本技術(shù)涉及生產(chǎn)控制領(lǐng)域，尤其涉及一種土料攪拌控制方法及系統(tǒng)。

背景技術(shù)：

1、流態(tài)固化土是通過攪拌混合形成具有特定流動性和強度的一種固化土，在市政工程等領(lǐng)域有著廣泛應(yīng)用。隨著工程領(lǐng)域的要求提高，對流態(tài)固化土的生產(chǎn)效率和固化強度的要求也逐漸提高，而實現(xiàn)流態(tài)固化土的生產(chǎn)效率和固化強度提高的首要是改進優(yōu)化其生產(chǎn)工序，尤其是其中的攪拌控制工序，實現(xiàn)更精確更高效的攪拌控制。

2、目前對于流態(tài)固化土生產(chǎn)過程中的攪拌控制，大多是基于經(jīng)驗設(shè)置固定的控制參數(shù)，并結(jié)合人工調(diào)整工序進行控制，該方式依賴于人為經(jīng)驗，往往導(dǎo)致優(yōu)化缺乏依據(jù)，控制也不精確。依此，現(xiàn)有技術(shù)中也有預(yù)測不同控制參數(shù)或工序下的固化強度，并選擇固化強度最高的控制參數(shù)或工序進行優(yōu)化的攪拌控制方法，但這種方法只能在土料攪拌開始時進行確定，忽略了攪拌過程中投料之間的相互影響，缺乏一定的靈活性，從而攪拌控制精確度難以達到預(yù)期。因此，如何提高對流態(tài)固化土進行攪拌控制的精確度，以提高流態(tài)固化土的生產(chǎn)效率，仍是現(xiàn)有技術(shù)亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種土料攪拌控制方法及系統(tǒng)，以解決現(xiàn)有流態(tài)固化土的攪拌控制精確度不足的技術(shù)問題。

2、根據(jù)本技術(shù)實施方式的第一方面，提供一種土料攪拌控制方法，包括：

3、采集當前攪拌工序的工序執(zhí)行數(shù)據(jù)和當前攪拌圖像；其中，所述工序執(zhí)行數(shù)據(jù)包括若干種已投材料、投料時間序列、若干種待投材料和當前攪拌參數(shù)；

4、根據(jù)所述若干種已投材料和所述若干種待投材料，基于預(yù)設(shè)的多個線性回歸模型進行預(yù)測，得到每種已投材料的初始投料時間和每種待投材料的初始投料時間，并根據(jù)每種已投材料的初始投料時間和所述投料時間序列對每種待投材料的初始投料時間進行修正，確定每種待投材料的投料時間區(qū)間；

5、對所有待投材料的投料時間區(qū)間進行采樣并組合，得到多種待投時間序列，基于預(yù)設(shè)的堆疊雙向神經(jīng)網(wǎng)絡(luò)，預(yù)測所述多種待投時間序列的固化強度，并根據(jù)所述固化強度篩選所述多種待投時間序列得到第一投料序列；

6、對當前攪拌圖像進行分割識別，得到第一攪拌特征，根據(jù)所述第一攪拌特征的相似度，確定對應(yīng)的預(yù)設(shè)攪拌參數(shù)，并根據(jù)所述預(yù)設(shè)攪拌參數(shù)對所述當前攪拌參數(shù)進行修正，得到第一攪拌參數(shù)；

7、根據(jù)所述第一投料序列和所述第一攪拌參數(shù)，對當前攪拌工序進行控制。

8、本技術(shù)先采集當前攪拌工序的工序執(zhí)行數(shù)據(jù)和當前攪拌圖像，并基于多個線性回歸模型預(yù)測每種已投材料和每種待投材料的初始投料時間，再結(jié)合已投材料的初始投料時間和投料時間序列修正待投材料的初始投料時間得到對應(yīng)投料時間區(qū)間，考慮了攪拌過程中每種材料的投料時間的相互影響，能夠提高對待投材料的投料時間的確定的靈活性；進而對每種待投材料的投料時間區(qū)間進行采樣并組合得到多種待投時間序列，基于堆疊雙向神經(jīng)網(wǎng)絡(luò)預(yù)測固化強度并根據(jù)固化強度篩選得到第一投料序列，能夠基于更靈活的投料時間區(qū)間確定更豐富的投料時間序列，能夠預(yù)測得到更全面的固化強度，進而篩選得到第一投料序列時更準確，從而提高根據(jù)第一投料序列進行控制時的精確度；再對當前攪拌圖像進行分割識別得到第一攪拌特征并確定預(yù)設(shè)攪拌參數(shù)，進而根據(jù)預(yù)設(shè)攪拌參數(shù)修正當前攪拌參數(shù)得到第一攪拌參數(shù)，考慮了當前攪拌情況對后續(xù)控制的影響，從而根據(jù)第一投料序列和第一攪拌參數(shù)對當前攪拌工序進行控制時，提高控制的精確度。

9、在本技術(shù)的某些實施方式中，所述根據(jù)所述若干種已投材料和所述若干種待投材料，基于預(yù)設(shè)的多個線性回歸模型進行預(yù)測，得到每種已投材料的初始投料時間和每種待投材料的初始投料時間，并根據(jù)每種已投材料的初始投料時間和所述投料時間序列對每種待投材料的初始投料時間進行修正，確定每種待投材料的投料時間區(qū)間，具體包括：

10、根據(jù)所述若干種已投材料，基于所述多個線性回歸模型進行預(yù)測，得到每種已投材料的初始投料時間；其中，所述多個線性回歸模型是與所述已投材料和所述待投材料的材料類型一一對應(yīng)的；預(yù)測時，選擇與已投材料對應(yīng)材料類型的線性回歸模型進行預(yù)測；

11、計算每種已投材料的初始投料時間與所述投料時間序列中每種已投材料的實際投料時間的時間差，得到每種已投材料的時間偏差；

12、根據(jù)所述若干種待投材料，基于所述多個線性回歸模型進行預(yù)測，得到每種待投材料的初始投料時間；其中，預(yù)測時，選擇與待投材料對應(yīng)材料類型的線性回歸模型進行預(yù)測；

13、根據(jù)每種已投材料的時間偏差，計算所述若干種已投材料的時間波動平均值，并根據(jù)所述時間波動平均值，以每種待投材料的初始投料時間為基準，確定每種待投材料的投料時間區(qū)間。

14、本技術(shù)先基于多個線性回歸模型預(yù)測已投材料和待投材料的初始投料時間，再計算每種已投材料的初始投料時間和投料時間序列得到的實際投料時間的時間差，根據(jù)時間差計算時間波動平均值并修正待投材料的初始投料時間，確定投料時間區(qū)間，通過已投材料的投料時間偏差對待投材料的投料時間進行修正，考慮了攪拌過程中投料時間的先后相互影響，提高對待投材料的投料時間確定的靈活性，進而后續(xù)根據(jù)投料時間區(qū)間確定第一投料序列時更準確，提高后續(xù)進行攪拌控制的精確度。

15、在本技術(shù)的某些實施方式中，所述多個線性回歸模型的構(gòu)建過程，具體為：

16、獲取多條歷史攪拌數(shù)據(jù)；其中，每條歷史攪拌數(shù)據(jù)包括材料類型、投料時間和測定固化強度；

17、將所述多條歷史攪拌數(shù)據(jù)按所述材料類型進行重復(fù)分類，得到多組模型訓(xùn)練數(shù)據(jù)；其中，重復(fù)分類時，計算每條歷史攪拌數(shù)據(jù)中當前分類的材料類型的投料時間與前一種材料的投料時間的投料間隔，并將所述投料間隔作為所述模型訓(xùn)練數(shù)據(jù)的新增數(shù)據(jù)列；

18、基于所述多組模型訓(xùn)練數(shù)據(jù)，以投料間隔和測定固化強度為自變量，以投料時間為因變量，構(gòu)建得到對應(yīng)的多個線性回歸模型。

19、本技術(shù)先獲取多條歷史攪拌數(shù)據(jù)，并按材料類型進行重復(fù)分類得到多組模型訓(xùn)練數(shù)據(jù)，重復(fù)分類時計算每條歷史數(shù)據(jù)中當前分類的材料類型的投料時間與前一種材料的投料時間的投料間隔，并將投料間隔作為新增數(shù)據(jù)列，通過對數(shù)據(jù)的前處理，能夠聚焦數(shù)據(jù)特征，為后續(xù)構(gòu)建模型提供依據(jù)，進而基于多組模型訓(xùn)練數(shù)據(jù)，以投料間隔和測定固化強度為自變量，以投料時間為因變量，構(gòu)建多個線性回歸模型，通過構(gòu)建與材料類型一一對應(yīng)的線性回歸模型，能夠分別對不同類型的材料的投料時間進行預(yù)測，更快速更便捷地確定對應(yīng)類型材料的預(yù)測投料時間，為后續(xù)提供數(shù)據(jù)基礎(chǔ)。

20、在本技術(shù)的某些實施方式中，所述對所有待投材料的投料時間區(qū)間進行采樣并組合，得到多種待投時間序列，基于預(yù)設(shè)的堆疊雙向神經(jīng)網(wǎng)絡(luò)，預(yù)測所述多種待投時間序列的固化強度，并根據(jù)所述固化強度篩選所述多種待投時間序列得到第一投料序列，具體包括：

21、對每種待投材料的投料時間區(qū)間分別進行多次采樣，得到每種待投材料的多個投料采樣時間；

22、根據(jù)每種待投材料的多個投料采樣時間，構(gòu)建每種待投材料的投料時間的全組合，得到多種待投時間序列；

23、基于所述堆疊雙向神經(jīng)網(wǎng)絡(luò)，對每種待投時間序列的固化強度進行預(yù)測，得到對應(yīng)的預(yù)測固化強度；

24、將預(yù)測固化強度最高者對應(yīng)的待投時間序列確定為第一投料序列。

25、本技術(shù)先對每種待投材料的投料時間區(qū)間分別進行多次采樣得到多個投料采樣時間，再構(gòu)建每種待投材料的投料時間全組合得到多種待投時間序列，能夠基于更靈活的投料時間區(qū)間確定更豐富的投料時間序列，進而通過堆疊雙向神經(jīng)網(wǎng)絡(luò)預(yù)測每種待投時間序列的預(yù)測固化強度，并根據(jù)預(yù)測固化強度確定第一投料序列，能夠通過更豐富的投料時間序列，得到更全面的預(yù)測固化強度，進而篩選得到第一投料序列時更準確，從而提高根據(jù)第一投料序列進行控制的精確度。

26、在本技術(shù)的某些實施方式中，所述堆疊雙向神經(jīng)網(wǎng)絡(luò)是通過兩層雙向神經(jīng)網(wǎng)絡(luò)的堆疊得到的，所述堆疊雙向神經(jīng)網(wǎng)絡(luò)包括輸入層、第一雙向網(wǎng)絡(luò)層、第二雙向網(wǎng)絡(luò)層、全連接預(yù)測層和輸出層；所述基于所述堆疊雙向神經(jīng)網(wǎng)絡(luò)，對每種待投時間序列的固化強度進行預(yù)測，得到對應(yīng)的預(yù)測固化強度，具體包括：

27、通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的輸入層，對當前輸入的待投時間序列進行特征提取，得到時序輸入特征；

28、通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的第一雙向網(wǎng)絡(luò)層，將所述時序輸入特征表征為第一正向隱藏狀態(tài)序列和第一反向隱藏狀態(tài)序列，并融合所述第一正向隱藏狀態(tài)序列和所述第一反向隱藏狀態(tài)序列，得到第一隱藏狀態(tài)序列；

29、通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的第二雙向網(wǎng)絡(luò)層，將所述第一隱藏狀態(tài)序列表征為第二正向隱藏狀態(tài)和第二反向隱藏狀態(tài)，并融合所述第二正向隱藏狀態(tài)和所述第二反向隱藏狀態(tài)，得到第二隱藏狀態(tài)；

30、通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的全連接預(yù)測層，基于所述第二隱藏狀態(tài)進行預(yù)測，得到預(yù)測特征；

31、通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的輸出層，將所述預(yù)測特征進行特征還原，得到當前輸入的待投時間序列對應(yīng)的預(yù)測固化強度。

32、本技術(shù)通過堆疊神經(jīng)網(wǎng)絡(luò)的輸入層提取特征，并通過第一雙向網(wǎng)絡(luò)層處理得到第一隱藏狀態(tài)序列，再通過第二雙向網(wǎng)絡(luò)層處理得到第二隱藏狀態(tài)，能夠分別將對應(yīng)的輸入數(shù)據(jù)映射解析并處理成對應(yīng)所需目標形態(tài)，從而通過全連接預(yù)測層和輸出層對第二隱藏狀態(tài)進行預(yù)測和特征還原輸出時，提高得到的預(yù)測固化強度的準確度。

33、在本技術(shù)的某些實施方式中，所述對當前攪拌圖像進行分割識別，得到第一攪拌特征，具體包括：

34、基于預(yù)設(shè)的圖像分割模型，對當前攪拌圖像進行主體圖像分割，得到當前攪拌圖像的主區(qū)域圖像和副區(qū)域圖像；其中，所述主區(qū)域圖像為所述圖像分割模型識別當前攪拌圖像得到的主體，所述副區(qū)域圖像為當前攪拌圖像中除主區(qū)域圖像以外的部分；

35、對所述主區(qū)域圖像進行圖像增強和圖像去噪，得到主區(qū)域增強圖像，并對所述主區(qū)域增強圖像進行圖像特征提取，得到當前攪拌圖像對應(yīng)的主體特征；

36、對所述副區(qū)域圖像進行圖像去噪，得到副區(qū)域去噪圖像，并對所述副區(qū)域去噪圖像進行圖像特征提取，得到當前攪拌圖像對應(yīng)的區(qū)域特征；

37、拼接所述主體特征和所述區(qū)域特征，得到當前攪拌圖像對應(yīng)的第一攪拌特征。

38、本技術(shù)先基于圖像分割模型對當前攪拌圖像進行主體圖像分割得到主區(qū)域圖像和副區(qū)域圖像，對主區(qū)域圖像進行圖像增強、圖像去噪和圖像特征提取得到主體特征，并對副區(qū)域圖像進行圖像去噪和圖像特征提取得到區(qū)域特征，對不同分割類型的圖像的分別處理，能夠滿足不同分割類型的圖像的圖像精度要求，從而使拼接得到的第一攪拌特征更符合當前控制任務(wù)需求，提高后續(xù)根據(jù)第一攪拌特征進行修正和控制時的準確度。

39、在本技術(shù)的某些實施方式中，所述根據(jù)所述第一攪拌特征的相似度，確定對應(yīng)的預(yù)設(shè)攪拌參數(shù)，并根據(jù)所述預(yù)設(shè)攪拌參數(shù)對所述當前攪拌參數(shù)進行修正，得到第一攪拌參數(shù)，具體包括：

40、基于預(yù)設(shè)的歷史攪拌數(shù)據(jù)庫，計算所述第一攪拌特征與所述歷史攪拌數(shù)據(jù)庫中每條歷史攪拌特征的相似度，并將相似度最高的歷史攪拌特征對應(yīng)的歷史攪拌參數(shù)作為預(yù)設(shè)攪拌參數(shù)；

41、基于預(yù)設(shè)修正權(quán)重，計算當前攪拌參數(shù)與所述預(yù)設(shè)攪拌參數(shù)中每種參數(shù)的加權(quán)平均值，得到第一攪拌參數(shù)。

42、本技術(shù)先計算第一攪拌特征與歷史攪拌數(shù)據(jù)庫中每條歷史攪拌特征的相似度，并根據(jù)相似度確定預(yù)設(shè)攪拌參數(shù)，通過相似度提高對預(yù)設(shè)攪拌參數(shù)查找篩選的準確度，再基于預(yù)設(shè)修正權(quán)重計算當前攪拌參數(shù)和預(yù)設(shè)攪拌參數(shù)的加權(quán)平均值得到第一攪拌參數(shù)，能夠滿足不同情況下的參數(shù)修正要求，從而提高得到的第一攪拌參數(shù)的準確度，提高根據(jù)第一攪拌參數(shù)進行控制時的精確度。

43、根據(jù)本技術(shù)實施方式的第二方面，提供一種土料攪拌控制系統(tǒng)，包括工序數(shù)據(jù)采集模塊、投料時間確定模塊、投料序列確定模塊、攪拌參數(shù)確定模塊和攪拌工序控制模塊；

44、所述工序數(shù)據(jù)采集模塊，用于采集當前攪拌工序的工序執(zhí)行數(shù)據(jù)和當前攪拌圖像；其中，所述工序執(zhí)行數(shù)據(jù)包括若干種已投材料、投料時間序列、若干種待投材料和當前攪拌參數(shù)；

45、所述投料時間確定模塊，用于根據(jù)所述若干種已投材料和所述若干種待投材料，基于預(yù)設(shè)的多個線性回歸模型進行預(yù)測，得到每種已投材料的初始投料時間和每種待投材料的初始投料時間，并根據(jù)每種已投材料的初始投料時間和所述投料時間序列對每種待投材料的初始投料時間進行修正，確定每種待投材料的投料時間區(qū)間；

46、所述投料序列確定模塊，用于對所有待投材料的投料時間區(qū)間進行采樣并組合，得到多種待投時間序列，基于預(yù)設(shè)的堆疊雙向神經(jīng)網(wǎng)絡(luò)，預(yù)測所述多種待投時間序列的固化強度，并根據(jù)所述固化強度篩選所述多種待投時間序列得到第一投料序列；

47、所述攪拌參數(shù)確定模塊，用于對當前攪拌圖像進行分割識別，得到第一攪拌特征，根據(jù)所述第一攪拌特征的相似度，確定對應(yīng)的預(yù)設(shè)攪拌參數(shù)，并根據(jù)所述預(yù)設(shè)攪拌參數(shù)對所述當前攪拌參數(shù)進行修正，得到第一攪拌參數(shù)；

48、所述攪拌工序控制模塊，用于根據(jù)所述第一投料序列和所述第一攪拌參數(shù)，對當前攪拌工序進行控制。

49、在本技術(shù)的某些實施方式中，所述投料時間確定模塊包括已投時間預(yù)測單元、時間偏差計算單元、待投時間預(yù)測單元和時間區(qū)間確定單元；

50、所述已投時間預(yù)測單元，用于根據(jù)所述若干種已投材料，基于所述多個線性回歸模型進行預(yù)測，得到每種已投材料的初始投料時間；其中，所述多個線性回歸模型是與所述已投材料和所述待投材料的材料類型一一對應(yīng)的；預(yù)測時，選擇與已投材料對應(yīng)材料類型的線性回歸模型進行預(yù)測；

51、所述時間偏差計算單元，用于計算每種已投材料的初始投料時間與所述投料時間序列中每種已投材料的實際投料時間的時間差，得到每種已投材料的時間偏差；

52、所述待投時間預(yù)測單元，用于根據(jù)所述若干種待投材料，基于所述多個線性回歸模型進行預(yù)測，得到每種待投材料的初始投料時間；其中，預(yù)測時，選擇與待投材料對應(yīng)材料類型的線性回歸模型進行預(yù)測；

53、所述時間區(qū)間確定單元，用于根據(jù)每種已投材料的時間偏差，計算所述若干種已投材料的時間波動平均值，并根據(jù)所述時間波動平均值，以每種待投材料的初始投料時間為基準，確定每種待投材料的投料時間區(qū)間。

54、在本技術(shù)的某些實施方式中，所述多個線性回歸模型的構(gòu)建過程，具體為：

55、獲取多條歷史攪拌數(shù)據(jù)；其中，每條歷史攪拌數(shù)據(jù)包括材料類型、投料時間和測定固化強度；

56、將所述多條歷史攪拌數(shù)據(jù)按所述材料類型進行重復(fù)分類，得到多組模型訓(xùn)練數(shù)據(jù)；其中，重復(fù)分類時，計算每條歷史攪拌數(shù)據(jù)中當前分類的材料類型的投料時間與前一種材料的投料時間的投料間隔，并將所述投料間隔作為所述模型訓(xùn)練數(shù)據(jù)的新增數(shù)據(jù)列；

57、基于所述多組模型訓(xùn)練數(shù)據(jù)，以投料間隔和測定固化強度為自變量，以投料時間為因變量，構(gòu)建得到對應(yīng)的多個線性回歸模型。

58、在本技術(shù)的某些實施方式中，所述投料序列確定模塊包括時間采樣單元、投料組合單元、強度預(yù)測單元和序列確定單元；

59、所述時間采樣單元，用于對每種待投材料的投料時間區(qū)間分別進行多次采樣，得到每種待投材料的多個投料采樣時間；

60、所述投料組合單元，用于根據(jù)每種待投材料的多個投料采樣時間，構(gòu)建每種待投材料的投料時間的全組合，得到多種待投時間序列；

61、所述強度預(yù)測單元，用于基于所述堆疊雙向神經(jīng)網(wǎng)絡(luò)，對每種待投時間序列的固化強度進行預(yù)測，得到對應(yīng)的預(yù)測固化強度；

62、所述序列確定單元，用于將預(yù)測固化強度最高者對應(yīng)的待投時間序列確定為第一投料序列。

63、在本技術(shù)的某些實施方式中，所述堆疊雙向神經(jīng)網(wǎng)絡(luò)是通過兩層雙向神經(jīng)網(wǎng)絡(luò)的堆疊得到的，所述堆疊雙向神經(jīng)網(wǎng)絡(luò)包括輸入層、第一雙向網(wǎng)絡(luò)層、第二雙向網(wǎng)絡(luò)層、全連接預(yù)測層和輸出層；所述投料序列確定模塊包括特征提取單元、第一表征單元、第二表征單元、特征預(yù)測單元和特征輸出單元；

64、所述特征提取單元，用于通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的輸入層，對當前輸入的待投時間序列進行特征提取，得到時序輸入特征；

65、所述第一表征單元，用于通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的第一雙向網(wǎng)絡(luò)層，將所述時序輸入特征表征為第一正向隱藏狀態(tài)序列和第一反向隱藏狀態(tài)序列，并融合所述第一正向隱藏狀態(tài)序列和所述第一反向隱藏狀態(tài)序列，得到第一隱藏狀態(tài)序列；

66、所述第二表征單元，用于通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的第二雙向網(wǎng)絡(luò)層，將所述第一隱藏狀態(tài)序列表征為第二正向隱藏狀態(tài)和第二反向隱藏狀態(tài)，并融合所述第二正向隱藏狀態(tài)和所述第二反向隱藏狀態(tài)，得到第二隱藏狀態(tài)；

67、所述特征預(yù)測單元，用于通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的全連接預(yù)測層，基于所述第二隱藏狀態(tài)進行預(yù)測，得到預(yù)測特征；

68、所述特征輸出單元，用于通過所述堆疊雙向神經(jīng)網(wǎng)絡(luò)的輸出層，將所述預(yù)測特征進行特征還原，得到當前輸入的待投時間序列對應(yīng)的預(yù)測固化強度。

69、在本技術(shù)的某些實施方式中，所述攪拌參數(shù)確定模塊包括攪拌圖像識別單元；所述攪拌圖像識別單元包括攪拌圖像分割子單元、第一特征提取子單元、第二特征提取子單元和攪拌特征獲取子單元；

70、所述攪拌圖像分割子單元，用于基于預(yù)設(shè)的圖像分割模型，對當前攪拌圖像進行主體圖像分割，得到當前攪拌圖像的主區(qū)域圖像和副區(qū)域圖像；其中，所述主區(qū)域圖像為所述圖像分割模型識別當前攪拌圖像得到的主體，所述副區(qū)域圖像為當前攪拌圖像中除主區(qū)域圖像以外的部分；

71、所述第一特征提取子單元，用于對所述主區(qū)域圖像進行圖像增強和圖像去噪，得到主區(qū)域增強圖像，并對所述主區(qū)域增強圖像進行圖像特征提取，得到當前攪拌圖像對應(yīng)的主體特征；

72、所述第二特征提取子單元，用于對所述副區(qū)域圖像進行圖像去噪，得到副區(qū)域去噪圖像，并對所述副區(qū)域去噪圖像進行圖像特征提取，得到當前攪拌圖像對應(yīng)的區(qū)域特征；

73、所述攪拌特征獲取子單元，用于拼接所述主體特征和所述區(qū)域特征，得到當前攪拌圖像對應(yīng)的第一攪拌特征。

74、在本技術(shù)的某些實施方式中，所述攪拌參數(shù)確定模塊包括攪拌參數(shù)修正單元；所述攪拌參數(shù)修正單元包括預(yù)設(shè)參數(shù)確定子單元和加權(quán)參數(shù)修正子單元；

75、所述預(yù)設(shè)參數(shù)確定子單元，用于基于預(yù)設(shè)的歷史攪拌數(shù)據(jù)庫，計算所述第一攪拌特征與所述歷史攪拌數(shù)據(jù)庫中每條歷史攪拌特征的相似度，并將相似度最高的歷史攪拌特征對應(yīng)的歷史攪拌參數(shù)作為預(yù)設(shè)攪拌參數(shù)；

76、所述加權(quán)參數(shù)修正子單元，用于基于預(yù)設(shè)修正權(quán)重，計算當前攪拌參數(shù)與所述預(yù)設(shè)攪拌參數(shù)中每種參數(shù)的加權(quán)平均值，得到第一攪拌參數(shù)。

77、本技術(shù)先采集當前攪拌工序的工序執(zhí)行數(shù)據(jù)和當前攪拌圖像，并基于多個線性回歸模型預(yù)測每種已投材料和每種待投材料的初始投料時間，再結(jié)合已投材料的初始投料時間和投料時間序列修正待投材料的初始投料時間得到對應(yīng)投料時間區(qū)間，考慮了攪拌過程中每種材料的投料時間的相互影響，能夠提高對待投材料的投料時間的確定的靈活性；進而對每種待投材料的投料時間區(qū)間進行采樣并組合得到多種待投時間序列，基于堆疊雙向神經(jīng)網(wǎng)絡(luò)預(yù)測固化強度并根據(jù)固化強度篩選得到第一投料序列，能夠基于更靈活的投料時間區(qū)間確定更豐富的投料時間序列，能夠預(yù)測得到更全面的固化強度，進而篩選得到第一投料序列時更準確，從而提高根據(jù)第一投料序列進行控制時的精確度；再對當前攪拌圖像進行分割識別得到第一攪拌特征并確定預(yù)設(shè)攪拌參數(shù)，進而根據(jù)預(yù)設(shè)攪拌參數(shù)修正當前攪拌參數(shù)得到第一攪拌參數(shù)，考慮了當前攪拌情況對后續(xù)控制的影響，從而根據(jù)第一投料序列和第一攪拌參數(shù)對當前攪拌工序進行控制時，提高控制的精確度。