Eason's blog

【專案】智慧釀藏酒大師 Winster

Published on

簡介

「智慧釀藏酒大師 Winster」,是一套幫助您釀酒和控管酒況的釀藏酒平台。

主要能夠提供專業釀酒玩家、小型釀酒企業,酒的品種以及產地的分析和釀酒過程的錯誤偵測,同時在網頁與行動裝置上指示用戶,註冊、偵測並顯示相關資訊,並紀錄之,亦可對於單純收藏酒的一般用戶提供酒況偵測與建議。

技術上透過光學、溫度、濕度和重量感測,以及背後的數據收集,利用 RNN 的機器學習架構,採用 LSTM 來分析原始資料。

我們特地實地收集了五十幾種的酒種,並且研究諸多相關論文,利用偵測值(RGB 的 OD 值、溫度、濕度、重量實時變化)與口感的關係,再利用自製的偵測電路和 3D 列印外殼,實現了 Winster 的硬體裝置。

這項作品拿到了 2017 ARM Design Contest 決賽入圍,以及 第 2 屆遠傳物聯網應用開發大賽的 Ericsson 企業獎

Demo 影片

系統架構

系統架構圖: upload successful

硬體

STM32F469NIH6 程式碼:ericz7000nolan/Arm-contest

一、自製電壓偵測模組:以電阻值反比於亮度(正比於電阻倒數)的形式進行測量。欲量得光譜值、溫度、重量的值,須先測得其電阻,另外串連一個適當電阻,測其跨壓,來得出酒況,進而得出口感和相關產地。

二、ADC1 ADC2、ADC3 :測量待測電壓訊號經過後,將轉換結果換算成實際的電壓值,供電路使用,並且供 server 做計算。

三、將 LCD screen 和 touchscreen 做啟用,提升使用者與作品的親切度,並能透過 LCD 介面選擇模式。

四、STM32F469NIH6 Discovery Board 我們主要實現了以下:功能 USART、ADC、delay、按鍵中斷、LED 控制、LCD、touchscreen、FATFS。

五、在此作品中,STM32F469NIH6 Discovery 開發板作為數據偵測與初階處理的工作(ADC 數據作 Moving Average 100 點),並將結果透過 USART 傳給藍芽模組,USART 與 HC05 藍芽模組透過板上的 USART6,傳送資料給藍芽模組 HC05,藍芽模組再將資料傳送給主機方, 主機方接收後會開始進行即時數據分析。

Winster 裝置成品: upload successful

資料處理

我們利用 RGB 三色 LED 裝設於裝置上,並使其能貼於酒瓶兩側,利用 LED 燈光之變化:分別以紅、黃、藍、綠、青、紫、白光去照射酒瓶,並於另一端的光敏電阻接收光值,並去分析不同酒種對於光值的變化情形來做酒種的識別與判斷。

我們共分析了 50 支酒的光值,分別為 8 支威士忌、2 支調和威士忌、4 支伏特加、1 支萊姆酒、3 支龍舌蘭酒、3 支琴酒、1 支粉紅酒、1 支紅酒與 27 支白酒。

而我們發現光譜值透過分析後,可將其與酒之間的差異分離出來,並且觀察到綠光的部分造成的影響最大,且差異性可和酒種的 body(口感,像是 medium body、full body 等等)做連結,進而判斷出酒種的 body 和可能產地,再者,偵測到待測物的原始資料後,利用酒類的各色吸光 OD 值來對酒類的酒種、酒體、釀造氣候等等,與資料庫的數據進行迴歸分析的 mapping,再取出最相近的酒種,然後對差異性高低做分數評比(在 server 上做分析),並回傳結果給板子。

upload successful

軟體

主機上使用 Processing 接收 Winster 裝置藍芽傳進來的資料(各色光穿透率、溫度、重量),將此筆資料與 SQLite3 資料庫中所有酒類 data 進行回歸分析比對,找出最相近的酒種,然後回傳回 device 上顯示,同時將此筆新資料加入資料庫中,擴展資料量,讓下次比對結果更準確。

upload successful

網頁前端使用 HTML, CSS, Javascript, JqueryUI 來實現互動式介面。

網頁後端使用 Ruby on Rails 做為開發框架,並用 SQLite3 作為資料庫。

使用者連線上主機後,Rails 會直接抓取資料庫中已經分析比對好的結果,呈現在網頁上。 而若使用者是專業釀酒師,在實際品酒後認為網頁呈現的結果有偏差(年份、酒體有誤差等等),也可以手動更改回歸分析的結果,而這筆更動也會即時寫進資料庫裡,提升整體比對結果準確率。

網頁程式碼:Kamigami55/winster-web

網頁介面(首頁): upload successful

網頁介面(酒藏詳細資訊): upload successful

相關媒體報導

專案成員

Eason Chang、Eric Chang、Michael Chen