本技術(shù)涉及食用油，具體地，涉及一種食用油生產(chǎn)質(zhì)量控制系統(tǒng)及方法。

背景技術(shù)：

1、食用油作為日常生活中不可或缺的食品之一，其質(zhì)量安全直接關(guān)系到人們的健康。然而，食用油在生產(chǎn)過程中可能會混入各種雜質(zhì)和異物，這些雜質(zhì)不僅影響油品的外觀，還可能對人體健康造成潛在威脅。因此，在食用油生產(chǎn)過程中，對于食用油的生產(chǎn)質(zhì)量進行有效檢測和控制，以確保食用油的質(zhì)量安全對于保障消費者健康至關(guān)重要。

2、然而，傳統(tǒng)的食用油生產(chǎn)質(zhì)量檢測控制系統(tǒng)存在一些缺陷，例如依賴人工進行質(zhì)量檢測，這種方式的智能化程度較低，容易造成效率低下、成本較高的問題。此外，在某些情況下，人工檢測難以發(fā)現(xiàn)微小的雜質(zhì)或異物，從而增加了食用油產(chǎn)品的風(fēng)險。

3、因此，期望一種優(yōu)化的食用油生產(chǎn)質(zhì)量控制系統(tǒng)。

技術(shù)實現(xiàn)思路

1、提供該
技術(shù)實現(xiàn)要素：
部分以便以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實施方式部分被詳細描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識要求保護的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護的技術(shù)方案的范圍。

2、第一方面，本技術(shù)提供了一種食用油生產(chǎn)質(zhì)量控制系統(tǒng)，所述系統(tǒng)包括：第一單色光圖像采集模塊，用于獲取由攝像頭采集的待檢測食用油在第一單色光照射下的食用油第一單色光圖像；第二單色光圖像采集模塊，用于獲取由所述攝像頭采集的所述待檢測食用油在第二單色光照射下的食用油第二單色光圖像，其中，所述第一單色光為紅色光且所述第二單色光為藍色光；單色光下食用油狀態(tài)特征提取模塊，用于分別對所述食用油第一單色光圖像和所述食用油第二單色光圖像進行基于食用油狀態(tài)的特征提取以得到食用油第一單色光下狀態(tài)特征圖和食用油第二單色光下狀態(tài)特征圖；圖像全局-顯著特征強化模塊，用于將所述食用油第一單色光下狀態(tài)特征圖和所述食用油第二單色光下狀態(tài)特征圖輸入基于顯著性-全局性的特征表征強化模塊以得到強化食用油第一單色光下狀態(tài)特征圖和強化食用油第二單色光下狀態(tài)特征圖；食用油燈檢結(jié)果生成模塊，用于計算所述強化食用油第一單色光下狀態(tài)特征圖和所述強化食用油第二單色光下狀態(tài)特征圖之間的差分特征圖，并基于所述差分特征圖生成燈檢結(jié)果，所述燈檢結(jié)果用于表示食用油是否存在異常。

3、可選地，所述單色光下食用油狀態(tài)特征提取模塊，用于：將所述食用油第一單色光圖像和所述食用油第二單色光圖像分別通過基于空洞卷積神經(jīng)網(wǎng)絡(luò)模型的食用油狀態(tài)特征提取器以得到所述食用油第一單色光下狀態(tài)特征圖和所述食用油第二單色光下狀態(tài)特征圖。

4、可選地，所述圖像全局-顯著特征強化模塊，包括：向量化展開單元，用于將所述食用油第一單色光下狀態(tài)特征圖中沿通道維度的各個特征矩陣進行向量化展開以得到食用油第一單色光下狀態(tài)特征向量的序列；數(shù)值計算單元，用于分別計算所述食用油第一單色光下狀態(tài)特征向量的序列中的各個食用油第一單色光下狀態(tài)特征向量的均值和最大值以得到由多個向量均值組成的食用油第一單色光下狀態(tài)語義全局表示向量和由多個向量最大值組成的食用油第一單色光下狀態(tài)語義突出表示向量；第一特征捕獲和表達單元，用于對所述食用油第一單色光下狀態(tài)語義全局表示向量進行特征捕獲和表達以得到食用油第一單色光下狀態(tài)全局語義激活表示特征向量；第二特征捕獲和表達單元，用于對所述食用油第一單色光下狀態(tài)語義突出表示向量進行特征捕獲和表達以得到食用油第一單色光下狀態(tài)突出語義激活表示特征向量；向量融合單元，用于融合所述食用油第一單色光下狀態(tài)全局語義激活表示特征向量和所述食用油第一單色光下狀態(tài)突出語義激活表示特征向量以得到食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)激活特征向量后，對所述食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)激活特征向量進行非線性激活處理以得到食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)權(quán)重特征向量；按位置點乘計算單元，用于以所述食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)權(quán)重特征向量作為權(quán)重，對所述食用油第一單色光下狀態(tài)特征向量的序列進行按位置點乘并加上所述食用油第一單色光下狀態(tài)特征向量的序列以得到強化食用油第一單色光下狀態(tài)特征向量的序列；聚合單元，用于將所述強化食用油第一單色光下狀態(tài)特征向量的序列按照所述食用油第一單色光下狀態(tài)特征圖向量化展開的方式進行聚合以得到所述強化食用油第一單色光下狀態(tài)特征圖。

5、可選地，所述第一特征捕獲和表達單元，用于：對所述食用油第一單色光下狀態(tài)語義全局表示向量進行一維卷積編碼后通過激活函數(shù)進行處理以得到激活表達食用油第一單色光下狀態(tài)語義全局表示向量；將所述激活表達食用油第一單色光下狀態(tài)語義全局表示向量再次通過一維卷積編碼后與第一可訓(xùn)練線性變換權(quán)重矩陣進行矩陣相乘以得到所述食用油第一單色光下狀態(tài)全局語義激活表示特征向量。

6、可選地，所述第二特征捕獲和表達單元，用于：對所述食用油第一單色光下狀態(tài)語義突出表示向量進行一維卷積編碼后通過激活函數(shù)進行處理以得到激活表達食用油第一單色光下狀態(tài)語義突出表示向量；將所述激活表達食用油第一單色光下狀態(tài)語義突出表示向量再次通過一維卷積編碼后與第二可訓(xùn)練線性變換權(quán)重矩陣進行矩陣相乘以得到所述食用油第一單色光下狀態(tài)突出語義激活表示特征向量。

7、可選地，所述向量融合單元，用于：融合所述食用油第一單色光下狀態(tài)全局語義激活表示特征向量和所述食用油第一單色光下狀態(tài)突出語義激活表示特征向量以得到所述食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)激活特征向量；分別利用雙曲正切函數(shù)和函數(shù)對所述食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)激活特征向量進行激活處理以得到食用油第一單色光下狀態(tài)全局-突出特征雙曲正切激活語義表征向量和食用油第一單色光下狀態(tài)全局-突出特征s型激活語義表征向量；將所述食用油第一單色光下狀態(tài)全局-突出特征雙曲正切激活語義表征向量和所述食用油第一單色光下狀態(tài)全局-突出特征s型激活語義表征向量進行按位置點乘以得到所述食用油第一單色光下狀態(tài)全局-突出語義關(guān)聯(lián)權(quán)重特征向量。

8、可選地，所述食用油燈檢結(jié)果生成模塊，用于：計算所述強化食用油第一單色光下狀態(tài)特征圖和所述強化食用油第二單色光下狀態(tài)特征圖之間的所述差分特征圖；將所述差分特征圖輸入基于分類器的燈檢結(jié)果生成器以得到燈檢結(jié)果，所述燈檢結(jié)果用于表示食用油是否存在異常。

9、可選地，還包括用于對所述基于空洞卷積神經(jīng)網(wǎng)絡(luò)模型的食用油狀態(tài)特征提取器、所述基于顯著性-全局性的特征表征強化模塊以和所述基于分類器的燈檢結(jié)果生成器進行訓(xùn)練的訓(xùn)練模塊。

10、可選地，所述訓(xùn)練模塊，包括：訓(xùn)練第一單色光圖像采集單元，用于獲取由攝像頭采集的待檢測食用油在第一單色光照射下的訓(xùn)練食用油第一單色光圖像，以及，食用油是否存在異常的真實值；訓(xùn)練第二單色光圖像采集單元，用于獲取由所述攝像頭采集的所述待檢測食用油在第二單色光照射下的訓(xùn)練食用油第二單色光圖像，其中，所述第一單色光為紅色光且所述第二單色光為藍色光；訓(xùn)練單色光下食用油狀態(tài)特征提取單元，用于分別對所述訓(xùn)練食用油第一單色光圖像和所述訓(xùn)練食用油第二單色光圖像進行基于食用油狀態(tài)的特征提取以得到訓(xùn)練食用油第一單色光下狀態(tài)特征圖和訓(xùn)練食用油第二單色光下狀態(tài)特征圖；訓(xùn)練圖像全局-顯著特征強化單元，用于將所述訓(xùn)練食用油第一單色光下狀態(tài)特征圖和所述訓(xùn)練食用油第二單色光下狀態(tài)特征圖輸入所述基于顯著性-全局性的特征表征強化模塊以得到訓(xùn)練強化食用油第一單色光下狀態(tài)特征圖和訓(xùn)練強化食用油第二單色光下狀態(tài)特征圖；訓(xùn)練食用油燈檢結(jié)果生成單元，用于計算所述訓(xùn)練強化食用油第一單色光下狀態(tài)特征圖和所述訓(xùn)練強化食用油第二單色光下狀態(tài)特征圖之間的訓(xùn)練差分特征圖；分類損失單元，用于將所述訓(xùn)練差分特征圖輸入所述基于分類器的燈檢結(jié)果生成器以得到分類損失函數(shù)值；損失函數(shù)計算單元，用于計算針對所述訓(xùn)練差分特征圖的預(yù)定損失函數(shù)值；訓(xùn)練單元，用于以所述分類損失函數(shù)值和所述預(yù)定損失函數(shù)值的加權(quán)和作為最終損失函數(shù)值對所述基于空洞卷積神經(jīng)網(wǎng)絡(luò)模型的食用油狀態(tài)特征提取器、所述基于顯著性-全局性的特征表征強化模塊以和所述基于分類器的燈檢結(jié)果生成器進行訓(xùn)練。

11、第二方面，本技術(shù)提供了一種食用油生產(chǎn)質(zhì)量控制方法，所述方法包括：獲取由攝像頭采集的待檢測食用油在第一單色光照射下的食用油第一單色光圖像；獲取由所述攝像頭采集的所述待檢測食用油在第二單色光照射下的食用油第二單色光圖像，其中，所述第一單色光為紅色光且所述第二單色光為藍色光；分別對所述食用油第一單色光圖像和所述食用油第二單色光圖像進行基于食用油狀態(tài)的特征提取以得到食用油第一單色光下狀態(tài)特征圖和食用油第二單色光下狀態(tài)特征圖；將所述食用油第一單色光下狀態(tài)特征圖和所述食用油第二單色光下狀態(tài)特征圖輸入基于顯著性-全局性的特征表征強化模塊以得到強化食用油第一單色光下狀態(tài)特征圖和強化食用油第二單色光下狀態(tài)特征圖；計算所述強化食用油第一單色光下狀態(tài)特征圖和所述強化食用油第二單色光下狀態(tài)特征圖之間的差分特征圖，并基于所述差分特征圖生成燈檢結(jié)果，所述燈檢結(jié)果用于表示食用油是否存在異常。

12、采用上述技術(shù)方案，通過攝像頭采集食用油在紅色光和藍色光照射下的第一單色光圖像和第二單色光圖像，并在后端引入基于人工智能和機器視覺技術(shù)的圖像處理和分析算法來對于該第一單色光圖像和第二單色光圖像進行分析和對比，以此來對于食用油中的可視性雜質(zhì)或異物進行識別和檢測。這樣，能夠?qū)κ秤糜椭械目梢曅噪s質(zhì)或異物等異常進行自動燈檢，從而實現(xiàn)食用油生產(chǎn)過程的智能化生產(chǎn)質(zhì)量控制，以確保最終產(chǎn)品符合質(zhì)量標(biāo)準(zhǔn)。

13、本技術(shù)的其他特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。