CN103033476A - 一种基于红外成像在线检测烟叶中含梗的设备及方法 - Google Patents

一种基于红外成像在线检测烟叶中含梗的设备及方法 Download PDF

Info

Publication number
CN103033476A
CN103033476A CN 201310019127 CN201310019127A CN103033476A CN 103033476 A CN103033476 A CN 103033476A CN 201310019127 CN201310019127 CN 201310019127 CN 201310019127 A CN201310019127 A CN 201310019127A CN 103033476 A CN103033476 A CN 103033476A
Authority
CN
China
Prior art keywords
tobacco leaf
belt
infrared
stalk
offal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN 201310019127
Other languages
English (en)
Inventor
黄岗
曾闽中
李拥政
杨顺才
刘玉刚
王艺斌
蒋鑫巍
崔博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KUNMING JULIN TECHNOLOGY Co Ltd
Original Assignee
KUNMING JULIN TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KUNMING JULIN TECHNOLOGY Co Ltd filed Critical KUNMING JULIN TECHNOLOGY Co Ltd
Priority to CN 201310019127 priority Critical patent/CN103033476A/zh
Publication of CN103033476A publication Critical patent/CN103033476A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Manufacture Of Tobacco Products (AREA)

Abstract

本发明涉及烟叶叶梗的检测方法,特别是一种基于红外成像在线检测烟叶中含梗的方法。本发明的目的是为了解决烟叶加工过程中,能够满足大流量加工要求的一种将含梗烟叶从烟叶中分离出来的方法,提高目前烟叶和烟梗分离的效率和准确度,以提高整个烟叶加工的效率。其原理是红外信号较容易透过烟叶,但是不太容易透过烟梗,因此在获得的图像上,烟叶的灰度值比较大,而烟梗的灰度值较小,即烟梗在图像上表现较暗,烟叶在图像上表现较亮。

Description

一种基于红外成像在线检测烟叶中含梗的设备及方法
技术领域
本发明涉及烟叶叶梗的检测方法,特别是一种基于红外成像在线检测烟叶中含梗的方法。 
背景技术
随着目前烟草企业对烟叶原料和生产自动化的要求越来越高,对于烟叶中含梗的烟叶指标要求也越来越严格,如果烟叶中含梗量大,会造成烟的口味变化以及细小烟梗刺破烟纸造成生产的烟不合格,因此 ,面对大流量的烟叶生产加工工过程,需要一种自动化的方法来检测生产过程中烟叶中的烟梗,并且将不符合生产工艺的烟梗在线剔除。 
   目前,在国内的烟草生产企业中,都是通过风选的方法,通过含梗烟叶与不含梗烟叶的重量不一样,通过抽风的方法,来分选含梗烟叶。这种方法对于烟梗的区分不好,大量的烟梗都会被误选出去,进入合格产品。本发明正是针对目前的这种状态,发明了一种基于红外成像的在线检测烟梗的方法,能够针对烟叶大流量生产加工状况,在线检测烟叶中含梗情况,并且将含梗的烟叶剔除。 
发明内容
1、发明目的:本发明的目的是为了解决烟叶加工过程中,能够满足大流量加工要求的一种将含梗烟叶从烟叶中分离出来的方法,提高目前烟叶和烟梗分离的效率和准确度,以提高整个烟叶加工的效率。 
  
2、技术方案:本发明是按照以下技术方案实施的:
所述基于红外成像在线检测烟叶中含梗的方法主要包括摊薄系统,传输装置,检测系统和剔除系统。其中摊薄系统包括振槽1,除团及摊平、摊薄星辊2,接成团烟叶皮带3;传输装置包括:摊平、摊薄皮带4;检测系统包括:检测相机5,密封用光学玻璃6,红外光源7;剔除系统包括:杂物剔除气阀及腔体8,接合格烟叶通道9,接剔除杂物通道10。
本发明主要包括以下步骤: 
第一步:将烟叶除团,摊平,摊薄。通过振槽,星形辊和高速皮带,将烟叶除团,摊平,摊薄,使得结成团的烟叶进入接团通道,颗粒较小的烟叶通过传输皮带进入光学检测装置。
第二步, 红外光源透过皮带得到烟叶的红外透视图。基于红外成像在线检测烟叶中含梗是将红外光源放置于皮带传输皮带下方,皮带上方用线阵CCD接收红外信号,并在CCD镜头前安装红外滤波片,使得只有红外信号可以通过镜头,排除可见光的干扰。其原理是红外信号较容易透过烟叶,但是不太容易透过烟梗,因此在获得的图像上,烟叶的灰度值比较大,而烟梗的灰度值较小,即烟梗在图像上表现较暗,烟叶在图像上表现较亮。 
第三步,提取图像的特征,进行图形计算。 
其计算过程如下: 
利用相机生成的灰度图像的像素灰度大小,对小于阈值的像素的数量来确定其烟梗的长度和宽度,然后判断是否为烟梗信息。
第四步,根据第三步的计算结果,将信息反馈到杂物剔除气阀进行处理。如果图像计算分析结果显示叶中不含梗,则烟叶进入下一流程,如果计算结果显示烟叶中含梗,则通过工控机计算烟梗位置,然后将位置数据发送到处理卡,通过处理卡延时处理 ,控制气阀喷气,将烟梗剔除。   
3、优点及效果:通过本发明的实施,本发明具有以下优点:
一、可以流水作业,实时的检测并剔除烟叶层中含梗的烟叶或是烟梗,有效的解决了目前打复烤生产线离线检测方法检测周期较长(若干个小时),相对于生产来说检测具有滞后性,不能够很好的满足生产动态实时控制的难题;
二、通过皮带和红外光源的选择,解决了目前烟叶透视方法检测烟梗需要在空中成像,检测时的烟叶姿态更好,大多数平铺在皮带上,检测准确率更高,同时通道也不容易堵塞。
三、对比X射线等其他透视性较好的光源,用红外光源可以有效的降低对人体有害的辐射,可以减少很多防辐射维护成本。 
  
四、附图说明;
图1为基于红外成像在线检测烟叶中含梗装置的布局图。
图2为红外光学检测装置的布局图。 
图3为基于红外成像在线检测烟叶中含梗的检测流程图 
图4为图像处理后的效果图
标注:1—振槽;2—除团及摊平、摊薄星辊;3—接成团烟叶皮带;4—摊平、摊薄皮带;5—检测相机;6—密封用光学玻璃;7—红外光源;8—杂物剔除气阀及腔体;9—接合格烟叶通道;10—接剔除杂物通道。
具体实施方式
下面将结合附图对本发明过程进行说明: 
第一步:将烟叶除团,摊平,摊薄。通过振槽,星形辊和高速皮带,将烟叶除团,摊平,摊薄,使得结成团的烟叶进入接团通道,颗粒较小的烟叶通过传输皮带进入光学检测装置。
如图1所示烟叶通过振槽1进入星棍2,此时,较大的烟叶团不容易掉下,随着星棍进入接团皮带3,较小的合格烟叶从星棍2缝隙中漏下,随着摊平、摊薄皮带4进入光学检测装置。 
第二步, 红外光源透过皮带得到烟叶的红外透视图。基于红外成像在线检测烟叶中含梗是将红外光源放置于皮带传输皮带下方,皮带上方用线阵CCD接收红外信号,并在CCD镜头前安装红外滤波片,使得只有红外信号可以通过镜头,排除可见光的干扰。其原理是红外信号较容易透过烟叶,但是不太容易透过烟梗,因此在获得的图像上,烟叶的灰度值比较大,而烟梗的灰度值较小,即烟梗在图像上表现较暗,烟叶在图像上表现较亮。 
烟叶随着摊平、摊薄皮带4运动进入光学检测装置,图2所示为光学检测装置的侧视图,皮带4下方为线性红外光源7,皮带4上方为密封用光学玻璃6,玻璃上方为检测相机5。 
第三步,提取图像的特征,进行图形计算。 
其计算过程如下: 
利用相机生成的灰度图像的像素灰度大小,对小于阈值的像素的数量和连通性来确定其烟梗的长度和宽度,然后判断是否为烟梗信息。
第四步,根据第三步的计算结果,将信息反馈到杂物剔除气阀进行处理。如果图像计算分析结果显示叶中不含梗,则烟叶进入下一流程,如果计算结果显示烟叶中含梗,则通过工控机计算烟梗位置,然后将位置数据发送到处理卡,通过处理卡延时处理 ,控制气阀喷气,将烟梗剔除,含梗的烟叶被气阀喷到接剔除杂物通道10,而正常的烟叶则进入接合格烟叶通道9。  

Claims (3)

1.一种基于红外成像在线检测烟叶中含梗的方法,包括所述基于红外成像在线检测烟叶中含梗的方法主要包括摊薄系统,传输装置,检测系统和剔除系统,其中摊薄系统包括振槽,除团及摊平、摊薄星辊,接成团烟叶皮带;传输装置包括:摊平、摊薄皮带;检测系统包括:检测相机,密封用光学玻璃,红外光源;剔除系统包括:杂物剔除气阀及腔体,接合格烟叶通道,接剔除杂物通道。
2.根据权利要求1所述的一种基于红外成像在线检测烟叶中含梗的方法,其特征在于本发明主要包括以下步骤:
第一步:将烟叶除团、摊平、摊薄,通过振槽,星形辊和高速皮带,将烟叶除团,摊平,摊薄,使得结成团的烟叶进入接团通道,颗粒较小的烟叶通过传输皮带进入光学检测装置;
第二步, 红外光源透过皮带得到烟叶的红外透视图,
基于红外成像在线检测烟叶中含梗是将红外光源放置于皮带传输皮带下方,皮带上方用线阵CCD接收红外信号,并在CCD镜头前安装红外滤波片,使得只有红外信号可以通过镜头,排除可见光的干扰;
第三步,提取图像的特征,进行图形计算;
第四步,根据第三步的计算结果,将信息反馈到杂物剔除气阀进行处理,如果图像计算分析结果显示叶中不含梗,则烟叶进入下一流程,如果计算结果显示烟叶中含梗,则通过工控机计算烟梗位置,然后将位置数据发送到处理卡,通过处理卡延时处理 ,控制气阀喷气,将烟梗剔除。
3.根据权利要求1所述的一种基于红外成像在线检测烟叶中含梗的方法,其特征在于所述计算方法为利用相机生成的灰度图像的像素灰度大小,对小于阈值的像素的数量和连通性来确定其烟梗的长度和宽度,然后判断是否为烟梗信息。
CN 201310019127 2013-01-20 2013-01-20 一种基于红外成像在线检测烟叶中含梗的设备及方法 Pending CN103033476A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201310019127 CN103033476A (zh) 2013-01-20 2013-01-20 一种基于红外成像在线检测烟叶中含梗的设备及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201310019127 CN103033476A (zh) 2013-01-20 2013-01-20 一种基于红外成像在线检测烟叶中含梗的设备及方法

Publications (1)

Publication Number Publication Date
CN103033476A true CN103033476A (zh) 2013-04-10

Family

ID=48020595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201310019127 Pending CN103033476A (zh) 2013-01-20 2013-01-20 一种基于红外成像在线检测烟叶中含梗的设备及方法

Country Status (1)

Country Link
CN (1) CN103033476A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776715A (zh) * 2014-02-24 2014-05-07 昆明聚林科技有限公司 一种烟叶含梗率测定装置及方法
CN104034661A (zh) * 2014-06-30 2014-09-10 南京大树智能科技股份有限公司 基于高光谱的叶含梗检测装置
CN104573736A (zh) * 2015-01-20 2015-04-29 湖南中烟工业有限责任公司 一种基于双能感应的烟梗与烟叶精确识别的方法及系统
CN106216264A (zh) * 2016-07-26 2016-12-14 红塔烟草(集团)有限责任公司 一种基于视觉的烟草异物剔除方法及装置
CN108340509A (zh) * 2018-02-11 2018-07-31 合肥美亚光电技术股份有限公司 物料分选系统和物料分选方法
CN109709145A (zh) * 2018-12-18 2019-05-03 中国科学院合肥物质科学研究院 一种识别卷烟燃烧锥掉落的装置及方法
CN110231338A (zh) * 2019-07-03 2019-09-13 芜湖启迪睿视信息技术有限公司 一种图像采集装置和图像采集比对方法
CN110636231A (zh) * 2019-08-12 2019-12-31 南京焦耳科技有限责任公司 一种单片烟叶三视图像的获取装置及方法
WO2021174612A1 (zh) * 2020-03-05 2021-09-10 云南中烟工业有限责任公司 一种烟梗中长梗率测定装置和测定方法
CN113457493A (zh) * 2021-05-14 2021-10-01 上海奥格营养生物科技有限公司 一种美容祛斑营养品加工用加料机及其加料方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776715A (zh) * 2014-02-24 2014-05-07 昆明聚林科技有限公司 一种烟叶含梗率测定装置及方法
CN103776715B (zh) * 2014-02-24 2016-08-24 昆明聚林科技有限公司 一种烟叶含梗率测定方法
CN104034661A (zh) * 2014-06-30 2014-09-10 南京大树智能科技股份有限公司 基于高光谱的叶含梗检测装置
CN104573736A (zh) * 2015-01-20 2015-04-29 湖南中烟工业有限责任公司 一种基于双能感应的烟梗与烟叶精确识别的方法及系统
CN104573736B (zh) * 2015-01-20 2017-12-15 湖南中烟工业有限责任公司 一种基于双能感应的烟梗与烟叶精确识别的方法及系统
CN106216264A (zh) * 2016-07-26 2016-12-14 红塔烟草(集团)有限责任公司 一种基于视觉的烟草异物剔除方法及装置
CN106216264B (zh) * 2016-07-26 2019-01-29 红塔烟草(集团)有限责任公司 一种基于视觉的烟草异物剔除方法及装置
CN108340509A (zh) * 2018-02-11 2018-07-31 合肥美亚光电技术股份有限公司 物料分选系统和物料分选方法
CN109709145A (zh) * 2018-12-18 2019-05-03 中国科学院合肥物质科学研究院 一种识别卷烟燃烧锥掉落的装置及方法
CN109709145B (zh) * 2018-12-18 2021-08-03 中国科学院合肥物质科学研究院 一种识别卷烟燃烧锥掉落的装置及方法
CN110231338A (zh) * 2019-07-03 2019-09-13 芜湖启迪睿视信息技术有限公司 一种图像采集装置和图像采集比对方法
CN110636231A (zh) * 2019-08-12 2019-12-31 南京焦耳科技有限责任公司 一种单片烟叶三视图像的获取装置及方法
CN110636231B (zh) * 2019-08-12 2022-03-29 南京焦耳科技有限责任公司 一种单片烟叶三视图像的获取装置及方法
WO2021174612A1 (zh) * 2020-03-05 2021-09-10 云南中烟工业有限责任公司 一种烟梗中长梗率测定装置和测定方法
CN113457493A (zh) * 2021-05-14 2021-10-01 上海奥格营养生物科技有限公司 一种美容祛斑营养品加工用加料机及其加料方法
CN113457493B (zh) * 2021-05-14 2022-08-12 奥格生物技术(六安)有限公司 一种美容祛斑营养品加工用加料机及其加料方法

Similar Documents

Publication Publication Date Title
CN103033476A (zh) 一种基于红外成像在线检测烟叶中含梗的设备及方法
CN109454006B (zh) 基于化纤丝锭绊丝缺陷在线检测和分级的装置的检测分级方法
CN107392232B (zh) 一种浮选工况分类方法和系统
CN105388162B (zh) 基于机器视觉的原料硅片表面划痕检测方法
CN104914111A (zh) 一种带钢表面缺陷在线智能识别检测系统及其检测方法
CN110403232B (zh) 一种基于二级算法的烟支质量检测方法
CN103454285A (zh) 基于机器视觉的传动链条质量检测系统
CN102020036A (zh) 一种条烟外包装透明纸缺陷的视觉检测方法
CN104537651B (zh) 一种路面图像中裂缝比例检测方法及系统
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
Liang et al. Defect detection of rail surface with deep convolutional neural networks
CN103604808A (zh) 一种瓶盖缺陷视觉检测方法
CN112893159B (zh) 一种基于图像识别的煤矸石分拣方法
CN104056790A (zh) 一种马铃薯智能分选方法与装置
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN201707305U (zh) 一种检测容器盖质量的检测装置
CN113947731A (zh) 一种基于接触网安全巡检的异物识别方法及系统
CN110310275A (zh) 一种基于图像处理的链式传送带缺陷检测方法
CN106872473A (zh) 一种基于机器视觉的马铃薯缺陷检测识别系统设计
CN111275705A (zh) 智能验布方法、装置、电子设备及存储介质
CN111968082A (zh) 一种基于机器视觉的产品包装缺陷检测识别方法
CN104568956A (zh) 基于机器视觉的带钢表面缺陷的检测方法
CN110569753A (zh) 一种基于机器视觉的条烟在线识别方法及系统
CN103020635B (zh) 回转窑内烧结带温度检测方法和系统
CN107153876A (zh) 基于专家规则的机器视觉快门自整定智能控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130410