一种智能化的菌种培养基分装保存装置

技术领域

本发明涉及生物培养设备领域，具体为一种智能化的菌种培养基分装保存装置。

背景技术

菌种是生物学研究中重要的基础，对于微生物学、生态学、医学和食品科学等领域都具有重要的应用，奶制品是广泛消费的食品之一，包括牛奶、酸奶、奶酪等。在奶制品生产中，微生物是至关重要的。例如，牛奶酸化过程中需要乳酸菌，奶酪和酸奶的制作需要乳酸杆菌等菌种，在奶制品生产中，对于微生物的培养和保存尤为重要，这有助于确保菌种的活力和纯度，从而提高产品质量和生产效率，传统的菌种培养和保存方法存在一些问题，如人为操作错误、保存环境不稳定等，容易导致菌种的损失和变异，影响产品质量和生产效率。因此，智能化的菌种培养基分装保存装置可以解决这些问题，提高奶制品生产的质量和效率。

现有的菌种培养基分装保存装置存在以下问题：

1、 自动化技术：如何实现自动化的菌种培养基分装和储存，包括液体处理系统、分选设备和传感器等设备的选择和集成；

2、 控制技术：如何对保存环境进行智能化控制，以确保菌种的最佳生长和保存条件，包括温度、湿度、氧气和二氧化碳等参数的控制。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一种智能化的菌种培养基分装保存装置，解决了自动化技术和控制技术不成熟的问题。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种智能化的菌种培养基分装保存装置，包括控制后台，所述控制后台为远程网络连接，原料处理组件，所述原料处理组件的一侧设有菌种加工组件，所述原料处理组件的一端设有培养基分流组件，所述培养基分流组件的中间底部设有存料组件，所述培养基分流组件和原料处理组件之间设有缓冲平台，所述原料处理组件的远端轴对称位置设有侧向处理组件，所述原料处理组件和侧向处理组件的侧面设有分装组件，所述培养基分流组件、菌种加工组件、分装组件、存料组件和缓冲平台均为双组对称设置。

优选的，所述原料处理组件包括原料主机，所述原料主机为一个框架机体，所述原料主机的顶部侧面设有视觉平台，所述视觉平台包括CCD相机和激光摄像机，且视觉平台和控制后台之间相互电性连接，所述原料主机的顶部表面栓接设有移位平台和驱动滑台，且移位平台和驱动滑台分别控制X-Y轴线位移，所述移位平台的顶部滑台连接有上料皮带，所述上料皮带的两侧均设有上料支架，且上料支架为两段式升降支架，所述原料主机的一侧边缘设有下料端口。

优选的，所述培养基分流组件包括原料罐体和存料支架，所述原料罐体的侧面顶部设有控制主机，且控制主机和控制后台相互电性连接，所述原料罐体的顶面中部设有培养基料斗，所述存料支架的顶部设有延伸主机架，所述存料支架的顶部侧面设有检测传感器，且检测传感器和控制后台相互电性连接，所述存料支架的顶面一侧设有分流平台和喷料平台，且原料罐体和分流平台、喷料平台之间设有输送管道，所述分流平台的底部均匀嵌合有分料喷嘴。

优选的，所述菌种加工组件包括加工机体，所述加工机体的顶部设有定位夹、标记套管和裁剪套管，所述定位夹、标记套管和裁剪套管的同轴位置设有菌种定位棒，所述加工机体的顶面，定位夹、标记套管和裁剪套管的底部设有直线电机，所述标记套管的顶部设有分料罐。

优选的，所述分装组件包括分装支架，所述分装支架两侧均设有交叉的内分料槽和外分料槽，所述分装支架的顶部设有分装皮带。

优选的，存料组件包括存料小车，所述存料小车水平位置设有存料隔板，所述存料小车在存料隔板分割的区域中设有菌种支架，每一层所述存料隔板和存料小车的支架之间设有调节撑杆。

优选的，所述缓冲平台为镂空网面结构，且缓冲平台内置驱动电机，表面采用橡胶镂空。

优选的，一种智能化的菌种培养基分装保存装置的流程，所述流程如下：

Sp1、初级处理：液体处理系统将菌种培养基从储存容器中抽取出来，经过过滤和消毒等处理后，进入分装设备；

Sp2、产品分装：分装设备将菌种培养基分装到预先准备好的培养皿/培养瓶中，并对分装完成的样品进行自动识别和贴标签；

Sp3、产品保存：分选设备对分装好的样品进行分类和分拣，并将样品放入相应的储存位置；

Sp4、监测系统：所述监测系统安装于Sp1、Sp2、Sp3之中，实时检测保存环境的温度、湿度、氧气和二氧化碳等参数，并将数据传输给控制器；

Sp4、控制器根据监测系统传输的数据和预先设定的控制算法，自动调节保存环境中的温度、湿度、氧气和二氧化碳等参数；

Sp5、监测系统实时检测保存环境的温度、湿度、氧气和二氧化碳等参数，并将数据传输给控制器；

Sp6、控制器根据监测系统传输的数据和预先设定的控制算法，自动调节保存环境中的温度、湿度、氧气和二氧化碳参数。

优选的，所述流程控制算法采用机器学习算法和视觉识别算法

有益效果

本发明提供了一种智能化的菌种培养基分装保存装置。具备以下有益效果：

1、 本发明提高生产效率：采用自动化技术方案液体处理系统、分选设备和传感器等设备的选择和集成，可以实现自动化的菌种培养基分装和储存，液体处理系统可以在无需停机的情况下进行液体处理和分装，从而提高生产效率，分选设备可以快速、准确地对液体进行分类和分离，从而进一步提高了生产效率。

2、 本发明提高产品质量：采用智能化控制技术方案，调节温度、湿度、氧气和二氧化碳等参数，可以确保菌种的最佳生长和保存条件，使得产品质量更加稳定和可靠，此外，使用了视觉识别算法和机器学习算法融入代码之中，可以实现对液体的快速识别和特征提取，以及对液体pH值和最佳环境参数的预测，进一步提高了产品质量的稳定性和可靠性。

3、 本发明降低生产成本：采用液体识别和环境控制技术方案可以降低废品率和能耗，并且减少了对昂贵原材料的浪费，从而降低生产成本，此外，通过自动化技术的实现，可以降低人工干预的成本和时间，从而进一步降低生产成本。

附图说明

图1为本发明的主体结构图；

图2为本发明的主体结构俯视图；

图3为本发明的主体结构正视图；

图4为本发明的培养基分流组件配合示意图；

图5为本发明的原料处理组件结构图；

图6为本发明的培养基分流组件结构图；

图7为本发明的培养基分流组件侧向结构图；

图8为本发明的菌种加工组件结构图；

图9为本发明的分装组件结构图；

图10为本发明的存料组件结构图。

其中：1、原料处理组件；101、原料主机；102、视觉平台；103、移位平台；104、保护套壳；105、线缆导向架；106、上料皮带；107、上料支架；108、驱动滑台；109、下料端口；2、培养基分流组件；201、原料罐体；202、培养基料斗；203、输送管道；204、分流平台；205、喷料平台；206、延伸主机架；207、检测传感器；208、存料支架；209、控制主机；210、分料喷嘴；3、侧向处理组件；4、菌种加工组件；401、加工机体；402、菌种定位棒；403、定位夹；404、标记套管；405、裁剪套管；406、分料罐；407、直线电机；5、分装组件；501、分装支架；502、内分料槽；503、分装皮带；504、外分料槽；6、存料组件；601、存料小车；602、存料隔板；603、菌种支架；604、调节撑杆；7、缓冲平台。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

具体实施例一：

如图1-10所示，一种智能化的菌种培养基分装保存装置，包括控制后台，控制后台为远程网络连接，原料处理组件1，原料处理组件1的一侧设有菌种加工组件4，原料处理组件1的一端设有培养基分流组件2，培养基分流组件2的中间底部设有存料组件6，培养基分流组件2和原料处理组件1之间设有缓冲平台7，原料处理组件1的远端轴对称位置设有侧向处理组件3，原料处理组件1和侧向处理组件3的侧面设有分装组件5，培养基分流组件2、菌种加工组件4、分装组件5、存料组件6和缓冲平台7均为双组对称设置，各个设备内部均设有电控主板，电控系统均和控制后台相互电性连接，从而保证完全的信号收发，自动化控制，原料处理组件1包括原料主机101，原料主机101为一个框架机体，原料主机101的顶部侧面设有视觉平台102，视觉平台102包括CCD相机和激光摄像机，且视觉平台102和控制后台之间相互电性连接，原料主机101的顶部表面栓接设有移位平台103和驱动滑台108，且移位平台103和驱动滑台108分别控制X-Y轴线位移，移位平台103的顶部滑台连接有上料皮带106，上料皮带106的两侧均设有上料支架107，且上料支架107为两段式升降支架，原料主机101的一侧边缘设有下料端口109，在原料主机101的位置进行菌棒的初步处理，并且放置在培养基之中，通过外部配套的机械臂，将培养皿放置在上料皮带106上，并将菌种放置在培养皿之中，并且外置有基础液体的注入，之后采用固定方案的机械臂，将处理好的带有培养皿的菌种，通过上料皮带106进入下料端口109之中，也可以通过单独设计的弯曲皮带，直接将上料皮带106和下料端口109融合在一起，处理之后的带有菌种的培养基会通过分装组件5,依次通过缓冲平台7进入存料组件6之中，在运转过程中，培养基分流组件2会对培养皿的菌种喷洒培养基，从而完全避免人工的使用，提高产品的自动化水平，并且可以远程控制各个设备，培养基分流组件2包括原料罐体201和存料支架208，原料罐体201的侧面顶部设有控制主机209，且控制主机209和控制后台相互电性连接，原料罐体201的顶面中部设有培养基料斗202，存料支架208的顶部设有延伸主机架206，存料支架208的顶部侧面设有检测传感器207，且检测传感器207和控制后台相互电性连接，存料支架208的顶面一侧设有分流平台204和喷料平台205，且原料罐体201和分流平台204、喷料平台205之间设有输送管道203，分流平台204的底部均匀嵌合有分料喷嘴210，在培养基分流组件2运转的时候，通过培养基料斗202将培养基注入原料罐体201之中，并且在注入的时候，培养基料斗202的进料口位置设有过滤网，之后通过泵，将培养基液体通过输送管道203进入分料喷嘴210和喷料平台205之中，对已经处理之后的菌种培养皿进行喷淋，一次性可以喷淋大量的培养皿，并且可以通过控制后台直接控制喷洒参数，整个设备放置在无菌空间之中，也无需人员进入操作，外接控制平台进行控制即可，菌种加工组件4包括加工机体401，加工机体401的顶部设有定位夹403、标记套管404和裁剪套管405，定位夹403、标记套管404和裁剪套管405的同轴位置设有菌种定位棒402，加工机体401的顶面，定位夹403、标记套管404和裁剪套管405的底部设有直线电机407，标记套管404的顶部设有分料罐406，菌种加工组件4是对菌种棒进行预处理的过程，在处理过程中，菌种套在菌种定位棒402上，通过菌棒的位置变化，通过远程控制后台发出的控制指令，驱动菌棒位置，调整整个菌棒的长度，经过标记套管404的时候，分料罐406将标记液体，也是预处理液体涂覆喷洒在菌棒之上，达到合适长度之后，通过裁剪套管405内部的环形切割刀将菌棒切断，需要调节长度的时候，可以通过直线电机407驱动定位夹403进行直线位移，改变定位夹403和裁剪套管405之间的绝对距离，从而实现菌棒裁剪长度变化，裁剪之后的菌棒进入原料处理组件1和侧向处理组件3之中，原料处理组件1和侧向处理组件3的结构形式一致，仅在于位置不同而已，分装组件5包括分装支架501，分装支架501两侧均设有交叉的内分料槽502和外分料槽504，分装支架501的顶部设有分装皮带503，分装皮带503通过电机驱动皮带进行运输，之后运输中，通过外置有其他的分选机械臂，将分选之后的成品菌种培养基往两侧踢出，通过两侧的内分料槽502和外分料槽504输送出去，存料组件6包括存料小车601，存料小车601水平位置设有存料隔板602，存料小车601在存料隔板602分割的区域中设有菌种支架603，每一层存料隔板602和存料小车601的支架之间设有调节撑杆604，在工作的时候，存料小车601上根据实际需求通过存料隔板602分割成多个区域，通过调节撑杆604的支撑点位，实现存料隔板602的分割区域大小，连接位置采用滑槽轴连接即可，并且在滑槽位置设有定位销，从而保证定位，缓冲平台7为镂空网面结构，且缓冲平台7内置驱动电机，表面采用橡胶镂空，工作的时候，分配好的培养基会在缓冲平台7上进行缓冲之后进入下一个工步之中，避免直连工序，导致抗风险冗余较低，容易发生停机风险。

具体实施例二：

如图所示，一种智能化的菌种培养基分装保存装置的流程，流程如下：

Sp1、初级处理：液体处理系统将菌种培养基从储存容器中抽取出来，经过过滤和消毒等处理后，进入分装设备。

Sp2、产品分装：分装设备将菌种培养基分装到预先准备好的培养皿/培养瓶中，并对分装完成的样品进行自动识别和贴标签。

Sp3、产品保存：分选设备对分装好的样品进行分类和分拣，并将样品放入相应的储存位置。

Sp4、监测系统：所述监测系统安装于Sp1、Sp2、Sp3之中，实时检测保存环境的温度、湿度、氧气和二氧化碳等参数，并将数据传输给控制器。

Sp4、控制器根据监测系统传输的数据和预先设定的控制算法，自动调节保存环境中的温度、湿度、氧气和二氧化碳等参数。

Sp5、监测系统实时检测保存环境的温度、湿度、氧气和二氧化碳等参数，并将数据传输给控制器。

Sp6、控制器根据监测系统传输的数据和预先设定的控制算法，自动调节保存环境中的温度、湿度、氧气和二氧化碳参数。

流程控制算法采用机器学习算法和视觉识别算法

基于上述方案，以下是基于Python的核心代码：

import time

import random

class LiquidProcessingSystem:

def __init__(self, storage_container):

self.storage_container = storage_container

def process_liquid(self):

# Simulate liquid processing

print("Processing liquid from storage container...")

time.sleep(random.uniform(1, 2))

print("Liquid processed.")

return "processed liquid"

class FillingSystem:

def fill_container(self, liquid):

# Simulate filling system

print("Filling container with liquid...")

time.sleep(random.uniform(1, 2))

print("Container filled with liquid.")

return "filled container"

class SortingSystem:

def sort_container(self, container):

# Simulate sorting system

print("Sorting container...")

time.sleep(random.uniform(1, 2))

print("Container sorted.")

return "sorted container"

class MonitoringSystem:

def __init__(self, environment):

self.environment = environment

def monitor_environment(self):

# Simulate monitoring system

temperature = random.uniform(20, 25)

humidity = random.uniform(50, 60)

oxygen = random.uniform(18, 20)

carbon_dioxide = random.uniform(0.03, 0.05)

print("Monitoring environment...")

print(f"Temperature: {temperature} °C")

print(f"Humidity: {humidity} %")

print(f"Oxygen: {oxygen} %")

print(f"Carbon dioxide: {carbon_dioxide} %")

return {"temperature": temperature, "humidity": humidity, "oxygen": oxygen, "carbon_dioxide": carbon_dioxide}

class ControlSystem:

def __init__(self, environment):

self.environment = environment

def control_environment(self, parameters):

# Simulate control system

print("Controlling environment...")

time.sleep(random.uniform(1, 2))

print("Environment controlled.")

class AutomatedCultureSystem:

def __init__(self, liquid_processing_system, filling_system,sorting_system, monitoring_system, control_system):

self.liquid_processing_system = liquid_processing_system

self.filling_system = filling_system

self.sorting_system = sorting_system

self.monitoring_system = monitoring_system

self.control_system = control_system

def run(self):

liquid = self.liquid_processing_system.process_liquid()

container = self.filling_system.fill_container(liquid)

sorted_container = self.sorting_system.sort_container(container)

self.monitoring_system.monitor_environment()

self.control_system.control_environment({"temperature": 25, "humidity": 60, "oxygen": 20, "carbon_dioxide": 0.05})

# Example usage

storage_container = "Storage Container"

environment = "Environment"

liquid_processing_system = LiquidProcessingSystem(storage_container)

filling_system = FillingSystem()

sorting_system = SortingSystem()

monitoring_system = MonitoringSystem(environment)

control_system = ControlSystem(environment)

automated_culture_system = AutomatedCultureSystem(liquid_processing_system, filling_system, sorting_system, monitoring_system, control_system)

automated_culture_system.run()

具体实施例三：

如图所示，一种智能化的菌种培养基分装保存装置，本实施例进一步公开了基于视觉识别算法和机器学习算法的菌种培养基的核心代码：

import cv2

import numpy as np

import pandas as pd

from sklearn.linear_model import LinearRegression

class LiquidProcessingSystem:

def __init__(self, storage_container):

self.storage_container = storage_container

def process_liquid(self):

# Simulate liquid processing

print("Processing liquid...")

time.sleep(random.uniform(1, 2))

print("Liquid processed.")

# Use image recognition to determine liquid type

img = cv2.imread('liquid_image.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

blur = cv2.GaussianBlur(gray, (5, 5), 0)

_, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV+ cv2.THRESH_OTSU)

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# Extract features from liquid image

area = cv2.contourArea(contours[0])

perimeter = cv2.arcLength(contours[0], True)

compactness = (4 * np.pi * area) / (perimeter ** 2)

# Use machine learning to determine liquid pH

liquid_df = pd.read_csv('liquid_data.csv')

X = liquid_df[['area', 'perimeter', 'compactness']]

y = liquid_df['pH']

model = LinearRegression()

model.fit(X, y)

pH = model.predict([[area, perimeter, compactness]])

print("Liquid pH:", pH)

return {"type": "milk", "pH": pH}

class ControlSystem:

def __init__(self, environment):

self.environment = environment

def control_environment(self, parameters):

# Use machine learning to determine optimal environmentparameters

environment_df = pd.read_csv('environment_data.csv')

X = environment_df[['temperature', 'humidity', 'oxygen']]

y = environment_df['carbon_dioxide']

model = LinearRegression()

model.fit(X, y)

carbon_dioxide = model.predict([[parameters['temperature'],parameters['humidity'], parameters['oxygen']]])

# Simulate control system

print("Controlling environment...")

time.sleep(random.uniform(1, 2))

print("Environment controlled.")

class AutomatedCultureSystem:

def __init__(self, liquid_processing_system, filling_system,sorting_system, monitoring_system, control_system):

self.liquid_processing_system = liquid_processing_system

self.filling_system = filling_system

self.sorting_system = sorting_system

self.monitoring_system = monitoring_system

self.control_system = control_system

def run(self):

liquid = self.liquid_processing_system.process_liquid()

container = self.filling_system.fill_container(liquid)

sorted_container = self.sorting_system.sort_container(container)

self.monitoring_system.monitor_environment()

self.control_system.control_environment({"temperature": 25, "humidity": 60, "oxygen": 20, "carbon_dioxide": 0.05})

# Example usage

storage_container = "Storage Container"

environment = "Environment"

liquid_processing_system = LiquidProcessingSystem(storage_container)

filling_system = FillingSystem()

sorting_system = SortingSystem()

monitoring_system = MonitoringSystem(environment)

control_system = ControlSystem(environment)

automated_culture_system = AutomatedCultureSystem(liquid

ProcessingSystem = LiquidProcessingSystem(storage_container)

FillingSystem = FillingSystem()

SortingSystem = SortingSystem()

MonitoringSystem = MonitoringSystem(environment)

ControlSystem = ControlSystem(environment)

AutomatedCultureSystem = AutomatedCultureSystem(ProcessingSystem,FillingSystem, SortingSystem, MonitoringSystem, ControlSystem)

Run the automated culture system

AutomatedCultureSystem.run()

上述代码中，我们使用OpenCV实现了对液体图像的处理和特征提取，然后使用机器学习模型（线性回归）预测液体的pH值。我们还使用了另一个机器学习模型来确定最佳环境参数（温度、湿度、氧气和二氧化碳等），以确保菌种的最佳生长和保存条件。最后，我们将上述算法融合在自动化培养系统的主要工作流程中。

请注意，上述代码仅用于示例，实际情况中需要更多的细节和修改。此外，还需要大量的数据和模型训练来提高预测精度和控制系统的效果。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。在没有更多限制的情况下，由语句“包括一个引用结构”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。