CN119539584A 基于人工智能的酥脆月饼生产安全质量监测方法及系统 （河南卢师傅食品有限公司）

基于人工智能的酥脆月饼生产安全质量监一种基于人工智能的酥脆月饼生产安全质量监行自适应增强及深度识别处理得到多维表征特据中的外观品质指标和内部品质指标进行历史得到质量风险预警数据并与历史生产数据进行2对采集的月饼生产线上的360°多角度高清图像组及内部结构红外扫描数据进行时序对所述多维表征特征数据中的外观规格参数、表面纹理完整性、内对所述质量检测特征数据中的外观品质指标和内部品质指标进行历史参照动态分级对所述等级评价映射数据进行关键工艺参数变化及品质异常实时对所述质量风险预警数据与历史生产数据进行工艺关联分析及优化处理，得到述对采集的月饼生产线上的360°多角度高清图像组及内部结构红外扫描数据进行时序同在月饼生产线上方与周围配置高清相机阵列，进行高速多对所述360°多角度高清图像组和所述内部结构红外扫描数据进行工业网络时序同步将所述样品标识数据与所述时间对齐数据进行数据包封装处理对所述多源感知数据进行安全质量特征分离处理，对所述基础特征数据中的褶皱纹理进行立体重构处理，得到褶皱立体对所述多层次结构数据的层间连接关系进行断裂识对所述裂纹形态参数进行色泽亮度均衡处理，得到色泽均匀度特对所述增强后的色泽数据进行安全质量边界提取处理，得到特征对所述候选特征数据中的表面褶皱程度、层次分布状态和裂纹分布密度进行分级处3对所述综合特征映射数据中的表面缺陷位置与内部结构变化区域进行空间关联处理，对所述特征权重数据进行质量影响因素排序处理，得到影响因素序列对所述多维表征特征数据中的外观规格参数进行尺寸特征提取处对所述规格符合度数据进行表面纹理特征提取处理，得到纹理特征对所述表面纹理完整性数据进行内部结构特征提取处理，得到层次均对所述内部结构均匀度数据进行夹心区域定位处理，得到夹心边界对所述夹心分布特征数据与所述规格符合度数据进行协同评估处理，述对所述质量检测特征数据中的外观品质指标和内部品质指标进行历史参照动态分级处对所述质量检测特征数据中的外观品质指标进行标准参数提取处理，对所述质量检测特征数据中的内部品质指标进行特征参数提取处理，对所述外观参照数据和所述内部参照数据进行动态阈值划分处理对所述标准分级数据进行品质等级映射处理，得到等级对应数据，对所述趋势特征数据进行动态分级处理，得到分级参考数据，并对所对所述等级评价映射数据进行工艺参数提取处理，得到关键参数数据对所述参数变化趋势数据中的烘烤温度、时间参数进行异常波动检测处理，4对所述品质波动数据与品质基准标准进行偏差计算处理，得到品质偏对所述异常特征数据进行品质风险评估处理，得到风险等级数对所述风险关联数据进行预警阈值判定处理，得到预警指标数据，对所述质量风险预警数据进行工艺特征分离处理，得到关键工艺对所述工艺参数映射数据中的烘烤温度、烘烤时间、成型压力进行对所述参数影响权重数据与历史良品生产参数进行对比分析处理，得到参数偏差数对所述工艺补偿数据进行参数边界约束处理，得到安全参数范围对所述工艺调控序列进行生产工况匹配处理，得到工况适配数据8.一种基于人工智能的月饼生产安全质量检测系统，用于实现如权利要求1_7中任一识别模块，用于对所述多源感知数据进行自适应增强及深分级模块，用于对所述质量检测特征数据中监控模块，用于对所述等级评价映射数据进行关键工艺参数变化及处理模块，用于对所述质量风险预警数据与历史生产数据进行工艺5清图像组及内部结构红外扫描数据进行时序同步采集及ID关联处理，得到多源感知数据；6[0015]图1为本申请实施例中基于人工智能的月饼生产安全质量监测方法的一个实施例[0016]图2为本申请实施例中基于人工智能的月饼生产安全质量检测系统的一个实施例7例中基于人工智能的月饼生产安全质量监测方[0023]步骤S105、对等级评价映射数据进行关键工艺参数变化及品质异常实时监控处[0024]步骤S106、对质量风险预警数据与历史生产数据进行工8速率过快有关，据此生成工艺参数优化建议，如将升温速率从原来的15℃/分钟调整为12℃/分钟。[0033](3)通过红外传感器对月饼内部结构进行扫描成像处理，得到内部结构红外扫描9[0039]工业网络时序同步采用IEEE1588精密时间协议(PTP)，网络延迟测量精度优于某款直径8cm、高度3cm的酥皮月饼为例，5个高清相机在1/10秒内共采集2500张原始图像[0048](6)对候选特征数据中的表面褶皱程度、层次分布状态和裂纹分布密度进行分级[0049](7)对综合特征映射数据中的表面缺陷位置与内部结构变化区域进行空间关联处[0053]对多层次结构数据进行断裂识别时，采用边缘检测算法分析相邻层次间的连续色泽均匀度得分92分(满分100分)。通过空间关联分析发现表面褶皱与内部层次分布存在85％的相关性，据此对工艺参数进行优化调整。这些数据的获取和处理时间控制在100ms[0058](1)对多维表征特征数据中的外观规格参数进行尺寸特征提取处理，得到规格特[0062](5)对夹心分布特征数据与规格符合度数据进行协同评估处理，得到内外特征关[0065]最后进行协同评估处理，将夹心分布特征数据与规格符合度数据进行关联分样品的外观与内部特征协调性达到96质量检测特征参数均在控制范围内，判定为优质[0068](1)对质量检测特征数据中的外观品质指标进行标准参数提取处理，得到外观质[0069](2)对质量检测特征数据中的内部品质指标进行特征参数提取处理，得到内部质[0070](3)对外观参照数据和内部参照数据进行动态阈值划分处理，得到参照等级区间[0074]将外观参照数据和内部参照数据进行动态阈值划分，采用K均值聚类算法将样品数据比对，该样品各项指标均位于正常波动范围内(±2个[0092](3)对参数影响权重数据与历史良品生产参数进行对比分析处理，得到参数偏差0.5_0.8表示中等相关，小于0.5表示弱相关。例如，烘烤温度与烘烤时间的相外观金黄度90±5层次分明度≥95酥松度评分≥90分。计算当前参数与良品参数的[0097]参数边界约束处理确定各参数的安全运行范围。温度的安全范围为180±5℃,时合格率从原来的92％提升至98特别是层次结构和酥松度指标显著改善。整个参数优化[0099]