一种青梅清洗风干称重装置

    公开(公告)号:CN110595587B

    公开(公告)日:2024-06-21

    申请号:CN201910987729.5

    申请日:2019-10-17

    IPC分类号: G01G17/00 G01G21/22 A23N12/06

    摘要: 本技术公开了一种青梅清洗风干称重装置,包括水池、输送板上料机构和传送带机构;输送板上料机构包括多排相互平行的V型隔板、底板、液压缸、滑块和连杆,相邻隔板之间均通过底板相互连接从而使相邻隔板之间形成输送通道;传送带机构的传送带上连接有多排相互平行的条形载台,每个条形载台上沿其长度方向上均匀分布有多个凹陷的载面且载面的表面设有缝隙;传送带机构上沿传送带输送方向依次设有喷淋装置、风干装置和称重装置,称重装置包括条形称重台面,称重台面上设有托架,每个托架的正上方均对应有一个载面,所述托架能穿过载面的缝隙。本技术可以实现对每个青梅的清洗、风干、称重的功能,准确得出每一颗干净青梅的重量。

    一种局部激励的振动控制方法

    公开(公告)号:CN110603958A

    公开(公告)日:2019-12-24

    申请号:CN201911027311.6

    申请日:2019-10-27

    IPC分类号: A01D46/26 G06F17/50

    摘要: 本发明公开了一种局部激励的振动控制方法,振动控制方法用于三点可调夹持式振动采摘装置,三点可调夹持式振动采摘装置包括底座以及设于底座上方的左夹持机构、右夹持机构和中夹持振动机构;中夹持振动机构位于左夹持机构和右夹持机构之间,左夹持机构固定在底座上,右夹持机构和中夹持振动机构均能分别在底座上发生水平移动;左夹持机构和右夹持机构均用于夹持果枝;中夹持振动机构用于夹持果枝并对果枝施加振动,中夹持振动机构的振动力通过零刚度减震器隔绝在左夹持机构和右夹持机构上的传递;本发明用于三点可调夹持式振动采摘装置,自动化程度高,且该方法可以计算出不同枝条的具体夹持参数l,x1,可以精准激励,可靠地保证了采摘的精准性。

    一种青梅清洗风干称重装置

    公开(公告)号:CN110595587A

    公开(公告)日:2019-12-20

    申请号:CN201910987729.5

    申请日:2019-10-17

    IPC分类号: G01G17/00 G01G21/22 A23N12/06

    摘要: 本技术公开了一种青梅清洗风干称重装置,包括水池、输送板上料机构和传送带机构;输送板上料机构包括多排相互平行的V型隔板、底板、液压缸、滑块和连杆,相邻隔板之间均通过底板相互连接从而使相邻隔板之间形成输送通道;传送带机构的传送带上连接有多排相互平行的条形载台,每个条形载台上沿其长度方向上均匀分布有多个凹陷的载面且载面的表面设有缝隙;传送带机构上沿传送带输送方向依次设有喷淋装置、风干装置和称重装置,称重装置包括条形称重台面,称重台面上设有托架,每个托架的正上方均对应有一个载面,所述托架能穿过载面的缝隙。本技术可以实现对每个青梅的清洗、风干、称重的功能,准确得出每一颗干净青梅的重量。

    一种青梅分选生产线和分选方法
    4.
    发明公开

    公开(公告)号:CN110584164A

    公开(公告)日:2019-12-20

    申请号:CN201911020419.2

    申请日:2019-10-25

    摘要: 本发明公开了一种青梅分选生产线和分选方法,包括:清洗模块、上料模块、吹干模块、下料模块、称重模块和分选模块;清洗模块包括水槽,水槽内设有倾斜斜面;上料模块包括上料传送带,上料传送带倾斜设置,且上料传送带上均匀设置有多个上料隔板;吹干模块包括筛板,筛板中低的一端伸向下料模块;下料模块包括旋转下料装置和下料传送带;称重模块包括多个称重台和称重传送带;本发明提供一种集青梅清洗、上料、吹干、下料、称重、分选为一体的青梅分选生产线,使得经过该生产线处理的青梅能够按照品质和重量进行分选,从而可以进一步对不同品质和重量的青梅进行深加工以提高青梅的经济价值;分选生产效率高,劳动成本低。

    一种油橄榄采收装置
    5.
    发明公开

    公开(公告)号:CN110558042A

    公开(公告)日:2019-12-13

    申请号:CN201910997044.9

    申请日:2019-10-20

    IPC分类号: A01D46/00 B07B13/075

    摘要: 本专利提供一种可以减少对油橄榄果实造成损伤、避免枝叶与果实混合的油橄榄采收装置。它包括周向开口的c形箱壳,箱壳两端设置弧形端挡板;箱壳底部通过漏网与漏斗相通,漏斗连接中空的伸缩杆;伸缩杆与和其垂直的圆管相连并相通;圆管伸入支撑管内与支撑管铰接,支撑管的一端通过软管与设置在柜体上的果箱相通;支撑管固定在立柱上,立柱的底部转动设置在柜体上;箱壳外部设置风机,风机的出风口与开在箱壳上的导风口相通;带有油橄榄的果枝通过箱壳周向开口进入箱壳,风机通过导风口对油橄榄吹风,与果柄结合力较小的成熟油橄榄在风力作用下与果枝分离落入箱壳内,油橄榄穿过漏网并经过漏斗、伸缩管、圆管、支撑管、软管进入果箱。

    一种翻转式矮丛蓝莓采收机
    6.
    发明公开

    公开(公告)号:CN110447387A

    公开(公告)日:2019-11-15

    申请号:CN201910860576.8

    申请日:2019-09-11

    IPC分类号: A01D46/00 B07B1/04 B07B1/46

    摘要: 本技术公开了一种翻转式矮丛蓝莓采收机,包括车架和把手,所述把手安装在车架顶端两侧,所述车架上安装有翻转式采收装置和集果框,所述翻转式采收装置包括第一手柄、第一连杆、第二连杆和铲斗,所述第一手柄一端与车架顶部转动连接,第一手柄中部与第一连杆转动连接,第一连杆与第二连杆转动连接,第二连杆与铲斗中后端转动连接,铲斗后端与车架中部转动连接,所述铲斗前端设有密集梳齿,所述集果框放置在车架中部且铲斗后端位于集果框顶部上方。本技术减轻了矮丛蓝莓采收的难度和劳动强度,效率高。

    一种青梅分选生产线和分选方法

    公开(公告)号:CN110584164B

    公开(公告)日:2023-09-01

    申请号:CN201911020419.2

    申请日:2019-10-25

    摘要: 本发明公开了一种青梅分选生产线和分选方法,包括:清洗模块、上料模块、吹干模块、下料模块、称重模块和分选模块;清洗模块包括水槽,水槽内设有倾斜斜面;上料模块包括上料传送带,上料传送带倾斜设置,且上料传送带上均匀设置有多个上料隔板;吹干模块包括筛板,筛板中低的一端伸向下料模块;下料模块包括旋转下料装置和下料传送带;称重模块包括多个称重台和称重传送带;本发明提供一种集青梅清洗、上料、吹干、下料、称重、分选为一体的青梅分选生产线,使得经过该生产线处理的青梅能够按照品质和重量进行分选,从而可以进一步对不同品质和重量的青梅进行深加工以提高青梅的经济价值;分选生产效率高,劳动成本低。

    实木板材颜色智能分类方法

    公开(公告)号:CN113012156B

    公开(公告)日:2022-02-01

    申请号:CN202110506907.5

    申请日:2021-05-10

    摘要: 本发明公开一种实木板材颜色智能分类方法,包括:对实木板材图片预处理;将RGB彩色空间转换到Lab彩色空间和HSV彩色空间;获取Lab彩色空间、HSV彩色空间的颜色的一阶矩和二阶矩;使用K‑Means聚类算法对图片进行聚类;采用基于K‑Means聚类算法的主颜色提取方法对低通滤波后的实木板材图片进行主颜色提取,根据主颜色含量进行等级划分;对图片进行高通滤波,获得纹理信息,将图片划分为直纹或曲纹;给实木板材图片贴标签,制作样本集;将待分类的实木板材图片输入到训练、验证得到的最优颜色分类模型中,实现实木板材颜色分类;本发明可有效对实木板材图像颜色进行分类,且该方法不需要颜色空间量化、特征向量维数低。

    实木板材的一维排样方法

    公开(公告)号:CN113158580A

    公开(公告)日:2021-07-23

    申请号:CN202110506961.X

    申请日:2021-05-10

    摘要: 本发明公开实木板材的一维排样方法,包括:读取经切割缺陷后的N段实木板材长度Li信息;读取需求量为bj的待排零件的长度lj信息;建立实木板材一维排样数学模型;基于改进最大最小蚁群系统的方法生成初始种群:基于改进遗传算法多次迭代得到最优排样方案;将改进遗传算法得到的迭代最优解进行记录;根据记录中的至今最优解自适应更新信息素的界限;采用动态混合策略进行信息素更新。本发明克服了随机选择的盲目性;加快了蚁群系统的收敛速度,提高了求解速率,排样时间快,利用率高;有助于维持种群多样性,减少局部最优和早熟问题的出现,增强了算法的全局搜索能力;采用迭代最优解和全局最优解的动态混合策略,有助于增强算法合理引导搜索的能力。

    基于高光谱图像的青梅糖酸度预测方法

    公开(公告)号:CN111595790A

    公开(公告)日:2020-08-28

    申请号:CN202010480720.8

    申请日:2020-05-30

    摘要: 本发明公开了一种基于高光谱图像的青梅糖酸度预测方法,包括以下步骤:采集青梅样品高光谱图像,对其进行反射率校准;获取每个青梅样品的平均光谱反射率;利用传统的理化检测方式采集青梅样品的SSC和pH结果,作为预测模型训练时的参考值;基于深度学习技术,设计多层网络结构的DSAE-SPA-PLSR预测模型,预测青梅的糖度值和酸度值;对青梅糖度值预测结果和酸度值预测结果进行可视化表示。本发明基于深度学习技术,提出一种深度学习模型,提高了青梅糖度值和酸度值的预测精度,实现了青梅成分的无损检测,检测效率高。同时该方法可以推广至其他林果无损检测中,拥有较大的应用前景。