CN104634780B - 一种叶片加料均匀性测量和评价方法 - Google Patents
一种叶片加料均匀性测量和评价方法 Download PDFInfo
- Publication number
- CN104634780B CN104634780B CN201410788490.6A CN201410788490A CN104634780B CN 104634780 B CN104634780 B CN 104634780B CN 201410788490 A CN201410788490 A CN 201410788490A CN 104634780 B CN104634780 B CN 104634780B
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- paper
- scraps
- feed liquid
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000000691 measurement method Methods 0.000 title claims description 8
- 239000007788 liquid Substances 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 17
- 235000005979 Citrus limon Nutrition 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 3
- 241000208125 Nicotiana Species 0.000 claims description 13
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 13
- 244000131522 Citrus pyriformis Species 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 7
- 238000004043 dyeing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010790 dilution Methods 0.000 abstract description 4
- 239000012895 dilution Substances 0.000 abstract description 4
- 238000013139 quantization Methods 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 2
- 244000248349 Citrus limon Species 0.000 abstract 1
- 239000012925 reference material Substances 0.000 abstract 1
- 239000000975 dye Substances 0.000 description 8
- 238000010186 staining Methods 0.000 description 5
- 235000019504 cigarettes Nutrition 0.000 description 4
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- ULWHHBHJGPPBCO-UHFFFAOYSA-N propane-1,1-diol Chemical class CCC(O)O ULWHHBHJGPPBCO-UHFFFAOYSA-N 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
Abstract
本发明公开了一种叶片加料均匀性测量和评价方法,其加料过程采用标准纸片作为叶片的替代物,采用食品级柠檬黄稀释液作为糖料标准物。通过图像处理分析技术定量的从三方面对叶片加料的均匀性进行评价:一、单张叶片料液量覆盖率;二、单张叶片的料液分布均匀性;三、多张叶片间料液分布均匀性。该方法首创研究了针对单张叶片料液施加附着量及料液分布均匀性的量化表征,具有直观、快速、有效的特点,应用前景良好。
Description
技术领域
本发明涉及卷烟加工技术领域,具体是一种叶片加料均匀性测量和评价方法。
背景技术
叶片加料作为制丝线的一个重要的工艺环节,其主要功能是将料液按生产和配方的要求,通过设备、控制系统均匀、准确的施加到过程中的烟叶中去。加料的均匀性对成品卷烟的感官感觉起着重要的作用。因此为了提高加料的均匀性,近年来,行业进行了大量的研究和改进。但是针对叶片加料均匀性的测量和评价方法上,缺乏直观且易量化的评价方法。现有普遍采用的丙二醇标记法,主要是运用加料均匀系数来表征卷烟加料均匀性。但这种方法存在固有局限性,主要表现在一是不能直观表征,二是无法量化表征单一叶片本体施加均匀性。
发明内容
本发明的针对现有技术中存在的不足,提供一种利叶片加料均匀性测量和评价方法,可以从单张叶片料液量覆盖率、单张纸片的料液分布均匀性以及多张纸片间料液分布均匀性等三方面对加料的均匀性进行评价,而且可以实现对加料均匀性的量化。
一种叶片加料均匀性测量和评价方法,包括如下步骤:
a.加料原料确定:采用尺寸为40*40mm标准纸片作为叶片标准替代物,柠檬黄10%稀释液作为糖料标准替代物;
b.加料试验和取样:在加料生产时,待设备稳定运行30min后,在加料机进口振槽处向烟叶中均匀撒入120张标准纸片,在加料出口将烟叶接出,人工挑选出标准纸片,从中随机挑选100片样品作为图谱成像分析对象;
c.对100组图像进行预处理:首先利用K均值聚类算法进行背景检测;再将图像的RGB色彩模型转化为HSV模型,提取V分量得到样品灰度图像;最后利用最大类间差法自动选择阈值将样品灰度图像转化为样品二值图像;
d.计算单张叶片料液覆盖率Kj:
首先根据样品二值图像统计出染色像素点的个数Nj,其中j代表第j张纸片;
然后计算单张叶片料液覆盖率Kj:
其中,Kj表示第j张纸片的染色点相对于完整样品的覆盖率;
e.计算单张叶片的染色分布均匀性评价Hj:
将图像分割为5x5单元,根据二值图像统计每个网格的染色像素点的个数Mj(i),i∈(1,25),其中,i表示第i个网格;
计算Mj(i),i∈(1,25)的相对标准差(RSD)来评价单张叶片料液的分布均匀Hj,Hj数值越大,代表纸片各网格区域通过料液染色的像素点分布越平均,表示该纸片上料液分布均匀性越好,如下公式:
Hj=1-RSD(Mj(i))其中,RSD(Mj(i))表示Mj(i)均方差;
f.计算多张叶片间的染色分布均匀性P:每片纸片上料液附着重量Qj通过如下公式计算:
式中,Cj(x,y)是第j张纸片(x,y)像素点的灰度值;
通过Qj(j=1,2,3…100)的相对标准差来评价多片纸片间料液分布均匀性P,如下公式:
P=1-RSD(Qj)。
如上所述的叶片加料均匀性测量和评价方法,步骤b中加料工序相关参数为:流量2500±30kg/h,雾化介质压力为0.15-0.25MPa,滚筒转速为8r/min,加料比例为3.5%。
如上所述的叶片加料均匀性测量和评价方法,步骤c具体为:
通过相机定置定点拍摄将100片样品转换成JPG图像格式,分别标记为Aj,j=1,2,3,…,100,
提取原始采集图像的样品区域:利用图像处理的K均值聚类算法进行背景检测,保留样品区域,将非样品区域标记为红色。
统一样品区域大小:将所有的采集图像以样品区域未中心重采样为400x400像素大小的方形区域。
彩色图像到灰度图像的转换:将样品图像的RGB色彩模型转化为HSV模型,提取V分量作为样品图像各像素点的灰度值,从得到样品灰度图像。
灰度图像到二值图像的转换:利用图像处理的最大类间差法自动选择阈值将样品灰度图像转化为样品二值图像,染色点标记为白色,未染色点标记为黑色。
本发明利用图像处理分析技术建立了一种全新的加料均匀性测量和评价方法,首创研究了针对单张叶片料液覆盖率及料液分布均匀性的量化表征,建立了全新的加料均匀性评价模型,为以后开展加料设备和加料工艺技术的研究,提供了量化评价平台,对卷烟产品质量及其稳定性的提升有重要的意义。
附图说明
图1是经过加料后的标准染色纸片图像;
图2是通过背景检测和重采样后的染色纸片图像;
图3是染色纸片的灰度图像;
图4是染色纸片的二值图像;
图5是网格划分后的染色纸片图像。
具体实施方式
为了使本发明的目的、技术方案更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施实例仅仅用以解释本发明,并不用于限定本发明。
实施实例1
通过烟叶实际特征、替代物性能和实际施加效果比较,结合图像分析技术特点,确定烟叶标准替代物为尺寸40*40mm标准纸片,糖料标准替代物为柠檬黄10%稀释液(柠檬黄:标准糖料=1:10)。
进行加料生产时,待开始喷料正常后(设备稳定运行30min)在加料机进口振槽处向烟叶中均匀撒入120张标准纸片(5分钟时段内),在加料出口将烟叶接出,人工挑选出标准纸片,从中随机挑选100张作为图谱成像分析对象。如图1所示,是其中一张经过加料后的纸片。
通过自动聚类算法进行背景检测,并进行背景标识。使得在后续的数据统计过程中剔除掉背景像素的影响,提高计算精度。将检测到的背景标识为红色。
背景检测完毕以后,为了对所有图像进行统一处理,从图像中将纸片区域提取出来,为了统一大小,将所有的纸片区域重采样为400x400大小,得到待处理图像如图2所示,其中红色区域为标记的背景。
背景区域分割完毕后,只剩下纸片的区域。在分割之前,需要将图像由彩色进行转换为灰度图像,如图3所示。
根据图像可知图像像素可以分为着色像素和未着色像素的二值图像,可以通过自动阈值算法来进行分割。如图4所示,白色区域为着色像素。统计出染色像素点的个数Nj=47680,
通过以下公式可以计算单张叶片料液覆盖率Kj。
经计算,可以得到该样品料液覆盖率Kj=29.8%。
将图像分割为5x5单元,然后统计每个网格单元的染色像素点个数Mj(i)的相对标准差,i∈(1,25),其中,i表示第i个网格。相对标准差的比对反应了均匀度。如图5所示,为图像的网格划分,如果所有网格的染色点个数相同,说明整个纸片的均匀性较好。通过计算网格染色像素点个数的均方差来表示单张纸片的染色分布均匀性Hj:Hj=1-RSD(Mj(i)),其中,RSD(Mj(i))表示Mj(i)均方差。
本实例中经过计算单张纸片Hj=77.5%。
用100张纸片的Qj(j=1,2,3…100)的相对标准差Qj来评价多片纸片间料液分布均匀性:P=1-RSD(Qj),其中式中Cj(x,y)是第j张纸片(x,y)像素点的灰度值。
根据公式,当P值越大,表示整体的染色分布均匀性越好。经计算,本实例P=48.9%。
为了对单张叶片料液覆盖率Kj和单张叶片的染色分布均匀性Hj评价准则的有效性进行验证,随机从100份样品中挑选出10份,请经验丰富的质量工艺员对每份样品的料液覆盖率和染色分布均匀性进行打分,同时将10份样品通过本发明方法进行评价。实施结果是,本发明的评价与人工评价基本一致。由此可见,本发明能快速有效的对单张叶片料液覆盖率和单张叶片的染色分布均匀性进行表征。
本发明选择用纸片替代烟叶,由于纸片的单位面积的质量接近于烟叶的单位面积质量,而且400*400mm面积接近于烟叶的平均面积,可以很好的对烟叶进行模拟。
本发明选择用柠檬黄稀释液作为糖料标准替代物,由于柠檬黄是水溶性合成色素,呈鲜艳的嫩黄色,色泽跨度大,辨识度较高,而且柠檬黄安全度比较高,基本无毒。
本发明选择用图像处理分析技术评价叶片均匀性可以实现计算机自动化处理,减少人为因素导致的误差,另外图像处理分析技术运用模式识别等预处理方法,能有效的提取图像灰度或颜色特征、边界特征、区域特征,从而建立更好的分析模型。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种叶片加料均匀性测量和评价方法,其特征在于包括如下步骤:
a.加料原料确定:采用尺寸为40*40mm标准纸片作为叶片标准替代物,柠檬黄10%稀释液作为糖料标准替代物;
b.加料试验和取样:在加料生产时,待设备稳定运行30min后,在加料机进口振槽处向烟叶中均匀撒入120张标准纸片,在加料出口将烟叶接出,人工挑选出标准纸片,从中随机挑选100片样品作为图谱成像分析对象;
c.对100组图像进行预处理:首先利用K均值聚类算法进行背景检测;再将图像的RGB色彩模型转化为HSV模型,提取V分量得到样品灰度图像;最后利用最大类间差法自动选择阈值将样品灰度图像转化为样品二值图像;
d.计算单张叶片料液覆盖率Kj:
首先根据样品二值图像统计出染色像素点的个数Nj,其中j代表第j张纸片;
然后计算单张叶片料液覆盖率Kj:
其中,Kj表示第j张纸片的染色点相对于完整样品的覆盖率;
e.计算单张叶片的染色分布均匀性评价Hj:
将图像分割为5x5单元,根据二值图像统计每个网格的染色像素点的个数Mj(i),i∈(1,25),其中,i表示第i个网格;
计算Mj(i),i∈(1,25)的相对标准差(RSD)来评价单张叶片料液的分布均匀Hj,Hj,数值越大,代表纸片各网格区域通过料液染色的像素点分布越平均,表示该纸片上料液分布均匀性越好,如下公式:
Hj=1-RSD(Mj(i))
其中,RSD(Mj(i))表示Mj(i)均方差;
f.计算多张叶片间的染色分布均匀性P:
每片纸片上料液附着重量Qj通过如下公式计算:
式中,Cj(x,y),是第j张纸片(x,y)像素点的灰度值;
通过Qj(j=1,2,3…100)的相对标准差来评价多片纸片间料液分布均匀性P,如下公式:
P=1-RSD(Qj)。
2.如权利要求1所述的叶片加料均匀性测量和评价方法,其特征在于步骤b中加料工序相关参数为:流量2500±30kg/h,雾化介质 压力为0.15-0.25MPa,滚筒转速为8r/min,加料比例为3.5%。
3.如权利要求1所述的叶片加料均匀性测量和评价方法,其特征在于步骤c具体为:
通过相机定置定点拍摄将100片样品转换成JPG图像格式,分别标记为Aj,j=1,2,3,…,100,
提取原始采集图像的样品区域:利用图像处理的K均值聚类算法进行背景检测,保留样品区域,将非样品区域标记为红色;
统一样品区域大小:将所有的采集图像以样品区域为中心重采样为400x400像素大小的方形区域;
彩色图像到灰度图像的转换:将样品图像的RGB色彩模型转化为HSV模型,提取V分量作为样品图像各像素点的灰度值,从得到样品灰度图像;
灰度图像到二值图像的转换:利用图像处理的最大类间差法自动选择阈值将样品灰度图像转化为样品二值图像,染色点标记为白色,未染色点标记为黑色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410788490.6A CN104634780B (zh) | 2014-12-17 | 2014-12-17 | 一种叶片加料均匀性测量和评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410788490.6A CN104634780B (zh) | 2014-12-17 | 2014-12-17 | 一种叶片加料均匀性测量和评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104634780A CN104634780A (zh) | 2015-05-20 |
CN104634780B true CN104634780B (zh) | 2017-08-11 |
Family
ID=53213772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410788490.6A Active CN104634780B (zh) | 2014-12-17 | 2014-12-17 | 一种叶片加料均匀性测量和评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104634780B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412026B (zh) * | 2019-08-13 | 2022-03-18 | 张家口卷烟厂有限责任公司 | 一种烟用香料配制准确性快速检验方法 |
CN110648321A (zh) * | 2019-09-24 | 2020-01-03 | 西北工业大学 | 一种烤箱内部温度均匀性评价方法 |
CN111449268B (zh) * | 2020-05-14 | 2023-08-11 | 云南中烟工业有限责任公司 | 一种烟叶加料系统及加料方法 |
CN111839180B (zh) * | 2020-07-07 | 2021-12-24 | 山东中科伺易智能技术有限公司 | 智能化逐轮操作时机识别平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288602A (zh) * | 2011-07-17 | 2011-12-21 | 红云红河烟草(集团)有限责任公司 | 一种快速检测卷烟加料均匀性的方法 |
CN102706977A (zh) * | 2012-05-24 | 2012-10-03 | 安徽中烟工业有限责任公司 | 一种基于标记物检测白肋烟处理加料均匀性评价方法 |
CN103105449A (zh) * | 2013-02-18 | 2013-05-15 | 江苏中烟工业有限责任公司 | 一种基于特征香味物质评价卷烟制丝加料均匀性的方法 |
-
2014
- 2014-12-17 CN CN201410788490.6A patent/CN104634780B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288602A (zh) * | 2011-07-17 | 2011-12-21 | 红云红河烟草(集团)有限责任公司 | 一种快速检测卷烟加料均匀性的方法 |
CN102706977A (zh) * | 2012-05-24 | 2012-10-03 | 安徽中烟工业有限责任公司 | 一种基于标记物检测白肋烟处理加料均匀性评价方法 |
CN103105449A (zh) * | 2013-02-18 | 2013-05-15 | 江苏中烟工业有限责任公司 | 一种基于特征香味物质评价卷烟制丝加料均匀性的方法 |
Non-Patent Citations (2)
Title |
---|
卷烟加料工序均匀性的测定方法;温若愚等;《江西农业学报》;20101231;第22卷(第4期);第36-38页 * |
烟叶叶片加料均匀性的快速评价方法研究;高尊华等;《轻工科技》;20140331(第3期);第90,91,100页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104634780A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634780B (zh) | 一种叶片加料均匀性测量和评价方法 | |
CN106770332A (zh) | 一种基于机器视觉的电子模切料缺陷检测实现方法 | |
CN110490874A (zh) | 基于yolo神经网络的纺织布匹表面瑕疵检测方法 | |
Bonifazi et al. | Characterisation of flotation froth colour and structure by machine vision | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN109472261B (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
Chalidabhongse et al. | 2D/3D vision-based mango's feature extraction and sorting | |
CN103542937A (zh) | 一种数码印花色差的检验方法 | |
CN109738137A (zh) | 基于图像对比的土石坝渗漏实时监测与快速诊断方法 | |
CN111753805A (zh) | 安全帽佩戴检测方法和装置 | |
Descamps et al. | Automatic flamingo detection using a multiple birth and death process | |
CN110473199A (zh) | 一种基于深度学习实例分割的色斑痤疮检测与健康评价方法 | |
CN106529432A (zh) | 一种深度融合显著性检测与先验知识的手部区域分割方法 | |
CN106570855A (zh) | 猪肉新鲜度快速判定的方法及系统 | |
CN106932408A (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
CN107730555A (zh) | 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 | |
CN109685038A (zh) | 一种物品干净程度监测方法及其装置 | |
Arefi et al. | Recognition of weed seed species by image processing | |
CN105699397A (zh) | 一种苹果表面光泽度检测方法 | |
CN115523962A (zh) | 一种服装面料生产印染工序在线监测控制系统 | |
Castelo-Quispe et al. | Optimization of brazil-nuts classification process through automation using colour spaces in computer vision | |
Hashim et al. | An intelligent classification model for rubber seed clones based on shape features through imaging techniques | |
CN205427956U (zh) | 一种基于工业相机的铺叶台烟叶摆把监控装置 | |
Agustin et al. | Automatic milled rice quality analysis | |
Tu et al. | A study of broccoli grading system based on machine vision and neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |