一种基于视觉监测的摘酒方法和系统

技术领域

本发明涉及智能酿造技术领域，尤其涉及一种基于视觉监测的摘酒方法和系统。

背景技术

白酒制造工艺历史悠久，地域特色鲜明，由于各地气候、土壤、水源和酿酒原料的多样性，形成了千变万化的白酒类型和独特的摘酒技艺。目前，在白酒摘酒阶段鉴别酒段的过程中，业界普遍采用酒精度测量法、酒花观察法以及质量流量评估法三大基本手段。

酒精度测量法依赖于酒精计对蒸馏过程中酒液酒精度的精确测量，以此作为判断酒段的重要依据。然而，由于白酒酿造工艺的多样性和地域差异，单一的酒精度指标并不能全面反映所有白酒酒段的真实属性，尤其在不同酿酒模式下，酒精度与酒段界定标准并不统一，容易导致依据酒精度判断的酒段出现偏差。

酒花观察法则是通过酿酒师对蒸馏过程中酒液表面酒花特性的直观感知来判断酒段，但酒花形态受诸多因素影响，如温度、气压、酿酒原料等因素均会影响酒花表现，而且人的主观判断存在一定的不稳定性和误差，难以实现标准化和精确化操作。

质量流量评估法则通过对一段时间内产出白酒的重量进行连续监测，估算白酒的质量流量，进而间接推断酒段。尽管这种方法能提供酒液整体产率的信息，但却无法精准捕捉到酒段切换的关键转折点，且劳动强度大，效率受限。

综上所述，现有的白酒摘酒技术在实施过程中存在着显著的局限性，如依赖人工经验判断导致结果不一致、单一评判标准适应性差、工作效率低等问题。

因此，亟需研发一种更为科学严谨、精确高效的摘酒方法和系统。

发明内容

（一）要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种基于视觉监测的摘酒方法和系统，其解决了现有技术中酒段判断结果不够准确、评判标准单一、效率低下的技术问题。

（二）技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种基于视觉监测的摘酒方法，包括：

S100、实时获取摘酒过程中的工况信息，以及接收酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像；

所述工况信息包括各酒段的流酒时长、流酒重量以及出酒管道中的白酒温度；所述酒花图像采集器和酒精计图像采集器设置在摘酒装置中，用于实时监测摘酒装置中摘酒碗里的酒花信息和摘酒装置中酒精计仓里的酒精计信息；

S200、采用预先训练好的第一图像分割模型对所述酒花图像进行处理，获得当前酒花所属各酒段的概率分布信息，以及采用预先训练好的第二图像分割模型对与当前酒花对应的酒精计图像进行处理，获得酒精度和酒精度可信度；

所述酒段的顺序为头酒、二段酒、三段酒、尾酒、尾水、未流酒；

S300、基于所述工况信息、概率分布信息、酒精度和酒精度可信度，根据当前的酒段信息，采用当前酒段切换到下一酒段的预设计算规则进行计算，直到计算结果达到预设数值时，控制开启下一酒段对应的出酒管道。

可选地，所述S300包括：

S301、若当前酒段为未流酒，则基于酒精度、酒精度可信度和工况信息，采用未流酒切换到头酒的转段评分表达式，计算得出未流酒切换到头酒的转段评分；

所述未流酒切换到头酒的转段评分表达式为：

；

其中，

S302、采用未流酒切换到头酒的转段决策表达式，计算得出未流酒切换到头酒的转段决策系数，直到所述未流酒切换到头酒的转段决策系数等于1时，控制开启头酒对应的出酒管道；

所述未流酒切换到头酒的转段决策表达式为：

；

其中，

可选地，所述S300还包括：

S303、若当前酒段为头酒，则基于酒精度、酒精度可信度、二段酒概率分布和工况信息，采用头酒切换到二段酒的转段评分表达式，计算得出头酒切换到二段酒的转段评分；

所述头酒切换到二段酒的转段评分表达式为：

；

其中，

S304、采用头酒切换到二段酒的转段决策表达式，计算得出头酒切换到二段酒的转段决策系数，直到所述头酒切换到二段酒的转段决策系数等于1时，控制开启二段酒对应的出酒管道；

所述头酒切换到二段酒的转段决策表达式为：

；

其中，

可选地，所述S300还包括：

S305、若当前酒段为二段酒，则基于酒精度、酒精度可信度、三段酒概率分布和工况信息，采用二段酒切换到三段酒的转段评分表达式，计算得出二段酒切换到三段酒的转段评分；

所述二段酒切换到三段酒的转段评分表达式为：

；

其中，

S306、采用二段酒切换到三段酒的转段决策表达式，计算得出二段酒切换到三段酒的转段决策系数，直到所述二段酒切换到三段酒的转段决策系数等于1时，控制开启三段酒对应的出酒管道；

所述二段酒切换到三段酒的转段决策表达式为：

；

其中，

可选地，所述S300还包括：

S307、若当前酒段为三段酒，则基于酒精度、酒精度可信度、尾酒概率分布和工况信息，采用三段酒切换到尾酒的转段评分表达式，计算得出三段酒切换到尾酒的转段评分；

所述三段酒切换到尾酒的转段评分表达式为：

；

其中，

S308、采用三段酒切换到尾酒的转段决策表达式，计算得出三段酒切换到尾酒的转段决策系数，直到所述三段酒切换到尾酒的转段决策系数等于1时，控制开启尾酒对应的出酒管道；

所述三段酒切换到尾酒的转段决策表达式为：

；

其中，

可选地，所述S300还包括：

S309、若当前酒段为尾酒，则基于酒精度、酒精度可信度、尾水概率分布和工况信息，采用尾酒切换到尾水的转段评分表达式，计算得出尾酒切换到尾水的转段评分；

所述尾酒切换到尾水的转段评分表达式为：

；

其中，

S310、采用尾酒切换到尾水的转段决策表达式，计算得出尾酒切换到尾水的转段决策系数，直到所述尾酒切换到尾水的转段决策系数等于1时，控制开启尾水对应的出酒管道；

所述尾酒切换到尾水的转段决策表达式为：

；

其中，

可选地，所述S300还包括：

S311、若当前酒段为尾水，则采用尾水切换到未流酒的转段决策表达式，计算得出尾水切换到未流酒的转段决策系数，直到所述尾水切换到未流酒的转段决策系数等于1时，控制开启未流酒对应的出酒管道；

所述尾水切换到未流酒的转段决策表达式为：

；

其中，

可选地，所述方法还包括：

在接收到酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像之后，先对所述酒花图像和酒精计图像进行预处理，若识别出酒花图像和酒精计图像不正常，则自动触发报警信号，并停止当前摘酒作业。

可选地，所述方法还包括：

实时监控所述工况信息，确定工况信息是否在指定范围内，若不在指定范围内，则启动预警，提示操作人员检查确认是否存在设备故障或工艺异常。

第二方面，本发明实施例提供一种基于视觉监测的摘酒系统，包括：

工况信息和图像信息获取模块，用于实时获取摘酒过程中的工况信息，以及接收酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像；

所述工况信息包括各酒段的流酒时长、流酒重量以及出酒管道中的白酒温度；所述酒花图像采集器和酒精计图像采集器设置在摘酒装置中，用于实时监测摘酒装置中摘酒碗里的酒花信息和摘酒装置中酒精计仓里的酒精计信息；

图像处理模块，用于采用预先训练好的第一图像分割模型对所述酒花图像进行处理，获得当前酒花所属各酒段的概率分布信息，以及采用预先训练好的第二图像分割模型对与当前酒花对应的酒精计图像进行处理，获得酒精度和酒精度可信度；

所述酒段的顺序为头酒、二段酒、三段酒、尾酒、尾水、未流酒；

控制模块，用于基于所述工况信息、概率分布信息、酒精度和酒精度可信度，根据当前的酒段信息，采用当前酒段切换到下一酒段的预设计算规则进行计算，直到计算结果达到预设数值时，控制开启下一酒段对应的出酒管道。

（三）有益效果

本发明的一种基于视觉监测的摘酒方法和系统，由于采用了深度学习技术结合实时视觉监测，实现了白酒摘酒过程中酒段的智能判断与自动切换，相对于现有技术而言，显著提升了酒段判断的准确性和实时性；

通过综合分析酒花图像、酒精计读数、流酒时长等多种工况参数，本发明不仅克服了传统方法依赖单一评判标准导致的误判问题，还大幅提高了摘酒作业的自动化水平和生产效率；

此外，系统的预警机制和自检功能确保了酿造过程的稳定性和安全性，减少了因人工误操作或设备故障引起的品质波动，使得白酒的品质控制更加精细化、标准化；

因此，本发明不仅能够提升白酒的总体质量，还能在保障传统工艺精髓的基础上，实现生产效率与资源利用的最大化，对推动白酒行业的智能化、现代化转型具有重要意义。

附图说明

图1为本发明一实施例提供的一种基于视觉监测的摘酒方法的流程示意图；

图2为本发明另一实施例提供的一种基于视觉监测的摘酒系统的结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

实施例一

如图1所示，本实施例提供一种基于视觉监测的摘酒方法，执行主体为云端服务器，该方法可包括：

S100、实时获取摘酒过程中的工况信息，以及接收酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像。

所述工况信息包括各酒段的流酒时长、流酒重量以及出酒管道中的白酒温度；所述酒花图像采集器和酒精计图像采集器设置在摘酒装置中，用于实时监测摘酒装置中摘酒碗里的酒花信息和摘酒装置中酒精计仓里的酒精计信息。

可选地，在接收到酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像之后，先对所述酒花图像和酒精计图像进行预处理，若识别出酒花图像和酒精计图像不正常，则自动触发报警信号，并停止当前摘酒作业；

其中，图像不正常指的是图像模糊不清或图像上出现明显斑驳等类似情况。

在本实施例中，实时监控所述工况信息，确定工况信息是否在指定范围内，若不在指定范围内，则启动预警，提示操作人员检查确认是否存在设备故障或工艺异常；

举例来讲，在整个摘酒过程中，出酒温度需保持在25-35摄氏度，因此，实时监控出酒管道中的白酒温度，确定白酒温度是否在该范围内，若不在，则控制调节蒸汽压力使得出酒温度保持在25-35摄氏度。

S200、采用预先训练好的第一图像分割模型对所述酒花图像进行处理，获得当前酒花所属各酒段的概率分布信息，以及采用预先训练好的第二图像分割模型对与当前酒花对应的酒精计图像进行处理，获得酒精度和酒精度可信度。

所述酒段的顺序为头酒、二段酒、三段酒、尾酒、尾水、未流酒。

可选地，图像分割模型采用UNet、FCN或SegNet等图像分割模型。

S300、基于所述工况信息、概率分布信息、酒精度和酒精度可信度，根据当前的酒段信息，采用当前酒段切换到下一酒段的预设计算规则进行计算，直到计算结果达到预设数值时，控制开启下一酒段对应的出酒管道。

具体地，若当前酒段为未流酒，则基于酒精度、酒精度可信度和工况信息，采用未流酒切换到头酒的转段评分表达式，计算得出未流酒切换到头酒的转段评分；

所述未流酒切换到头酒的转段评分表达式为：

；

其中，

采用未流酒切换到头酒的转段决策表达式，计算得出未流酒切换到头酒的转段决策系数，直到所述未流酒切换到头酒的转段决策系数等于1时，控制开启头酒对应的出酒管道；

所述未流酒切换到头酒的转段决策表达式为：

；

其中，

若当前酒段为头酒，则基于酒精度、酒精度可信度、二段酒概率分布和工况信息，采用头酒切换到二段酒的转段评分表达式，计算得出头酒切换到二段酒的转段评分；

所述头酒切换到二段酒的转段评分表达式为：

；

其中，

采用头酒切换到二段酒的转段决策表达式，计算得出头酒切换到二段酒的转段决策系数，直到所述头酒切换到二段酒的转段决策系数等于1时，控制开启二段酒对应的出酒管道；

所述头酒切换到二段酒的转段决策表达式为：

；

其中，

若当前酒段为二段酒，则基于酒精度、酒精度可信度、三段酒概率分布和工况信息，采用二段酒切换到三段酒的转段评分表达式，计算得出二段酒切换到三段酒的转段评分；

所述二段酒切换到三段酒的转段评分表达式为：

；

其中，

采用二段酒切换到三段酒的转段决策表达式，计算得出二段酒切换到三段酒的转段决策系数，直到所述二段酒切换到三段酒的转段决策系数等于1时，控制开启三段酒对应的出酒管道；

所述二段酒切换到三段酒的转段决策表达式为：

；

其中，

若当前酒段为三段酒，则基于酒精度、酒精度可信度、尾酒概率分布和工况信息，采用三段酒切换到尾酒的转段评分表达式，计算得出三段酒切换到尾酒的转段评分；

所述三段酒切换到尾酒的转段评分表达式为：

；

其中，

采用三段酒切换到尾酒的转段决策表达式，计算得出三段酒切换到尾酒的转段决策系数，直到所述三段酒切换到尾酒的转段决策系数等于1时，控制开启尾酒对应的出酒管道；

所述三段酒切换到尾酒的转段决策表达式为：

；

其中，

若当前酒段为尾酒，则基于酒精度、酒精度可信度、尾水概率分布和工况信息，采用尾酒切换到尾水的转段评分表达式，计算得出尾酒切换到尾水的转段评分；

所述尾酒切换到尾水的转段评分表达式为：

；

其中，

采用尾酒切换到尾水的转段决策表达式，计算得出尾酒切换到尾水的转段决策系数，直到所述尾酒切换到尾水的转段决策系数等于1时，控制开启尾水对应的出酒管道；

所述尾酒切换到尾水的转段决策表达式为：

；

其中，

若当前酒段为尾水，则采用尾水切换到未流酒的转段决策表达式，计算得出尾水切换到未流酒的转段决策系数，直到所述尾水切换到未流酒的转段决策系数等于1时，控制开启未流酒对应的出酒管道；

所述尾水切换到未流酒的转段决策表达式为：

；

其中，

实施例二

本实施例提供一种基于视觉监测的摘酒方法的具体应用场景，展示从未流酒到头酒的切换过程，以及整个系统的实际运行流程。

本实施例的摘酒系统可包括以下关键组件：

视觉监控模块：集成了酒花图像采集器和酒精计图像采集器，通过高分辨率相机实时捕捉摘酒碗中的酒花图像和酒精计仓内的酒精计读数图像。

数据处理模块：配备高性能处理器，用于运行第一图像分割模型和第二图像分割模型，实现酒花识别与酒精度测量。

控制模块：根据预设的算法逻辑和决策规则，实时处理来自视觉监控模块的数据，控制出酒管道的阀门开关，实现精准的酒段切换。

预警与自检模块：监测工况信息与图像质量，确保系统稳定运行。

具体实施步骤

1. 初始化与准备阶段：

摘酒系统启动，所有阀门关闭，等待白酒从酒入口流入摘酒碗，此时，视觉监控模块开始运作，酒花图像采集器和酒精计图像采集器实时传输数据至数据处理模块。

2. 实时监测与预处理：

接收到图像后，系统首先进行图像预处理，包括去噪、增强、灰度化等操作，确保后续模型处理的准确性，若发现图像不正常，立即触发报警并暂停作业，等待人工干预。

3. 未流酒阶段：

在未流酒阶段，系统持续监控工况信息，包括流酒时长、流酒重量和白酒温度，同时，第一图像分割模型分析酒花图像，判断当前酒花特征与未流酒段的匹配度；第二图像分割模型则对酒精计图像进行处理，得到酒精度和酒精度可信度。

4. 未流酒切换到头酒决策：

先采用未流酒切换到头酒的转段评分表达式，计算得出未流酒切换到头酒的转段评分；

所述未流酒切换到头酒的转段评分表达式为：

；

其中，

再采用未流酒切换到头酒的转段决策表达式，计算得出未流酒切换到头酒的转段决策系数；

所述未流酒切换到头酒的转段决策表达式为：

；

其中，

直到所述未流酒切换到头酒的转段决策系数等于1时，指示系统进行未流酒到头酒的切换。

5. 切换操作与反馈： 一旦满足切换条件，控制模块将自动开启头酒对应的出酒管道，同时关闭未流酒管道，开始收集头酒；系统继续实时监控并根据新的酒花图像和酒精计图像调整后续的酒段切换策略。

6. 实时监控与预警： 在整个摘酒过程中，系统持续监控工况信息是否保持在设定范围内，一旦发现偏离（如温度异常升高、流酒重量超出预期等），立即启动预警，提示操作人员介入检查，确保酿造过程的稳定性和产品品质。

通过上述实施例，本发明的摘酒方法展现了如何通过深度学习和机器视觉技术实现对白酒摘酒过程的精确控制，有效提高了摘酒效率和白酒品质的一致性，降低了人为误判的风险，促进了白酒生产的智能化和自动化水平。

实施例三

如图2所示，本实施例提供一种基于视觉监测的摘酒系统，可包括：

工况信息和图像信息获取模块，用于实时获取摘酒过程中的工况信息，以及接收酒花图像采集器实时传输的酒花图像和酒精计图像采集器实时传输的酒精计图像；

所述工况信息包括各酒段的流酒时长、流酒重量以及出酒管道中的白酒温度；所述酒花图像采集器和酒精计图像采集器设置在摘酒装置中，用于实时监测摘酒装置中摘酒碗里的酒花信息和摘酒装置中酒精计仓里的酒精计信息；

图像处理模块，用于采用预先训练好的第一图像分割模型对所述酒花图像进行处理，获得当前酒花所属各酒段的概率分布信息，以及采用预先训练好的第二图像分割模型对与当前酒花对应的酒精计图像进行处理，获得酒精度和酒精度可信度；

所述酒段的顺序为头酒、二段酒、三段酒、尾酒、尾水、未流酒；

控制模块，用于基于所述工况信息、概率分布信息、酒精度和酒精度可信度，根据当前的酒段信息，采用当前酒段切换到下一酒段的预设计算规则进行计算，直到计算结果达到预设数值时，控制开启下一酒段对应的出酒管道。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连；可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征 “上”或“下”，可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”，可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”，可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。