利用光学传感器和深度学习确定面包生产中面团发酵的最佳状态

摘要： 面团发酵在面包生产过程中起着至关重要的作用，其成功与否直接关系到能否生产出高质量的产品。近年来，德国烘焙连锁店的门店数量持续增长，同时在门店本地完成烘焙产品的趋势也日益明显。目前市场对熟练工人的需求得不到满足，导致门店中未经培训且经验不足的员工数量不断增加。本文提出一种基于光学技术的发酵过程自动监测方法。通过结合机器学习与超椭球体模型拟合技术，我们开发了一套针对置于发酵室内的面团物体的实例分割与参数估算方法。该方法利用位于发酵室后方的可移动激光传感器系统，在离散时间点测量给定地形。通过应用超椭球体模型拟合方法，我们估算出每个物体的体积，平均偏差约为10%。由此持续监测体积梯度，以此反映发酵状态的进展。探索性测试表明该方法具有可靠性与潜力，尤其适用于本地门店，同时也适用于烘焙工厂的大规模生产。