开云优惠体育网页版入口

专利名称：一种食用油生产质量控制系统及方法

专利类型：实用新型专利

专利申请号：CN202411089218.9

专利申请（专利权）人：克拉玛依红果实生物制品有限公司
权利人地址：新疆维吾尔自治区克拉玛依市白碱滩区花园路副1号

专利发明（设计）人：岳俊波,朱虎,贺星阁,朱俊峰,马继珍,杨宣

专利摘要：本申请涉及一种食用油生产质量控制系统及方法。该方法包括：通过摄像头采集食用油在红色光和蓝色光照射下的第一单色光图像和第二单色光图像，并在后端引入基于人工智能和机器视觉技术的图像处理和分析算法来对于该第一单色光图像和第二单色光图像进行分析和对比，以此来对于食用油中的可视性杂质或异物进行识别和检测。这样，能够对食用油中的可视性杂质或异物等异常进行自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。

主权利要求：
1.一种食用油生产质量控制系统，其特征在于，包括：
第一单色光图像采集模块，用于获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像；
第二单色光图像采集模块，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；
单色光下食用油状态特征提取模块，用于分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图；
图像全局?显著特征强化模块，用于将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图；
食用油灯检结果生成模块，用于计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常；
其中，所述图像全局?显著特征强化模块，包括：
向量化展开单元，用于将所述食用油第一单色光下状态特征图中沿通道维度的各个特征矩阵进行向量化展开以得到食用油第一单色光下状态特征向量的序列；
数值计算单元，用于分别计算所述食用油第一单色光下状态特征向量的序列中的各个食用油第一单色光下状态特征向量的均值和最大值以得到由多个向量均值组成的食用油第一单色光下状态语义全局表示向量和由多个向量最大值组成的食用油第一单色光下状态语义突出表示向量；
第一特征捕获和表达单元，用于对所述食用油第一单色光下状态语义全局表示向量进行特征捕获和表达以得到食用油第一单色光下状态全局语义激活表示特征向量；
第二特征捕获和表达单元，用于对所述食用油第一单色光下状态语义突出表示向量进行特征捕获和表达以得到食用油第一单色光下状态突出语义激活表示特征向量；
向量融合单元，用于融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到食用油第一单色光下状态全局?突出语义关联激活特征向量后，对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行非线性激活处理以得到食用油第一单色光下状态全局?突出语义关联权重特征向量；
按位置点乘计算单元，用于以所述食用油第一单色光下状态全局?突出语义关联权重特征向量作为权重，对所述食用油第一单色光下状态特征向量的序列进行按位置点乘并加上所述食用油第一单色光下状态特征向量的序列以得到强化食用油第一单色光下状态特征向量的序列；
聚合单元，用于将所述强化食用油第一单色光下状态特征向量的序列按照所述食用油第一单色光下状态特征图向量化展开的方式进行聚合以得到所述强化食用油第一单色光下状态特征图；
其中，所述第一特征捕获和表达单元，用于：
对所述食用油第一单色光下状态语义全局表示向量进行一维卷积编码后通过激活函数进行处理以得到激活表达食用油第一单色光下状态语义全局表示向量；
将所述激活表达食用油第一单色光下状态语义全局表示向量再次通过一维卷积编码后与第一可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态全局语义激活表示特征向量；
其中，所述第二特征捕获和表达单元，用于：
对所述食用油第一单色光下状态语义突出表示向量进行一维卷积编码后通过激活函数进行处理以得到激活表达食用油第一单色光下状态语义突出表示向量；
将所述激活表达食用油第一单色光下状态语义突出表示向量再次通过一维卷积编码后与第二可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态突出语义激活表示特征向量。
2.根据权利要求1所述的食用油生产质量控制系统，其特征在于，所述单色光下食用油状态特征提取模块，用于：将所述食用油第一单色光图像和所述食用油第二单色光图像分别通过基于空洞卷积神经网络模型的食用油状态特征提取器以得到所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图。
3.根据权利要求2所述的食用油生产质量控制系统，其特征在于，所述向量融合单元，用于：融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到所述食用油第一单色光下状态全局?突出语义关联激活特征向量；
分别利用双曲正切函数和 函数对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行激活处理以得到食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和食用油第一单色光下状态全局?突出特征S型激活语义表征向量；
将所述食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和所述食用油第一单色光下状态全局?突出特征S型激活语义表征向量进行按位置点乘以得到所述食用油第一单色光下状态全局?突出语义关联权重特征向量。
4.根据权利要求3所述的食用油生产质量控制系统，其特征在于，所述食用油灯检结果生成模块，用于：计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的所述差分特征图；
将所述差分特征图输入基于分类器的灯检结果生成器以得到灯检结果，所述灯检结果用于表示食用油是否存在异常。
5.根据权利要求4所述的食用油生产质量控制系统，其特征在于，还包括用于对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块和所述基于分类器的灯检结果生成器进行训练的训练模块。
6.根据权利要求5所述的食用油生产质量控制系统，其特征在于，所述训练模块，包括：训练第一单色光图像采集单元，用于获取由摄像头采集的待检测食用油在第一单色光照射下的训练食用油第一单色光图像，以及，食用油是否存在异常的真实值；
训练第二单色光图像采集单元，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的训练食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；
训练单色光下食用油状态特征提取单元，用于分别对所述训练食用油第一单色光图像和所述训练食用油第二单色光图像进行基于食用油状态的特征提取以得到训练食用油第一单色光下状态特征图和训练食用油第二单色光下状态特征图；
训练图像全局?显著特征强化单元，用于将所述训练食用油第一单色光下状态特征图和所述训练食用油第二单色光下状态特征图输入所述基于显著性?全局性的特征表征强化模块以得到训练强化食用油第一单色光下状态特征图和训练强化食用油第二单色光下状态特征图；
训练食用油灯检结果生成单元，用于计算所述训练强化食用油第一单色光下状态特征图和所述训练强化食用油第二单色光下状态特征图之间的训练差分特征图；
分类损失单元，用于将所述训练差分特征图输入所述基于分类器的灯检结果生成器以得到分类损失函数值；
损失函数计算单元，用于计算针对所述训练差分特征图的预定损失函数值；
训练单元，用于以所述分类损失函数值和所述预定损失函数值的加权和作为最终损失函数值对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块和所述基于分类器的灯检结果生成器进行训练。
7.一种食用油生产质量控制方法，使用权利要求1所述的食用油生产质量控制系统，其特征在于，包括：获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像；
获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；
分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图；
将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图；
计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常。 说明书 : 一种食用油生产质量控制系统及方法技术领域[0001] 本申请涉及食用油技术领域，具体地，涉及一种食用油生产质量控制系统及方法。背景技术[0002] 食用油作为日常生活中不可或缺的食品之一，其质量安全直接关系到人们的健康。然而，食用油在生产过程中可能会混入各种杂质和异物，这些杂质不仅影响油品的外观，还可能对人体健康造成潜在威胁。因此，在食用油生产过程中，对于食用油的生产质量进行有效检测和控制，以确保食用油的质量安全对于保障消费者健康至关重要。[0003] 然而，传统的食用油生产质量检测控制系统存在一些缺陷，例如依赖人工进行质量检测，这种方式的智能化程度较低，容易造成效率低下、成本较高的问题。此外，在某些情况下，人工检测难以发现微小的杂质或异物，从而增加了食用油产品的风险。[0004] 因此，期望一种优化的食用油生产质量控制系统。发明内容[0005] 提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。[0006] 第一方面，本申请提供了一种食用油生产质量控制系统，所述系统包括：第一单色光图像采集模块，用于获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像；第二单色光图像采集模块，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；单色光下食用油状态特征提取模块，用于分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图；图像全局?显著特征强化模块，用于将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图；食用油灯检结果生成模块，用于计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常。[0007] 可选地，所述单色光下食用油状态特征提取模块，用于：将所述食用油第一单色光图像和所述食用油第二单色光图像分别通过基于空洞卷积神经网络模型的食用油状态特征提取器以得到所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图。[0008] 可选地，所述图像全局?显著特征强化模块，包括：向量化展开单元，用于将所述食用油第一单色光下状态特征图中沿通道维度的各个特征矩阵进行向量化展开以得到食用油第一单色光下状态特征向量的序列；数值计算单元，用于分别计算所述食用油第一单色光下状态特征向量的序列中的各个食用油第一单色光下状态特征向量的均值和最大值以得到由多个向量均值组成的食用油第一单色光下状态语义全局表示向量和由多个向量最大值组成的食用油第一单色光下状态语义突出表示向量；第一特征捕获和表达单元，用于对所述食用油第一单色光下状态语义全局表示向量进行特征捕获和表达以得到食用油第一单色光下状态全局语义激活表示特征向量；第二特征捕获和表达单元，用于对所述食用油第一单色光下状态语义突出表示向量进行特征捕获和表达以得到食用油第一单色光下状态突出语义激活表示特征向量；向量融合单元，用于融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到食用油第一单色光下状态全局?突出语义关联激活特征向量后，对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行非线性激活处理以得到食用油第一单色光下状态全局?突出语义关联权重特征向量；按位置点乘计算单元，用于以所述食用油第一单色光下状态全局?突出语义关联权重特征向量作为权重，对所述食用油第一单色光下状态特征向量的序列进行按位置点乘并加上所述食用油第一单色光下状态特征向量的序列以得到强化食用油第一单色光下状态特征向量的序列；聚合单元，用于将所述强化食用油第一单色光下状态特征向量的序列按照所述食用油第一单色光下状态特征图向量化展开的方式进行聚合以得到所述强化食用油第一单色光下状态特征图。[0009] 可选地，所述第一特征捕获和表达单元，用于：对所述食用油第一单色光下状态语义全局表示向量进行一维卷积编码后通过 激活函数进行处理以得到激活表达食用油第一单色光下状态语义全局表示向量；将所述激活表达食用油第一单色光下状态语义全局表示向量再次通过一维卷积编码后与第一可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态全局语义激活表示特征向量。[0010] 可选地，所述第二特征捕获和表达单元，用于：对所述食用油第一单色光下状态语义突出表示向量进行一维卷积编码后通过 激活函数进行处理以得到激活表达食用油第一单色光下状态语义突出表示向量；将所述激活表达食用油第一单色光下状态语义突出表示向量再次通过一维卷积编码后与第二可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态突出语义激活表示特征向量。[0011] 可选地，所述向量融合单元，用于：融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到所述食用油第一单色光下状态全局?突出语义关联激活特征向量；分别利用双曲正切函数和函数对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行激活处理以得到食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和食用油第一单色光下状态全局?突出特征S型激活语义表征向量；将所述食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和所述食用油第一单色光下状态全局?突出特征S型激活语义表征向量进行按位置点乘以得到所述食用油第一单色光下状态全局?突出语义关联权重特征向量。[0012] 可选地，所述食用油灯检结果生成模块，用于：计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的所述差分特征图；将所述差分特征图输入基于分类器的灯检结果生成器以得到灯检结果，所述灯检结果用于表示食用油是否存在异常。[0013] 可选地，还包括用于对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块以和所述基于分类器的灯检结果生成器进行训练的训练模块。[0014] 可选地，所述训练模块，包括：训练第一单色光图像采集单元，用于获取由摄像头采集的待检测食用油在第一单色光照射下的训练食用油第一单色光图像，以及，食用油是否存在异常的真实值；训练第二单色光图像采集单元，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的训练食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；训练单色光下食用油状态特征提取单元，用于分别对所述训练食用油第一单色光图像和所述训练食用油第二单色光图像进行基于食用油状态的特征提取以得到训练食用油第一单色光下状态特征图和训练食用油第二单色光下状态特征图；训练图像全局?显著特征强化单元，用于将所述训练食用油第一单色光下状态特征图和所述训练食用油第二单色光下状态特征图输入所述基于显著性?全局性的特征表征强化模块以得到训练强化食用油第一单色光下状态特征图和训练强化食用油第二单色光下状态特征图；训练食用油灯检结果生成单元，用于计算所述训练强化食用油第一单色光下状态特征图和所述训练强化食用油第二单色光下状态特征图之间的训练差分特征图；分类损失单元，用于将所述训练差分特征图输入所述基于分类器的灯检结果生成器以得到分类损失函数值；损失函数计算单元，用于计算针对所述训练差分特征图的预定损失函数值；训练单元，用于以所述分类损失函数值和所述预定损失函数值的加权和作为最终损失函数值对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块以和所述基于分类器的灯检结果生成器进行训练。[0015] 第二方面，本申请提供了一种食用油生产质量控制方法，所述方法包括：获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像；获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图；将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图；计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常。[0016] 采用上述技术方案，通过摄像头采集食用油在红色光和蓝色光照射下的第一单色光图像和第二单色光图像，并在后端引入基于人工智能和机器视觉技术的图像处理和分析算法来对于该第一单色光图像和第二单色光图像进行分析和对比，以此来对于食用油中的可视性杂质或异物进行识别和检测。这样，能够对食用油中的可视性杂质或异物等异常进行自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。[0017] 本申请的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明[0018] 结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。[0019] 在附图中：图1是根据一示例性实施例示出的一种食用油生产质量控制系统的框图。[0020] 图2是根据一示例性实施例示出的一种食用油生产质量控制方法的流程图。[0021] 图3是根据一示例性实施例示出的脱胶工艺段流程图。[0022] 图4是根据一示例性实施例示出的脱色工艺段流程图。[0023] 图5是根据一示例性实施例示出的脱蜡工艺段流程图。[0024] 图6是根据一示例性实施例示出的脱臭、脱酸工艺段流程图。[0025] 图7是根据一示例性实施例示出的一种电子设备的框图。[0026] 图8是根据一示例性实施例示出的一种食用油生产质量控制系统的应用场景图。具体实施方式[0027] 下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。[0028] 应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。[0029] 本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。[0030] 需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。[0031] 需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。[0032] 本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。[0033] 以下结合附图对本申请的具体实施方式进行详细说明。[0034] 图1是根据一示例性实施例示出的一种食用油生产质量控制系统的框图。如图1所示，该系统100包括：第一单色光图像采集模块101，用于获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像。[0035] 第二单色光图像采集模块102，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光。[0036] 单色光下食用油状态特征提取模块103，用于分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图。[0037] 图像全局?显著特征强化模块104，用于将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图。[0038] 食用油灯检结果生成模块105，用于计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常。[0039] 为了克服这些缺陷，现代食用油生产行业开始采用自动化和智能化的检测技术，其中，机器视觉技术因其高效率、高准确性和客观性而成为首选。机器视觉技术通过图像采集设备（如摄像头）捕捉食用油的图像，然后利用图像处理和模式识别算法来自动识别和分析图像中的杂质和异物。这种方式能够提高食用油生产过程和质量控制系统的智能化程度，且能够实现对微小杂质的有效识别。[0040] 相应地，为了能够更为简便和直观地进行食用油的可视性杂质或异物识别与检测，在本申请的技术方案中，在进行食用油的生产过程中采用灯检的方式来进行质量检测和控制。特别地，考虑到不同颜色的光具有不同的波长，导致不同颜色的光在物体表面的反射、透射等特性不同，可以突出不同类型的杂质或异物。例如，红色光的波长较长，穿透力较强，对于一些有机物质，以及，油中的悬浮物和较大颗粒杂质具有较好的透射性，而蓝色光波长较短，对于一些无机物质，以及，油中的微小杂质和异物更为敏感。[0041] 基于此，本申请的技术构思为通过摄像头采集食用油在红色光和蓝色光照射下的第一单色光图像和第二单色光图像，并在后端引入基于人工智能和机器视觉技术的图像处理和分析算法来对于该第一单色光图像和第二单色光图像进行分析和对比，以此来对于食用油中的可视性杂质或异物进行识别和检测。这样，能够对食用油中的可视性杂质或异物等异常进行自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。[0042] 具体地，在本申请的技术方案中，首先，获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像，并获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光。接着，使用深度神经网络模型来分别捕获到所述食用油第一单色光图像和所述食用油第二单色光图像中的隐藏食用油状态特征信息。特别地，由于空洞卷积神经网络模型是一种特殊的卷积操作，它通过在卷积核中引入空洞（即在卷积核的元素之间插入间隔），能够在感受野不变的情况下减少参数的数量，这有助于网络在不同的尺度上捕获图像的隐含特征，这对于识别不同大小的杂质非常重要。例如，一些小的杂质可能在较小的感受野内就能被识别，而较大的杂质可能需要更大的感受野。基于此，在本申请的技术方案中，将所述食用油第一单色光图像和所述食用油第二单色光图像分别通过基于空洞卷积神经网络模型的食用油状态特征提取器中进行特征挖掘，以分别提取出所述食用油第一单色光图像和所述食用油第二单色光图像中关于食用油在不同单色光下的状态表示特征信息，从而得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图。[0043] 在本申请的一个实施例中，所述单色光下食用油状态特征提取模块，用于：将所述食用油第一单色光图像和所述食用油第二单色光图像分别通过基于空洞卷积神经网络模型的食用油状态特征提取器以得到所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图。[0044] 然后，由于所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图中分别包含了有关于食用油在不同的单色光照射下的隐含状态和表现特征信息。而在所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图中分别都具有着关于食用油状态的不同方面呈现特征信息，这些特征包含了有关于食用油状态的纹理、颜色和语义等不同方面的信息，而食用油状态的不同方面特征对于后续的杂质识别和食用油异常检测任务具有着不同的贡献度。因此，为了能够帮助系统更为全面和有效地理解图像的整体结构和内容，从而提高系统对杂质的识别能力，在本申请的技术方案中，进一步将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图。通过所述基于显著性?全局性的特征表征强化模块的处理，能够自动学习并分别捕捉到食用油在不同单色光照射下的多方面隐含状态特征中与杂质或异物识别以及后续的食用油异常检测任务相关度更大的特征信息，并将这些特征进行突出性表达，去除那些对杂质识别帮助不大的特征。这有利于感知食用油中的对应于杂质的边缘或颜色变化的关键区域，这些区域对于识别杂质至关重要，有助于提取出更加全面和鲁棒的食用油状态特征，提高系统对可视性杂质的识别能力。[0045] 在本申请的一个实施例中，所述图像全局?显著特征强化模块，包括：向量化展开单元，用于将所述食用油第一单色光下状态特征图中沿通道维度的各个特征矩阵进行向量化展开以得到食用油第一单色光下状态特征向量的序列；数值计算单元，用于分别计算所述食用油第一单色光下状态特征向量的序列中的各个食用油第一单色光下状态特征向量的均值和最大值以得到由多个向量均值组成的食用油第一单色光下状态语义全局表示向量和由多个向量最大值组成的食用油第一单色光下状态语义突出表示向量；第一特征捕获和表达单元，用于对所述食用油第一单色光下状态语义全局表示向量进行特征捕获和表达以得到食用油第一单色光下状态全局语义激活表示特征向量；第二特征捕获和表达单元，用于对所述食用油第一单色光下状态语义突出表示向量进行特征捕获和表达以得到食用油第一单色光下状态突出语义激活表示特征向量；向量融合单元，用于融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到食用油第一单色光下状态全局?突出语义关联激活特征向量后，对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行非线性激活处理以得到食用油第一单色光下状态全局?突出语义关联权重特征向量；按位置点乘计算单元，用于以所述食用油第一单色光下状态全局?突出语义关联权重特征向量作为权重，对所述食用油第一单色光下状态特征向量的序列进行按位置点乘并加上所述食用油第一单色光下状态特征向量的序列以得到强化食用油第一单色光下状态特征向量的序列；聚合单元，用于将所述强化食用油第一单色光下状态特征向量的序列按照所述食用油第一单色光下状态特征图向量化展开的方式进行聚合以得到所述强化食用油第一单色光下状态特征图。[0046] 进一步地，由于所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图中分别包含了经过全局性和显著性特征强化表达后的有关于食用油在不同单色光照射下的状态表现隐含特征信息。因此，为了能够比较两种不同单色光下的特征图，从而突出显示在不同光照条件下变化的部分，这些变化很可能是由杂质引起的，在本申请的技术方案中，进一步计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图。通过计算差分特征图，可以增强那些在不同光照条件下食用油状态显著变化的特征，这些特征可能是杂质的指示器，有助于提高杂质的识别率。[0047] 在本申请的一个实施例中，所述第一特征捕获和表达单元，用于：对所述食用油第一单色光下状态语义全局表示向量进行一维卷积编码后通过 激活函数进行处理以得到激活表达食用油第一单色光下状态语义全局表示向量；将所述激活表达食用油第一单色光下状态语义全局表示向量再次通过一维卷积编码后与第一可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态全局语义激活表示特征向量。[0048] 进一步地，在本申请的一个实施例中，所述第二特征捕获和表达单元，用于：对所述食用油第一单色光下状态语义突出表示向量进行一维卷积编码后通过 激活函数进行处理以得到激活表达食用油第一单色光下状态语义突出表示向量；将所述激活表达食用油第一单色光下状态语义突出表示向量再次通过一维卷积编码后与第二可训练线性变换权重矩阵进行矩阵相乘以得到所述食用油第一单色光下状态突出语义激活表示特征向量。[0049] 更进一步地，在本申请的一个实施例中，所述向量融合单元，用于：融合所述食用油第一单色光下状态全局语义激活表示特征向量和所述食用油第一单色光下状态突出语义激活表示特征向量以得到所述食用油第一单色光下状态全局?突出语义关联激活特征向量；分别利用双曲正切函数和 函数对所述食用油第一单色光下状态全局?突出语义关联激活特征向量进行激活处理以得到食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和食用油第一单色光下状态全局?突出特征S型激活语义表征向量；将所述食用油第一单色光下状态全局?突出特征双曲正切激活语义表征向量和所述食用油第一单色光下状态全局?突出特征S型激活语义表征向量进行按位置点乘以得到所述食用油第一单色光下状态全局?突出语义关联权重特征向量。[0050] 具体地，将所述食用油第一单色光下状态特征图输入所述基于显著性?全局性的特征表征强化模块以如下显著性强化公式进行处理以得到强化食用油第一单色光下状态特征向量的序列；其中，所述显著性强化公式为：；其中， 为所述食用油第一单色光下状态特征图中沿通道维度的各个特征矩阵向量化展开后得到的食用油第一单色光下状态特征向量的序列， 表示计算向量中的全局均值操作， 表示计算向量中的最大值操作， 为食用油第一单色光下状态语义均值表示向量， 为食用油第一单色光下状态语义最大值表示向量， 表示一维卷积编码， 表示 激活函数， 和 分别表示用于线性变换的可训练权重矩阵， 和 分别为食用油第一单色光下状态语义全局表示特征向量和食用油第一单色光下状态语义突出表示特征向量， 为 函数， 为 函数， 表示按位置点乘， 为所述强化食用油第一单色光下状态特征向量的序列；以及，将所述强化食用油第一单色光下状态特征向量的序列按照所述食用油第一单色光下状态特征图向量化展开的方式进行聚合以得到所述强化食用油第一单色光下状态特征图。[0051] 继而，再将所述差分特征图输入基于分类器的灯检结果生成器以得到灯检结果，所述灯检结果用于表示食用油是否存在异常。也就是说，通过使用在不同单色光下的隐含状态差分表示特征来对于食用油中的可视性杂质或异物进行识别和检测。这样，能够对食用油中的可视性杂质或异物等异常进行自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。[0052] 在本申请的一个实施例中，所述食用油灯检结果生成模块，用于：计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的所述差分特征图；将所述差分特征图输入基于分类器的灯检结果生成器以得到灯检结果，所述灯检结果用于表示食用油是否存在异常。[0053] 进一步地，所述食用油生产质量控制系统，还包括用于对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块以和所述基于分类器的灯检结果生成器进行训练的训练模块。所述训练模块，包括：训练第一单色光图像采集单元，用于获取由摄像头采集的待检测食用油在第一单色光照射下的训练食用油第一单色光图像，以及，食用油是否存在异常的真实值；训练第二单色光图像采集单元，用于获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的训练食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光；训练单色光下食用油状态特征提取单元，用于分别对所述训练食用油第一单色光图像和所述训练食用油第二单色光图像进行基于食用油状态的特征提取以得到训练食用油第一单色光下状态特征图和训练食用油第二单色光下状态特征图；训练图像全局?显著特征强化单元，用于将所述训练食用油第一单色光下状态特征图和所述训练食用油第二单色光下状态特征图输入所述基于显著性?全局性的特征表征强化模块以得到训练强化食用油第一单色光下状态特征图和训练强化食用油第二单色光下状态特征图；训练食用油灯检结果生成单元，用于计算所述训练强化食用油第一单色光下状态特征图和所述训练强化食用油第二单色光下状态特征图之间的训练差分特征图；分类损失单元，用于将所述训练差分特征图输入所述基于分类器的灯检结果生成器以得到分类损失函数值；损失函数计算单元，用于计算针对所述训练差分特征图的预定损失函数值；训练单元，用于以所述分类损失函数值和所述预定损失函数值的加权和作为最终损失函数值对所述基于空洞卷积神经网络模型的食用油状态特征提取器、所述基于显著性?全局性的特征表征强化模块以和所述基于分类器的灯检结果生成器进行训练。[0054] 优选地，对于所述训练食用油第一单色光下状态特征图和所述训练食用油第二单色光下状态特征图分别表达的训练食用油第一单色光图像和训练食用油第二单色光图像的图像语义特征，在进行显著性?全局性特征强化后，由于源图像语义空间域下的分布差异引起的特征显著性?全局性强化权重分布差异，所述训练差分特征图也会存在由于差分图像语义特征分布聚合性不足导致的分布结构复杂化，从而存在比较明显的复杂特征表达分类理解不足的问题，影响所述训练差分特征图通过分类器得到的分类结果的准确性。[0055] 基于此，本申请进一步引入了针对所述训练差分特征图的复杂特征表达促进分类理解的损失函数，其中，通过首先计算所述训练差分特征图展开后的训练差分特征向量的任意两个位置的特征值之间的均值和方差以获得均值权重矩阵和方差权重矩阵，再将所述训练差分特征向量分别与所述均值权重矩阵和所述方差权重矩阵进行查询式相乘后，计算得到的两个特征向量的自关联矩阵的 范数，并减去所述训练差分特征向量的自关联矩阵的 范数与作为超参数的权重的乘积来得到所述预定损失函数值。[0056] 例如，表示为： ；其中， 表示所述训练差分特征图展开后的训练差分特征向量， 是均值权重矩阵，是方差权重矩阵， 表示向量的转置， 表示矩阵乘法运算， 为作为超参数的权重，表示矩阵的 范数， 表示所述预定损失函数值，且如上所述：；其中， 表示所述训练差分特征向量的第 个特征值， 表示所述训练差分特征向量的第 个特征值， 表示均值权重矩阵的第 位置的特征值， 表示方差权重矩阵的第 位置的特征值。[0057] 也就是，所述预定损失函数值在通过所述训练差分特征向量的细节组多维度交互来确定所述训练差分特征向量的整体分布式结构瓶颈的基础上，经由所述训练差分特征向量的低秩结构化推理来关联地模拟所述训练差分特征向量的结构细节与宏观结构化特征表示行为之间的相关性，这样，通过以所述预定损失函数值训练分类器，就可以在分类场景下建模相对于宏观复杂性的结构细节依赖，从而促进对于所述训练差分特征向量的基于结构细节的宏观复杂特征表达理解，提升分类结果的准确性。[0058] 基于此，本申请的申请人针对所述训练差分特征图作为特征集合，其中以所述训练差分特征图的特征值为单位的变化语义表示，为了动态聚合所述训练差分特征图的不同变化语义构成的语义集合整体而不忽略单独的语义变化信息，将所述训练差分特征图的单独特征与其聚合尺度的集合表达作为特征全振幅和半振幅，并将所述训练差分特征图的特征集合的整体语义的不同维度的低秩负相关作为相位并缩放，以动态调节所述训练差分特征图的语义内容的变化关系，从而提升所述训练差分特征图的特征集合整体的语义信息表达聚合性，改进所述训练差分特征图通过分类器的分类收敛效率，即改进分类训练的效率和分类结果的准确性。这样，能够对食用油中的可视性杂质或异物等异常进行更为有效地自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。[0059] 综上所述，采用上述方案，通过摄像头采集食用油在红色光和蓝色光照射下的第一单色光图像和第二单色光图像，并在后端引入基于人工智能和机器视觉技术的图像处理和分析算法来对于该第一单色光图像和第二单色光图像进行分析和对比，以此来对于食用油中的可视性杂质或异物进行识别和检测。这样，能够对食用油中的可视性杂质或异物等异常进行自动灯检，从而实现食用油生产过程的智能化生产质量控制，以确保最终产品符合质量标准。[0060] 图2是根据一示例性实施例示出的一种食用油生产质量控制方法的流程图，如图2所示，该方法包括：步骤S201、获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像。[0061] 步骤S202、获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像，其中，所述第一单色光为红色光且所述第二单色光为蓝色光。[0062] 步骤S203、分别对所述食用油第一单色光图像和所述食用油第二单色光图像进行基于食用油状态的特征提取以得到食用油第一单色光下状态特征图和食用油第二单色光下状态特征图。[0063] 步骤S204、将所述食用油第一单色光下状态特征图和所述食用油第二单色光下状态特征图输入基于显著性?全局性的特征表征强化模块以得到强化食用油第一单色光下状态特征图和强化食用油第二单色光下状态特征图。[0064] 步骤S205、计算所述强化食用油第一单色光下状态特征图和所述强化食用油第二单色光下状态特征图之间的差分特征图，并基于所述差分特征图生成灯检结果，所述灯检结果用于表示食用油是否存在异常。[0065] 进一步地，在本申请中，提供一种生产流程及产品质量控制办法，目的为：提供车间成本考核依据，保证车间产品质量特制定本办法。[0066] 适用范围为：精炼车间、包装车间、散油库。[0067] 其中，在精炼车间，1.原油进入车间前，散油库库管开始计量，并通知化验室取样检验，化验员每班一次对混合样进行色值、脱色小样检验。2.原油进入预脱色罐时间计时，一小时后取样检验预脱色油色值，以后每间隔一小时检验预脱色油色值，预脱色罐倒罐，车间要及时通知化验室。2小时后检验脱色油色值，以后每间隔一小时检验脱色油色值。2小时检验成品油色值，以后每2小时检验成品油色值。白班检验6次，对成品油色泽、酸值、过氧化值进行检验；夜班6次对成品油色泽、酸值、过氧化值进行检验。化验完成及时告知车间操作岗位。[0068] 车间生产指标控制标准如下表1所示：[0069][0070] 成品油色值以质检部检验的指标为依据。以上控制标准仅供参考，因原油的品质和品种有所不同。[0071] 在包装车间（车间自检和质检员抽检）中，桶体内无异物、异味、水迹。[0072] PET瓶吹塑质量包括：1.外观：a.瓶身透明、光洁平滑；b.瓶口端正平整，螺纹成型饱满圆滑，无崩缺、溢料及毛边；c.瓶身不允许有气泡、积瘤；不允许有雾状发白及变形；合缝处平滑无毛刺，无杂质，无污点，无裂纹；壁厚均匀，无明显薄弱部分。2.瓶内：无灰尘、杂质、异物、异味。3.跌落性能：将油壶内注入公称容量的水，底面朝下纵向自由跌落至平整的水泥地面，跌落高度1.2m，跌落次数1次，样品数量3个。然后检查，不破裂，不蹦盖，提手不脱落为合格。4.密封性能：油壶内装满水，拧紧盖后倒放4小时无渗漏，样品3个。[0073] 灌装质量包括：1.容器口：不变形，饱满圆滑。2.容器体：干净、无破裂、塌陷及严重磨花现象。3.容器内：无异味、无水迹、无异物。4.标签：粘贴位置正确，周边无翘起、粘贴端正。5.压盖：瓶盖应压到位，不松脱，不渗漏。6.喷码应牢固，位置正确并清晰反映合格、生产日期：年?月?日。7.灯检：油中不允许有可视性杂质或异物。8.装箱前成品的检查:瓶身无油渍，标签无污染、喷码清晰、生产日期无误、瓶盖、提手完好、瓶内无可视性杂质或异物。9.净含量：根据灌装的不同规格，由灌装岗进行调整，通过计量台秤比对无误后开始灌装，每2小时复检一次，误差超出范围及时调整。10.渗漏试验：油壶内装满油，拧紧盖后倒放2小时无渗漏，样品2个，一天3次。[0074] 第(1、2、3）由灌装岗负责全检；第（4）由贴标岗负责全检，自动贴标的则由打包岗负责全检；第（5、7）由压盖岗负责全检；第（6、8、9）由打包岗负责全检。[0075] 进一步地，容器破损重新换包装，必须在质检员的监督下包装。质检部生产线不定时巡检。[0076] 散油库包括：1.根据排产表，计划当天生产任务，打油及灌装顺序由深到浅，或由浅到深。2.按照当天任务单将油品打入包装车间暂存罐。3.每完成一个品项，先用下一个油品冲洗管道5?10分钟，待包装车间暂存罐抽干净后，将下一品项油品打入200kg左右，再用待灌装油品冲洗管道5?10分钟，包装车间将此油返还散油库作为调和油使用，然后再开始下一油品的灌装。4.灌装调和油时，调整打油次序，使得配料中最后一种油品与下一品项尽量相同。5.化验员高位箱取样，检验合格后方可灌装。[0077] 成品油包装标准中，检验方法包括：车皮检验。[0078] 包装车间检验，例如，散油库根据生产要求打油，化验员对散油库将罐装油品进行取样化验，告知散油库库管检验结果；化验室将符合灌装要求油品出具检验开云优惠体育网页版入口，一式二份。化验室检验员、质检部主管、灌装车间主任签字后，灌装车间才可灌装；灌装期间，化验室取样检验色值。不符合标准时及时通知灌装车间停止包装。[0079] 净含量抽检，例如，20kg中包装净含量：20kg±40g；5L包装净含量：5L±20ml，净含量不得低于4.70kg；4L包装净含量：4L±15ml，净含量不得低于3.85kg；2.5L包装净含量：2.5L±10ml，净含量不得低于2.40kg；1.8L包装净含量：1.8L±10ml，净含量不得低于1.74kg；1.5L包装净含量：1.5L±10ml，净含量不得低于1.45kg；20L包装净含量:20L±40ml，净含量不得低于18.6kg；每天为一检验批，质检员每天随机抽检，每次不得少于4桶。[0080] 净含量计算中，抽检空桶质量，空桶加油质量，计算出油净含量。[0081] 取样地点，车皮油罐车取样：油罐车进厂停稳后10分钟内可以直接取样，取样前先检查油罐车的铅封是否完好，铅封完好可立即取样。如果罐车在厂区停留时间10分钟以上，取样时分别取上、中、下部样品，油样混合均匀后方可对样品进行检验，油样各项指标均符合要求方后方可通知主管生产相关人员进行下一步工作。[0082] 在本申请的一个实施例中，脱胶工艺段流程图如图3所示，关键部位操作包括：1.向热水罐注入软水,并开启直接蒸汽阀门,将其加热至90～95℃。[0083] 2.将毛油加热至60℃???70℃，确定流量。根据每小时处理毛油的流量，添加为油重的3%??5%的热水经离心泵混合后，进入中和延时器反应至少30分钟，待用。[0084] 3.按DHZ470离心机启动按钮，待达到满速（满速时间一般为7分钟）时，启动热水泵打开热水阀门水量不宜过大，操作水泵调节出口压力控制在0.3MPa。[0085] 4.开启延时油泵，调整离心机前延时油加热器蒸汽阀门，使进油温度保持在85℃??90℃。打开离心机的进油阀门（阀门慢开，不宜开太大，一般1/4左右），然后开始调节离心机的出口压力控制在0.15??0.18mpa即可。[0086] 5.将脱过胶的油经加热器加热105℃??130℃左右，输送至干燥塔（真空度?0.09mpa?????0.096mpa），进行脱水处理。经化验合格后，输送至成品油罐。准备进入下一工段脱色工艺。[0087] 停机步骤包括：1.先将毛油泵停下,停止进油,然后停下离心混和泵。待油全部放空后，离心机用热水冲洗干净后,并关闭热水泵和操作水泵，再关掉离心机上其他阀门，按停止按钮。[0088] 2.待干燥塔内油抽空后，关闭蒸汽预热阀门，停掉抽出油泵和水喷射真空泵。关闭其余阀门，待下次开机。[0089] 脱色工艺段流程图如图4所示，开车前的准备包括：1.白土：将白土倒入白土加料罐，开动吸白土装置，使白土顺利地从加料罐运至白土定量装置上部的白土箱内。[0090] 2.计算：确定油的流量及混和比。[0091] 白土量：根据油品质量定,一般小于油量的3%。[0092] 3.开启真空泵，脱色塔形成负压?0.09MPa，水喷射泵冷却水出口温度30℃，最高不超过40℃。[0093] 4.检查并调整阀门,确定使用哪台叶片过滤器。[0094] 开车步骤包括：1.开动输油泵,打开输油管路阀门,调节流量。[0095] 2.打开加热器蒸汽阀门,温度控制在100～125℃。[0096] 3.打开脱色塔夹套蒸汽阀门,温度控制的90～125℃。[0097] 4.开动白土定量装置，按化验室提供的脱色试验为依据，添加一定量的白土。[0098] 5.当白土预混罐、脱色塔达到一定液位时开启蒸汽绞拌。当脱色塔油位达到一定高度时，开动脱色塔抽出泵，调节出口阀门和进口阀门，使流量合适,这样油就进入过滤器(过滤器操作详见过滤机操作说明)。[0099] 过滤机经循环，油变清亮，经检验合格后，将油引向保险过滤器出脱色成品油。[0100] 7.操作时有规律地检查如下参数：(1)油的质量；(2)流量；(3)脱色塔液位；(4)真空度；(5)白土箱料位；(6)泵运转情况(不能空转)；(7)温度；(8)白土计量系统情况；(9)检查过滤机压力表压力,根据压力、使用时间确定是否更换过滤机。[0101] 停车步骤包括：1.关闭进油泵及管路有关阀门,同时停止白土供应。[0102] 2.关闭加热器蒸汽阀门。[0103] 3.抽空脱色塔内的油白土混和液，接着关闭抽出泵、脱色塔和混合器的搅拌及蒸汽喷射泵。[0104] 4.叶片过滤机停机、吹干、卸土等按过滤机操作说明书进行。[0105] 5.清理管道,防止白土堵塞管道。[0106] 其中，过滤机进出油操作包括：1.先检查过滤机排渣底阀和其他阀门必须处于关闭状态。[0107] 2.进油时先打开溢流阀，再开启进油阀门进油。[0108] 3.观察溢流视镜，有油流出时，先打开循环阀门，再关闭溢流阀门。过滤机此时处于循环状态。[0109] 4.观察循环视镜油清亮后，先打开出油阀门，再关闭循环阀门，开始正常出油。[0110] 过滤机吹扫操作（当现使用的过滤机达到一定的白土过滤量（240kg??300kg）时，需进行吹扫工作）：以A过滤机吹扫切换到B过滤机为例，先将脱色塔液位控制到视镜以下，电脑液位显示为红色时，将A过滤机切换至循环状态，准备吹扫；先打开B过滤机溢流阀（开启阀门前先检查B过滤机卸土阀，必须处于关闭状态），再开启压油阀；打开A过滤机的蒸汽阀门，同时关闭A过滤机进油阀、打开A过滤机压油阀。紧接着打开B过滤机进油阀；调节手轮蒸汽阀控制好A过滤机的压力，保持在0.28mpa???0.3mpa即可；注意观察A过滤机的循环视镜，若出现一半油流及大量气泡现象时，先打开吹扫阀门，再关闭循环阀门。继续保持压力不变；观察B过滤机，当溢流视镜有油流出时，先打开循环阀门，再关闭溢流阀门。同时打开脱色塔压油阀，关闭B过滤机压油阀。此时B过滤机处于循环状态；观察A过滤机压油视镜无油流出时，迅速关掉压油阀门。继续保持过滤机压力不变。此时A过滤机处于吹扫状态，一般吹扫时长为2400s???3600s（根据白土添加量确定时长）；当A过滤机吹扫到时间后，关闭蒸汽阀门。待过滤机压力下降到0mpa时，关闭吹扫阀门。打开A过滤机卸土底阀，开启震动3s，停止10s左右在开启震动5s后停止，将卸土底阀关闭再打开，活动一下。之后再开启震动几次，观察下料口无废渣排出时，卸土结束。关闭卸土底阀待下次使用。[0111] 脱蜡工艺段流程图如图5所示，开车前的准备包括：冷冻液乙二醇浓度配到25%左右，冷冻机试运转正常。助滤剂准备齐全。[0112] 开车步骤包括：1.进油前冷冻液循环起来，冷冻机运转起来。冷冻液的设定温度一般控制4℃左右。[0113] 2.脱色油冷却到35℃左右进入预混合罐，定量添加珍珠岩助滤剂。[0114] 3.经混合后的油先流入第一个结晶罐（温度26℃、20℃），然后依次溢流进入第二结晶罐（温度15℃、10℃）、第三养晶罐（温度8℃），当第三养晶罐液位到2/3位置时。开始给过滤机进油。[0115] 4.先打开脱蜡过滤机溢流阀，再开进油阀，同时开启养晶罐抽出泵给过滤机进油，泵出口压力一般调节为0.4mpa。[0116] 5.待过滤机溢流视镜有油流出时，先打开循环阀再关闭溢流阀。[0117] 6.观察循环视镜油清亮透明时（一般循环40min??60min），打开出油阀，再关闭循环阀。此时过滤机处于出油状态。[0118] 脱臭、脱酸工艺段流程如图6所示，开车前的准备包括：1.蒸汽：要求压力不得低于0.6Mpa。[0119] 2.水：冷却水温度不得高于30℃。[0120] 3.真空：开启蒸汽喷射泵，抽空脱臭塔、脱酸和析气器，使真空度达到残压300mmHg以下。[0121] 4.导热油系统：根据导热油炉系统操作规程，提前生炉升温，这时油不经加热器,进行短路循环，直到导热油温度达到250～265℃时备用。[0122] 5.以上准备工作完成后，关闭脱臭塔每层底部的放空阀等待进油。[0123] 开车步骤包括：1.向向析气器系统进油：开动进油管路阀门,并调节大。雇焉途恿髁考平爰尤绕，这时开启加热器的蒸汽阀门，并使油温升至130～160℃后进入析气器，当析气器内油位升至一定液位时，开动抽出泵。[0124] 2.充满换热器：经过析气器的油被抽出后泵入换热器与从脱臭塔出来的热油进行交换(指脱臭塔内的油被抽出时)。[0125] 3.进入导热油加热器：上述经析气的油经换热器时吸收了脱臭器出来的热油的热量,温度升至200℃左右,这时再进入导热油加热器,由导热油加热器加热至230～240℃。[0126] 4.进入脱臭塔：达到脱臭温度的油进脱臭塔，先进入第一层，待第一层油充满后，开启第一层的直接蒸汽，观察压力表，并调正阀门大。幼乓来我缌髦恋诙层,同时开启直接蒸汽阀门并调正阀门大小以此往下，当最后层油位达到一定高度时,开启脱臭塔抽油泵。将脱臭油传到脱酸塔。[0127] 5.从脱臭塔抽出的油经导热油换热器加热至240℃左右,进入脱酸塔。然后开启脱酸塔直接蒸汽，进行脂肪酸的脱除。待脱酸塔有一定液位时，开启脱酸塔油泵，打开循环阀门。关闭析气塔的进油阀门和析气塔油泵，及析气塔出油阀门。此时脱臭系统处于循环状态。[0128] 6.待循环至脱酸塔出油温度达到240??245℃时（各油品不同出油温度不同，参考第三章），打开脱酸塔出油阀门，关闭进油阀门，开始出成品油。此时打开析气塔进出油阀门，开启析气塔油泵给脱臭塔开始正常进油，此时整个系统处于正常生产状态。[0129] 7.脱酸塔出油进入水冷却器冷却至35℃左右，进入抛光过滤机过滤（此时须经化验室检验合格，若不合格继续循环在检验）,最后得到一级成品油。[0130] 下面参考图7，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。本申请实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。[0131] 如图7所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。[0132] 通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。[0133] 特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本申请实施例的方法中限定的上述功能。[0134] 需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD?ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。[0135] 在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。[0136] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。[0137] 可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0138] 附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0139] 描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，测试参数获取模块还可以被描述为“获取目标设备对应的设备测试参数的模块”。[0140] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。[0141] 在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD?ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。[0142] 图8是根据一示例性实施例示出的一种食用油生产质量控制系统的应用场景图。如图8所示，在该应用场景中，首先，获取由摄像头采集的待检测食用油在第一单色光照射下的食用油第一单色光图像（例如，如图8中所示意的C1）；获取由所述摄像头采集的所述待检测食用油在第二单色光照射下的食用油第二单色光图像（例如，如图8中所示意的C2）；然后，将获取的食用油第一单色光图像和食用油第二单色光图像输入至部署有食用油生产质量控制算法的服务器（例如，如图8中所示意的S）中，其中所述服务器能够基于食用油生产质量控制算法对所述食用油第一单色光图像和所述食用油第二单色光图像进行处理，以生成灯检结果，所述灯检结果用于表示食用油是否存在异常。[0143] 以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。[0144] 此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。[0145] 尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

专利地区：新疆

专利申请日期：2024-08-09

专利公开日期：2024-11-29

专利公告号：CN118624635B