(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210850187.9 (22)申请日 2022.07.19 (71)申请人 华北电力大 学 （保定） 地址 071003 河北省保定市永华北 大街619 号 (72)发明人 崔克彬　刘智萍　崔叶微　牛为华　 袁和金　 (74)专利代理 机构 北京圣州专利代理事务所 (普通合伙) 11818 专利代理师 何世常 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 一种基于深度学习的白酒摘酒方法及其系 统 (57)摘要 本发明公开了一种基于深度学习的白酒摘 酒方法， 包括以下步骤： S1、 模型训练： 向轻量型 YOLOv5模型中输入酒花图像数据集， 学习酒花特 征与不同等级酒液之间的关系； S2、 图像获取； S3、 图像输入： 向训练完毕的轻量型YOLOv5模型 中输入酒花图像； S4、 模型检测： 轻量型YOL Ov5模 型根据输入的酒花图像的酒花特征对酒花图像 进行分类并输出分类结果； S5、 量质摘酒： 将步骤 S4的分类 结果输入DCS系统中， DCS系统控制阀门 将接酒装置流出的酒液分段装入存酒罐中。 本发 明采用上述基于深度学习的白酒摘酒方法， 利用 轻量型YOLOv5对获取的酒花图像分析， 即可对酒 液分级， 实现自动化量质摘酒， 成本低廉， 稳定性 高。 权利要求书2页 说明书4页 附图2页 CN 115170881 A 2022.10.11 CN 115170881 A 1.一种基于深度学习的白酒摘酒方法， 其特 征在于： 包括以下步骤： S1、 模型训练 向轻量型YOLOv5模型中输入酒花图像数据集， 学习酒花特征与不同等级酒液之间的关 系； S2、 图像获取 经图像采集装置拍摄由酒甑落入接酒装置形成的酒花， 获得酒花图像； S3、 图像输入 向训练完毕的轻量型YOLOv5模型中输入步骤S2获得的酒花图像； S4、 模型检测 轻量型YOLOv5模型根据输入的酒花 图像的酒花特征对酒花图像进行分类并输出分类 结果； S5、 量质摘酒 将步骤S4的分类结果输入DCS系统中， DCS系统控制阀门将接酒装置流出的酒液分段装 入存酒罐中。 2.根据权利要求1所述的一种基于深度学习的白酒摘酒方法， 其特征在于： 轻量型 YOLOv5模型为以YOLOv5s模型作为初始模型的改进， 改进方法包括： 改进锚框： 经k ‑mean聚类的锚框取代默认锚框， 用于提高模型检测精度和稳定性； 改进主干网络： ShuffleNetV2网络替换YOLOv5s模型主干网络进行特征提取， 用于进行 轻量化改进， 降低网络参数， 减少计算 量， 提升检测网络的速度与精度； 增加注意力机制： 增 加CBAM注意力机制， 用于提高酒花特 征关注度和检测精度。 3.根据权利要求2所述的一种基于深度学习的白酒摘酒方法， 其特征在于： ShuffleNetV2网络的输入通道经分离操作分为两个相等分支， 其中一个分支遵循恒等映 射， 另一个分支通过2个1 ×1的普通卷积Conv和1个3 ×3的深度卷积DWConv， 然后将两个分 支ConCat起来,使用C hannel Shuffle启用两个分支之间的信息通。 4.根据权利要求2所述的一种基于深度学习的白酒摘酒方法， 其特征在于： CBAM注意力 机制包括通道注意力模块和空间注意力模块， 通道注意力模块和空间注意力模块分别 在通 道和空间上进行A ttention。 5.根据权利要求4所述的一种基于深度 学习的白酒摘酒方法， 其特征在于： 对于一个特 征图， CBAM注意力机制按照先通道再 空间的顺序先生成通道注 意力图再生成二 维空间注 意 力图， 生成过程如下： 式中， F——CBAM输入特征图， Mc(F)——通道注意力模块生成特征图， Fc——空间注意 力模块输入特 征图， Ms(Fc)——空间注意力模块 生成特征图， Fs——CBAM输出特征图。 6.根据权利要求1所述的一种基于深度学习的白酒摘酒方法， 其特征在于： 步骤S5具体 包括以下步骤： 步骤S4的分类结果输出至显示装置显示， 同时DCS系 统中的上位机根据分类结果下发 指令至下位机， 下位机根据指令控制阀门分段摘取。权　利　要　求　书 1/2 页 2 CN 115170881 A 27.根据权利要求1所述的一种基于深度学习的白酒摘酒方法， 其特征在于： 步骤S4中的 酒花特征包括酒花纹 理、 酒花形状和酒花轮廓。 8.一种基于上述权利要求1 ‑7任一项所述的基于深度学习的白酒摘酒方法的系统， 其 特征在于： 包括设置于接酒装置上方的图像采集装置、 与所述图像采集装置相连的YOLOv5 模型和与YOLOv5模型相连的DCS系统； 所述接酒装置的出酒管上依次并列连接有多条出酒分支管， 所述出酒分支管上设置有 阀门， 所述阀门与DCS系统相连； 所述DCS系统还与显示装置相连。 9.根据权利要求8所述的一种基于深度 学习的白酒摘酒方法的系统， 其特征在于： 所述 图像采集装置为工业相机 。权　利　要　求　书 2/2 页 3 CN 115170881 A 3