食品自动加工设备及方法与流程

本申请涉及智能加工领域，且更为具体地，涉及一种食品自动加工设备及方法。

背景技术：

1、在食品生产出来后，需要对食品进行包装。包装是食品自动加工设备中的重要部分，也是食品加工设备中最后一个环节，用于将加工好的食品产品进行包装和封装，以确保产品的新鲜度、卫生安全和便捷运输。但由于现有技术对食品包装的封口方式需要人工进行判断，不具有实时性和准确性，导致工作效率下降，包装时间增加，产品保鲜时间减短。

2、因此，期待一种优化的食品自动加工方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种食品自动加工设备及方法，其采用基于深度神经网络模型的人工智能技术，获取包装材料的文本信息和食品产品特性，通过语义编码器进行上下文信息的特征提取分别得到包装和产品的特征信息，将所述产品的特征信息通过混合卷积进行特征增强后与材料特征信息进行融合，以得到用于表示封口方式的标签的分类结果。进而，可以快速准确地确定适合的封口方式，实现对封口方式的自动分类，减少人工操作和错误，提高生产效率和封口质量。

2、根据本申请的一个方面，提供了一种食品自动加工设备，其包括：

3、文本信息获取模块，用于获取包装材料的文本信息和食品产品特性；

4、材料语义提取模块，用于将所述包装材料的文本信息通过包含嵌入层的语义编码器以得到包装材料特征向量；

5、产品特性提取模块，用于从所述食品产品特性中提取产品特性的产品状态、产品敏感性和产品保存期限；

6、产品语义特征提取模块，用于将所述产品状态、所述产品敏感性和所述产品保存期限分别通过包含嵌入层的语义编码器以获得产品状态特征向量、产品敏感性特征向量和产品保存期限特征向量；

7、混合卷积模块，用于调整所述产品状态特征向量、所述产品敏感性特征向量和所述产品保存期限特征向量至同一长度后排列为产品特性特征矩阵，并将所述产品特性特征矩阵通过包含多个混合卷积层的卷积神经网络以得到产品特征向量；

8、融合模块，用于对所述包装材料特征向量和所述产品特征向量进行关联特征的概率密度一致化以得到融合特征向量；

9、结果生成模块，用于将所述融合特征向量通过分类器以得到分类结果，所述分类结果用于表示封口方式的标签。

10、在上述食品自动加工设备中，所述材料语义提取模块，包括：第一嵌入编码单元，用于对所述包装材料的文本信息进行分词处理以得到词序列后通过使用所述包含嵌入层的语义编码器的词嵌入层将所述词序列中各个词映射到词向量以获得第一词向量的序列；第一语义编码单元，用于使用所述包含嵌入层的语义编码器的转换器对所述第一词向量的序列进行基于全局的上下文语义编码以得到多个包装材料特征向量；以及，第一级联单元，用于将所述多个包装材料特征向量进行级联以得到包装材料特征向量。

11、在上述食品自动加工设备中，所述第一语义编码单元，包括：自注意子单元，用于将所述词向量的序列排列为输入向量后通过可学习嵌入矩阵分别转化为查询向量和关键向量，并计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；关注度计算子单元，用于将所述标准化自注意关联矩阵输入softmax激活函数进行激活以得到自注意力特征矩阵；以及，融合子单元，用于将所述自注意力特征矩阵与以所述词向量的序列中各个词向量作为值向量分别进行相乘以得到所述多个包装材料特征向量。

12、在上述食品自动加工设备中，所述产品语义特征提取模块，包括：第二嵌入编码单元，用于对所述产品状态进行分词处理以得到词序列后通过使用所述包含嵌入层的语义编码器的词嵌入层将所述词序列中各个词映射到词向量以获得第二词向量的序列；第二语义编码单元，用于使用所述包含嵌入层的语义编码器的转换器对所述第二词向量的序列进行基于全局的上下文语义编码以得到多个产品状态特征向量；以及，第二级联单元，用于将所述多个产品状态特征向量进行级联以得到产品状态特征向量。

13、在上述食品自动加工设备中，所述混合卷积模块，用于：使用所述包含多个混合卷积层的卷积神经网络的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述包含多个混合卷积层的卷积神经网络的最后一个混合卷积层输出所述产品特征向量，其中，所述包含多个混合卷积层的卷积神经网络的第一个混合卷积层的输入为所述产品特性特征矩阵。

14、在上述食品自动加工设备中，对所述输入数据进行多尺度卷积处理，用于：使用具有第一尺寸的第一卷积核对所述输入数据进行卷积处理以得到第一特征图；使用具有第一空洞率的第二卷积核对所述输入数据进行卷积处理以得到第二特征图；使用具有第二空洞率的第三卷积核对所述输入数据进行卷积处理以得到第三特征图；使用具有第三空洞率的第四卷积核对所述输入数据进行卷积处理以得到第四特征图；以及，将所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图进行级联聚合以得到卷积特征图。

15、根据本申请的另一方面，提供了一种食品自动加工方法，其包括：

16、获取包装材料的文本信息和食品产品特性；

17、将所述包装材料的文本信息通过包含嵌入层的语义编码器以得到包装材料特征向量；

18、从所述食品产品特性中提取产品特性的产品状态、产品敏感性和产品保存期限；

19、将所述产品状态、所述产品敏感性和所述产品保存期限分别通过包含嵌入层的语义编码器以获得产品状态特征向量、产品敏感性特征向量和产品保存期限特征向量；

20、调整所述产品状态特征向量、所述产品敏感性特征向量和所述产品保存期限特征向量至同一长度后排列为产品特性特征矩阵，并将所述产品特性特征矩阵通过包含多个混合卷积层的卷积神经网络以得到产品特征向量；

21、对所述包装材料特征向量和所述产品特征向量进行关联特征的概率密度一致化以得到融合特征向量；

22、将所述融合特征向量通过分类器以得到分类结果，所述分类结果用于表示封口方式的标签。

23、与现有技术相比，本申请提供的一种食品自动加工设备及方法，其采用基于深度神经网络模型的人工智能技术，获取包装材料的文本信息和食品产品特性，通过语义编码器进行上下文信息的特征提取分别得到包装和产品的特征信息，将所述产品的特征信息通过混合卷积进行特征增强后与材料特征信息进行融合，以得到用于表示封口方式的标签的分类结果。进而，可以快速准确地确定适合的封口方式，实现对封口方式的自动分类，减少人工操作和错误，提高生产效率和封口质量。

技术特征：

1.一种食品自动加工设备，其特征在于，包括：

2.根据权利要求1所述的食品自动加工设备，其特征在于，所述材料语义提取模块，包括：

3.根据权利要求2所述的食品自动加工设备，其特征在于，所述第一语义编码单元，包括：

4.根据权利要求3所述的食品自动加工设备，其特征在于，所述产品语义特征提取模块，包括：

5.根据权利要求4所述的食品自动加工设备，其特征在于，所述混合卷积模块，用于：

6.根据权利要求5所述的食品自动加工设备，其特征在于，对所述输入数据进行多尺度卷积处理，用于：

7.根据权利要求6所述的食品自动加工设备，其特征在于，所述融合模块，包括：

8.一种食品自动加工方法，其特征在于，包括：

9.根据权利要求8所述的食品自动加工方法，其特征在于，将所述包装材料的文本信息通过包含嵌入层的语义编码器以得到包装材料特征向量，包括：

10.根据权利要求9所述的食品自动加工方法，其特征在于，使用所述包含嵌入层的语义编码器的转换器对所述第一词向量的序列进行基于全局的上下文语义编码以得到多个包装材料特征向量，包括：

技术总结
本申请涉及智能加工领域，其具体地公开了一种食品自动加工设备及方法，其采用基于深度神经网络模型的人工智能技术，获取包装材料的文本信息和食品产品特性，通过语义编码器进行上下文信息的特征提取分别得到包装和产品的特征信息，将所述产品的特征信息通过混合卷积进行特征增强后与材料特征信息进行融合，以得到用于表示封口方式的标签的分类结果。进而，可以快速准确地确定适合的封口方式，实现对封口方式的自动分类，减少人工操作和错误，提高生产效率和封口质量。

技术研发人员：肖飞,陈平松,丘金平
受保护的技术使用者：来安县平松机械制造有限公司
技术研发日：
技术公布日：2024/1/15