随着传统食品行业自动化技术的蓬勃发展,白酒酿造行业近年来也持续致力于自动化生产线的改进,但是在摘酒等严重依赖人工经验的工艺环节仍难以实现自动化生产。目前关于摘酒工艺自动化的研究中主要分为两种路线:第一种采用密度计等精密传感器进行摘酒,利用密度值与酒精度之间的映射关系,判断酒精度大小,从而控制相应装置实现自动化摘酒,但转换精度较低,易受白酒流速等外部环境影响;第二种利用机器视觉进行看花摘酒,但多数采用边缘检测等传统图像处理方法,过程繁琐且分类准确率低。针对上述问题,本文基于“源于传统,优于传统”的理念,结合深度学习技术,采用一种端到端的方式对白酒酒花图像进行分类,并通过搭建的摘酒设备实现分段摘酒。本文主要研究内容如下:首先,以河北某酒厂特定风味的白酒生产流程中的摘酒工艺作为研究对象,在其摘酒厂间使用工业相机采集大量酒花视频。根据白酒酒花图像在时序上的变化信息,按照隔一帧选取一张图像的规律选出酒花序列图像。通过对选出的图像进行标注和预处理,建立了包含11个类别的白酒酒花图像数据集。其次,设计了一种用于白酒酒花图像分类的神经网络模型。本文结合Res Net卷积神经网络和Conv LSTM循环神经网络建立了一种端到端的网络模型,实现了图像高层特征的提取和图像之间时序特征内在规律的挖掘,通过建立的白酒酒花数据集进行了算法性能的评估和验证。在网络模型训练过程中,通过多次参数调整和优化网络方法的使用,使得该网络在测试集上的准确率达到93.2%,验证了所使用算法的有效性和鲁棒性。最后,进行摘酒设备的搭建,本文形成以工控机为上位机,PLC为下位机,工业相机、温度传感器、流量传感器、压力传感器、步进电机和舵机等作为被控器件的整体设计方案。设备的搭建主要分为设备硬件搭建和整体系统构建两部分内容。对设备结构进行模块化设计,实现了摘酒设备硬件的选型与搭建。摘酒设备整体系统包括基于PLC的下位机控制系统和基于Lab VIEW的上位机监控系统,下位机PLC用以控制摘酒设备底层硬件,上位机工控机和下位机PLC之间利用OPC通讯,实现对传感器返回实时值与工业相机采集酒花图像的处理。通过设备电气原理图与整体控制流程,完成下位机控制系统PLC梯形图的设计。上位机监控系统利用Lab VIEW软件,实现数据存储、图像采集、界面设计等功能。