一种基于图像识别的二酯油智能分拣方法、系统及设备与流程

本技术涉及二酯油智能分拣，尤其涉及一种基于图像识别的二酯油智能分拣方法、系统及设备。

背景技术：

1、现有技术中，二酯油的分拣主要依赖单一模态的光谱分析设备。采用手持式近红外光谱仪对样品进行点测，获取局部吸光特性。结合简单模板匹配算法进行粗略分选。此类方法通常仅处理静态样本，未对样品在传输过程中的动态变化进行连续监测，也缺乏对底部透光特性的结构化采集机制，导致检测维度单一、采样代表性不足。

2、现有技术的缺陷在于难以实现多源信息的协同感知与动态建模。单一光谱数据易受样品厚度、容器材质干扰，无法准确反映内部组分分布；仅依赖图像识别的系统则忽略化学成分的光谱响应，易出现误判。传统算法缺乏对物理状态时变特性的建模能力，无法捕捉二酯油在传输过程中因温度、粘度、沉淀等引起的连续演化行为。此外，分拣决策基于离散采样点，未建立编码样本与状态轨迹的时空关联，导致机械手执行指令滞后、分拣精度低，难以满足高通量、高一致性工业需求。

技术实现思路

1、本技术提供一种基于图像识别的二酯油智能分拣方法、系统及设备，以解决现有方案存在难以实现多源信息的协同感知与动态建模的问题。

2、第一方面，本技术提供了一种基于图像识别的二酯油智能分拣方法，方法包括：

3、将待测样品依次放置于传输单元的预设环形卡槽上；其中，各预设环形卡槽设置有唯一编码，且预设环形卡槽底部曝露待测样品的底部；

4、通过传输单元，将待测样品传输至预设发射装置顶部预设高度，且预设发射装置发射端正对待测样品的底部；

5、控制预设发射装置发射近红外光，通过待测样品的底部穿透待测样品，获得原始光谱数据；从原始光谱数据中提取吸光度数组，对吸光度数组进行归一化处理，获得光谱向量；控制预设发射装置发射可见白光光束，采集原始透光图；将原始透光图输入cnn算法，获得经过cnn编码的图像张量；

6、利用图像张量计算q值，利用光谱向量计算k值和v值；利用q值和k值计算注意力权重矩阵；利用意力权重矩阵和v值，加权得到融合数据；

7、将融合数据输入至可学习的神经常微分方程‌，构建二酯油物理状态的连续时间演化模型，通过连续时间演化模型中的‌自适应ode求解器积分轨迹，输出待测样品在时间尺度‌上的各预设分量的连续状态轨迹；

8、根据连续状态轨迹，确定对应的分拣程序，进而将分拣程序、对应的唯一编码发送至预设分拣机械手。

9、在本技术的一种实现方式中，控制预设发射装置发射近红外光，通过待测样品的底部穿透待测样品，获得原始光谱数据；从原始光谱数据中提取吸光度数组，对吸光度数组进行归一化处理，获得光谱向量，具体包括：

10、控制预设发射装置发射波长范围在780-2500nm的近红外光，光束垂直穿透待测二酯油样品底部，经样品内部不同成分的分子吸收、反射后，由光谱探测器接收透射光信号，并将转化为包含波长与光强对应关系的原始光谱数据；

11、从原始光谱数据中筛选出二酯油特征成分对应的预设波长区间，提取预设波长区间的光强数据并转换为吸光度数组，采用min-max归一化方法，将吸光度数组映射至[0,1]区间，得到标准化的光谱向量。

12、在本技术的一种实现方式中，控制预设发射装置发射可见白光光束，采集原始透光图；将原始透光图输入cnn算法，获得经过cnn编码的图像张量，具体包括：

13、控制预设发射装置发射均匀平行的可见白光光束，垂直照射待测二酯油样品底部，光束穿透样品后由工业相机在预设焦距下采集原始透光图；

14、将采集到的原始透光图进行预处理后将图像尺寸统一调整为cnn输入要求的固定分辨率，得到标准化的透光图像数据；

15、将标准化透光图像数据输入至预训练的cnn模型，通过模型的卷积层、池化层依次提取图像的纹理特征、边缘特征、区域特征，最后经全连接层将纹理特征、边缘特征、区域特征映射压缩为固定维度的图像张量。

16、在本技术的一种实现方式中，利用图像张量计算q值，利用光谱向量计算k值和v值；利用q值和k值计算注意力权重矩阵；利用意力权重矩阵、q值和v值，加权得到融合数据，具体包括：

17、将经过cnn编码的图像张量首先输入至多尺度特征转换层，通过3组不同感受野的1×1卷积核分别提取图像的预设全局纹理特征、预设局部边缘特征和预设细微区域特征，得到3组不同维度的中间特征张量；

18、通过公式：

19、，计算q值；

20、其中，分别为预设全局纹理特征、预设局部边缘特征和预设细微区域特征，为预设可学习权重矩阵，为预设偏置项；

21、将标准化的光谱向量输入至双分支特征增强层，第一个分支通过带有注意力机制的全连接层，生成键向量k；其中，全连接层对应预设可学习权重矩阵中二酯油预设特征成分对应的光谱波段权重大于非预设特征成分；第二个分支通过残差连接的卷积层，保留光谱数据的原始分布特征，生成值向量v；

22、将查询向量q与键向量k进行矩阵点积运算，再通过softmax函数将运算结果归一化得到注意力权重矩阵；

23、通过公式：

24、，计算获得融合了图像深层特征与光谱成分特征的融合数据；其中，和为预设残差权重参数。

25、在本技术的一种实现方式中，将融合数据输入至可学习的神经常微分方程‌，构建二酯油物理状态的连续时间演化模型，具体包括：

26、将融合数据输入至神经常微分方程的输入层，通过预设的线性变换将融合数据映射至ode模型的状态空间，得到初始状态向量；

27、以初始状态向量为起点，构建基于神经网络的状态微分方程，通过多层感知机拟合二酯油物理状态随时间的变化率函数；

28、将状态微分方程与自适应变步长ode求解器结合，以预设的时间步长对状态轨迹进行数值积分，求解得到二酯油样品在预设时间尺度上各物理状态分量的连续演化轨迹，完成二酯油物理状态连续时间演化模型的构建。

29、在本技术的一种实现方式中，根据连续状态轨迹，确定对应的分拣程序，进而将分拣程序、对应的唯一编码发送至预设分拣机械手，具体包括：

30、将连续状态轨迹输入至预设的状态阈值判定模块，提取轨迹中各物理状态分量的稳态值，与预设的二酯油分拣标准阈值进行逐一比对，确定样品所属的品质等级类别；

31、根据判定得到的品质等级类别，调用预设的分拣程序数据库，匹配对应的分拣路径、机械手动作参数及目标仓位信息，生成包含动作指令、目标位置的完整分拣程序；

32、将生成的分拣程序与待测样品对应的唯一编码进行绑定，通过工业以太网实时发送至预设分拣机械手的控制单元，控制单元依据编码匹配对应样品，按照分拣程序执行动作，完成二酯油样品的分拣。

33、第二方面，本技术提供了一种基于图像识别的二酯油智能分拣系统，系统包括：

34、仿真模块，用于将待测样品依次放置于传输单元的预设环形卡槽上；其中，各预设环形卡槽设置有唯一编码，且预设环形卡槽底部曝露待测样品的底部；通过传输单元，将待测样品传输至预设发射装置顶部预设高度，且预设发射装置发射端正对待测样品的底部；

35、获取模块，用于控制预设发射装置发射近红外光，通过待测样品的底部穿透待测样品，获得原始光谱数据；从原始光谱数据中提取吸光度数组，对吸光度数组进行归一化处理，获得光谱向量；控制预设发射装置发射可见白光光束，采集原始透光图；将原始透光图输入cnn算法，获得经过cnn编码的图像张量；

36、求解模块，用于利用图像张量计算q值，利用光谱向量计算k值和v值；利用q值和k值计算注意力权重矩阵；利用意力权重矩阵和v值，加权得到融合数据；将融合数据输入至可学习的神经常微分方程‌，构建二酯油物理状态的连续时间演化模型，通过连续时间演化模型中的‌自适应ode求解器积分轨迹，输出待测样品在时间尺度‌上的各预设分量的连续状态轨迹；

37、分拣模块，用于根据连续状态轨迹，确定对应的分拣程序，进而将分拣程序、对应的唯一编码发送至预设分拣机械手。

38、在本技术的一种实现方式中，获取模块包括控制单元，

39、用于控制预设发射装置发射波长范围在780-2500nm的近红外光，光束垂直穿透待测二酯油样品底部，经样品内部不同成分的分子吸收、反射后，由光谱探测器接收透射光信号，并将转化为包含波长与光强对应关系的原始光谱数据；

40、从原始光谱数据中筛选出二酯油特征成分对应的预设波长区间，提取预设波长区间的光强数据并转换为吸光度数组，采用min-max归一化方法，将吸光度数组映射至[0,1]区间，得到标准化的光谱向量。

41、在本技术的一种实现方式中，分拣模块包括分拣单元，

42、用于将连续状态轨迹输入至预设的状态阈值判定模块，提取轨迹中各物理状态分量的稳态值，与预设的二酯油分拣标准阈值进行逐一比对，确定样品所属的品质等级类别；

43、根据判定得到的品质等级类别，调用预设的分拣程序数据库，匹配对应的分拣路径、机械手动作参数及目标仓位信息，生成包含动作指令、目标位置的完整分拣程序；

44、将生成的分拣程序与待测样品对应的唯一编码进行绑定，通过工业以太网实时发送至预设分拣机械手的控制单元，控制单元依据编码匹配对应样品，按照分拣程序执行动作，完成二酯油样品的分拣。

45、第三方面，本技术提供了一种基于图像识别的二酯油智能分拣设备，设备包括：

46、处理器；

47、以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述任一项的一种基于图像识别的二酯油智能分拣方法。

48、从以上技术方案可以看出，本技术具有以下优点：

49、通过在预设环形卡槽底部同时发射近红外光与可见白光，实现对样品内部组分的光谱响应与外部形貌的透光图像同步采集，突破了传统单一光谱易受容器厚度与材质干扰、仅依赖图像识别忽略化学成分的局限。利用cnn编码的图像张量与归一化光谱向量作为多模态输入，通过qkv注意力机制动态计算融合权重，使系统能够自适应聚焦于与分拣决策强相关的特征维度，实现光谱与图像信息的语义级协同感知，增强对复杂组分分布的判别鲁棒性。

50、引入可学习的神经常微分方程（ode）构建二酯油在传输过程中的连续时间演化模型，以自适应ode求解器积分其状态轨迹，直接建模温度、粘度、沉淀等物理参数随时间的连续变化行为。相较传统基于离散采样点的瞬时判断，该方法将每个样品的唯一编码与其在传输路径上的完整状态轨迹绑定，使分拣决策不再依赖于瞬时快照，而是基于其动态演化趋势，从而有效消除因采样间隔导致的响应延迟与状态失真，为高通量产线提供稳定的时序一致性保障。

51、基于连续状态轨迹输出的分拣程序，直接关联预设环形卡槽的唯一编码，实现“轨迹-编码-指令”三者在时空维度上的强耦合。机械手接收的不再是孤立的采样点指令，而是与样品完整运动路径同步的、具有时序上下文的分拣策略，确保执行动作与样品实际位置、状态完全匹配。该机制解决了因离散采样与指令滞后导致的误分、漏分问题，使分拣精度与批次一致性满足工业级高通量生产对稳定性和重复性的要求。