买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏大学

摘要：本发明属于食品加工技术领域，具体涉及一种中央厨房多配菜炒饭的自适应定量分装方法及其装置。主要包括关键配菜识别模型的自构建、关键配菜识别模型的自评估、批量炒饭分装的自适应定量三个步骤以及匹配三个步骤操作的装置；通过目标配菜识别模型自构建、模型效果自评估的方式，可以使得分装设备经过的简单设置，即可具备对未经训练的炒饭样品及其中的目标配菜进行识别，使得设备对标准化生产的未知炒饭产品具有高度的自适应性。此外，经过本发明定量分装的炒饭，不仅可以保证每份炒饭的总重量一致，而且可以精确的保证每份炒饭中目标配置的数量一致，保障中央厨房炒饭定量分装精度的同时，可有效提高中央厨房炒饭生产的自动化及智能化水平。

主权项：1.中央厨房多配菜炒饭的自适应定量分装方法，其特征在于，按照下述步骤进行：步骤一，关键配菜识别模型的自构建包含以下过程：过程一，对标准配方包含米饭、食用油、m种配菜、n种调味料液的炒饭，经中央厨房标准化工艺、固定设备炒制得到的待分装成品炒饭，选取待分装成品炒饭的第i种配菜H_i作为需要定量的关键配菜；过程二，取m1kg待分装成品炒饭用作模型构建的炒饭样品A，并将模型构建炒饭样品A中关键配菜H_i与其它炒饭成分分开，得到仅含关键配菜H_i的炒饭样品AH_i及不含关键配菜H_i的炒饭样品A-H_i；过程三，启动与本方法相匹配的中央控制模块304，中央控制模块304包括模型自构建模块、模型自评估模块、炒饭自适应定量模块；且与模型自构建模块、模型自评估模块、炒饭自适应定量模块电性连接；所述模型自构建模块包含料盒自复位模块和启动模型自构建模块，所述模型自评估模块包含料盒自复位模块和启动模型自评估模块，所述炒饭自适应定量模块包含自适应定量运行模块；首先，启动中央控制模块304中的模型自构建模块内的料盒自复位模块，自复位模块将信号传输至中央控制模块304进而控制位置传感器204和主输送带205的运动，将主输送带205上的料盒201复位至与预定义工位完全重合；然后将炒饭样品AH_i以单层且不相互重叠的方式平铺于a个处于成像工位303之前其他工位的料盒201内，将炒饭样品A-H_i以单层且不相互重叠的方式平铺于a个处于成像工位303之前工位的料盒201内，得到仅含炒饭样品AH_i薄层的a个料盒201以及仅含炒饭样品A-H_i薄层的a个料盒201；其中a为正整数；过程四，在模型自构建模块中输入待分装炒饭产品名称X1、关键配菜名称X2、炒饭样品AH_i薄层所在料盒201对应的工位号及每个料盒201中含有的关键配菜H_i的数量、装有炒饭样品A-H_i薄层所在料盒201对应的工位号相关信息；并点击模型自构建模块界中的启动模型自构建模块，信号传输至中央控制模块304控制相机301自行采集炒饭样品AH_i、A-H_i及a个空料盒201在b个不同波段λ1、λ2、……、λb-1、λb光源照射下的图像I_AH_i_h_j、I_A-H_i_h_j、I_O_h_j，通过中央控制模块304自行优化关键配菜识别的最优波段λ_A及最优分割阈值C，自行计算并显示建模最优识别率D；其中h∈[1，b]、j∈[1，a]；其中h、b为正整数；过程五，当模型识别率D大于等于预期识别率E，进入步骤二“关键配菜识别模型的自评估”操作；当模型识别率D小于预期识别率E时，重复本步骤的过程二、三、四、五；步骤二，所述关键配菜识别模型的自评估包含以下过程：过程一，取m2kg成品炒饭用作模型评估的炒饭样品B，并将2*m23kg炒饭样品B中关键配菜H_i与其它炒饭成分分开，得到仅含关键配菜H_i的炒饭样品BH_i、不含关键配菜H_i的炒饭样品B-H_i、m23kg包含全部成分的炒饭样品B_B；过程二，启动中央控制模块304中的模型自评估模块内的料盒自复位模块，料盒自复位模块传输信号至中央控制模块304控制位置传感器204将主输送带205上的料盒201运行一个周期后复位至与预定义工位完全重合；工人将炒饭样品B_B以单层且不相互重叠的方式平铺于a个处于成像工位303之前工位的料盒内，将炒饭样品B-H_i以单层且不相互重叠的方式平铺于a个处于成像工位303之前工位的料盒内，将炒饭样品BH_i以单层且不相互重叠的方式平铺于a个处于成像工位303之前工位的料盒内，得到仅含炒饭样品B_B薄层的a个料盒201、仅含炒饭样品B-H_i薄层的a个料盒201、仅含炒饭样品BH_i薄层的a个料盒201；过程三，在中央控制模块304中的模型自评估模块内输入炒饭样品B_B薄层所在料盒201的工位号及每个料盒201中含有关键配菜H_i的数量、炒饭样品B-H_i薄层所在料盒201的工位号、炒饭样品BH_i薄层所在料盒201的工位号及每个料盒201中含有关键配菜H_i的数量相关信息；过程四，点击中央控制模块304中的模型自评估模块内启动模型自评估模块，启动模型自评估模块信号传输至中央控制模块304根据步骤一中得到的最优波段λ_A、最优分割阈值C，通过中央控制模块304打开最优波段λ_A对应的光源，相机301获取λ_A对应的光源照射下的a个炒饭样品B_B的图像I_B_B_j、a个炒饭样品B-H_i的图像I_B-H_i_j、a个炒饭样品BH_i的图像I_BH_i_j；中央控制模块304依次根据最优分割阈值C对图像I_B_B_j、I_B-H_i_j、I_BH_i_j中关键配菜H_i的数量进行识别，并将识别结果与工人输入的关键配菜H_i数量进行比较从而计算出评估识别率F；过程五，当评估识别率F大于等于预期识别率G，控制软件自动保存最优波段λ_A、最优分割阈值C并进入步骤三炒饭自适应定量；当模型识别率F小于预期识别率G时，重复步骤一的所有过程；步骤三，批量炒饭分装的自适应定量包含以下过程：过程一，按照步骤一过程一的标准配方、标准工艺及设备开始批量生产得到待分装的成品炒饭后，在中央控制模块304中的炒饭自适应定量模块，中输入单份炒饭的关键配菜数量I颗以及单份炒饭的总重量L的信息；点击炒饭自适应定量模块中的“自适应定量运行”模块，“自适应定量运行”模块将信号传输至中央控制模块304进而控制定量装置对料斗101中的待分装成品炒饭开始进行自适应定量分装；过程二，定量分装开始后，料斗101中的待分装成品米饭以单层瀑布下落的形式落入处于匀速运动状态的主输送带205表面对应工位的料盒201内，料盒201中处于单层薄层状态的米饭以料盒201为基本单元通过相机301下方，中央控制模块304通过位置传感器204感知料盒201在每个工位上的移动行为，料盒201每移动一个工位则相机301拍摄一次成像工位303对应料盒内成品炒饭在最优波段λ_A下的图像信息；过程三，中央控制模块304利用步骤一中确定的分割阈值C，对相机301下方料盒201中的产品米饭进行快速识别并得到其中关键配菜H_i的个数J_c，从而得到成像工位303与下料工位107之间f个待分装工位上料盒201中炒饭对应的关键配菜H_i的个数J-1、J-2、……、J-f-1、J-f；中央控制模块304根据f个分装工位上料盒201内的关键配菜个数J-1、J-2、……、J-f-1、J-f，以2个料盒201内的炒饭为一组，装入同1个包装容器得到单份炒饭的关键配菜数量I±△g为目标，通过自适应的方式确定所有料盒201内任意2组料盒内关键配菜的最优匹配组合，并将匹配结果记录于数组M；当中央控制模块304通过位置传感器204感知到料盒201每移动一个工位时，通过中央控制模块304识别成像工位上新进入料盒201内关键配菜的数量J_c，并据此更新匹配结果记录数组M；所述匹配结果记录数组M的构建及定义方法为：建立3行、f+2列且初值为0的数组M用于料盒201两两组合的匹配，数组的第1列到第f+2列依次对应于分装装备上的成像工位303、f个待分装工位和炒饭下料工位107；数组M的第1行用于存储数组列对应工位上料盒201中关键配菜的颗粒数；数组M的第2行用于记录储数组列对应工位料盒201中炒饭的下落路径，当第2行某列的数值为0时表示该列对应工位上料盒201中无炒饭，当第2行某列的数值为1时表示该列对应工位上料盒201中的炒饭应该进入下落路径1，当第2行某列的数值为2时表示该列对应工位上料盒201中的炒饭应该进入下落路径2，当第2行某列的数值为3时表示该列对应工位上料盒201中的炒饭应该进入下落路径3；数组M的第3行用于存储数组列对应工位上料盒201的相互匹配情况，从第3行的最后一列开始往第一列开始匹配，当3行某两列的数值分别为1和2且这两列的第2行的数值同时为1或者同时为2时表示该两列对应工位上料盒201中的炒饭可匹配至一个包装容器，当3行某列的数值为0时表示该列对应工位上料盒201尚未匹配成功；所述匹配结果记录数组M的更新方法为：当中央控制模块304获取成像工位303上新进入料盒201内关键配菜的数量J_c时开始更新数组M；首先，将数组M第f+2列第2行、第3行的数值赋值给一次定量控制参数P1＝M2，f+2、P2＝M3，f+2；其次，通过M：，f+3-k＝M：，f+2-k将数组M的值整体后移1列，其中k的取值依次为2、3、……、f+1、f+2；将成像工位上新进入料盒201内关键配菜的数量J_c保存入数组使得M1，1＝J_c；当J_c＝0时，设置M2，1＝M3，1＝0；最后，当J_c≠0时，k的取值依次为f+2、f+1、……、3、2，当M2，k＝3时计算M1，k+M1，1，若出现k值满足I-△g≤M1，k+M1，1≤I+△g且M2，2：k≠3-Temp时，M2，k＝M2，1＝3-Temp，M3，k＝1，M3，1＝2，Temp＝M2，1，并结束对数组M的更新；若未出现k值满足I-△g≤M1，k+M1，1≤I+△g且M2，2：k≠3-Temp时，M2，1＝3，M3，1＝0，并结束对数组M的更新；过程四，数组M更新的同时，中央控制模块304根据一次定量控制参数P1、P2，通过控制1号导料板402和2号导料板405的开闭进而控制炒饭在滑道上的下落轨迹，从而确保组合料盒201内的炒饭准确掉入一次定量工位I404或者一次定量工位II407所对应的包装容器内；过程五，为保证一次定量工位I404或者一次定量工位II407包装容器内的炒饭总重量与设定的单份炒饭的总重量L一致，一次定量工位I404或者一次定量工位II407包装容器内炒饭会随包装容器被送入二次定量工位502，中央控制模块304根据二次定量工位502上包装容器内炒饭的重量，引导特定重量的配重炒饭掉入二次定量工位502上的包装容器内，使得经过二次定量工位502后每个包装容器内的炒饭总重量不仅一致，而且每个包装容器内关键配菜的数量也一致；随后，位置传感器204感知到下一料盒201进入成像工位303时重复本步骤过程二、过程三、过程四、过程五；全局变量Temp的初始值为2；回料料斗601中的炒饭经回料管道602以气流输送的方式输送至料斗101；所述中央控制模块304已保存有待分装炒饭对应的最优波段λ_A、最优分割阈值C情况下，控制软件跳过步骤一及步骤二，直接调用已保存的最优波段λ_A、最优分割阈值C并执行步骤三；若控制软件无法调用待分装炒饭对应的最优波段λ_A、最优分割阈值C，则依次执行步骤一、步骤二、步骤三。

全文数据：

权利要求：

百度查询： 江苏大学 中央厨房多配菜炒饭的自适应定量分装方法及其装置