一种基于大数据的食品加工控制系统及方法与流程

本发明涉及大数据，具体为一种基于大数据的食品加工控制系统及方法。

背景技术：

1、在传统的食品加工行业中，生产过程往往受到固定参数和有限实时监测的限制。这种传统的生产方式可能导致效率低下、质量波动大以及无法有效应对变化的生产环境。此外，对于食品质量和安全的严格要求，需要更为精细和智能的生产控制系统。

2、近年来，大数据技术、机器学习和自动化控制等方面的进步为食品加工行业带来了新的机遇。大数据分析可以更全面、实时地监测生产环境，机器学习算法可以优化生产参数并提高产品质量，而自动化控制系统可以实现更精准、及时的生产调整。

3、然而，现有的食品加工控制系统在整合这些先进技术方面仍存在一些挑战。传统系统往往无法充分利用大数据进行实时监测和分析，缺乏智能化的质量控制手段，以及在生产参数调整方面可能缺乏灵活性。因此，有必要研发一种更为先进的食品加工控制系统，充分整合大数据、机器学习和自动化控制等技术，以提高食品加工的效率、质量和安全性。

技术实现思路

1、本发明的目的在于提供一种基于大数据的食品加工控制系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于大数据的食品加工控制系统，包括：

4、数据采集模块：实时获取糖果加工环境和生产线上各种参数和指标的数据，并对所述数据进行清洗和预处理；

5、数据存储与处理模块：接收从数据采集模块传输的实时数据；采用oracle数据库存储数据，使用大数据处理引擎hadoop进行数据处理，利用实时数据和历史数据生成可视化图表；

6、预测与优化模块：使用svm算法进行质量控制任务和异常检测，优化生产参数，建立生产参数和糖果质量之间的关系；根据实时数据，动态调整生产参数；

7、自动化控制模块：使用pid控制算法，根据特定的生产过程和设备性能，自动初始化pid控制器的参数，所述参数包括比例系数p、积分时间i和微分时间d；基于实时数据，pid控制器计算控制信号，控制信号将被送到执行器或控制设备，以调整生产过程中的参数或操作；

8、质量检测模块：使用图像处理技术检测糖果的外观特征，识别是否有外观缺陷；检测糖果的尺寸和重量，如果尺寸或重量超过了规定的阈值，系统会标记为不合格；对于软糖进行机械性能测试，确保嚼劲符合标准；进行异物检测、包装检测，发现不合格的糖果时及时进行标记和报警处理，允许操作人员对糖果质量进行追溯。

9、所述数据采集模块使用各种传感器测量糖果加工环境和生产线上的各种数据，所述数据包括环境温度、环境湿度、包装设备的压力、液体流量、气体流量、生产线运输速度、糖果的尺寸和重量、生产过程相关的声音、液位、光学参数、包装参数、生产过程的时间戳；接着对采集到的数据进行清洗和校准，进行的操作包括去除异常值、填补缺失数据、平滑数据。

10、所述数据存储与处理模块将从数据采集模块传输的实时数据存储在orac le数据库中，接着将数据从oracle数据库导出到hadoop分布式文件系统中，使用hadoop模型设计和执行数据处理任务；对于历史数据，执行数据挖掘任务以识别生产过程中的潜在问题或趋势；对于实时数据，执行实时分析以监测当前生产状态；处理后的数据存储回hadoop集群中，利用处理后的数据，使用可视化工具和报表生成工具创建可视化图表和报告。

11、将实时数据存储在oracle数据库中，具备高性能的事务处理能力。而将数据导出到hadoop分布式文件系统中，使得数据可以分布式存储，适应大规模数据的处理需求。hadoop分布式文件系统的优势在于可水平扩展，可以处理大规模数据的存储和分析。hadoop模型设计和执行数据处理任务，使得数据处理具备高度可伸缩性。针对历史数据执行数据挖掘任务，有助于发现生产过程中的潜在问题和趋势，为制定长期生产优化策略提供了有力的支持。针对实时数据执行实时分析，可以及时监测当前生产状态，迅速发现异常情况并采取即时措施。hadoop分布式文件系统支持多种数据格式，具备更好的数据兼容性。这使得系统能够处理不同来源、不同格式的数据，增强了系统的灵活性。hadoop的任务设计和执行能够根据需要进行定制和修改，这使得数据处理任务能够灵活适应不同的分析和挖掘需求。

12、所述预测与优化模块使用svm算法进行质量控制任务和异常检测，获取一组生产参数x和对应的糖果质量标签y，所述糖果质量标签中质量过关的类别为1，质量不过关的类别为-1，定义线性svm分类器模型如下：

13、

14、其中，f(x)是svm模型的输出，f(x)＞0则预测为质量过关，f(x)＜0则预测为质量不过关，f(x)＝0则需要再次检测；w是svm模型的权重向量，包含了与生产参数x相关的权重；b是svm模型的偏置项，是决策边界的截距；n表示样本的总数，i表示样本的索引；

15、svm的优化目标是最大化间隔，同时满足约束条件：

16、

17、所述预测与优化模块中，使用训练好的svm模型对实时数据进行预测，分析svm模型的输出，进行异常检测；如果检测到异常或者质量低于预期，触发相应的报警机制，并记录异常的特征；接着，根据svm模型的预测结果和异常检测信息，生成相应的生产参数调整策略，用于调整生产参数以改善糖果质量；将生成的调整策略应用到实际生产环境中，动态调整相关的生产参数；在调整生产参数后，实时监测生产过程中的数据变化，通过反馈机制，检查是否达到了预期的效果，以进一步优化生产参数的调整；

18、基于实际运行中的反馈信息，对预测与优化模块中的svm模型进行迭代优化，根据新的数据反馈调整模型参数，提高预测的准确性和生产参数调整的效果。

19、所述自动化控制模块中，pid控制器输出的公式如下：

20、

21、其中，u(t)是pid控制器的输出；p是比例系数；i是积分时间；d是微分时间；e(t)是系统的误差，定义为期望值与实际值之差；t表示时间；

22、在自动化控制模块中，参数p、i、d根据特定的生成过程和设备性能进行自动初始化；基于实时数据，将实际的误差e(t)和其积分微分传递给pid控制器，计算出相应的控制信号u(t)；

23、控制信号u(t)将被送到执行器或控制设备中，调整生产过程中的参数或操作；所述参数项目与数据采集模块中采集的数据一致。

24、所述质量检测模块使用摄像头和传感器捕获糖果的外观图像，对图像进行预处理，所述预处理包括去噪、增强对比度、灰度转换、边缘增强、图像平滑、二值化；

25、接着，使用图像处理技术，提取糖果的外观特征，使用颜色空间转换将图像转换为rgb形式，通过直方图统计，提取糖果的颜色信息，用于检测不同颜色的糖果或异常颜色；利用边缘检测和形态学操作提取糖果的轮廓，基于轮廓计算形状描述符，所述形状描述符包括周长、面积和椭圆度，用于区分不同形状的糖果并检测异常形状；使用纹理分析方法灰度共生矩阵，提取糖果表面的纹理信息，检测表面纹理的变化或异物可能引起的纹理异常；通过测量糖果的尺寸，所述尺寸包括长度、宽度和高度，计算相关的比例信息，识别不同尺寸或比例的糖果；接着，利用图像分割技术将糖果图像分割成不同的区域，然后通过形状、颜色或纹理分析来检测可能的裂纹或瑕疵，定位裂纹。

26、所述质量检测模块使用咀嚼模拟器，模拟软糖在咀嚼过程中的力学性能；设定咀嚼模拟器的测试速度，以毫米/秒为单位，模拟实际咀嚼过程中的运动；接着，随机选择一定数量的软糖样品，将软糖样品装载到测试设备上，启动测试设备，施加负荷并测量相应的位移，测试时保持温度和湿度的环境因素，以模拟实际条件；

27、接着，从测试仪器中获取负荷f(t)-位移x(t)数据，time为咀嚼时间，利用负荷和位移数据计算软糖在咀嚼过程中的功，公式如下：

28、w＝∫f(time)dx

29、通过计算软糖的嚼劲，使用功与咀嚼时间time的比值t＝w/time进行评估；将得到的嚼劲值与预设的嚼劲标准进行比较，如果t落在指定的范围内，则说明软糖的嚼劲符合标准；在实验过程中，记录测试的详细参数、样品信息以及嚼劲的计算结果，生成测试报告，所述测试报告包括测试的目的、方法、测试结果、嚼劲值和结论。

30、所述质量检测模块部署异物检测设备，异物检测设备包括金属探测器、x射线检测器、光学传感器，检测糖果中是否存在异物，设定异物检测设备的灵敏度和阈值，确保检测到微小异物，并避免误报；使用视觉检测系统，检测糖果的包装是否完整，有无缺陷，提取糖果包装的特征，设定包装检测的标准，确保符合产品质量和安全要求；配备喷码机，对不合格的糖果进行标记，在糖果表面打印标记；设置实时报警程序，一旦异物或包装缺陷被检测到，系统立即发出警报，系统发出警报声并控制警示灯闪烁，记录每次报警的详细信息，将每个糖果的生产信息、检测结果以及标记信息记录到oracle数据库中；设计追溯查询系统，允许操作人员通过输入糖果的生产批次或其他信息，追溯该糖果的生产历史、检测结果及后续处理情况。

31、一种基于大数据的食品加工控制方法，包括以下步骤：

32、s100、实时获取糖果加工环境和生产线上各种参数和指标的数据，并对所述数据进行清洗和预处理；

33、s200、将清洗和预处理后的数据传输到数据存储与处理模块，使用oracle数据库存储数据；

34、s300、利用大数据处理引擎hadoop进行数据处理，利用实时数据和历史数据生成可视化图表；

35、s400、使用svm算法进行质量控制任务和异常检测，建立生产参数和糖果质量之间的关系模型，根据实时数据，动态调整生产参数；

36、s500、使用pid控制算法，根据特定的生产过程和设备性能，自动初始化pid控制器的参数，计算控制信号，调整生产过程中的参数或操作；

37、s600、使用图像处理技术检测糖果的外观特征，识别是否有外观缺陷；检测糖果的尺寸和重量，进行异物检测和包装检测，标记不合格产品；

38、s700、对软糖进行机械性能测试，确保嚼劲符合标准；

39、s800、发现不合格的糖果时及时进行标记和报警处理；

40、s900、记录每一批次产品的生产历史和质检信息，允许操作人员对糖果质量进行溯源。

41、与现有技术相比，本发明所达到的有益效果是：

42、本发明采用实时数据采集和大数据分析，使得生产过程能够进行更全面、实时的监测。机器学习算法的应用进一步使系统能够智能优化生产参数，提高生产效率。

43、引入svm算法进行质量控制任务和异常检测，有助于更准确地识别质量问题，并采取及时的措施。这有助于降低产品质量波动，提高整体质量水平。

44、通过自动化控制模块，利用pid控制算法实现生产参数的动态调整。相比传统系统的静态参数设定，这种动态调整能够更灵活地适应生产环境的变化。

45、采用图像处理技术进行质量检测，可以更准确地识别糖果的外观特征和缺陷，提高检测的精度和效率。