基于视觉大模型的复合肥颗粒检测分析系统技术方案

本发明专利技术公开了基于视觉大模型的复合肥颗粒检测分析系统，包括以下步骤：数据获取：获取复合肥相关的图形数据，形成模型构建集和测试集；构建视觉大模型：分析模型构建集数据，构建视觉大模型；试运行检测：导入测试集数据，进行试运行和检测分析：上线运行：将生产线上产品实时图片输入到合格的视觉大模型中进行分析检测

【技术实现步骤摘要】
基于视觉大模型的复合肥颗粒检测分析系统


[0001]本专利技术涉及复合肥加工领域，特别涉及基于视觉大模型的复合肥颗粒检测分析系统
。

技术介绍

[0002]复合肥料是指含有氮磷钾中两种或两种以上营养元素的化肥，复合肥具有养分含量高
、
副成分少且物理性状好等优点，对于平衡施肥，提高肥料利用率，促进作物的高产稳产有着十分重要的作用
。
[0003]随着社会的发展，人们对于复合肥的要求也在不断地提高，为了更好的把控复合肥的质量，通常会对复合肥进行检测
。
[0004]随着科学技术的发展，工厂的生产从机械化趋向自动化
、
智能化
。
化肥被称为粮食的“粮食”，对于作物的生长起着重要作用，而在化肥生产过程中，化肥的造粒粒度是影响化肥最终质量的重要因素之一
。
[0005]氨酸法造粒工艺是生产化肥的工艺之一，由硫酸与氨
、
磷酸一铵和硫酸与尿素
、
氯化钾
、
蒸馏水以及其他原料在转鼓造粒机中化学反应并形成化肥小颗粒，因其最终产品含有两种以上的营养元素，这类化肥被称为复合肥
。
[0006]传统的氨酸法造粒工艺，需要化肥生产厂里有经验的技术工人在生产时近距离观察造粒机内的物料状态和化肥，根据转鼓造粒机中的物料状态和颗粒粒度大小来判断加入的水蒸气量是否合适，从而调节加入的水蒸气
。
[0007]但是采用技术工人肉眼观察化肥颗粒粒度大小的方式不仅耗时耗力，而且在化肥造粒过程中会散发出浓烈的化学气体氨气等，长期吸入混有氨酸的空气会导致工人氨中毒，对人体的呼吸系统造成损伤，同时采用人工的方式在短时间检测精度高，长时间观看受到疲劳影响其准确度不高，而且无法同时进行检测，需要多人操作，其成本比较高，而且检测的效率不高，不满足人们的使用要求，为此，我们提出基于视觉大模型的复合肥颗粒检测分析系统
。

技术实现思路

[0008]本专利技术的主要目的在于提供基于视觉大模型的复合肥颗粒检测分析系统，可以有效解决
技术介绍
中的问题
。
[0009]为实现上述目的，本专利技术采取的技术方案为：
[0010]基于视觉大模型的复合肥颗粒检测分析系统，包括以下步骤：
[0011]⑴
、
数据获取：获取复合肥相关的图形数据，形成模型构建集和测试集；
[0012]⑵
、
构建视觉大模型：分析模型构建集数据，构建视觉大模型；
[0013]⑶
、
试运行检测：导入测试集数据，进行试运行和检测分析：
[0014]⑷
、
上线运行：将生产线上产品实时图片输入到合格的视觉大模型中进行分析检测
。
[0015]本专利技术记载了基于视觉大模型的复合肥颗粒检测分析系统，其根据实际的需求构建视觉大模型，利用大量的数据和算法，构建具有高度识别
、
分析和表达能力的视觉系统，它可以模仿人类视觉系统的工作原理，对图像进行处理和分析，其能够同时处理大量的图片，减轻相关技术人员的工作量，具有良好的使用前景
。
[0016]优选的，步骤
(1)
中形成模型构建集和测试集时，采用计算机随机抽取一半的图形数据形成模型构建集，将剩余的图形数据形成测试集
。
[0017]将图形数据打散分成模型构建集和测试集，使得部分的数据不参与模型构建，采用新的数据测试模型，能够更好的校验模型的准确性，而且利用测试集中的数据供给模型进一步的分析学习，使用效果好，具有良好的使用前景
。
[0018]优选的，步骤
(2)
构建视觉大模型的步骤如下：
[0019]①
、
特征提取：获取图片中复合肥的关键信息；
[0020]②
、
特征评级：对获取的特征进行评级；
[0021]③
、
分值计算：设定不同等级对应的分值；
[0022]④
、
模型建立：基于设定的特征和分级构建模型
。
[0023]模型建立采用现有的数据模型建立方法
。
[0024]优选的，步骤
①
中特征提取中提取的关键信息为不合格复合肥颗粒的信息
。
[0025]因异常特征比较明显，而且比较突出，其识别比较快，因此采用扣分制的方案，当产品表面存在异常特征时进行扣分，通过分值展现出复合肥的质量
。
[0026]优选的，步骤
①
中特征提取时汇总出现不合格复合肥颗粒症状对应的原因以及处理方法
。
[0027]能够方便工作人员发现原因，及时整改，能够方便技术人员进一步的把控复合肥的质量，使用比较方便
。
[0028]优选的，步骤
(3)
中试运行检测的步骤如下：
[0029]Ⅰ、
抽取图片：随机抽取测试集中的图片；
[0030]Ⅱ、
人工评判：人工评判图片中复合肥对应的分值；
[0031]Ⅲ、
模型评判：视觉大模型对抽取的图片进行，检测评分；
[0032]Ⅳ、
综合对比：比对人工评判和模型评判评分差异值是否储存标准范围内
。
[0033]在模型建立期间采用人工比对评判的方式，能够检测模型的使用效果
。
[0034]可以在空闲时间对测试集中的图片进行单独评判，并且录入评判结果，使用时直接读取评判结果，直接对比，使用比较方便
。
[0035]优选的，步骤Ⅰ中抽取图片时一次性抽取
30
‑
100
张图片进行分析，步骤Ⅲ中模型评判时进行同时比对
。
[0036]图片的数量可以单独设置，在模型初期抽取少量图片，方便模型调整，后期进行检测时逐步增加图片的数量
。
[0037]优选的，步骤Ⅳ中综合对比时，所有图片抽取比对存在人工评判和模型评判评分差异值不在储存标准范围内的情况即视觉大模型不合格，进行模型调整
。
[0038]优选的，上线运行时定期人工对检测结果进行抽检，出现抽检结果不匹配时进行模型调整
。
[0039]优选的，模型调整时调整特征等级以及相对应的分值，根据新得特征等级以及相
对应的分值重新构建视觉大模型，调整后的模型重新进行试运行检测
。
[0040]本专利技术记载了基于视觉大模型的复合肥颗粒检测分析系统，其对模型进行试运行和检测，反复对模型进行调整，能够增加模型识别的精准度，使得模型识别的效果更好，使用的效率更高，而且采用该方法能够避免技术人员接触产品，能够保障技术人员健康，同时能够提高复合肥颗粒检测的效率，具有良好的使用前景
。
[0041]与现有技术相比，本专利技术基于视觉大模型的复合肥颗粒检测分析系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于视觉大模型的复合肥颗粒检测分析系统，其特征在于，包括以下步骤：
⑴
、
数据获取：获取复合肥相关的图形数据，形成模型构建集和测试集；
⑵
、
构建视觉大模型：分析模型构建集数据，构建视觉大模型；
⑶
、
试运行检测：导入测试集数据，进行试运行和检测分析：
⑷
、
上线运行：将生产线上产品实时图片输入到合格的视觉大模型中进行分析检测
。2.
根据权利要求1所述的基于视觉大模型的复合肥颗粒检测分析系统，其特征在于：步骤
(1)
中形成模型构建集和测试集时，采用计算机随机抽取一半的图形数据形成模型构建集，将剩余的图形数据形成测试集
。3.
根据权利要求1所述的基于视觉大模型的复合肥颗粒检测分析系统，其特征在于：步骤
(2)
构建视觉大模型的步骤如下：
①
、
特征提取：获取图片中复合肥的关键信息；
②
、
特征评级：对获取的特征进行评级；
③
、
分值计算：设定不同等级对应的分值；
④
、
模型建立：基于设定的特征和分级构建模型
。4.
根据权利要求3所述的基于视觉大模型的复合肥颗粒检测分析系统，其特征在于：步骤
①
中特征提取中提取的关键信息为不合格复合肥颗粒的信息
。5.
根据权利要求3所述的...

【专利技术属性】
技术研发人员：盛成，芮强，徐姮，陆博文，
申请(专利权)人：合肥力拓云计算科技有限公司，
类型：发明
国别省市：