一种预制菜塑封包装缺陷智能检测方法及系统

本发明涉及预制菜塑封包装缺陷检测，具体为一种预制菜塑封包装缺陷智能检测方法及系统。

背景技术：

1、预制菜是指预先加工、包装好的食品，方便消费者在家中快速准备和食用。预制菜行业近年来快速发展，但随着产品生产和销售规模的扩大，塑封包装的质量检测成为一个重要领域。

2、传统的预制菜包装检测主要依赖于人工目视和人工操作。人工检测员需要在生产线上目视检查包装的密封性、完整性和外观。然而，人工检测建立在人力、经验和主题上，在长工作时间中很容易出现漏检和误检问题。此外，人工检测难以在高速度、高强度的生产环境中保持稳定的检测质量。

3、传统检测方法通常在产品封口后进行检验，缺乏在加工和封口过程中进行实时检测的能力。这意味着问题可能在生产早期阶段未被发现，直到后来在质量控制环节才被察觉，导致生产效率降低，增加废品率。同时，传统技术缺乏及时预警机制和无法迅速响应漏气关键问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种预制菜塑封包装缺陷智能检测方法及系统，以解决背景技术中提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种预制菜塑封包装缺陷智能检测系统，包括，

3、食品加工检测模块，在预制菜塑封产品装袋的加工区域，设置检测点，采集获取实时环境数据和封口机器参数数据，建立第一数据集；

4、第一评估模块，用于对第一数据集进行分析和计算构建环境条件系数hjx和加工条件系数jgx，并对环境条件系数hjx和加工条件系数jgx分别进行评估，获取第一评估结果和第二评估结果；

5、第一漏气检测模块，在封口完成后，通过气泡检测法或压力检测法，检测包装是否漏气，如果检测到气体泄漏，则向外部发送第一预警指令；

6、第二采集模块，用于配备高分辨率摄像头，拍摄每个预制菜塑封产品的图像，获取第二图像数据集；

7、模型建立模块，用于基于卷积神经网络cnn、循环神经网络rnn、长短期记忆网络和深度学习算法的基础上，建立缺陷识别模型；并将缺陷识别模型应用到生产环境，对第二图像数据集进行识别、分析和计算获得：包装外部缺陷指数qxw和包装内部缺陷指数qxn；

8、第二评估模块，用于将外部缺陷指数qxw与第一阈值进行对比，获取第一评估结果；将内部缺陷指数qxn与第二阈值进行对比，获取第二评估结果；

9、第三检测模块，用于在预制菜塑封包装产品在运输过程前和运输过程中，分隔12小时和24小时后，分别通过重量传感器对预制菜塑封产品进行称重，获取初始重量cszl、第一增重值zhz1和第二增重值zhz2，建立第三校准数据集，并通过第三校准数据集构建结霜凝冰指数jsz；

10、第三评估模块，用于将结霜凝冰指数jsz与预设结霜阈值进行比对评估，获得校准评估结果。

11、优选的，所述实时环境数据包括但不限于以下数据：空气温度t1、空气湿度s、空气颗粒物浓度pm、空气vocs浓度v和空气流速l；

12、所述封口机器参数数据包括但不限于以下数据：封口温度t2、封口宽度k、封口压力y、封口位置对齐差值dqcz、封口速度sd、封口操作持续时间cxsj；

13、并将实时环境数据和封口机器参数数据进行清洗、滤波、平滑和无量纲处理后，建立第一数据集。

14、优选的，所述第一评估模块包括环境评估单元和加工参数评估单元；

15、所述环境评估单元用于对第一数据集进行分析和计算获得：环境条件系数hjx；所述环境条件系数hjx获取方式为，提取第一数据集中空气温度t1、空气湿度s、空气颗粒物浓度pm、空气vocs浓度v和空气流速l，无量纲处理后，通过以下公式生成环境条件系数hjx：

16、

17、式中，，，，，且，w1、w2、w3和w4为权重值，其具体值由用户调整设置为第一常数修正系数；表示以2为底的对数运算；

18、将环境条件系数hjx与第一环境阈值对比，获取第一评估结果，包括：

19、当环境条件系数hjx＞第一环境阈值，表示环境不合格，生成第一策略，用于对当前加工环境进行温度和湿度调控，并开启过滤器对空气颗粒物浓度和空气vocs浓度进行过滤器，并控制增加通风效率；

20、当环境条件系数hjx≤第一环境阈值，表示环境合格，无需对环境调控；

21、所述加工参数评估单元用于对第一数据集进行分析和计算获得：加工条件系数jgx；所述加工条件系数jgx获取方式为，提取第一数据集中封口温度t2、封口宽度k、封口压力y、封口位置对齐差值dqcz、封口速度sd、封口操作持续时间cxsj，通过以下公式生成加工条件系数jgx：

22、

23、式中，表示预设封口温度阈值，表示预设封口宽度阈值，表示预设封口压力阈值，表示预设封口位置对齐差值阈值，表示预设封口速度阈值，表示预设封口操作持续时间阈值，，，，，，，且，w5、w6、w7、w8、w9和w10为权重值，其具体值由用户调整设置为第二常数修正系数；

24、将加工条件系数jgx与第二加工条件阈值对比，获得第二评估结果，包括：

25、当加工条件系数jgx小于或者大于第二加工条件阈值时，均表示不合格，当加工条件系数大于第二加工条件阈值时，表示温度、宽度、压力、封口速度和时序时间过高，会导致封口包装因时间长、温度高和压力高，导致变形，出现第一异常情况；当加工条件系数小于第二加工条件阈值时，表示温度、宽度、压力、封口速度和时序时间低，会导致封口包装因时间短、温度低和压力低，导致封口不完全，出现第二异常情况；

26、当加工条件系数jgx等于第二加工条件阈值时，表示当前加工条件合格，无需进行调控。

27、优选的，在封口完成后，通过气泡检测法或压力检测法检测包装是否漏气，气泡检测法观察漏气特征包括以下步骤：

28、s1、将塑封包装完全浸入水中，通过机械应力对包装加压，观察水中是否有气泡；识别有气泡时，生成第一预警指令；

29、s2、水中有气泡，说明包装存在漏气异常；水中无气泡，说明包装无漏气检测合格，生成第一合格标签；

30、压力检测法检测漏气特征包括以下步骤：

31、s3、将包装放入封闭的压力检测箱之中；

32、s4、对装置内施加真空或正压，通过视觉传感器观察包装的变化；

33、s5、如果包装膨胀或缩小，说明存在漏气异常，生成第一预警指令；如果包装无变化，说明包装无漏气检测合格，生成第一合格标签。

34、优选的，所述模型建立模块包括模型测试优化单元和识别单元；

35、所述模型测试优化单元用于基于卷积神经网络cnn、循环神经网络rnn、长短期记忆网络和深度学习算法的基础上，建立缺陷识别模型；并收集样本数据，对样本数据中检测到的缺陷进行分类，包括气泡、破损、灰尘、异物、裂纹和变形特征，对各种缺陷类型的正常样本进行标注、标注缺陷的位置、类型和严重程度后，通过样本数据中的训练集、验证集和测试集进行训练后，根据训练效果调整超参数，包括学习率、批量大小和训练次数，对缺陷识别模型进行优化；

36、所述识别单元，将缺陷识别模型应用到生产环境，通过图像处理技术对第二图像数据集进行识别，识别气泡数量qpsl、破损面积psmj、灰尘面积hzmj、异物数量yws、裂纹面积lkmj和变形量bxl。

37、优选的，所述模型建立模块还包括分析单元；

38、所述分析单元用于将识别气泡数量qpsl、破损面积psmj、灰尘面积hzmj、异物数量yws、裂纹面积lkmj和变形量bxl无量纲处理后，并进行外部缺陷和内部缺陷进行分类，并通过以下公式计算获得：包装外部缺陷指数qxw和包装内部缺陷指数qxn；

39、

40、

41、式中，，，，，，，且，r1、r2、r3、r4、r5和r6为权重值，变形量bxl表示塑封包装的薄膜因受力过大或热膨胀而拉伸，导致厚度不均匀情况，通过图像处理技术，识别薄膜边缘起皱情况，计算起皱面积来量化获得变形量bxl，异物数量yws表示为金属、纸片、毛发或昆虫的异物数量；

42、表示预设接受破损面积psmj最大值，表示预设接受灰尘面积hzmj最大值，表示预设接受裂纹面积lkmj最大值，表示预设接受变形量bxl最大值；表示预设接受气泡数量qpsl最大值，表示预设接受异物数量yws的最大值；表示为第三常数修正系数，表示为第四常数修正系数。

43、优选的，所述第二评估模块包括外部缺陷评估单元和内部缺陷评估单元；

44、所述外部缺陷评估单元用于将包装外部缺陷指数qxw与第一阈值进行对比，获取第一评估结果，包括：当包装外部缺陷指数qxw≥第一阈值时，表示预制菜塑封产品外部包装缺陷不合格，发出第二预警指令；当包装外部缺陷指数qxw＜第一阈值时，表示预制菜塑封产品外部包装合格；生成第二合格标签；

45、所述内部缺陷评估单元用于将内部缺陷指数qxn与第二阈值进行对比，获取第二评估结果，包括；当包装内部缺陷指数qxn≥第二阈值时，表示预制菜塑封产品内部包装缺陷不合格，发出第三预警指令；当包装内部缺陷指数qxn＜第二阈值时，表示预制菜塑封产品内部包装合格，生成第三合格标签。

46、优选的，所述第三检测模块用于检测，用于检测预制菜塑封包装产品在运输过程前和运输过程中重量的变化，反映出结霜和凝冰问题，间接反映预制菜塑封包装产品包装破损或泄露；

47、所述初始重量cszl、第一增重值zhz1和第二增重值zhz2，建立第三校准数据集，并通过第三校准数据集构建结霜凝冰指数jsz；所述结霜凝冰指数jsz的获取步骤为：

48、s21、通过温度传感器和湿度传感器采集获取运输过程中的环境温度t2和s2；

49、s22、先计算结霜凝冰速率r：

50、

51、s23、将结霜凝冰速率r、环境温度t2和s2，无量纲处理后，通过以下公式生成结霜凝冰指数jsz：

52、

53、式中，，，且，和为权重，由用户调整设置。

54、优选的，所述第三评估模块，用于将结霜凝冰指数jsz与预设结霜阈值进行比对评估，获得校准评估结果，包括：当结霜凝冰指数jsz＞预设结霜阈值时，表示运输过程中，凝霜结冰异常，生成第四预警指令，表示有泄漏情况，通知管理员详细检查；

55、当结霜凝冰指数jsz≤预设结霜阈值时，表示无凝冰结冰异常，包装密封合格，生成第四合格标签；

56、当预制菜塑封包装产品均获得第一合格标签、第二合格标签、第三合格标签和第四合格标签，表示预制菜塑封包装产品已经经过完整的质量检验流程。

57、一种预制菜塑封包装缺陷智能检测方法，包括，

58、步骤一、生产环境检测评估：在预制菜塑封产品装袋的加工区域，设置检测点，采集实时环境数据和封口机器参数数据，建立第一数据集，并构建环境条件系数hjx和加工条件系数jgx；并对环境条件系数hjx和加工条件系数jgx进行评估，获取第一评估结果和第二评估结果并生成相对应的策略，确保加工区域的环境和封口设备的参数符合标准；

59、步骤二、漏气检测：在封口完成后，通过气泡检测法或压力检测法，检测包装是否漏气，如果检测到气体泄漏，向外部发送第一预警指令，表明包装存在异常问题；

60、步骤三、包装缺陷识别：配备高分辨率摄像头，拍摄每个预制菜塑封产品的图像，建立图像数据集；使用卷积神经网络cnn、循环神经网络rnn、长短期记忆网络lstm和深度学习算法，建立缺陷识别模型，检查第二图像数据集，进行识别、分析和计算，确定包装外部缺陷指数qxw和包装内部缺陷指数qxn；

61、步骤四、缺陷评估：将外部缺陷指数qxw与第一阈值进行对比，判断包装外部缺陷是否符合标准；将内部缺陷指数qxn与第二阈值进行对比，判断包装内部缺陷是否符合标准；

62、步骤五、运输过程检测：用于在预制菜塑封包装产品在运输过程前和运输过程中，分隔12小时和24小时后，分别通过重量传感器对预制菜塑封产品进行称重，构建结霜凝冰指数jsz；并将结霜凝冰指数jsz与预设结霜阈值进行比对评估，获得校准评估结果；只有当预制菜塑封包装产品均获得第一合格标签、第二合格标签、第三合格标签和第四合格标签，产品才能进入下一阶段或投入市场，如果不符合标准，立即采取纠正措施。

63、本发明提供了一种预制菜塑封包装缺陷智能检测方法及系统。具备以下有益效果：

64、（1）由于预制菜塑封包装产品在生产过程中容易受到环境条件和封口参数的影响，综合检测这些参数能够确保生产过程的稳定性和可靠性。对空气温度、湿度、颗粒物浓度、vocs浓度和空气流速数据的实时检测，可以确保环境符合加工标准。同时，封口温度、封口压力和封口位置对齐差值封口参数的检测，确保包装的质量。

65、（2）通过气泡检测法或压力检测法，能够迅速检测塑封包装产品的漏气情况，确保封口的完整性。这种检测方法可以在封口完成后立即检测可能存在的泄漏，减少因包装问题导致的食品污染风险。此外，及时发出第一预警指令，能够迅速采取纠正措施，防止不合格产品流入市场。

66、（3）引入卷积神经网络cnn、循环神经网络rnn、长短期记忆网络lstm或深度学习算法，能够大幅提升缺陷识别的效率和准确性。通过高分辨率摄像头采集图像数据，构建模型进行缺陷检测，可快速识别包装上的各种缺陷，如气泡、裂纹、灰尘、异物、破损和变形。这种智能化的检测手段不仅提高了检测效率，还降低了人工检测的工作量。

67、（4）在运输过程前和运输过程中，通过重量传感器检测预制菜塑封包装产品的重量变化，构建结霜凝冰指数jsz。这种方法间接反映了包装的破损或泄露问题，有助于确保运输过程中的产品质量和安全。根据结霜凝冰指数jsz与预设结霜阈值的对比，可以迅速识别运输中的异常情况，确保产品在运输过程中的质量合格。