为灰度阈值；[0067] b.调整灰度阈值设置模型中各参数值，使得灰度阈值设置模型取得最大值，将模型取得最大值时，设置的灰度阈值作为设定的灰度阈值。[0068] 本实施例中，步骤S3中，提取预处理后的样本图像的整体特征，具体包括：[0069] S31.将预处理后的样本图像分割为若干子图像；[0070] S32.分别提取若干子图像的整体特征；其中，所述整体特征包括高粱籽粒色泽、高粱籽粒体积以及高粱籽粒纹理。[0071] 本实施例中，步骤S4中，可通过水分测定仪器测定蒸煮过程高粱的含水量，通过对高粱籽粒裂口的统计取样，计算得到高粱的裂口率，比如取样100颗籽粒，有85颗籽粒裂口了，则裂口率为85％。[0072] 对含水量与整体特征进行数据拟合，得到含水量与整体特征的拟合方程A，具体包括：[0073] 将若干子图像分别对应的高粱含水量作为因变量集合YA，将若干子图像分别对应的整体特征作为自变量集合XA；其中，将子图像对应的高粱部分作为目标高粱，将测定得到的目标高粱的含水量作为因变量，由若干因变量组成因变量集合YA；通过对目标高粱进行整体特征提。玫阶油枷穸杂Φ恼逄卣鳎籟0074] 将因变量集合YA与自变量集合XA进行数据拟合，得到拟合方程A。其中，每一子图像对应的含水量以及整体特征形成了一组拟合数据对，若干子图像形成了若干组拟合数据对。所述若干组拟合数据对实质上为拟合方程的若干对(x,y)，通过若干对(x,y)，可以确定拟合方程的多个未知系数，从而得到拟合方程。[0075] 本实施例中，与上述得到拟合方程A的原理相同，对裂口率与整体特征进行数据拟合，得到裂口率与整体特征的拟合方程B，具体包括：[0076] 将若干子图像分别对应的高粱裂口率作为因变量集合YB，将若干子图像分别对应的整体特征作为自变量集合XB；[0077] 将因变量集合YB与自变量集合XB进行数据拟合，得到拟合方程B。[0078] 通过利用数值分析开展特征指标与含水量及裂口率的关联分析，构建了蒸煮程度回归方程：方程A以及方程B。[0079] 本实施例中，所述整体特征中的高粱籽粒色泽包括红色通道值(R)、绿色通道值(G)、蓝色通道值(B)、色调均值(H)、饱和度均值(S)、亮度均值(L)；[0080] 所述整体特征中的高粱籽粒体积包括基于粒型边界提取计算的籽粒区域长短轴之比(e)、粒型膨化度(J)；[0081] 所述整体特征中的高粱籽粒纹理包括基于灰度直方图的统计属性计算的平均灰度值(m)、标准差(δ)、平滑度(r)。[0082] 通过上述分析，所述整体特征包括11个特征变量。[0083] 本实施例中，根据如下公式确定拟合方程A：[0084] Y1＝a0+a1x1+a2x2+…+anxn+ε1；[0085] 其中，Y1为含水量；a0,…,an表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε1为修正系数。[0086] 根据如下公式确定拟合方程B：[0087] Y2＝b0+b1x1+b2x2+…+bnxn+ε2；[0088] 其中，Y2为裂口率；b0,…,bn表示n个方程系数；x1,…,xn表示整体特征中的n个特征；ε2为修正系数。[0089] 在拟合方程A以及拟合方程B中，所述n的取值为不超过11的正整数，具体地，可以根据特征变量对含水量以及裂口率的影响程度的大。∪∩儆11个数的影响程度大的特征变量作为拟合方程中的自变量；同时，拟合方程A以及拟合方程B中的修正系数并不是必需的，但由于理论分析与实际情况存在误差，则通过添加修正系数尽可能地减小拟合方程的误差；所述修正系数的大小可以根据实际工况进行确定。[0090] 本实施例中，步骤S5中，可以将待测高粱的蒸煮图像分割成若干份，分别将若干份图像的整体特征代入拟合方程A，得到若干份含水量；同样地，将若干份图像的整体特征代入拟合方程B，得到若干份裂口率；当然了，也可以不分割待测高粱的蒸煮图像，而是直接计算含水量以及裂口率。[0091] 步骤S6中，根据高粱蒸煮程度评定标准，分别分析每份图像对应高粱的含水量以及裂口率，确定每份图像对应高粱的蒸煮程度，可以得到若干个蒸煮程度值，取若干个蒸煮程度值的平均值作为待测高粱的蒸煮程度。其中，所述蒸煮程度包括七分熟显生、七分熟、八分熟显生、八分熟等；通过量化以及归一化蒸煮程度，可以得到蒸煮程度值，比如七分熟显生为0.7，七分熟为0.75。[0092] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

专利地区：四川

专利申请日期：2022-09-26

专利公开日期：2024-10-22

专利公告号：CN115561206B