基于图像处理的白酒酒花轮廓检测

依据"看花摘酒"的传统经验,采用机器视觉代替人眼,通过CCD获取摘酒酒花的视频图像,并截取不同酒度酒花图像进行直方图均衡化、图像腐蚀等图像预处理,消除了高光噪声的影响,然后采用不同边缘检测算法对酒花轮廓进行了对比研究,采用OTSU算法与Canny边缘检测算法相结合的方法,较好地实现酒花与背景的分割,提取清晰的酒花边缘轮廓,通过对大清花与小清花图像的模式识别,为摘酒自动化提供了有效分级依据。该智能化的分级摘酒方法,能够提高分级摘酒工艺的稳定性和准确性,易于实现分级摘酒工序的智能自动化。

啤酒度数和酒精浓度是一码事吗

不是一码事.由于啤酒和白酒的酿造工艺不同,啤酒先将大麦芽和辅助原料大米等经过麦芽淀粉酶和蛋白酶的作用下转化成麦芽糖类,酿成麦芽汁,再加人啤酒花,酵母等制成啤酒,因此在啤酒瓶上往往会有两个瓶标,正面的度数指的是麦芽汁浓度,比如每公升麦芽汁内含有80克糖类.

我国酿酒行业上市公司财务绩效评价实证研究

酿酒行业作为国民经济的支柱产业,在国民经济中发挥着巨大作用,随着改革开放和市场经济的发展,人民物质生活水平的提高,酒类消费在人们的消费组成中占了很大的比重,推动了国民经济的增长,而作为酿酒行业中的最高水平的酿酒行业上市公司,也成了社会科学领域中的重要研究方向.对酿酒行业进行财务绩效评价研究的现实意义为指导投资者明确投资方向,帮助管理者改善企业内部管理,让所有者了解公司经营概况有一定的作用,总之,更为企业进一步发展起鞭策作用. 传统的酿酒行业上市公司绩效评价一般只针对单一品种进行研究,比如只研究白酒类或啤酒类,即便研究整个酿酒行业选取的企业指标也较少,因而具有局限性. 本文所研究的酿酒行业包括白酒,啤酒,葡萄酒,汾酒等酒类,首先阐述了酿酒行业研究的背景,目的及意义;其次,选取了新浪财经网酿酒行业板块27家酿酒行业为研究对象,利用2012年的年度报告,选取了偿债能力,盈利能力,营运能力,成长能力,每股指标等五大指标16项分指标作为实证分析的数据;然后,以上市公司的财务绩效基础理论作为评价基础,通过剖析酿酒行业的发展概况,行业特点,行业分类进行分析,利用了适应性,激励性,可比性等八项财务绩效评价指标作为评价准则,构建了财务绩效评价体系;最后,在此基础上又采用了因子分析法利用统计分析软件SPSS16.0做了实证分析. 本文运用了理论分析和实证分析相互交叉进行,在实证分析的基础上又理论总结以及企业之间横向对比排名的的分析方法得出以下结论: (1)从酿酒行业的综合财务绩效和排名情况综合评价,得出的结果是,贵州茅台股份酒业,洋河股份和泸州老窖等16家公司得分为正数,表明财务竞争力比较强.例如,排在前三位的贵州茅台是中国最著名的白酒类品牌,近年来刚刚崛起的洋河股份;排名较靠前的品牌还有青岛啤酒,泸州老窖,重庆啤酒,山西汾酒等;而西藏发展,沱牌舍得,张裕A以及通葡股份等11家公司综合得分为负数,表明综合竞争力不强,财务竞争力较弱;垫底的三家公司为金枫酒业,莫高股份,惠泉啤酒. (2)从酿酒行业财务绩效分项得分及排名情况来看,盈利能力表现比较好的是酒鬼酒,泸州老窖,山西汾酒;在每股能力方面表现比较好的是贵州茅台,洋河股份,张裕A;偿债能力方面表现比较好的是重庆啤酒,皇台酒业,老白干酒;营运能力表现比较好的是山西汾酒,青岛啤酒,啤酒花. (3)从酿酒行业的种类上来说有15家白酒企业,7家啤酒,4家葡萄酒和山西汾酒.综合评价排名前三位的企业分别为贵州茅台,洋河股份,泸州老窖,这三家都是白酒类企业,可见白酒类行业独占了排名的前三位,业绩表现可观;啤酒行业在整个酒类行业中整体上处于中等;葡萄酒类在酿酒行业中处于劣势. 最后本文在定性,定量分析的基础上对酿酒行业上市公司提出以下展望:协调指标均衡,提升财务绩效;转型期酿酒行业要与时俱进;迈出国门,加强国际营销.

一种基于白酒酒花图像的摘酒设备及方法

本发明为一种基于白酒酒花图像的摘酒设备,包括相机固定部分和酒花采集部分,所述相机固定部分的作用为固定相机位置,采集图片;相机固定部分包括可调节固定支架及安装在固定支架上的相机;所述酒花采集部分的作用为控制酒杯采集原酒并移动酒杯至相机正中位置以方便采集酒花,同时又能将酒杯从采集位置返回至流酒口位置;酒花采集部分包括步进电机,凸轮连杆机构,末端支撑及固定在末端支撑上的酒杯,固定支架固定在白酒生产线的流酒口附近,步进电机驱动凸轮连杆机构动作进而能够带动酒杯在流酒口和相机的正下方往复移动.打破传统人工看花摘酒的不足,提高了自动化,智能化程度,减少人为误差,提高了酒质优品率.

夏日清爽"兴奋剂"

夏季当家饮料数啤酒,相比于 红酒,洋酒,白酒,啤酒显得更平民化,能消暑降温,是聊天吃夜市的最佳伴侣.啤酒是所有酒类中口感最清淡爽口的,它的可爱之处就再于可以让你兴奋,燃烧, 体验微醺的美好感觉,却不会醉倒你.这种以麦芽为主要原料,大米,酒花为辅料的酿造工艺结晶已经成为一种世界性的饮料.

基于深度学习的白酒酒花实时分类方法

Objective: To solve the subjectivity and instability of the traditional Baijiu picking method "liquor-receiving according to liquor hop", and the problem that the existing machine vision hops classification method is difficult to meet the real-time classification. Methods: The lightweight YOLOv5 takes YOLOv5s as the initial model, uses the K-mean clustering anchor box to replace the default anchor box to improve the model detection accuracy and stability, uses the shufflenetv2 network to replace the YOLOv5s backbone network for feature extraction, so as to achieve the purpose of lightweight model, and adds the CBAM attention mechanism to make the model pay more attention to the characteristics of hops. Results: Compared with the initial YOLOv5s model, the memory occupied by the lightweight YOLOv5 model is reduced by 92.5%, the parameters are reduced by 93.7%, the calculation is reduced by 63.4%, the detection accuracy is improved by 2.8%, and the FPS is up to 526. Conclusion: The lightweight YOLOv5 reduces the requirements for hardware configuration and can well realize the real-time detection and classification of hops.