本发明属于剂量识别，尤其涉及一种灌装剂量自动识别方法及系统。
背景技术：
1、灌装机是一种用于自动或半自动地将液体、粉末、颗粒或其他物料灌装到容器中的设备，在食品行业、饮料行业、日化行业等受到广泛使用，其一般包括送料装置、灌装装置、控制系统和清洗系统等部件结构。灌装机的种类很多，包括但不限于固体灌装机（如颗粒）、液体灌装机（如水、油）和气体灌装机等；按照原理可将其分为常压灌装机、压力灌装机、液体灌装机、油类灌装机、膏体灌装机、酱类灌装机、颗粒浆状灌装机、粉剂灌装机、大桶水灌装机和真空灌装机。
2、在灌装系统中，物料通过设定好的程序被送入灌装装置进行灌装，在灌装时由控制系统通过泵体将物料灌入容器中；但是对于目前大多数的灌装机来说，在进行灌装时由于物料的性质等特点会导致灌装剂量存在误差，产生精度上的差异从而影响产品的质量；同时也由于缺乏对灌装设备的实时监测，无法及时发现灌装设备出现的传感错误，从而导致加工效率受到影响。
技术实现思路
1、本发明的目的在于提供一种灌装剂量自动识别方法及系统，通过在灌装前对灌装容器进行识别、在灌装过程中对灌装设备进行调控以及在灌装后对灌装容器进行剂量检测，提升灌装的自动化水平、提高加工效率、灌装质量和灌装剂量的精度。
2、本发明的目的可以通过以下技术方案实现：
3、第一方面，本技术实施例提供了一种灌装剂量自动识别方法，包括如下步骤：
4、在灌装前对灌装容器进行识别，包括：
5、建立剂量识别模型；
6、生成目标剂量；
7、生成灌装控制指令；
8、在灌装过程中根据所述灌装控制指令对灌装设备和灌装参数进行调控；
9、在灌装后对所述灌装容器进行剂量检测，若灌装后的实际剂量与灌装前的所述目标剂量一致，则进行后续流程；若不一致，则进行误差检测以获取误差剂量并根据所述误差剂量进行剂量补充；
10、其中，所述灌装参数包括灌装量、灌装速度、灌装时间和灌装流量；
11、其中，所述建立剂量识别模型，包括如下步骤：
12、对所述灌装容器进行检测并获取容器参数；
13、获取灌装物料并确定物料性质；
14、根据所述容器参数和所述物料性质建立所述剂量识别模型；
15、其中，所述容器参数包括容量、材质、尺寸、形状和口径；
16、所述灌装物料包括固体颗粒、液体和气体；
17、所述物料性质为所述灌装物料具备的特性，包括颗粒大小、颗粒密度、颗粒流动性、液体黏稠度、液体密度、液体表面张力、气压和气体流量。
18、优选地，在对所述灌装容器进行检测并获取容器参数之前，还构建灌装容器数据库；所述灌装容器数据库用于确定所述灌装容器的类型和特性。
19、优选地，建立所述剂量识别模型，具体为：
20、对所述灌装容器进行检测并建立三维几何模型；
21、基于所述物料性质和所述三维几何模型进行cfd模拟并获取模拟结果；
22、基于所述模拟结果在灌装容器内部的不同位置采集并提取特征数据并构建特征数据集；
23、将每个位置的模拟剂量作为剂量标签；
24、基于所述特征数据集和所述剂量标签训练cnn剂量预测模型；
25、将所述cnn剂量预测模型与所述模拟结果进行集成处理，生成所述剂量识别模型；
26、其中，采用三维扫描技术对所述灌装容器进行外部检测，获取外部扫描数据；
27、采用x射线成像技术对所述灌装容器进行内部检测，获取内部扫描数据；
28、基于所述外部扫描数据和所述内部扫描数据建立所述三维几何模型。
29、优选地，进行cfd模拟，具体包括如下步骤：
30、基于所述三维几何模型生成用于进行数值模拟的网格；
31、设定cfd模拟的边界条件，包括物理边界条件和物料性质条件；
32、选择数值求解方法和动力学模型并设定数值参数；
33、根据设定进行模拟并生成模拟结果；
34、其中，所述物理边界条件包括入口流速、出口压力和壁面摩擦系数；
35、所述数值求解方法包括有限元方法和/或有限差分方法；
36、所述动力学模型包括流体动力学模型和颗粒动力学模型；
37、其中，所述流体动力学模型用于对液体和/或气体进行模拟；所述颗粒动力学模型用于对固体颗粒进行模拟。
38、优选地，构建所述cnn剂量预测模型，具体包括如下步骤：
39、在所述特征数据集中将所述特征数据作为输入图像进行表示；
40、将所述剂量标签与所述输入图像进行关联；具体为：将剂量标签中的剂量与输入图像中的每个位置对应；
41、将所述特征数据集划分为第一训练数据集、第二验证数据集和第三测试数据集；
42、采用卷积神经网络作为训练模型，并以所述第一训练数据集进行训练，以所述第二验证数据集进行验证，生成所述cnn剂量预测模型；
43、根据所述第三测试数据集对所述cnn剂量预测模型进行模型评估；
44、其中，所述特征数据集的划分比例为：第一训练数据集：第二验证数据集：第三测试数据集=7:1：2。
45、优选地，将cnn剂量预测模型与模拟结果进行集成处理以生成剂量识别模型，具体包括如下步骤：
46、在所述特征数据集中将所述特征数据作为输入数据进行表示；
47、将所述剂量标签与所述输入数据进行关联，具体为：将剂量标签中的剂量与输入数据中的流场特征对应；
48、采用所述输入数据训练所述cnn剂量预测模型并生成所述剂量识别模型，具体为：用于学习从所述模拟结果到剂量预测的映射关系；
49、其中，所述输入数据表示从cfd模拟结果中提取的特征数据；
50、所述流场特征表示流体在空间中流动状态的特征。
51、优选地，生成所述目标剂量，包括如下步骤：
52、获取目标灌装容器及其目标容器参数；
53、获取目标灌装物料并确定目标物料性质；
54、获取周围环境的环境参数；
55、将所述目标容器参数、所述目标物料性质和所述环境参数输入所述剂量识别模型以生成目标剂量；
56、所述环境参数包括温度、湿度和灌装速度。
57、优选地，若所述灌装物料为液体，则灌装量v表示为：
58、；
59、其中，u表示灌装设备的控制量；λ表示控制量与灌装量的线性比例系数；δ表示非线性时变函数；v表示灌装速度；μ表示液体黏稠度；t表示环境温度；ε表示扰动；
60、其中，液体黏稠度μ还表示为：；
61、ρ表示药品密度；p表示气压。
62、优选地，通过滤波后的数据计算灌装控制增量，其中，滤波后的数据表示为：对历史控制量和实测灌装量偏差信号进行求平均值的滤波处理；并采用多模态灌装控制算法对所述灌装设备进行控制，具体包括：
63、若滤波后灌装误差大于设定的上限阈值，即：；则采用第一级补偿比例计算控制量增量，并采用第一控制模态，表示为：
64、；
65、其中，表示根据物理模型计算出的灌装量与控制量的比例因子；表示滤波后的第k次采样时的灌装误差；表示第k-1时刻滤波后的灌装控制量；
66、其中，；
67、；
68、表示灌装设备设置的求平均值数组长度；n表示灌装次数；
69、若滤波后误差小于等于设定的上限阈值，且大于等于设定的下限阈值，即：；则控制量增量根据误差的大小来确定，采用第二级补偿比例计算控制量增量，并采用第二控制模态，表示为：；
70、若滤波后误差小于设定的下限阈值，即，则采用第三级补偿比例计算控制增量，并采用第三控制模态，表示为：
71、。
72、第二方面，本技术实施例提供了一种灌装剂量自动识别系统，应用于如上所述的灌装剂量自动识别方法，包括容器识别模块、剂量识别模块、灌装控制模块和误差检测模块；
73、所述容器识别模块，用于在灌装前对灌装容器进行识别；
74、所述剂量识别模块，用于建立剂量识别模型并生成目标剂量和灌装控制指令；
75、所述灌装控制模块，用于在灌装过程中根据所述灌装控制指令对灌装设备和灌装参数进行调控；
76、所述误差检测模块，用于在灌装后对所述灌装容器进行剂量检测，并在灌装后的实际剂量与灌装前的目标剂量不一致时进行误差检测以获取误差剂量并根据所述误差剂量进行剂量补充；
77、其中，所述灌装参数包括灌装量、灌装速度、灌装时间和灌装流量。
78、本发明的有益效果为：
79、（1）本发明从灌装剂量产生的误差入手，将灌装分为灌装前、灌装中和灌装后三个阶段，首先在灌装前对灌装容器进行识别，区分出灌装容器的规格、容量、材质、密封性、形状及标识等容器参数，再根据容器参数选定目标容器并获取灌入所述目标容器中的物料以及物料性质，并根据上述参数与性质等判断出该容器的目标剂量；紧接着通过中央控制器生成灌装控制指令，该控制指令在灌装过程中用于控制灌装设备并调整灌装参数，从而保证灌装过程中误差降到最低且使其剂量能够与目标容器匹配；最后对灌装后的目标容器进行再次检测，检测其实际剂量在灌装过程中是否与目标剂量一致，也即：是否符合灌装标准，如果符合标准则进行后续流程；如果不符合标准则对其进行标记并生成剂量补全指令，再对标记的目标容器进行二次的误差检测，确认实际剂量与目标剂量之间的误差剂量，并根据所述剂量补全指令对所述目标容器的误差剂量进行补充，极大程度上减少了灌装剂量的误差，从而保证最后灌装得到的产品具有极高的质量，并且整个灌装过程均为自动检测与自动灌装，也极大地提高了加工效率。
80、（2）本发明在对多种类型的若干灌装容器进行结构和性质的检测之前，还通过若干参数形成了关于灌装容器的灌装容器数据库，用于在获得一些参数时可以通过该数据库确定获取参数的灌装容器的类型，加快容器识别的效率和准确性。
81、（3）本发明首先对灌装容器进行扫描检测并建立三维几何模型，具体采用三维扫描技术对灌装容器进行外部检测，获取容器的外部结构特征，再采用x射线成像技术对灌装容器进行内部检测，获取容器的内部结构特征，而对于容器的材质，则是通过视觉判断或使用化学分析、拉伸测试、硬度测试等方法来确定容器材料的类型和性质，而对于容器的厚度、密度等参数，则还可以利用超声波或其他声波技术对容器的材质进行非破坏性检测，通过采用上述检测技术对灌装容器进行检测，可以从外部内部以及结构性质等全方面获取灌装容器的各种参数和特性，从而既确保容器内外的完整性和质量要求，又可以确保产品的安全性和质量稳定性，进而为后续建立剂量识别模型提供准确的数据。
82、（4）本发明基于物料性质和三维几何模型进行cfd模拟，通过利用物料性质来描述物料在灌装过程中的流动行为；再依据模拟的结果在灌装容器内部的不同位置采集并提取一系列特征数据，并将这些数据将作为后续cnn模型训练的输入，本发明采用cfd模拟可以对液体/气体流动和固体颗粒分布进行精确的数值模拟和分析，为后续cnn模型提供准确且全面的数据支持。
83、（5）本发明还将每个位置的模拟剂量作为剂量标签，并基于特征数据集和剂量标签来训练cnn剂量预测模型；采用上述方式可以通过cnn剂量预测模型来预测每个位置的实际剂量，从而优化灌装过程并提高生产效率。
84、（6）本发明还将cnn剂量预测模型与模拟结果进行集成处理以生成剂量识别模型；cnn剂量预测模型通过训练一个cnn模型来预测灌装容器内每个位置/位置点的实际剂量，而cfd模拟的模拟结果可以反映出受物料性质影响的灌装物料在容器内的流动情况，因此将上述两个因素结合在一起集成为剂量识别模型，就可以综合上述两个因素的特点和优势来准确地分析和判断物料的灌装剂量，从而实现对灌装容器剂量的准确预测并提高灌装的精确性。
85、（7）本发明通过采用多模态灌装控制算法来排除灌装过程中存在的扰动，通过对历史控制量和实测灌装量偏差信号进行求平均值的滤波处理，然后再通过滤波后的数据计算灌装控制增量，消除了灌装量误差的趋势性变化并减小控制量变化与扰动的关联性，即：控制量的变化不应导致因扰动的存在而使灌装偏差波动的加大，进而提高灌装设备抵抗随机干扰的能力以及灌装精度。
1.一种灌装剂量自动识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种灌装剂量自动识别方法，其特征在于：在对所述灌装容器进行检测并获取容器参数之前，还构建灌装容器数据库；所述灌装容器数据库用于确定所述灌装容器的类型和特性。
3.根据权利要求1所述的一种灌装剂量自动识别方法，其特征在于：建立所述剂量识别模型，具体为：
4.根据权利要求3所述的一种灌装剂量自动识别方法，其特征在于：进行cfd模拟，具体包括如下步骤：
5.根据权利要求3所述的一种灌装剂量自动识别方法，其特征在于：构建所述cnn剂量预测模型，具体包括如下步骤：
6.根据权利要求3所述的一种灌装剂量自动识别方法，其特征在于：将cnn剂量预测模型与模拟结果进行集成处理以生成剂量识别模型，具体包括如下步骤：
7.根据权利要求1所述的一种灌装剂量自动识别方法，其特征在于：生成所述目标剂量，包括如下步骤：
8.根据权利要求1所述的一种灌装剂量自动识别方法，其特征在于：若所述灌装物料为液体，则灌装量v表示为：
9.根据权利要求1所述的一种灌装剂量自动识别方法，其特征在于：通过滤波后的数据计算灌装控制增量，其中，滤波后的数据表示为：对历史控制量和实测灌装量偏差信号进行求平均值的滤波处理；并采用多模态灌装控制算法对所述灌装设备进行控制，具体包括：
10.一种灌装剂量自动识别系统，应用于如权利要求1-9任一项所述的灌装剂量自动识别方法，其特征在于：包括容器识别模块、剂量识别模块、灌装控制模块和误差检测模块；
