一种黑茶初制生产线
    1.
    发明公开

    公开(公告)号:CN117530344A

    公开(公告)日:2024-02-09

    申请号:CN202311699198.2

    申请日:2023-12-12

    IPC分类号: A23F3/06 A23F3/12

    摘要: 本发明公开了一种黑茶初制生产线,包括控制系统,以及与控制系统连接的鲜叶摊放模块、杀青模块、第一揉捻模块、第一解块模块、第一闷堆模块、第二解块模块、第二揉捻模块和第一烘干模块。本发明通过控制系统分别与各个模块连接,实现了自动化控制,而分段式控温设置的滚筒杀青机,以及上下错层布置的两台第一渥堆机,保证了茶叶杀青工艺和渥堆工艺的茶叶品质;同时,基于第一分料机构和第二分料机构的设置保证了多台第一揉捻机和多台第二揉捻机的处理量,为茶叶的连续化生产品质提供了强有力保障,因此,本发明在保证黑茶初制品质的基础上实现了自动连续化的生产,具有结构简单和生产效率高的特点。

    基于Stacking加权集成学习的茶叶杂质识别方法及分选设备

    公开(公告)号:CN111563519A

    公开(公告)日:2020-08-21

    申请号:CN202010338038.5

    申请日:2020-04-26

    IPC分类号: G06K9/46 G06K9/62

    摘要: 本发明公开了一种基于Stacking加权集成学习的茶叶杂质识别方法及分选设备,通过将采集到的茶叶原始图像样本进行分类后,首先提取分类后的茶叶图像的颜色特征、纹理特征和形状特征,然后基于Stacking加权集成学习模型,将支持向量机、决策树、逻辑回归三种机器学习算法作为基分类器进行训练学习,利用3折交叉验证将数据集划分为3份子数据集,作为3个基分类器的训练数据,然后利用K近邻算法作为元分类器对基分类器的预测结果进行加权集成学习,得到最终预测分类结果,相比现有技术,其提高了对茶叶中杂质的识别准确率与稳定性,进而有效的提高了茶叶杂质识别与剔除工序的整体性能,且智能化程度高。

    一种基于卷积神经网络的农作物病害识别方法

    公开(公告)号:CN114445715A

    公开(公告)日:2022-05-06

    申请号:CN202210295446.6

    申请日:2022-03-24

    摘要: 本发明公开了一种基于卷积神经网络的农作物病害识别方法,包括获取训练数据集,对训练数据集进行预处理,得到预处理后的数据集;将预处理后的数据集输入至初始的卷积神经网络模型中进行训练,得到训练好的卷积神经网络模型;使用通道剪枝方法对训练好的卷积神经网络模型进行压缩,得到压缩后的卷积神经网络模型;获取农作物图像,对农作物图像进行预处理后输入至压缩后的卷积神经网络模型中,得到农作物病害识别结果。有效提高了卷积神经网络模型的分类精度,以及在模型精度变化不大的情况下,轻量化卷积神经网络模型,能够很好的应用于农业来识别农作物病害类别,解决了人工识别错误率高的问题从而提高了农作物的产量和质量。

    一种基于人工智能的病虫害防治系统

    公开(公告)号:CN112841154A

    公开(公告)日:2021-05-28

    申请号:CN202011600549.6

    申请日:2020-12-29

    IPC分类号: A01M1/14 H04N7/18 A01G13/00

    摘要: 本发明公开了一种基于人工智能的病虫害防治系统,包括无线视觉前端、通信模组和云端服务器,无线视觉前端包括太阳能光伏板、太阳能充电控制电路、锂电池、MCU微处理器、GPS定位模组和图像采集模组,通过图像采集模组定时拍摄茶园已放置的粘虫板的高清图像,并将该高清图像发送至MCU微处理器,MCU微处理器通过通信模组将该高清图像在发送至云端服务器,云端服务器接收所述高清图像数据,并基于人工智能分析茶园虫害的种类及数量,并提供病虫害情况的预测预报,在此过程中,通过MCU微处理器控制太阳能充电控制电路实现太阳能光伏板对锂电池的充放电。具有自动化程度高、实时性强,且精准防治的优点。

    一种采摘机器人
    5.
    发明公开

    公开(公告)号:CN112715158A

    公开(公告)日:2021-04-30

    申请号:CN202011600530.1

    申请日:2020-12-29

    IPC分类号: A01D46/30

    摘要: 本发明公开了一种采摘机器人包括履带行走机构、并联机器人、收集箱和双目摄像头,所述履带行走机构包括机架及设置于机架左右两侧的两条履带,两条履带由两个第一驱动装置分别驱动,每条履带上均设置有传动齿轮、从动轮和若干支撑轮,所述从动轮安装于履带内表面的前端,所述传动齿轮安装于履带内表面的后端,所述传动齿轮与履带内表面啮合,所述第一驱动装置与传动齿轮连接,若干所述支撑轮均设置于机架底部与履带内表面之间,所述并联机器人和收集箱均通过机架固定于履带行走机构上,所述双目摄像头安装于并联机器人上。即本发明实现蔬菜的自动化采摘,具有采摘时间短,采摘完成量大,工作效率高,节省成本的优点。

    一种基于区域卷积神经网络的茶叶病害检测方法

    公开(公告)号:CN110827273A

    公开(公告)日:2020-02-21

    申请号:CN201911109574.1

    申请日:2019-11-14

    IPC分类号: G06T7/00

    摘要: 本发明公开了一种基于区域卷积神经网络的茶叶病害检测方法,包括如下步骤:S1形成训练集样本数据,S2获得待检测叶片图像的特征图,S3生成特征图建议区域,S4完成检测并输出待检测叶片图像病害类别的概率向量。本发明基于区域卷积神经网络,将待检测的叶片图像输入区域卷积神经网络的基础网络获得特征图,在区域建议网络生成待检测叶片图像的建议区域进行过滤,并作为区域卷积神经网络检测网络的输入,由区域卷积神经网络进行待检测叶片图像病害种类的检测识别并输出病害种类的概率向量,以提供给茶农及时有效地对茶园茶树叶片病害情况进行检测和茶树叶片病害种类识别,辅助茶农防治茶园病害工作。

    一种毛尖茶生产线
    8.
    发明公开

    公开(公告)号:CN118000260A

    公开(公告)日:2024-05-10

    申请号:CN202410309658.4

    申请日:2024-03-19

    IPC分类号: A23F3/06 A23F3/12

    摘要: 本发明公开了一种毛尖茶生产线,包括控制系统,以及与控制系统连接的筛分模块、摊青模块、第一缓存模块、杀青模块、第二缓存模块、揉捻模块、第三缓存模块、排把理条模块、第四缓存模块和烘干模块。本发明通过控制系统分别与各个模块连接,实现了毛尖茶生产的自动化控制,而且,通过在各个模块之间设置缓存模块,利用设置在模块与模块之间的缓存模块可以实时调整茶叶缓存数量,进而对各个模块的有效运行进行相应调整以实现效益最大化,同时,还可以基于毛尖茶生产场地的实际情况配置各个模块和缓存模块的组合数量,进而有效扩展了该生产线的适用场景,具有结构简单、适用范围广和生产效率高的特点。

    基于模糊PID控制算法的茶叶揉捻压力自适应方法

    公开(公告)号:CN112799302A

    公开(公告)日:2021-05-14

    申请号:CN202011638115.5

    申请日:2020-12-31

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种基于模糊PID控制算法的茶叶揉捻压力自适应方法,将传统的PID控制算法与模糊控制技术相结合生成模糊PID控制算法,并将模糊PID控制算法应用于茶叶揉捻机的压力控制系统之上,施加了模糊PID控制的揉捻机能够根据传感器实时反馈揉桶中的压力,操作人员只需在不同时间设定所需的压力,控制系统就能迅速响应,并能在很快的时间内达到稳定,即使在有外界干扰的情况下,其只会产生微小的变化,然后迅速回归稳定,具有节省人力资源,提高茶叶揉捻品质,提升揉捻机抗干扰能力的优点。