(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211115228.6 (22)申请日 2022.09.14 (71)申请人 浙江东成生物科技股份有限公司 地址 313200 浙江省湖州市德清县乾元新 材料园区乌牛山路9号 (72)发明人 严阿根　廖斌　冯晓景　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 郭建明 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/24(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) B02C 23/08(2006.01)B02C 13/02(2006.01) (54)发明名称 啤酒酵母 粉智能化 生产方法及其系统 (57)摘要 公开了一种啤酒酵母粉智能化生产方法及 其系统， 其将由摄像头采集的经锤片式粉碎机粉 碎的酵母料原料的粉碎后图像分别通过具有第 一空洞率的空洞卷积核的第一卷积神经网络和 具有第二空洞率的空洞卷积核的第二卷积神经 网络以得到第一尺度特征图和第二尺度特征图， 并对所述第一尺度特征图和所述第二尺度特征 图之间的差分特征图中各个位置的特征值进行 校正以得到校正后差分特征图， 接着将其通过分 类器就可以得到分类结果， 所述 分类结果用于表 示酵母料原料的粉碎程度是否 符合预定要求。 通 过这样的方式， 对啤酒酵母粉的粉碎状态进行精 准评估， 以优化啤酒酵母粉生产过程中的粉碎包 装环节。 权利要求书2页 说明书13页 附图4页 CN 115393650 A 2022.11.25 CN 115393650 A 1.一种啤酒酵母 粉智能化 生产方法， 其特 征在于， 包括： 获取由摄 像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图像； 将所述粉碎后图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得 到第一尺度特 征图； 将所述粉碎后图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得 到第二尺度特 征图， 其中， 所述第一空洞率 不同于所述第二空洞率； 计算所述第一尺度特 征图和所述第二尺度特 征图之间的差分特 征图； 基于所述差分特征图的尺度， 对所述差分特征图中各个位置的特征值进行校正以得到 校正后差分特征图， 其中， 所述差分特征图的尺度为所述差分特征图的宽度乘以高度再乘 以通道数； 以及 将所述校正后差分特征图通过分类器以得到分类结果， 所述分类结果用于表示酵母料 原料的粉碎程度是否符合预定要求。 2.根据权利要求1所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述将所述粉碎后 图像通过使用具有第一空洞率的空洞卷积核的第一卷积神经网络以得到第一尺度特征图， 包括： 使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述 具有第一空洞率的空洞卷积核的卷积处理、 池化处理和非线性激活处理以由所述第一卷积 神经网络的最后一层输出所述第一尺度特征图， 其中， 所述第一卷积神经网络的第一层的 输入为所述粉碎后图像。 3.根据权利要求2所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述将所述粉碎后 图像通过使用具有第二空洞率的空洞卷积核的第二卷积神经网络以得到第二尺度特征图， 其中， 所述第一空洞率 不同于所述第二空洞率， 包括： 使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述 具有第二空洞率的空洞卷积核的卷积处理、 池化处理和非线性激活处理以由所述第二卷积 神经网络的最后一层输出所述第二尺度特征图， 其中， 所述第二卷积神经网络的第一层的 输入为所述粉碎后图像。 4.根据权利要求3所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述计算所述第 一 尺度特征图和所述第二尺度特 征图之间的差分特 征图， 包括： 以如下公式来计算所述第一尺度特征图和所述第二尺度特征图之间的按位置差分以 得到所述差分特 征图； 其中， 所述公式为： F1为第一尺度特征图， F2为第二尺度特征图， Fd为差 分特征图。 5.根据权利要求4所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述基于所述差分 特征图的尺度， 对所述差分特征图中各个位置的特征值进行校正以得到校正后差分特征 图， 包括： 基于所述差分特征图的尺度， 以如下公式对所述差分特征图中各个位置的特征值进行 校正以得到所述校正后差分特 征图； 其中， 所述公式为权　利　要　求　书 1/2 页 2 CN 115393650 A 2fi是所述差分特征图中各个位置的特征值， μ和σ 是所述差分特征图中所有位置的特征 值的均值和方差， 且N是 所述差分特 征图的尺度。 6.根据权利要求5所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述将所述校正后 差分特征图通过分类 器以得到分类结果， 包括： 使用所述分类器以如下公式对所述差分特征图进行处理以得到所述分类结果， 其中， 所述公式为： O＝softmax{(Wn,Bn):…:(W1,B1)|Project(F)}， 其中Project(F)表示将所述 校正后差分特征图投影为向量， W1至Wn为各层全连接层的权重矩阵， B1至Bn表示各层全连接 层的偏置矩阵。 7.根据权利要求6所述的啤酒酵母粉智能化生产方法， 其特征在于， 所述啤酒酵母粉智 能化生产方法， 还 包括： 响应于所述分类结果为酵母料原料的粉碎程度符合预定要求， 生成离心风机启动指 令， 所述离心风机启动指令用于开启所述离心风机 。 8.一种啤酒酵母 粉智能化 生产系统， 其特 征在于， 包括： 图像采集单元， 获取由摄像头采集的经锤片式粉碎机粉碎的酵母料原料的粉碎后图 像； 第一卷积神经网络单元， 将所述粉碎后图像通过使用具有第 一空洞率的空洞卷积核的 第一卷积神经网络以得到第一尺度特 征图； 第二卷积神经网络单元， 将所述粉碎后图像通过使用具有第 二空洞率的空洞卷积核的 第二卷积神经网络以得到第二尺度特 征图， 其中， 所述第一空洞率 不同于所述第二空洞率； 差分特征图生成单元， 计算所述第 一尺度特征图和所述第 二尺度特征图之间的差分特 征图； 校正后差分特征图生成单元， 基于所述差分特征图的尺度， 对所述差分特征图中各个 位置的特征值进行校正以得到校正后差分特征图， 其中， 所述差分特征图的尺度为所述差 分特征图的宽度乘以高度再乘以通道数； 以及 评估结果生成单元， 将所述校正后差分特征图通过分类器以得到分类结果， 所述分类 结果用于表示酵母料原料的粉碎程度是否符合预定要求。 9.根据权利要求8所述的啤酒酵母粉智能化生产系统， 其特征在于， 所述第 一卷积神经 网络单元， 进一步用于： 使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述 具有第一空洞率的空洞卷积核的卷积处理、 池化处理和非线性激活处理以由所述第一卷积 神经网络的最后一层输出所述第一尺度特征图， 其中， 所述第一卷积神经网络的第一层的 输入为所述粉碎后图像。 10.根据权利要求9所述的啤酒酵母粉智能化生产系统， 其特征在于， 所述啤酒酵母粉 智能化生产系统， 还进一 步用于： 响应于所述分类结果为酵母料原料的粉碎程度符合预定要求， 生成离心风机启动指 令， 所述离心风机启动指令用于开启所述离心风机 。权　利　要　求　书 2/2 页 3 CN 115393650 A 3