本發(fā)明涉及工業(yè)機(jī)器人自動化領(lǐng)域，具體聚焦于工業(yè)機(jī)器人在食品加工過程中的關(guān)鍵技術(shù)創(chuàng)新。
背景技術(shù)：
1、食品加工行業(yè)作為保障人們?nèi)粘Ｉ钚枨蟮闹匾a(chǎn)業(yè)，隨著人們生活水平的提高和消費(fèi)觀念的轉(zhuǎn)變，對食品的質(zhì)量、安全和多樣性提出了更高的要求。工業(yè)機(jī)器人憑借其自動化、標(biāo)準(zhǔn)化和高效化的特點(diǎn)，在食品加工中的應(yīng)用越來越廣泛，涵蓋了食品的搬運(yùn)、分揀、切割、包裝等多個(gè)環(huán)節(jié)。然而，目前工業(yè)機(jī)器人在食品加工領(lǐng)域的應(yīng)用仍存在許多技術(shù)瓶頸，限制了食品加工行業(yè)的進(jìn)一步發(fā)展。
2、現(xiàn)有技術(shù)存在的問題
3、食品物料精準(zhǔn)抓取與分揀困難：食品物料的形狀、大小、質(zhì)地各異，且表面特性復(fù)雜，如表面光滑、有水分、易變形等。傳統(tǒng)的工業(yè)機(jī)器人抓取與分揀系統(tǒng)主要依靠簡單的視覺識別和固定的抓取策略，難以準(zhǔn)確識別不同類型的食品物料，并且在抓取過程中容易對物料造成損傷，影響食品的品質(zhì)。同時(shí)，由于食品物料的隨機(jī)性和多樣性，現(xiàn)有的分揀算法無法根據(jù)物料的實(shí)時(shí)狀態(tài)和特性進(jìn)行動態(tài)調(diào)整，導(dǎo)致分揀效率低下，錯(cuò)誤率較高。
4、加工過程參數(shù)難以動態(tài)調(diào)控：食品加工過程中，不同的食品原料、加工工藝和環(huán)境條件對加工參數(shù)的要求各不相同。現(xiàn)有的工業(yè)機(jī)器人加工系統(tǒng)大多采用固定的加工參數(shù)和預(yù)設(shè)的操作流程，無法根據(jù)加工過程中的實(shí)時(shí)變化進(jìn)行動態(tài)調(diào)整。例如，在烘焙過程中，烤箱的溫度和時(shí)間需要根據(jù)食品的種類、大小和原料成分進(jìn)行精確控制，但現(xiàn)有的系統(tǒng)無法實(shí)時(shí)感知這些因素的變化，導(dǎo)致加工出來的食品質(zhì)量不穩(wěn)定，口感和外觀差異較大。
5、產(chǎn)品質(zhì)量在線監(jiān)測可靠性低：食品質(zhì)量的在線監(jiān)測是保障食品安全和質(zhì)量的關(guān)鍵環(huán)節(jié)。目前，工業(yè)機(jī)器人在食品質(zhì)量在線監(jiān)測方面主要依賴單一的檢測手段，如視覺檢測或重量檢測，這種檢測方式容易受到檢測環(huán)境、食品物料特性以及檢測設(shè)備精度等因素的影響，無法全面、準(zhǔn)確地檢測出食品的質(zhì)量問題。而且，現(xiàn)有的監(jiān)測算法無法對檢測數(shù)據(jù)進(jìn)行深度分析和處理，難以實(shí)現(xiàn)對食品質(zhì)量的實(shí)時(shí)評估和預(yù)測，導(dǎo)致部分不合格產(chǎn)品流入市場，存在食品安全隱患。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明提供了一種基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，包括：
2、基于多模態(tài)感知融合與仿生學(xué)的食品物料精準(zhǔn)抓取與分揀算法模塊，通過在工業(yè)機(jī)器人上集成高分辨率視覺傳感器、觸覺傳感器、力傳感器和光譜傳感器等多種傳感器，獲取食品物料的圖像、形狀、質(zhì)地、硬度、成分等多模態(tài)信息，利用多模態(tài)感知融合技術(shù)融合數(shù)據(jù)，結(jié)合仿生學(xué)原理設(shè)計(jì)自適應(yīng)抓取的末端執(zhí)行器，實(shí)現(xiàn)對食品物料的精準(zhǔn)抓取和分揀。
3、基于實(shí)時(shí)反饋與自適應(yīng)優(yōu)化的食品加工過程參數(shù)動態(tài)調(diào)控算法模塊，在工業(yè)機(jī)器人的加工設(shè)備上安裝溫度傳感器、濕度傳感器、壓力傳感器和成分傳感器等，實(shí)時(shí)監(jiān)測加工過程中的參數(shù)和環(huán)境因素，結(jié)合自適應(yīng)優(yōu)化算法，根據(jù)實(shí)時(shí)反饋數(shù)據(jù)和預(yù)設(shè)質(zhì)量目標(biāo)，實(shí)現(xiàn)對加工過程參數(shù)的動態(tài)調(diào)控。
4、基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的食品質(zhì)量在線監(jiān)測算法模塊，在食品加工生產(chǎn)線上安裝視覺檢測設(shè)備、紅外檢測設(shè)備、近紅外檢測設(shè)備和微生物檢測設(shè)備等，獲取食品的外觀、內(nèi)部結(jié)構(gòu)、成分、微生物含量等多源數(shù)據(jù)，利用多源數(shù)據(jù)融合技術(shù)融合數(shù)據(jù)，結(jié)合深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)(cnn)和循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)的結(jié)合，實(shí)現(xiàn)對食品質(zhì)量的在線監(jiān)測和預(yù)測。
5、基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同食品加工調(diào)度算法模塊，將食品加工車間中的多個(gè)工業(yè)機(jī)器人視為一個(gè)多智能體系統(tǒng)，定義狀態(tài)空間包括機(jī)器人的位置、任務(wù)進(jìn)度、工作狀態(tài)以及車間的環(huán)境信息等，定義動作空間包括機(jī)器人的各種運(yùn)動動作和任務(wù)分配決策，設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)將加工效率、產(chǎn)品質(zhì)量、設(shè)備利用率等作為獎(jiǎng)勵(lì)指標(biāo)，利用強(qiáng)化學(xué)習(xí)算法，如深度q網(wǎng)絡(luò)(dqn)或近端策略優(yōu)化算法(ppo)，實(shí)現(xiàn)多機(jī)器人之間的高效協(xié)同加工調(diào)度。
6、基于區(qū)塊鏈技術(shù)的食品加工質(zhì)量追溯算法模塊，在食品加工過程中，利用傳感器實(shí)時(shí)采集生產(chǎn)過程中的原材料信息、加工設(shè)備參數(shù)、加工工藝參數(shù)、質(zhì)量檢測數(shù)據(jù)等，通過區(qū)塊鏈技術(shù)進(jìn)行加密存儲，結(jié)合智能合約技術(shù)，實(shí)現(xiàn)對食品質(zhì)量的全過程追溯。
7、進(jìn)一步，所述基于多模態(tài)感知融合與仿生學(xué)的食品物料精準(zhǔn)抓取與分揀算法模塊中，多模態(tài)數(shù)據(jù)融合采用基于注意力機(jī)制的融合網(wǎng)絡(luò)。
8、進(jìn)一步，所述基于實(shí)時(shí)反饋與自適應(yīng)優(yōu)化的食品加工過程參數(shù)動態(tài)調(diào)控算法模塊中，建立的食品加工過程數(shù)學(xué)模型考慮食品原料特性、加工工藝和環(huán)境因素對加工參數(shù)的影響。
9、進(jìn)一步，所述基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的食品質(zhì)量在線監(jiān)測算法模塊中，對多源數(shù)據(jù)進(jìn)行融合處理時(shí)，采用歸一化或標(biāo)準(zhǔn)化方法對不同類型數(shù)據(jù)進(jìn)行預(yù)處理。
10、進(jìn)一步，所述基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同食品加工調(diào)度算法模塊中，在分配任務(wù)時(shí)，考慮機(jī)器人的負(fù)載能力、工作范圍以及任務(wù)的緊急程度等因素。
11、進(jìn)一步，所述基于區(qū)塊鏈技術(shù)的食品加工質(zhì)量追溯算法模塊中，智能合約定義食品質(zhì)量追溯的流程，包括原材料采購、加工環(huán)節(jié)、質(zhì)量檢測以及產(chǎn)品銷售等階段的數(shù)據(jù)查詢規(guī)則。
12、進(jìn)一步，所述基于多模態(tài)感知融合與仿生學(xué)的食品物料精準(zhǔn)抓取與分揀算法模塊中，利用深度學(xué)習(xí)算法對綜合特征模型進(jìn)行訓(xùn)練時(shí)，采用交叉熵?fù)p失函數(shù)和adam優(yōu)化器進(jìn)行參數(shù)優(yōu)化。
13、進(jìn)一步，所述基于實(shí)時(shí)反饋與自適應(yīng)優(yōu)化的食品加工過程參數(shù)動態(tài)調(diào)控算法模塊中，自適應(yīng)優(yōu)化算法采用自適應(yīng)比例-積分-微分(pid)控制算法或模型預(yù)測控制(mpc)算法。
14、進(jìn)一步，所述基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的食品質(zhì)量在線監(jiān)測算法模塊中，深度學(xué)習(xí)模型訓(xùn)練時(shí)，通過增加訓(xùn)練數(shù)據(jù)多樣性、調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和超參數(shù)等方式提高模型的泛化能力。
15、進(jìn)一步，所述基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同食品加工調(diào)度算法模塊中，采用經(jīng)驗(yàn)回放機(jī)制存儲和重用機(jī)器人與環(huán)境交互的樣本，提高強(qiáng)化學(xué)習(xí)算法的訓(xùn)練效率和穩(wěn)定性。
16、有益效果：
17、本發(fā)明的關(guān)鍵技術(shù)為食品加工帶來顯著增效。基于多模態(tài)感知融合與仿生學(xué)的算法，綜合多傳感器信息并模擬人類抓取動作，使抓取準(zhǔn)確率從70％提升至95％以上，物料損傷率降至5％以下，分揀效率提高約40％，有力保障食品品質(zhì)。實(shí)時(shí)反饋與自適應(yīng)優(yōu)化算法，依據(jù)實(shí)時(shí)數(shù)據(jù)動態(tài)調(diào)整加工參數(shù)，次品率從12％降低至3％以下，食品口感和外觀一致性顯著提升，增強(qiáng)市場競爭力。多源數(shù)據(jù)融合與深度學(xué)習(xí)算法，整合多種檢測設(shè)備數(shù)據(jù)，檢測準(zhǔn)確率從75％提升至92％以上，提前2-3小時(shí)預(yù)測質(zhì)量問題，有效減少不合格產(chǎn)品。強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同調(diào)度算法，使設(shè)備利用率從60％提升至85％以上，加工效率提高約50％，大幅降低生產(chǎn)成本。基于區(qū)塊鏈技術(shù)的質(zhì)量追溯算法，將追溯時(shí)間從數(shù)小時(shí)縮至數(shù)分鐘，提高消費(fèi)者信任度，增強(qiáng)企業(yè)市場信譽(yù)。全方位推動食品加工行業(yè)邁向高精度、高效率、高可靠性的發(fā)展新階段。
1.一種基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于多模態(tài)感知融合與仿生學(xué)的食品物料精準(zhǔn)抓取與分揀算法模塊中，多模態(tài)數(shù)據(jù)融合采用基于注意力機(jī)制的融合網(wǎng)絡(luò)。
3.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于實(shí)時(shí)反饋與自適應(yīng)優(yōu)化的食品加工過程參數(shù)動態(tài)調(diào)控算法模塊中，建立的食品加工過程數(shù)學(xué)模型考慮食品原料特性、加工工藝和環(huán)境因素對加工參數(shù)的影響。
4.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的食品質(zhì)量在線監(jiān)測算法模塊中，對多源數(shù)據(jù)進(jìn)行融合處理時(shí)，采用歸一化或標(biāo)準(zhǔn)化方法對不同類型數(shù)據(jù)進(jìn)行預(yù)處理。
5.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同食品加工調(diào)度算法模塊中，在分配任務(wù)時(shí)，考慮機(jī)器人的負(fù)載能力、工作范圍以及任務(wù)的緊急程度等因素。
6.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于區(qū)塊鏈技術(shù)的食品加工質(zhì)量追溯算法模塊中，智能合約定義食品質(zhì)量追溯的流程，包括原材料采購、加工環(huán)節(jié)、質(zhì)量檢測以及產(chǎn)品銷售等階段的數(shù)據(jù)查詢規(guī)則。
7.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于多模態(tài)感知融合與仿生學(xué)的食品物料精準(zhǔn)抓取與分揀算法模塊中，利用深度學(xué)習(xí)算法對綜合特征模型進(jìn)行訓(xùn)練時(shí)，采用交叉熵?fù)p失函數(shù)和adam優(yōu)化器進(jìn)行參數(shù)優(yōu)化。
8.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于實(shí)時(shí)反饋與自適應(yīng)優(yōu)化的食品加工過程參數(shù)動態(tài)調(diào)控算法模塊中，自適應(yīng)優(yōu)化算法采用自適應(yīng)比例-積分-微分(pid)控制算法或模型預(yù)測控制(mpc)算法。
9.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的食品質(zhì)量在線監(jiān)測算法模塊中，深度學(xué)習(xí)模型訓(xùn)練時(shí)，通過增加訓(xùn)練數(shù)據(jù)多樣性、調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和超參數(shù)等方式提高模型的泛化能力。
10.根據(jù)權(quán)利要求1所述的基于多模態(tài)感知與智能調(diào)控的工業(yè)機(jī)器人食品加工系統(tǒng)，其特征在于，所述基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)同食品加工調(diào)度算法模塊中，采用經(jīng)驗(yàn)回放機(jī)制存儲和重用機(jī)器人與環(huán)境交互的樣本，提高強(qiáng)化學(xué)習(xí)算法的訓(xùn)練效率和穩(wěn)定性。