[发明专利]茶叶揉捻压力监控方法、自动揉捻流程、设备及存储介质

权利要求书

1.一种茶叶揉捻压力监控方法，其特征在于包括以下步骤：

通过布置用于监控压盖状态的浮动传感器，获得指定时间段内的压盖上浮时间数据或压盖上浮高度数据，从而判断当前揉捻机的揉捻压力阶段。

2.根据权利要求1所述的一种茶叶揉捻压力监控方法，其特征在于：获得指定时间段内的压盖上浮时间数据或压盖上浮高度数据后，通过基于压盖上浮时间数据的上浮时间比例法或基于压盖上浮高度数据的上浮高度平均方差值法来判断当前揉捻压力阶段。

3.根据权利要求2所述的一种茶叶揉捻压力监控方法，其特征在于：所述上浮时间比例法包括以下子步骤：

采集指定时间段内压盖上浮的总耗时，以下式计算获得总耗时占指定时间段的比例η，并和设定的揉捻压力阶段数据比对，以此区分揉捻压力阶段：

其中：

T为指定时间段的时长；

t为压盖上浮的总耗时。

4.根据权利要求2所述的一种茶叶揉捻压力监控方法，其特征在于：所述上浮高度平均方差值法包括以下子步骤：

在指定时间段内采集揉捻过程中压盖上浮的高度并存为数组，然后分别计算数组的平均值和方差值；设定揉捻压力阶段数据，以上浮高度的平均值与揉捻压力阶段数据比对，用以判断空压和重压；通过表示压盖波动的大小的方差值与揉捻压力阶段数据比对，用以区分轻压和中压。

5.根据权利要求2或3或4所述的一种茶叶揉捻压力监控方法，其特征在于：将浮动传感器安装至揉捻机上后，在该台揉捻机上手工控压揉捻，将揉捻全程以指定时间段加以分隔，然后在每个指定时间段内采集揉捻过程中的压盖上浮高度数据或压盖上浮时间数据，再以当前手工控压揉捻的揉捻压力阶段将上述数据分类标记储存；随后，建立卷积神经网络模型，将分类标记储存的数据投入卷积神经网络模型中进行深度学习，获得对应的模型参数，进而得到的带有对应的模型参数的卷积神经网络模型；最后，正常测试压盖上浮高度数据或压盖上浮时间数据，并将之与带有模型参数的卷积神经网络模型比对，获得结果。

6.根据权利要求3所述的一种茶叶揉捻压力监控方法，其特征在于：当采用上浮时间比例法时，设定的揉捻压力阶段数据为：

当对象为带有缓冲弹簧的单臂丝杆式揉捻机时，空压阶段区域为(0,20％]，轻压阶段区域为(20％,40％]，中压阶段区域为(40％,85％]，重压阶段区域为(85％,99％]，过重阶段区域为(99％,100％]；

当对象为带有缓冲弹簧的A类双柱龙门式揉捻机时，空压阶段区域为(0,10％]，轻压阶段区域为(10％,35％]，中压阶段区域为(35％,80％]，重压阶段区域为(80％,95％]，过重阶段区域为(95％,100％]；

当对象为带有缓冲弹簧的B类双柱龙门式揉捻机时，空压阶段区域为(0,5％]，轻压阶段区域为(5％,25％]，中压阶段区域为(25％,70％]，重压阶段区域为(70％,90％]，过重阶段区域为(90％,100％]；

当对象为带有浮动式压盖和缓冲弹簧的C类双柱龙门式揉捻机且检测对象为压盖时，空压阶段区域为(0,15％]，轻压阶段区域为(15％,60％]，中压阶段区域为(60％,98％]，重压阶段区域为(98％,100％)，过重阶段区域为100％；

当对象为仅带有缓冲弹簧的C类双柱龙门式揉捻机时，空压阶段区域为0％，轻压阶段区域为(0,9％]，中压阶段区域为(9％,45％]，重压阶段区域为(45％,90％]，过重阶段区域为(90％,100％]。