开云优惠体育网页版入口

专利名称：一种基于人工智能的酸奶制品流水线加工监控系统及方法

专利类型：发明专利

专利申请号：CN202311806908.7

专利申请（专利权）人：湖南南山牧业有限公司
权利人地址：湖南省邵阳市城步苗族自治县南山牧场大坪

专利发明（设计）人：游善兵,陈德文,杨开书

专利摘要：本发明公开了一种基于人工智能的酸奶制品流水线加工监测系统，属于食品加工技术领域。该系统包括原料乳收集监测部分、原料乳加工监测部分、酸奶发酵监测部分、酸奶灌装监测部分和云端平台部分，各部分通过物联网进行数据传输和控制，云端平台部分通过人工智能技术对数据进行处理和反馈。该系统可以对原料乳和酸奶的采样、检测、分流、分选、灌装等过程进行自动化的监测和控制，提高酸奶的质量和效率，降低成本和风险。本发明的有益效果在于，实现了对原料乳和酸奶的全面、实时、动态的监测，实现了对原料乳和酸奶的自动化的分流、分选等操作，实现了对数据的有效的分析和优化，利用人工智能技术提高酸奶的质量和效率，降低成本和风险。

主权利要求：
1.一种基于人工智能的酸奶制品流水线加工监控方法，其特征在于，该方法通过基于人工智能的酸奶制品流水线加工监控系统实现，该系统包括：原料乳收集监测模块，该部分包括原料乳采样模块、原料乳检测模块、原料乳分流模块、原料乳数据采集模块和原料乳数据传输模块，该部分通过原料乳采样模块和原料乳检测模块对原料乳进行定期的采样和检测，通过原料乳分流模块对原料乳进行分流和储存，通过原料乳数据采集模块和原料乳数据传输模块将原料乳的数据上传到云端平台部分；
原料乳加工监测模块，该部分包括原料乳接收模块、原料乳杀菌模块、原料乳调配模块、原料乳加工数据采集模块和原料乳加工数据传输模块，该部分通过原料乳接收模块对原料乳进行接收和分配，通过原料乳杀菌模块对原料乳进行高温杀菌，通过原料乳调配模块对原料乳进行按比例的调配和添加添加剂，通过原料乳加工数据采集模块和原料乳加工数据传输模块将原料乳的加工数据上传到云端平台部分；
酸奶发酵监测模块，该部分包括酸奶接种模块、酸奶发酵模块、酸奶检测模块、酸奶分选模块、酸奶数据采集模块和酸奶数据传输模块，该部分通过酸奶接种模块对原料乳进行接种乳酸菌，通过酸奶发酵模块对接种后的原料乳进行恒温恒湿的发酵，通过酸奶检测模块对发酵后的酸奶进行质量检测，通过酸奶分选模块对酸奶进行合格与不合格的分。ü崮淌莶杉？楹退崮淌萦氪淠？榻崮痰南喙厥萆洗皆贫似教ú糠郑
酸奶灌装监测模块，该部分包括酸奶灌装模块、灌装数据采集模块和灌装数据传输模块，该部分通过酸奶灌装模块对酸奶进行灌装和封盖，通过灌装数据采集模块和灌装数据传输模块将灌装的相关数据上传到云端平台部分；
云端平台部分，该部分包括数据存储模块、数据分析模块、数据展示模块、数据应用模块，该部分通过数据存储模块对系统的数据进行存储和备份，通过数据分析模块对系统的数据进行分析，通过数据展示模块对系统的数据进行可视化报表生成，通过数据应用模块对系统的数据进行优化和决策支持；
原料乳收集监测模块、原料乳加工监测模块、酸奶发酵监测模块、酸奶灌装监测模块依次连接，云端平台部分分别与原料乳收集监测模块、原料乳加工监测模块、酸奶发酵监测模块和酸奶灌装监测模块进行数据传输，上述数据传输通过物联网进行传输，各模块之间通过PLC控制系统实现自动化的参数调节、过程控制和结果反。
所述的原料乳采样模块包括采样机器人、采样器和原料乳储罐，所述的采样机器人根据设定的采样时间和频率，从原料乳储罐中抽取设定量的原料乳，所述的采样器将所述的原料乳样本分装到采样瓶中，并将所述的采样瓶送至原料乳检测模块；所述的原料乳检测模块根据预设的检测项目和标准，从所述的采样瓶中取出预设量的原料乳样本，对所述的原料乳样本进行物理、化学和微生物检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，检测结果通过原料乳数据采集模块和原料乳数据传输模块上传到云端平台部分；所述的原料乳分流模块包括分流机器人和分流阀，所述的分流机器人根据所述的检测结果，将合格的原料乳样本送回原料乳储罐，将不合格的原料乳样本送至废弃物处理设备，所述的分流阀根据所述的检测结果，控制原料乳的流向，将合格的原料乳输送至原料乳加工监测模块，将不合格的原料乳输送至废弃物处理设备；
所述的原料乳接收模块包括接收机器人和接收阀，所述的接收机器人根据预设的接收时间和数量，从原料乳储罐中接收定量的原料乳，所述的接收阀控制原料乳的流量，将所述的原料乳输送至原料乳杀菌模块；所述的原料乳杀菌模块根据预设的杀菌温度和时间，控制杀菌设备对所述的原料乳进行杀菌处理，杀菌后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传杀菌数据到云端平台部分，并输送至原料乳调配模块；
所述的原料乳杀菌模块的杀菌时间由以下公式确定： ，其中， 为
杀菌时间， 为原料乳中的微生物初始数量， 为杀菌后的微生物残留数量， 为杀菌速率常数；
所述的原料乳调配模块根据预设的调配比例和添加剂种类，对所述的原料乳进行按比例的调配和添加添加剂，调配后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传调配数据到云端平台部分，并输送至酸奶发酵监测模块；
所述的酸奶接种模块根据预设的接种量和乳酸菌种类，对所述的原料乳进行接种乳酸菌，接种后的原料乳通过酸奶数据采集模块和酸奶数据传输模块上传接种数据到云端平台部分，并输送至酸奶发酵模块；所述的酸奶发酵模块根据预设的发酵温度、湿度和时间，对所述的原料乳进行发酵处理，发酵后的酸奶通过酸奶检测模块进行检测并得到检测结果，所述的检测结果包括发酵前后的酸奶温度、pH值、乳酸菌含量、凝固时间、凝固度，并通过酸奶数据采集模块和酸奶数据传输模块上传发酵数据到云端平台部分；
所述 的酸奶 发酵 模块 的发 酵温度 、湿 度和 时间由 以下 公式 确定 ：
其中， 为发酵温度， 为发酵湿度， 为
发酵时间， 为发酵后的乳酸菌数量， 为接种的乳酸菌数量， 为乳酸菌的增长速率，为第k种乳酸菌的种类， 和 为发酵温度和湿度的函数，分别由以下公式给出：其中， 是第k种菌种的温度系数， 是第k
种菌种的湿度系数， 为环境温度， 为环境湿度；
所述的酸奶分选模块根据所述的检测结果，控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备；所述的酸奶灌装模块根据预设的灌装量和灌装容器，对所述的酸奶进行灌装和封盖，灌装后的酸奶通过灌装数据采集模块和灌装数据传输模块上传灌装数据到云端平台部分，并输送至包装设备；
该方法包括以下步骤：
S1原料乳监测：对原料乳进行采样检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，根据食品安开云优惠体育网页版入口家标准：发酵乳判断是否合格，合格的原料乳运输到下一步，不合格的原料乳输送至废弃物处理设施并将采集的数据传输给云端平台；
S2原料乳加工：对合格的原料乳进行杀菌、调配，数据采集模块采集包括杀菌前后的原料乳温度、压力、流量、菌落总数、调配前后的原料乳密度、脂肪含量、蛋白质含量、乳酸菌含量，将加工后的原料乳输送到下一步并将采集的数据传输给云端平台；
S3发酵：对加工后的原料乳进行接种发酵，检测发酵得到的酸奶，包括接种前后的酸奶温度、pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将采集的数据传输给云端平台，根据食品安开云优惠体育网页版入口家标准：发酵乳判断酸奶是否合格，合格的酸奶输送到下一步；
S4酸奶灌装：对合格的酸奶进行灌装、封盖，将灌装数据输送到云端平台；
S5结果展示云端平台根据接收的数据进行数据分析，分析后的结果通过数据应用模块以控制信号反馈给酸奶发酵模块调整参数以及建立酸奶产量模型和计算酸奶的质量指数，将分析的结果和反馈结果以图表的形式展示给用户；
S3发酵包括以下步骤：
S31接种，根据不同酸奶规格的需求，设定接种量和乳酸菌种类，对原料乳进行接种，将接种数据上传到云端平台，并将接种后的原料输送到酸奶发酵模块；
S32发酵，根据设定的发酵温度、湿度和时间，对接种后的原料乳进行发酵处理，实时采集酸奶温度、pH值、乳酸菌含量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将发酵数据上传到云端平台，云端平台经过数据分析后，数据应用模块通过决策模型，对发酵的温度、湿度和发酵时间进行调整，以控制信号反馈到酸奶发酵模块，实时对发酵的温度、湿度、时间进行调节，对完成发酵的酸奶进行检测，包括pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，判断是否符合食品安开云优惠体育网页版入口家标准：发酵乳；
S33酸奶分流：根据检测结果控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备；
所述决策模型表示为： 其中，
是决策参数，T、pH、L和D分别为酸奶的温度、pH值、乳酸菌含量、密度，y表示是否需要对发酵参数进行调整。
2.根据权利要求1所述的一种基于人工智能的酸奶制品流水线加工监控方法，其特征在于，所述的云端平台数据存储模块接收存储原料乳数据传输模块、酸奶数据传输模块、灌装数据传输模块的传输数据，数据分析模块对所述数据进行分析处理，数据应用模块将数据分析的结果以控制信号反馈给酸奶发酵模块、建立生产模型和计算酸奶的质量指数，数据展示模块将数据分析的结果、生产模型和质量指数和反馈控制后的结果以图表的形式展示给客户。
3.根据权利要求2所述的一种基于人工智能的酸奶制品流水线加工监控方法，其特征在于，所述的生产模型表示为： 其中， 为截距项，到 为回归系数，为误差项， 为酸奶产量， 是影响酸奶产量的因
素；所述酸奶的质量指数表示为： 其中P为蛋白质含量，
F为脂肪含量，A为酸度，V为粘度，N为菌落总数， 为权重系数。 说明书 : 一种基于人工智能的酸奶制品流水线加工监控系统及方法技术领域[0001] 本发明涉及酸奶加工技术领域，特别是涉及一种基于人工智能的酸奶制品流水线加工监控系统。背景技术[0002] 酸奶具有营养丰富、易于消化、促进肠道健康等优点。酸奶的制作过程主要包括原料乳的收集、加工和发酵，以及酸奶的检测、分选和灌装等步骤。在这些步骤中，需要对原料乳和酸奶的各项品质指标进行监测，如密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量、酸度、粘度、水分、蛋白质含量等，以保证酸奶的质量和安全。目前，对原料乳和酸奶的监测主要采用人工或半自动化的方式，存在以下问题和缺点：[0003] (1)人工监测的效率低，精度差，易受人为因素的影响，人工监测需要使用各种仪器设备，如酸度计、温度计、密度计等，进行多项指标的测定，这些仪器设备的操作和读数都需要人工完成，不仅耗时耗力，而且容易出现误差和偏差。另外，人工监测还受到人员的技术水平、经验、判断、态度等因素的影响，可能导致结果的不准确和不一致；[0004] (2)不能实现对原料乳和酸奶的全面、实时、动态的监测，不能及时发现和处理异常情况，不能有效利用数据进行分析和优化。人工或半自动化的监测方式不能与生产流程相适应，不能满足大规模、高速、高效的生产要求。人工或半自动化的监测方式通常需要采样、制备、分析等步骤，不能实现在线、连续、无损的监测，不能及时反馈监测结果，不能对生产过程进行实时调控，也不能对监测数据进行自动存储、处理、分析和优化。[0005] 因此，如何设计和开发一种能够对原料乳和酸奶的各项品质指标进行全面、实时、动态的监测的系统是目前亟待解决的技术问题。发明内容[0006] 针对以上问题，本发明提供一种基于人工智能的酸奶制品流水线加工监控系统，能够实现对原料乳和酸奶的全程监测和控制，提高酸奶的质量和产量。[0007] 为实现上述目的，本发明采用的技术方案是：[0008] 一种基于人工智能的酸奶制品流水线加工监控系统，包括：[0009] 原料乳收集监测模块，该部分包括原料乳采样模块、原料乳检测模块、原料乳分流模块、原料乳数据采集模块和原料乳数据传输模块，该部分通过原料乳采样模块和原料乳检测模块对原料乳进行定期的采样和检测，通过原料乳分流模块对原料乳进行分流和储存，通过原料乳数据采集模块和原料乳数据传输模块将原料乳的数据上传到云端平台部分；[0010] 原料乳加工监测模块，该部分包括原料乳接收模块、原料乳杀菌模块、原料乳调配模块、原料乳加工数据采集模块和原料乳加工数据传输模块，该部分通过原料乳接收模块对原料乳进行接收和分配，通过原料乳杀菌模块对原料乳进行高温杀菌，通过原料乳调配模块对原料乳进行按比例的调配和添加添加剂，通过原料乳加工数据采集模块和原料乳加工数据传输模块将原料乳的加工数据上传到云端平台部分；[0011] 酸奶发酵监测模块，该部分包括酸奶接种模块、酸奶发酵模块、酸奶检测模块、酸奶分选模块、酸奶数据采集模块和酸奶数据传输模块，该部分通过酸奶接种模块对原料乳进行接种乳酸菌，通过酸奶发酵模块对接种后的原料乳进行恒温恒湿的发酵，通过酸奶检测模块对发酵后的酸奶进行质量检测，通过酸奶分选模块对酸奶进行合格与不合格的分。ü崮淌莶杉？楹退崮淌荽淠？榻崮痰南喙厥萆洗皆贫似教ú糠郑籟0012] 酸奶灌装监测模块，该部分包括酸奶灌装模块、灌装数据采集模块和灌装数据传输模块，该部分通过酸奶灌装模块对酸奶进行灌装和封盖，通过灌装数据采集模块和灌装数据传输模块将灌装的相关数据上传到云端平台部分；[0013] 云端平台部分，该部分包括数据存储模块、数据分析模块、数据展示模块、数据应用模块，该部分通过数据存储模块对系统的数据进行存储和备份，通过数据分析模块对系统的数据进行分析，通过数据展示模块对系统的数据进行可视化报表生成，通过数据应用模块对系统的数据进行优化和决策支持；[0014] 原料乳收集监测模块、原料乳加工监测模块、酸奶发酵监测模块、酸奶灌装监测模块依次连接，云端平台部分与上述每个模块进行数据传输，上述数据传输通过物联网进行传输，各模块之间通过PLC控制系统实现自动化的参数调节、过程控制和结果反馈。[0015] 本发明的有益效果是：该系统能够实现对原料乳和酸奶的全程监测和控制。[0016] 作为上述方案的进一步改进：所述的原料乳采样模块包括采样机器人和采样器，所述的采样机器人根据设定的采样时间和频率，从原料乳储罐中抽取设定量的原料乳，所述的采样器将所述的原料乳样本分装到采样瓶中，并将所述的采样瓶送至原料乳检测模块；所述的原料乳检测模块根据预设的检测项目和标准，从所述的采样瓶中取出预设量的原料乳样本，对所述的原料乳样本进行物理、化学和微生物检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，检测结果通过原料乳数据采集模块和原料乳数据传输模块上传到云端平台部分；所述的原料乳分流模块包括分流机器人和分流阀，所述的分流机器人根据所述的检测结果，将合格的原料乳样本送回原料乳储罐，将不合格的原料乳样本送至废弃物处理设备，所述的分流阀根据所述的检测结果，控制原料乳的流向，将合格的原料乳输送至原料乳加工监测模块，将不合格的原料乳输送至废弃物处理设备。[0017] 本发明的有益效果是：该发明提高了原料乳采样和检测效率和准确性，根据处理结果合理的对原料乳进行了分流和储存。[0018] 作为上述方案的进一步改进：所述的原料乳接收模块包括接收机器人和接收阀，所述的接收机器人根据预设的接收时间和数量，从原料乳储罐中接收定量的原料乳，所述的接收阀控制原料乳的流量，将所述的原料乳输送至原料乳杀菌模块；所述的原料乳杀菌模块根据预设的杀菌温度和时间，控制所述的杀菌设备对所述的原料乳进行杀菌处理，杀菌后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传杀菌数据到云端平台部分，并输送至原料乳调配模块；所述的原料乳调配模块根据预设的调配比例和添加剂种类，对所述的原料乳进行按比例的调配和添加添加剂，调配后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传调配数据到云端平台部分，并输送至酸奶发酵监测模块。[0019] 本发明的有益效果是：根据原料乳的质量和需求对原料乳进行合适的杀菌和调配，方便下一步发酵操作。[0020] 作为上述方案的进一步改进：所述的酸奶接种模块根据预设的接种量和乳酸菌种类，对所述的原料乳进行接种乳酸菌，接种后的原料乳通过酸奶数据采集模块和酸奶数据传输模块上传接种数据到云端平台部分，并输送至酸奶发酵模块；所述的酸奶发酵模块根据预设的发酵温度、湿度和时间，对所述的原料乳进行发酵处理，发酵后的酸奶通过酸奶检测模块进行检测，包括发酵前后的酸奶温度、pH值、乳酸菌含量、凝固时间、凝固度，并通过酸奶数据采集模块和酸奶数据传输模块上传发酵数据到云端平台部分；所述的酸奶分选模块根据所述的检测结果，控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备；所述的酸奶灌装模块根据预设的灌装量和灌装容器，对所述的酸奶进行灌装和封盖，灌装后的酸奶通过灌装数据采集模块和灌装数据传输模块上传灌装数据到云端平台部分，并输送至包装设备。[0021] 本发明的有益效果是：根据不同酸奶规格的需求对原料乳进行合适的接种和发酵，提高酸奶产出率。[0022] 作为上述方案的进一步改进：所述的云端平台数据存储模块接收存储原料乳数据传输模块、酸奶数据传输模块、灌装数据传输模块的传输数据，数据分析模块对所述数据进行分析处理，数据应用模块将数据分析的结果以控制信号反馈给酸奶发酵模块，数据展示模块将数据分析的结果以及反馈控制后的结果以图表的形式展示给客户。[0023] 本发明的有益效果是：利用人工智能技术对原料乳和酸奶的数据进行分析和应用，反馈调节酸奶发酵参数，提高酸奶的质量和产量，降低生产成本和风险。[0024] 作为上述技术方案的进一步改进：所述的生产模型表示Y＝β0+β1X1+β2X2+...+βnXn+ò其中，β0为截距项，β1到βn为回归系数，ò为误差项，Y为酸奶产量，X1、X2、、、Xn是影响酸奶产量的因素；所述酸奶的质量指数表示为：Q＝w1P+w2F+w3A+w4V+w5N，其中P为蛋白质含量，F为脂肪含量，A为酸度，V为粘度，N为菌落总数，w1、w2、w3、w4、w5为权重系数。[0025] 本发明的有益效果是：生产模型和质量指标数学化，更加直观的对酸奶产量和质量的预测。[0026] 本发明还提供一种基于人工智能的酸奶制品流水线加工监控方法，包括以下步骤：[0027] S1原料乳监测：对原料乳进行采样检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，根据食品安开云优惠体育网页版入口家标准：发酵乳判断是否合格，合格的原料乳运输到下一步，不合格的原料乳输送至废弃物处理设施并将采集的数据传输给云端平台；[0028] S2原料乳加工：对合格的原料乳进行杀菌、调配，数据采集模块采集包括杀菌前后的原料乳温度、压力、流量、菌落总数、调配前后的原料乳密度、脂肪含量、蛋白质含量、乳酸菌含量，将加工后的原料乳输送到下一步并将采集的数据传输给云端平台；[0029] S3发酵：对加工后的原料乳进行接种发酵，检测发酵得到的酸奶，包括接种前后的酸奶温度、pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将采集的数据传输给云端平台，根据食品安开云优惠体育网页版入口家标准：发酵乳判断酸奶是否合格，合格的酸奶输送到下一步；[0030] S4酸奶灌装：对合格的酸奶进行灌装、封盖，将灌装数据输送到云端平台；[0031] S5结果展示云端平台根据接收的数据进行数据分析，分析后的结果通过数据应用模块以控制信号反馈给酸奶发酵模块调整参数以及建立酸奶产量模型和计算酸奶的质量指数，将分析的结果和反馈结果以图表的形式展示给用户。[0032] 本发明的有益效果是：对原料乳和酸奶的各项品质指标进行全面、实时、动态的监测，如密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量、酸度、粘度、水分、质量指数等，以保证酸奶的质量和安全，避免不合格产品的流出，提高消费者的满意度和信任度。将结果以图表的形式展示给用户提高用户的体验感。[0033] 作为上述技术方案的进一步改进：S3发酵包括以下步骤：[0034] S31接种，根据不同酸奶规格的需求，设定接种量和乳酸菌种类，对原料乳进行接种，将接种数据上传到云端平台，并将接种后的原料输送到酸奶发酵模块；[0035] S32发酵，根据设定的发酵温度、湿度和时间，对接种后的原料乳进行发酵处理，实时采集酸奶温度、pH值、乳酸菌含量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将发酵数据上传到云端平台，云端平台经过数据分析后，以控制信号反馈到酸奶发酵模块，实时对发酵的温度、湿度、时间进行调节，对完成发酵的酸奶进行检测，包括pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，判断是否符合食品安开云优惠体育网页版入口家标准：发酵乳；[0036] S33酸奶分流：根据检测结果控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备。[0037] 本发明的有益效果是：对酸奶发酵过程中的各项品质指标进行全面、实时、动态的监测，云端平台实时对发酵参数进行调整以保证酸奶发酵的质量和安全，避免不合格产品的流出。[0038] 作为上述技术方案的进一步改进：所述的原料乳杀菌模块的杀菌温度和时间由以下公式确定： 其中，Tk为杀菌时间，N0为原料乳中的微生物初始数量，Nk为杀菌后的微生物残留数量，k为杀菌速率常数，Cp为原料乳的比热容，ΔT为杀菌温差，Qh为加热功率；所述的酸奶发酵模块的发酵温度、湿度和时间由以下公式确定：Tf＝h(Lk)，Hf＝i(Lk)， 其中，Tf为发酵温度，Hf为发酵湿度，tf为发酵时间，Nf为发酵后的乳酸菌数量，Ni为接种的乳酸菌数量，r为乳酸菌的增长速率，Lk为第k种乳酸菌的种类，h和i为发酵温度和湿度的函数，分别由以下公式给出：h(Lk)＝akT0+bk，i(Lk)＝ckH0+dk其中，ak,bk是第k种菌种的温度系数，ck,bk是第k种菌种的湿度系数，T0为环境温度，H0为环境湿度。[0039] 本发明的有益效果是：杀菌温度和时间、发酵温度、湿度和时间数学化，更加精确的对酸奶杀菌和发酵的控制。[0040] 作 为 上 述 技 术 方 案 的 进 一 步 改 进 ：所 述 决 策 模 型 表 示 为 ：其中，w0,w1,w2,w3,w4是决策参数，T、pH、L和D分别为酸奶的温度、pH值、乳酸菌含量、密度，y表示是否需要对发酵参数进行调整。[0041] 本发明的有益效果是：用人工智能技术对酸奶发酵参数是否进行调整进行决策，实现酸奶的发酵环境的优化。附图说明[0042] 图1为酸奶制品流水线加工监控系统系统结构示意图；[0043] 图2为酸奶制品流水线加工监控系统工作流程图。具体实施方式[0044] 为了使本领域技术人员更好地理解技术方案，下面结合实施例对技术方案进行详细描述，本部分的描述仅是示范性和解释性，不应对本申请的保护范围有任何的限制作用。[0045] 实施例1：[0046] 图1是本发明系统结构示意图，如图所示，本发明一种基于人工智能的酸奶制品流水线加工监控系统，包括：[0047] 原料乳收集监测模块，该部分包括原料乳采样模块、原料乳检测模块、原料乳分流模块、原料乳数据采集模块和原料乳数据传输模块，该部分通过原料乳采样模块和原料乳检测模块对原料乳进行定期的采样和检测，通过原料乳分流模块对原料乳进行分流和储存，通过原料乳数据采集模块和原料乳数据传输模块将原料乳的数据上传到云端平台部分；[0048] 原料乳加工监测模块，该部分包括原料乳接收模块、原料乳杀菌模块、原料乳调配模块、原料乳加工数据采集模块和原料乳加工数据传输模块，该部分通过原料乳接收模块对原料乳进行接收和分配，通过原料乳杀菌模块对原料乳进行高温杀菌，通过原料乳调配模块对原料乳进行按比例的调配和添加添加剂，通过原料乳加工数据采集模块和原料乳加工数据传输模块将原料乳的加工数据上传到云端平台部分；[0049] 酸奶发酵监测模块，该部分包括酸奶接种模块、酸奶发酵模块、酸奶检测模块、酸奶分选模块、酸奶数据采集模块和酸奶数据传输模块，该部分通过酸奶接种模块对原料乳进行接种乳酸菌，通过酸奶发酵模块对接种后的原料乳进行恒温恒湿的发酵，通过酸奶检测模块对发酵后的酸奶进行质量检测，通过酸奶分选模块对酸奶进行合格与不合格的分。ü崮淌莶杉？楹退崮淌荽淠？榻崮痰南喙厥萆洗皆贫似教ú糠郑籟0050] 酸奶灌装监测模块，该部分包括酸奶灌装模块、灌装数据采集模块和灌装数据传输模块，该部分通过酸奶灌装模块对酸奶进行灌装和封盖，通过灌装数据采集模块和灌装数据传输模块将灌装的相关数据上传到云端平台部分；[0051] 云端平台部分，该部分包括数据存储模块、数据分析模块、数据展示模块、数据应用模块，该部分通过数据存储模块对系统的数据进行存储和备份，通过数据分析模块对系统的数据进行分析，通过数据展示模块对系统的数据进行可视化报表生成，通过数据应用模块对系统的数据进行优化和决策支持；[0052] 原料乳收集监测模块、原料乳加工监测模块、酸奶发酵监测模块、酸奶灌装监测模块依次连接，云端平台部分与上述每个模块进行数据传输，上述数据传输通过物联网进行传输，各模块之间通过PLC控制系统实现自动化的参数调节、过程控制和结果反馈。[0053] 具体的，所述的原料乳采样模块包括采样机器人和采样器，所述的采样机器人根据设定的采样时间和频率，从原料乳储罐中抽取设定量的原料乳，所述的采样器将所述的原料乳样本分装到采样瓶中，并将所述的采样瓶送至原料乳检测模块；所述的原料乳检测模块根据预设的检测项目和标准，从所述的采样瓶中取出预设量的原料乳样本，对所述的原料乳样本进行物理、化学和微生物检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，检测结果通过原料乳数据采集模块和原料乳数据传输模块上传到云端平台部分；所述的原料乳分流模块包括分流机器人和分流阀，所述的分流机器人根据所述的检测结果，将合格的原料乳样本送回原料乳储罐，将不合格的原料乳样本送至废弃物处理设备，所述的分流阀根据所述的检测结果，控制原料乳的流向，将合格的原料乳输送至原料乳加工监测模块，将不合格的原料乳输送至废弃物处理设备。[0054] 具体的，所述的原料乳接收模块包括接收机器人和接收阀，所述的接收机器人根据预设的接收时间和数量，从原料乳储罐中接收定量的原料乳，所述的接收阀控制原料乳的流量，将所述的原料乳输送至原料乳杀菌模块；所述的原料乳杀菌模块根据预设的杀菌温度和时间，控制所述的杀菌设备对所述的原料乳进行杀菌处理，杀菌后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传杀菌数据到云端平台部分，并输送至原料乳调配模块；所述的原料乳调配模块根据预设的调配比例和添加剂种类，对所述的原料乳进行按比例的调配和添加添加剂，调配后的原料乳通过原料乳加工数据采集模块和原料乳加工数据传输模块上传调配数据到云端平台部分，并输送至酸奶发酵监测模块。[0055] 具体的，所述的酸奶接种模块根据预设的接种量和乳酸菌种类，对所述的原料乳进行接种乳酸菌，接种后的原料乳通过酸奶数据采集模块和酸奶数据传输模块上传接种数据到云端平台部分，并输送至酸奶发酵模块；所述的酸奶发酵模块根据预设的发酵温度、湿度和时间，对所述的原料乳进行发酵处理，发酵后的酸奶通过酸奶检测模块进行检测，包括发酵前后的酸奶温度、pH值、乳酸菌含量、凝固时间、凝固度，并通过酸奶数据采集模块和酸奶数据传输模块上传发酵数据到云端平台部分；所述的酸奶分选模块根据所述的检测结果，控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备；所述的酸奶灌装模块根据预设的灌装量和灌装容器，对所述的酸奶进行灌装和封盖，灌装后的酸奶通过灌装数据采集模块和灌装数据传输模块上传灌装数据到云端平台部分，并输送至包装设备。[0056] 具体的，所述的云端平台数据存储模块接收存储原料乳数据传输模块、酸奶数据传输模块、灌装数据传输模块的传输数据，数据分析模块对所述数据进行分析处理，数据应用模块将数据分析的结果以控制信号反馈给酸奶发酵模块，数据展示模块将数据分析的结果以及反馈控制后的结果以图表的形式展示给客户。[0057] 具体的，所述的生产模型表示Y＝β0+β1X1+β2X2+...+βnXn+ò其中，β0为截距项，β1到βn为回归系数，ò为误差项，Y为酸奶产量，X1、X2、、、Xn是影响酸奶产量的因素；在本实施例中，取3个影响酸奶产量的因素，分别为原料乳的品质，发酵菌种的选择，发酵条件的控制，采集酸奶产量和上述影响因素的观测值，组成数据集。设β0～β3分别为2,2,3,1，即回归方程为Y＝2+2X1+3X2+X3；计算残差平方和SSE， 其中，Yi为第i个数据的实际值，为第i个数据的预测值，在此实施例中SSE＝200,。计算回归平方和SSR，以用以下公式计算： 其中， 为第i个数据的预测值， 为因变量的均值，在此实施例中SSR＝40。计算F统计量，代入公式，得到： 选择显著性水平为0.05，回归模型的F统计量为0.426，回归模型显著，可以用此回归方程估计这3个影响因素下的酸奶产量。所以生产模型为Y＝2+2X1+3X2+X3，X1～X3分别为原料乳的品质，发酵菌种的选择，发酵条件的控制，Y为预测产量。[0058] 所述酸奶的质量指数表示为：Q＝w1P+w2F+w3A+w4V+w5N，其中P为蛋白质含量，F为脂肪含量，A为酸度，V为粘度，N为菌落总数，w1、w2、w3、w4、w5为权重系数；设蛋白质含量和菌落总数对酸奶的质量最为重要，而脂肪含量和酸度对酸奶的质量次之，而粘度对酸奶的质量最不重要，取以下权重系数w1＝0.3,w2＝0.2,w3＝0.2,w4＝0.1,w5＝0.2，蛋白质含量P＝3.5g/100g，脂肪含量F＝3.0g/100g，酸度A＝4.0pH，粘度V＝200mPa·s，菌落总数N＝6 610 CFU/mL，酸奶的质量指数Q＝0.3×3.5+0.2×3.0+0.2×4.0+0.1×200+0.2×10 ＝200053.5。[0059] 实施例2：[0060] 图2是本发明的工作流程图，如图所示，本发明一种基于人工智能的酸奶制品流水线加工监控方法，其特征在于，该方法包括以下步骤：[0061] S1原料乳监测：对原料乳进行采样检测，包括密度、脂肪含量、蛋白质含量、乳酸菌含量、抗生素残留量、有害微生物含量，根据食品安开云优惠体育网页版入口家标准：发酵乳判断是否合格，合格的原料乳运输到下一步，不合格的原料乳输送至废弃物处理设施并将采集的数据传输给云端平台；S2原料乳加工：对合格的原料乳进行杀菌、调配，数据采集模块采集包括杀菌前后的原料乳温度、压力、流量、菌落总数、调配前后的原料乳密度、脂肪含量、蛋白质含量、乳酸菌含量，将加工后的原料乳输送到下一步并将采集的数据传输给云端平台；[0062] S3发酵：对加工后的原料乳进行接种发酵，检测发酵得到的酸奶，包括接种前后的酸奶温度、pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将采集的数据传输给云端平台，根据食品安开云优惠体育网页版入口家标准：发酵乳判断酸奶是否合格，合格的酸奶输送到下一步；[0063] S4酸奶灌装：对合格的酸奶进行灌装、封盖，将灌装数据输送到云端平台；[0064] S5结果展示云端平台根据接收的数据进行数据分析，分析后的结果通过数据应用模块以控制信号反馈给酸奶发酵模块调整参数以及建立酸奶产量模型和计算酸奶的质量指数，将分析的结果和反馈结果以图表的形式展示给用户。[0065] 具体的，S3发酵包括以下步骤：[0066] S31接种，根据不同酸奶规格的需求，设定接种量和乳酸菌种类，对原料乳进行接种，将接种数据上传到云端平台，并将接种后的原料输送到酸奶发酵模块；[0067] S32发酵，根据设定的发酵温度、湿度和时间，对接种后的原料乳进行发酵处理，实时采集酸奶温度、pH值、乳酸菌含量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，将发酵数据上传到云端平台，云端平台经过数据分析后，以控制信号反馈到酸奶发酵模块，实时对发酵的温度、湿度、时间进行调节，对完成发酵的酸奶进行检测，包括pH值、添加剂种类和用量、密度、脂肪含量、蛋白质含量、乳酸菌含量、有机酸含量、水分含量、有害微生物含量，判断是否符合食品安开云优惠体育网页版入口家标准：发酵乳；[0068] S33酸奶分流：根据检测结果控制酸奶的流向，将合格的酸奶输送至酸奶灌装监测模块，将不合格的酸奶输送至废弃物处理设备。[0069] 实施例3：[0070] 本实施例给出杀菌温度和时间，发酵温度、湿度和时间，决策模型的具体计算。所述的原料乳杀菌模块的杀菌温度和时间由以下公式确定： 其中，Tk为杀菌时间，N0为原料乳中的微生物初始数量，Nk为杀菌后的微生物残留数量，k为杀菌速率常数，Cp为原料乳的比热容，ΔT为杀菌温差，Qh为加热功率；设原料乳的微生物初始6数量为N0＝10个/mL，比热容为Cp＝3.9J/(g℃)，初始温度为T0＝4℃，杀菌的目标温度为Ts2＝72℃，残留数量为Nk＝10 个/mL，加热功率为Qh＝1000W，那么可以根据以下步骤进行计算：[0071] 计算杀菌温差ΔT＝Ts?T0＝72?4＝68℃。[0072] 计算杀菌速率常数k，[0073] 计算杀菌时间Tk，代入第一个公式得：[0074] 验证杀菌时间是否符合第二个公式，代入得： 第二个结果与第一个公式得到的结果不一致，这是因为第二个公式忽略了原料乳的质量和流量，以及加热过程中的热损失等因素，所以只能作为一个粗略的估计，不能作为准确的计算依据。[0075] 综上所述，11.7>3.7，所以根据第一个公式，杀菌时间应为11.7s。[0076] 所述的酸奶发酵模块的发酵温度、湿度和时间由以下公式确定：Tf＝h(Lk)，Hf＝i(Lk)， 其中，Tf为发酵温度，Hf为发酵湿度，tf为发酵时间，Nf为发酵后的乳酸菌数量，Ni为接种的乳酸菌数量，r为乳酸菌的增长速率，Lk为第k种乳酸菌的种类，h和i为发酵温度和湿度的函数，分别由以下公式给出：h(Lk)＝akT0+bk，i(Lk)＝ckH0+dk其中，ak,bk是第k种菌种的温度系数，ck,bk是第k种菌种的湿度系数，T0为环境温度，H0为环境湿度；假5设酸奶的乳酸菌种类为嗜热链球菌和保加利亚乳杆菌，接种的乳酸菌数量为Ni＝10 CFU/8mL，发酵后的乳酸菌数量为Nf＝10 CFU/mL，嗜热链球菌的温度系数为a1＝0.1和b1＝35，湿度系数为c1＝0.05和d1＝80，保加利亚乳杆菌的温度系数为a2＝0.08和b2＝37，湿度系数为c2＝0.04和d2＝85，环境温度为T0＝25℃，环境湿度为H0＝70％，那么可以根据以下步骤进行计算：[0077] 计算发酵温度Tf，分别代入第一个公式得：Tf＝h(L1)＝a1T0+b1＝0.1×25+35＝37.5℃，Tf＝h(L2)＝a2T0+b2＝0.08×25+37＝39℃。两种乳酸菌的最佳发酵温度不同，取两者的平均值，即[0078] 计算发酵湿度Hf，分别代入第二个公式得：Hf＝i(L1)＝c1H0+d1＝0.05×70+80＝83.5％，Hf＝i(L2)＝c2H0+d2＝0.04×70+85＝87.8％。两种乳酸菌的最佳发酵湿度不同，取两者的平均值，即[0079] 计算发酵时间tf，乳酸菌的增长速率r：r＝105.62?0.12Tf＝105.62?0.12×38.25＝0.0121/h。代入公式得：[0080] 验证发酵温度、湿度和时间是否符合酸奶的质量要求，酸奶的发酵温度一般在40～45℃，发酵湿度一般在80～90％，发酵时间一般在6～10h，所以计算出的发酵参数都在合理的范围内。[0081] 综上所述，根据这些公式，发酵温度应为38.25℃，发酵湿度应为85.65％，发酵时间应为8.1h。[0082] 所述决策模型表示为： 其中，w0,w1,w2,w3,w4是决策参数，T、pH、L和D分别为酸奶的温度、pH值、乳酸菌含量、密度，y表示是否需要对发酵参数进行调整。[0083] 第一步，准备数据集，收集酸奶发酵的历史数据，包括T、pH、L、D和y的值，从实验室或工厂的仪器或记录中获取。[0084] 第二步，处理数据。需要对收集的数据利用数据分析模块进行一些预处理，如清洗、缺失值处理、异常值处理、归一化、降维等，以提高数据的可用性和有效性，减少噪声和冗余，方便后续的建：头治。本实施例T、pH、L和D都已经归一化到0到1的范围内，避免不同尺度的影响。[0085] 第三步，选择算法。需要根据数据的特点和问题的目标，选择合适的机器学习算法。本实施例选择的是逻辑回归。[0086] 第四步，训练模型。需要将数据分为训练集和测试集，用训练集来训练机器学习模型，来调整模型的参数，使得模型能够尽可能地拟合训练数据，即使得y和f(T,pH,L,D)的差异最小。本实施例中采用梯度下降算法优化模型参数，迭代的对参数进行更新。梯度下降算法的更新公式为 其中，wi是第i个参数，α是学习率，J是损失函数，表示为:[0087][0088] 其中，n是训练数据的数量，yi是第i个数据的真实值，f(Ti,pHi,Li,Di)是第i个数据的预测值。 是损失函数对第i个参数的偏导数，即 其中，xi是第i个数据的第i个特征值，即T、pH、L或D。本实施例中，α＝0.01，迭代次数为100。[0089] 第五步，评估模型。需要用测试集来评估机器学习模型，通过准确率、召回率、精确率、F1值来衡量模型在未知数据上的表现。[0090] 第六步，应用模型。当模型训练和评估完成后，就可以将模型应用到实际的酸奶发酵过程中，即根据实时采集的T、pH、L和D的值，用模型来预测y的值，如果y＝1，表示需要对发酵参数进行调整，如果y＝0，表示不需要对发酵参数进行调整，然后根据预测结果，采取相应的控制措施，如改变温度、湿度、时间等，以优化酸奶的品质和产量。[0091] 本发明的具体工作原理：该系统和方法通过原料乳采样模块和原料乳检测模块对原料乳进行定期的采样和检测，通过原料乳分流模块对原料乳进行分流和储存，通过原料乳数据采集模块和原料乳数据传输模块将原料乳的数据上传到云端平台部分；通过原料乳接收模块对原料乳进行接收和分配，通过原料乳杀菌模块对原料乳进行高温杀菌，通过原料乳调配模块对原料乳进行按比例的调配和添加添加剂，通过原料乳加工数据采集模块和原料乳加工数据传输模块将原料乳的加工数据上传到云端平台部分；通过酸奶接种模块对原料乳进行接种乳酸菌，通过酸奶发酵模块对接种后的原料乳进行恒温恒湿的发酵，通过酸奶检测模块对发酵后的酸奶进行质量检测，通过酸奶分选模块对酸奶进行合格与不合格的分。ü崮淌莶杉？楹退崮淌荽淠？榻崮痰南喙厥萆洗皆贫似教ú糠郑煌ü崮坦嘧澳？槎运崮探泄嘧昂头飧，通过灌装数据采集模块和灌装数据传输模块将灌装的相关数据上传到云端平台部分；云端平台部分通过数据存储模块对系统的数据进行存储和备份，通过数据分析模块对系统的数据进行分析和挖掘，通过数据展示模块对系统的数据进行可视化和报表生成，通过数据应用模块对系统的数据进行计算，得到产量模型和酸奶的质量指数。[0092] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。本文中应用了具体个例对本申请技术方案的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本申请的方法及其核心思想。以上所述仅是本申请的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将专利的构思和技术方案直接应用于其它场合的，均应视为本申请的保护范围。

专利地区：湖南

专利申请日期：2023-12-26

专利公开日期：2024-11-22

专利公告号：CN117762111B