[发明专利]大曲品质检测嵌入式高光谱智慧型测控系统

权利要求书

1.大曲品质检测嵌入式高光谱智慧型测控系统，包括SOCFPGA嵌入式设备、标定板数据库、离线主机、无线通讯模块、高光谱相机、光源、数据存储(DDR)模块、现场主控制器、现场分控制器、现场执行机构，其特征在于，高光谱相机与光源相连接，高光谱相机与SOCFPGA嵌入式设备相连接，SOCFPGA嵌入式设备通过无线通讯模块与离线主机相连接，离线主机与标定板数据库相连接，SOCFPGA嵌入式设备通过无线通讯模块与现场主控制器相连接，现场主控制器通过无线通讯模块与现场分控制器相连接，现场分控制器与现场执行机构相连接；

大曲高光谱数据利用SOCFPGA嵌入式设备加速处理的过程是通过在FPGA内编写处理高光谱数据的硬件电路来实现的，具体为：利用SOCFPGA嵌入式设备对三维小波聚类的算法进行加速设计，找出与大曲气味相关的特征波段，通过处理大曲光谱数据获取大曲气味的智能化气味识别，寻找特征波段的具体聚类过程如下：a、输入大曲高光谱数据；b、选择三个特征波段；c、运用三维小波聚类算法进行聚类；d、判断聚类结果是否将含特殊气味的大曲筛选为一类，结果未满足预期则重复执行b-d步骤，直至将特征气味大曲筛选为一类，此时筛选的特征波段为大曲气味的特征波段；通过YOLOV4网络在不同波段预测大曲发酵特征,利用YOLOV4网络预测大曲高光谱图像信息：a、通过标注训练得到能够在可见光波段图像信息中预测穿衣、火圈、裂纹特征的YOLOV4-0网络；b、在近红外波段图像信息的数据标注过程中，通过可视化云图的方式记录大曲中水分含量、酸度和微生物的分布位置和大小信息，进行样本标注和训练，得到能够识别定位高光谱近红外波段图像数据中预测水分含量、酸度特征的YOLOV4-1网络，通过SOCFPGA嵌入式设备加速YOLOV4-0、YOLOV4-1两个网络，同时对大曲高光谱图像信息进行处理，预测大曲的发酵特征；

高光谱相机通过千兆网线与SOCFPGA嵌入式设备相连接，通过SOCFPGA嵌入式设备执行软触发方式控制高光谱相机采集大曲高光谱数据；

数据存储模块与数据先入先出缓冲电路模块相连接，数据先入先出缓冲电路模块与SOCFPGA嵌入式设备相连接，大曲高光谱数据存储在存储模块中，由数据先入先出缓冲电路逐行送入SOCFPGA嵌入式设备中的FPGA芯片中进行运算处理；

SOCFPGA嵌入式设备中的FPGA芯片接收到数据先入先出缓冲电路逐行的大曲高光谱数据后，由以下两部分对大曲高光谱数据进行加速处理：(1)通过烧录到FPGA中的聚类算法硬件电路对大曲高光谱数据中的光谱信息进行加速处理，以获取大曲的气味特征；(2)利用FPGA中YOLOV4硬件电路对高光谱数据进行加速处理，分别在可见光波段和近红外波段数据中得到大曲发酵特征和大曲成分分布特征；

无线通讯模为5G无线通讯模；SOCFPGA嵌入式设备通过5G无线通讯模块将大曲气味特征、大曲发酵特征、大曲成分分布特征传输至离线主机，离线主机结合采集到的大曲气味特征、大曲发酵特征、大曲成分分布特征信息，输出调控现场发酵环境的控制方案并将控制方案传输至SOCFPGA嵌入式设备，然后SOCFPGA嵌入式设备基于控制方案通过5G无线通讯模块向现场主控制器发出控制信号。

2.根据权利要求1所述的大曲品质检测嵌入式高光谱智慧型测控系统，其特征在于，现场主控制器通过5G无线通讯模块向现场分控制器发送控制信号，以远程控制曲房环境。

3.根据权利要求2所述的大曲品质检测嵌入式高光谱智慧型测控系统，其特征在于，现场执行机构包含控制曲房温度的加热器和风机、控制曲房湿度的加湿器和风机，现场分控制器将接收到的控制信号传输到现场执行机构，现场执行机构做出相应控制，以控制曲房发酵环境的温湿度。

4.利用权利要求1所述的大曲品质检测嵌入式高光谱智慧型测控系统对曲房环境进行控制的方法，其特征在于:

(1).通过高光谱相机采集曲房内大曲的高光谱数据，并通过网线直连发送至SOCFPGA嵌入式设备；

(2).以采集到的大曲高光谱数据最高反射率所在反射率梯度为基准，利用SOCFPGA嵌入式设备通过离线主机从标定板数据库3中取出相应梯度的标定板数据，对采集到的大曲高光谱数据进行校准，再由此梯度反射率标定板数据对大曲高光谱数据进行标定；

(3).将校准后的大曲高光谱数据分离为光谱数据：利用SOCFPGA嵌入式设备对三维小波聚类的算法进行加速设计，找出与大曲气味相关的特征波段，通过处理大曲光谱数据获取大曲气味的智能化气味识别，寻找特征波段的具体聚类过程如下：a、输入大曲高光谱数据；b、选择三个特征波段；c、运用三维小波聚类算法进行聚类；d、判断聚类结果是否将含特殊气味的大曲筛选为一类，结果未满足预期则重复执行b-d步骤，直至将特征气味大曲筛选为一类，此时筛选的特征波段为大曲气味的特征波段；

(4).将校准后的大曲高光谱数据分离为图像数据：通过YOLOV4网络在不同波段预测大曲发酵特征,利用YOLOV4网络预测大曲高光谱图像信息：a、通过标注训练得到能够在可见光波段图像信息中预测穿衣、火圈、裂纹特征的YOLOV4-0网络；b、在近红外波段图像信息的数据标注过程中，通过可视化云图的方式记录大曲中水分含量、酸度和微生物的分布位置和大小信息，进行样本标注和训练，得到能够识别定位高光谱近红外波段图像数据中预测水分含量、酸度特征的YOLOV4-1网络，通过SOCFPGA嵌入式设备加速YOLOV4-0、YOLOV4-1两个网络，同时对大曲高光谱图像信息进行处理，预测大曲的发酵特征；

(5).离线主机根据SOCFPGA对大曲高光谱数据的处理结果评估大曲的气味、发酵情况，并做出针对曲房发酵环境的控制决策，传入SOCFPGA后由相应5G无线通讯模块向现场主控制器发出控制信号，现场主控制器接收控制信号后再传入现场分控制器以控制各个执行机构，实现对曲房发酵环境的远程自动控制。