基于酒精度重建模型的摘酒技术研究

为提高摘酒酒精度,稳定基酒质量,达到分段摘酒的目的,该研究以酒精水溶液密度、温度、酒精体积分数关系为映射,利用最 小二乘法建立了基酒密度、酒精度和温度的最优模型,以音叉密度计监测基酒密度,通过模型转换为酒精度后,对比实测酒精度与 预测酒精度之间的差异,并在模型建立的基础上,设计了一种分段摘酒装置。 结果表明,所建模型预测平均差、平均相对误差分别在 1.36～2.84、2.2%～6.5%,无显著波动性差异,稳定性良好。 该模型配合分段摘酒装置,为白酒工业提供了一种摘酒技术手段,有利于 提升摘酒品质与产量。     

基于图像处理的白酒酒花轮廓检测

依据"看花摘酒"的传统经验,采用机器视觉代替人眼,通过CCD获取摘酒酒花的视频图像,并截取不同酒度酒花图像进行直方图均衡化、图像腐蚀等图像预处理,消除了高光噪声的影响,然后采用不同边缘检测算法对酒花轮廓进行了对比研究,采用OTSU算法与Canny边缘检测算法相结合的方法,较好地实现酒花与背景的分割,提取清晰的酒花边缘轮廓,通过对大清花与小清花图像的模式识别,为摘酒自动化提供了有效分级依据。该智能化的分级摘酒方法,能够提高分级摘酒工艺的稳定性和准确性,易于实现分级摘酒工序的智能自动化。