蓝莓花色苷提取和浓缩过程的温湿度联合控制系统的制作方法

本发明涉及温湿度联合控制，更具体地说，本发明涉及蓝莓花色苷提取和浓缩过程的温湿度联合控制系统。

背景技术：

1、蓝莓花色苷的制法包括以下关键步骤：原料处理：取蓝莓，加入3倍量的30-40℃温水进行室温酶解3小时；该步骤利用蓝莓果实自带的果胶酶进行预处理，为后续的提取做准备；

2、提取过程：提取分两次进行。第一次加入7倍量的水，提取温度控制在50±5℃，持续1小时；过滤后，对渣再次加入10倍量水，重复提取过程，提取温度同样控制在50±5℃；

3、过滤与浓缩：提取液经过板框过滤，然后使用陶瓷膜过滤器机组进一步过滤；过滤后的液体存放于暂存罐中，随后进入纳滤膜机组进行浓缩，直到体积减小到原体系的1/3；接着，浓缩液转入双效浓缩机组，在减压条件下(真空度-0.06～-0.08mpa)进行浓缩，温度控制在55±5℃，以得到稠浸膏；

4、干燥与成品：稠浸膏经过喷雾干燥处理，干燥的进口温度为170-200℃，出口温度控制在70-100℃，最终获得蓝莓花色苷粉末；提取率在0.45％-0.55％之间；过筛后进行包装，得到成品；

5、基于上述蓝莓花色苷的制作过程，可知需要严格把控蓝莓花色苷制作过程中的温度和湿度，才能提取出性质稳定，色价高的蓝莓花色苷；但现有技术中，在进行蓝莓花色苷的制作时，温度和湿度的控制均为人工控制，导致温湿度的控制不够稳定精准，影响蓝莓花色苷的质量稳定性，例如授权公告号为cn105175463b的中国专利公开了蓝莓花色苷的提取工艺；因此亟需一种智能化的温度和湿度控制方法，以提高产量、节省能源并保证产品质量；

6、鉴于此，本发明提出蓝莓花色苷提取和浓缩过程的温湿度联合控制系统以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：蓝莓花色苷提取和浓缩过程的温湿度联合控制系统，包括：

2、阶段划分模块，用于将蓝莓花色苷提取过程进行阶段划分，并标记为蓝莓花色苷获取阶段；

3、数据采集模块，用于采集蓝莓花色苷获取阶段中的时间数据；

4、第一阶段判断模块，用于对时间数据进行分析，判断是否生成初步阶段切换指令；

5、图像采集模块，若生成初步阶段切换指令，则采集蓝莓花色苷图像；

6、第二阶段判断模块，用于对蓝莓花色苷图像进行分析，判断是否生成阶段切换指令；

7、第三阶段判断模块，用于根据阶段切换指令的生成次数，判断当前所处的蓝莓花色苷获取阶段，并标记为当前阶段；

8、温湿度控制模块，用于控制温度和湿度与当前阶段相适配；

9、调节模块，用于实时采集温度和湿度，判断是否生成调节指令，若生成调节指令，则通过pid控制器计算温度控制信号和湿度控制信号，根据温度控制信号和湿度控制信号，控制恒温恒湿设备对温度和湿度进行调节。

10、进一步地，蓝莓花色苷获取阶段包括酶解阶段、提取阶段、过滤与浓缩阶段以及干燥阶段；时间数据为每个蓝莓花色苷获取阶段的持续时间，一个时间数据对应一个蓝莓花色苷获取阶段。

11、进一步地，判断是否生成初步阶段切换指令的方法包括：

12、统计蓝莓花色苷获取阶段对应的阶段数量n1，n1为大于1的整数；预设n2个时间阈值，其中n1＝n2，蓝莓花色苷获取阶段与时间阈值一一对应；

13、将采集的时间数据与对应的时间阈值进行对比；

14、若时间数据大于或等于时间阈值，则生成初步阶段切换指令；

15、若时间数据小于时间阈值，则不生成初步阶段切换指令。

16、进一步地，判断是否生成阶段切换指令的方法包括：

17、若判断酶解阶段、提取阶段或过滤与浓缩阶段中任一阶段完成，则生成阶段切换指令；

18、判断酶解阶段完成的方法包括：

19、步骤s101：将蓝莓花色苷图像从bgr颜色空间转换为hsv颜色空间，并标记为hsv图像；

20、步骤s102：提取hsv图像中a个像素点对应的明度值，a为hsv图像的像素点个数；

21、步骤s103：将a个像素点对应的明度值依次相加，再除以a，获取平均明度值，将平均明度值作为颜色亮度；

22、颜色亮度的表达式为：

23、式中，yl为颜色亮度，vb为第b个像素点对应的明度值，b∈[1,a]；

24、步骤s104：预设初始颜色亮度和亮度改变阈值，将颜色亮度减去初始颜色亮度获取差值，将差值作为亮度改变量；

25、将亮度改变量与亮度改变阈值进行对比；

26、若亮度改变量大于或等于亮度改变阈值，则判断酶解阶段完成；

27、若亮度改变量小于亮度改变阈值，则判断酶解阶段未完成。

28、进一步地，判断提取阶段完成的方法包括：

29、步骤s201：将蓝莓花色苷进行灰度化处理；

30、步骤s202：收集a个像素点对应的灰度值；

31、步骤s203：预设灰度值阈值，将a个像素点对应的灰度值分别与灰度值阈值进行对比，将灰度值大于或等于灰度值阈值的像素点标记为滤渣点，灰度值小于灰度值阈值的像素点则不进行标记；

32、步骤s204：统计滤渣点的个数，计算滤渣面积；

33、滤渣面积的计算方法包括：

34、lz＝gs×lm×ξ；

35、式中，lz为滤渣面积，gs为滤渣点个数，lm为一个滤渣点的面积，ξ为缩放因子；

36、一个滤渣点的面积由蓝莓花色苷图像的分辨率获取，蓝莓花色苷图像的分辨率由蓝莓花色苷图像的属性获取；将蓝莓花色苷图像对应的实际面积除以蓝莓花色苷图像面积作为缩放因子；

37、步骤s205：预设面积阈值th，将滤渣面积lz与面积阈值th进行对比分析；

38、若lz＜th，则判断提取阶段完成；

39、若lz≥th，则判断提取阶段未完成。

40、进一步地，判断过滤与浓缩阶段完成的方法包括：

41、步骤s301：使用训练好的浓缩分析模型，对蓝莓花色苷图像进行识别，输出识别结果，识别结果包括浓缩完成和浓缩未完成；

42、浓缩分析模型训练过程包括：

43、预先收集多张蓝莓花色苷图像，将每张蓝莓花色苷图像标记为训练图像，对每张训练图像中蓝莓花色苷进行标注，标注包括浓缩完成和浓缩未完成；将浓缩完成和浓缩未完成分别转换为数字标注；将标注后的训练图像分为训练集和测试集；使用训练集对浓缩分析模型进行训练，使用测试集对浓缩分析模型进行测试；预设误差阈值，当测试集中所有训练图像的预测误差的均值小于误差阈值时，输出浓缩分析模型；所述浓缩分析模型为卷积神经网络模型；

44、步骤s302：若识别结果为浓缩完成，则判断过滤与浓缩阶段完成；

45、若识别结果为浓缩未完成，则判断过滤与浓缩阶段未完成。

46、进一步地，判断当前所处的蓝莓花色苷获取阶段的方法包括：

47、统计阶段切换指令的生成次数；

48、若仅生成一次阶段切换指令，则判断当前所处阶段为提取阶段；

49、若生成两次阶段切换指令，则判断当前所处阶段为过滤与浓缩阶段；

50、若生成三次阶段切换指令，则判断当前所处阶段为干燥阶段。

51、进一步地，控制温度和湿度与当前阶段相适配的方法包括：

52、预先对每个蓝莓花色苷获取阶段设置不同的数字标签，并标记为阶段标签；

53、设置阶段标签－温湿度映射表，根据当前阶段获取对应的阶段标签，再根据阶段标签获取对应的温度和湿度，控制恒温恒湿设备根据获取的温度和湿度进行调节。

54、进一步地，判断是否生成调节指令的方法包括：

55、采集电磁辐射强度和振动；

56、根据电磁辐射强度和振动，计算对应的实际温度和实际湿度；

57、实际温度的表达式为：t＝t′+ω1×dc+ω2×zd；

58、式中，t为实际温度，t′为实时温度，dc为电磁辐射强度，zd为振动，ω1、ω2为预设权重系数；

59、实际湿度的表达式为：s＝s′+ω3×dc+ω4×zd；

60、式中，s为实际温度，s′为实时温度，ω3、ω4为预设比例系数；

61、调节指令包括温度调节指令和湿度调节指令；

62、将阶段标签－温湿度映射表获取的温度标记为目标温度，将阶段标签－温湿度映射表获取的湿度标记为目标湿度；

63、将实际温度与目标温度进行对比；若实际温度等于目标温度，则不生成温度调节指令；若实际温度不等于目标温度，则生成温度调节指令；

64、将实际湿度与目标湿度进行对比；若实际湿度等于目标湿度，则不生成湿度调节指令；若实际湿度不等于目标湿度，则生成湿度调节指令。

65、进一步地，温度控制信号的计算方法包括：

66、若生成温度调节指令，则将目标温度减去实际温度获取温度差值，将温度差值作为温度误差；

67、根据温度差值，采用模拟退火算法获取第一pid参数，第一pid参数包括第一比例增益、第一积分增益以及第一微分增益；

68、第一pid参数的获取方法包括：

69、步骤a：预设初始化温度tmax、最低温度tmin、降温系数δ以及最大迭代次数并令当前温度t＝tmax；

70、步骤b：随机设置一个可行解χ，可行解χ即为第一pid参数，获取第一pid参数范围，第一pid参数范围包括第一比例增益范围，第一积分增益范围以及第一微分增益范围，第一pid参数范围即为可行解χ的范围；

71、步骤c：确定适应度函数；

72、适应度函数的表达式为：f＝t′-t″；

73、式中，t′为目标温度，t″为预测温度；

74、预测温度的获取方法包括：

75、将可行解χ对应的第一pid参数和温度误差作为分析数据；将分析数据输入训练好的温度预测模型，预测出对应的预测温度；

76、温度预测模型的训练过程包括：

77、预先收集m组分析数据对应的预测温度，将分析数据与对应的预测温度转换为对应的一组特征向量；

78、将每组特征向量作为温度预测模型的输入，所述温度预测模型以每组分析数据对应的一组预测温度作为输出，以每组分析数据对应的实际预测温度作为预测目标，实际预测温度即为所述预先收集的与分析数据对应的预测温度；以最小化所有分析数据的预测误差之和作为训练目标；对温度预测模型进行训练，直至预测误差之和达到收敛时停止训练；所述温度预测模型为深度神经网络模型；

79、步骤d：计算可行解χ对应的适应度f；以可行解χ为当前点，在当前点的邻域内进行随机扰动，获取新的可行解χ′，并计算新的可行解χ′对应的适应度f′；

80、步骤e：计算适应度差值f″，适应度差值f″的表达式为f″＝f-f′；

81、若适应度差值f″＞0，则令χ＝χ′，即将新的可行解χ′的值赋予可行解χ；若适应度差值f″≤0，则计算概率p′，根据概率p′令χ＝χ′；概率p′的表达式为：

82、步骤f：循环步骤d～步骤e，直至循环次数达到最大迭代次数时，循环结束，并进入步骤g；

83、步骤g：令当前温度t＝t×δ，即将步骤a中的当前温度进行降温，将降温后的数值赋予当前温度；令最大迭代次数即将减小后的最大迭代次数的数值赋予最大迭代次数；

84、步骤h：循环步骤d～步骤g，直至当前温度t＜tmin时，循环结束，获取可行解χ对应的第一pid参数；

85、根据获取的第一pid参数以及温度误差，计算温度控制信号；

86、

87、式中，kz(t)为温度控制信号，wc(t)为温度误差，bl为第一比例增益，jf为第一积分增益，wf为第一微分增益，t为当前时刻；

88、湿度控制信号的计算方法包括：

89、若生成湿度调节指令，则将目标湿度减去实际湿度获取湿度差值，将温度差值作为湿度误差；

90、根据湿度差值，采用模拟退火算法获取第二pid参数，第二pid参数包括第二比例增益、第二积分增益以及第二微分增益；第二pid参数的获取方法与第一pid参数的获取方法一致；

91、根据获取的第二pid参数以及湿度误差，计算湿度控制信号；

92、

93、式中，kz′(t)为湿度控制信号，wc′(t)为湿度误差，bl′为第二比例增益，jf′为第二积分增益，wf′为第二微分增益，t为当前时刻。

94、本发明蓝莓花色苷提取和浓缩过程的温湿度联合控制系统的技术效果和优点：

95、通过采集时间数据和蓝莓花色苷图像，结合判断蓝莓花色苷获取阶段是否发生改变，能够准确获取当前所处的蓝莓花色苷获取阶段，并调整温湿度控制策略，智能匹配与蓝莓花色苷获取阶段对应的温度和湿度，从而提高蓝莓花色苷的提取效率和提取质量，避免能源浪费，同时减少人工操作失误的可能性；此外，能够对温度和湿度进行实时监测，并采用模拟退火算法结合pid控制器进行实时反馈调节，使得蓝莓花色苷的提取过程更加稳定可控。