CN111766241A - 一种基于图像处理的烟丝结构检测方法 - Google Patents
一种基于图像处理的烟丝结构检测方法 Download PDFInfo
- Publication number
- CN111766241A CN111766241A CN202010716513.8A CN202010716513A CN111766241A CN 111766241 A CN111766241 A CN 111766241A CN 202010716513 A CN202010716513 A CN 202010716513A CN 111766241 A CN111766241 A CN 111766241A
- Authority
- CN
- China
- Prior art keywords
- image
- image processing
- tobacco
- tobacco shred
- cut tobacco
- 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.)
- Granted
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 148
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 148
- 238000012545 processing Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract 3
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000003892 spreading Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 8
- 235000019504 cigarettes Nutrition 0.000 description 7
- 238000000926 separation method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
一种基于图像处理的烟丝结构检测方法，将三个长度区间的烟丝按不同质量比例混合得到多组烟丝，记录比例值，分别将各组分烟丝摊平，采集各组分烟丝图像并对图像进行预处理，获取各组分图像的特征图像，计算纹理特征数据量，建立图像纹理特征数据量与不同长度烟丝质量百分比的数字模型，由多组数据可计算得到参数矩阵K和B。采集待测混合烟丝图像对待测混合烟丝图像进行预处理，获取待测混合烟丝图像的纹理特征图像，计算纹理特征数据量，然后结合已建立的数字模型，可计算出待测混合烟丝图像中不同长度烟丝的质量百分比；本发明的烟丝结构检测方法在使用中，可实现烟丝结构的自动化在线检测，检测效率高。
Description
技术领域
本发明涉及烟丝结构检测方法技术领域，具体涉及一种基于图像处理的烟丝结构检测方法。
背景技术
近年来，随着卷烟设备的不断更新，高速卷烟机的不断涌现，不同的烟丝结构对卷烟端部的落丝量有明显影响。烟丝结构不合理，会造成烟支燃烧锥易脱落，烟丝结构差异不仅影响产品的物理质量、吸食品质，还可能影响卷接工艺。现行的烟丝结构测定方法是将样品烟丝通过烟丝振动分选筛，使不同长度的烟丝实现分离，结果以各层或某层筛网上的累计质量占总质量的比例来表示。
现有的烟丝结构检测多采用烟丝振动分选筛，即将一定质量的待检测样品烟丝均匀布放在筛网检测振筛的顶层，筛网由若干层构成，按其筛网网孔尺寸大小自上而下分层排布的筛体组成，按设定的频率使所有筛体做相同的水平筛分运动，结构尺寸小于顶层网孔的烟丝全部进入第二层筛体，依次类推，之后将所得各种不同结构烟丝的质量分别与所取样品的总质量相比，即可得到若干种不同结构尺寸烟丝的比例，但该方法对烟丝进行检测存在以下几个缺点：
(1)从采样到称重主要依赖人工完成，劳动强度大，采样周期长，并且受人为因素影响较多，评价的客观性差；
(2)数据只能用手工录入，与烟草企业的现代化生产与管理不相适应；
(3)由于检测是抽样进行，无实时性，若结果显示不合格时，有很多的烟丝已经进入了下一步的生产线，影响烟支生产品质和生产效率。
发明内容
本发明的目的在于提供一种基于图像处理的烟丝结构检测方法。
本发明的目的是采用以下技术方案来实现。依据本发明提出的一种基于图像处理的烟丝结构检测方法，包括以下步骤：
A将三种长度区间的烟丝按不同质量比例混合得到多组烟丝，分别记录每组烟丝中三种长度区间的烟丝的质量百分比为a、b、c；
B将烟丝摊开铺平，利用图像采集系统分别采集每组烟丝中各组分烟丝图像；
C利用图像处理系统分别对每组烟丝中各组分烟丝图像进行预处理，去除每张图像中的干扰和噪声；
D利用图像处理系统分别获取每组烟丝中各组分烟丝图像的各个图像特征，然后根据各个图像特征分别计算特征数据量；
E利用图像分析系统根据每幅图像的各个特征数据量与该图像的各组分比例值，建立图像纹理特征值与不同长度质量百分比的数字模型，计算参数矩阵K和B；
F将待测混合烟丝摊开铺平，利用图像采集系统采集待测混合烟丝图像；
G利用图像处理系统对待测混合烟丝图像进行预处理，去除待测混合烟丝图像中的干扰和噪声；
H利用图像处理系统计算待测混合烟丝图像的各个图像特征，然后根据各个图像特征分别计算相应特征数据量；
I根据步骤H中测得的特征数据量以及步骤E中建立的参数矩阵，计算出待测混合烟丝图像中不同长度烟丝对应比例值。
优选的，步骤C中图像处理系统采用5×5像素的扫描窗口分别对获取的各组分烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出各个图像中扫描窗口内的图像均值及方差Var，若方差Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
优选的，步骤C中图像处理系统将获取的每组烟丝中各组分烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算各组分烟丝图像的对比度、熵、角二阶矩和相关性四个典型的纹理特征值，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
优选的，使用灰度共生矩阵计算纹理特征值时滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°、45°、90°、135°四个方向，求出四个方向矩阵的特征值。
优选的，步骤E中使用熵和角二阶矩进行建模计算，假设特征数据量为Y＝(yENT,yASM)T，三种长度质量百分比为a、b、c，且a+b+c＝100，设比例矩阵为X＝(a,b)T，系数矩阵为
平移矩阵为B＝(b1,b2)T，满足Y＝KX+B，由多幅图像对应的特征数据量和比例值，根据最小二乘法，可求得参数矩阵K、B。
优选的，步骤G中图像处理系统采用5×5像素的扫描窗口对获取的待测混合烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出图像中扫描窗口内的图像均值及方差Var，若Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
优选的，步骤H中图像处理系统将获取的待测混合烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算待测混合烟丝图像的对比度、熵、角二阶矩和相关性四个典型的纹理特征值，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
优选的，使用灰度共生矩阵计算纹理特征值时滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°、45°、90°、135°四个方向，求出四个方向矩阵的特征值。
发明提出的一种基于图像处理的烟丝结构检测方法具有如下优点：
1、本发明的烟丝结构检测方法在使用中，将数字图像处理技术应用到烟丝结构检测中，可实现烟丝结构的自动化在线检测，检测效率高，能够显著减少工作人员劳动量；并且检测的数据无需手工录入，能够高度适应现代化生产与管理，推动企业数字化和智能化发展；实现分支流检测，检测速度快，能够对不合格烟丝及时响应，不影响烟支生产质量；相比针对单个烟丝进行轮廓提取计算长度的检测方法，本发明采用纹理特征检测方法，不要求烟丝完全分离，降低了对烟丝分摊分离等硬件设备的要求，同时不需要对长度计算方法进行定义，降低了算法复杂度。
以上说明仅是本发明技术方案的概述，为了能更清楚了解本发明的技术手段，可依照说明书的内容予以实施，并且为让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1为本发明的流程示意图。
图2为本发明的使用场景示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采用的技术手段及功效，以下结合附图及较佳实例，对依据本发明提出的一种基于图像处理的烟丝结构检测方法，详细说明如下。
一种基于图像处理的烟丝结构检测方法，请参阅图1、图2，包括以下步骤：
A任意选取多组烟丝，分别记录每组烟丝中长度大于3mm的烟丝的质量比例a、长度介于1mm到3mm之间的烟丝的质量比例b、长度小于1mm的烟丝的质量比例c，每组烟丝中不同长度的烟丝的质量比例a、b、c，a、b、c满足a+b+c＝100。
B利用图像采集系统分别采集各组分烟丝图像；在采集烟丝图像时，将每组烟丝摊开铺平，可粘连，然后利用图像采集系统采集烟丝图像；
C利用图像处理系统分别对各组分烟丝图像进行预处理，去除每张图像中的干扰和噪声；图像处理系统采用5×5像素的扫描窗口分别对获取的各组分烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出各个图像中扫描窗口内的图像均值及方差Var，若方差Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
D利用图像处理系统分别获取各组分烟丝图像的各个图像特征，然后根据各个图像特征分别计算特征数据量；图像处理系统将获取的各组分烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算各组分烟丝图像的对比度，熵、角二阶矩和相关性四个典型的纹理特征值，其中滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°、45°、90°、135°四个方向，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
E利用图像分析系统根据每幅图像的各个特征数据量与该图像的各组分比例值，建立特征数据量与组分比例值之间数量关系，计算系数矩阵和平移矩阵；烟丝图像的纹理特征数据量和对应比例值满足线性关系，其中对比度特征值数据量波动相对较大，而相关性特征值数据量相对变化缓慢。本发明使用熵和角二阶矩进行建模计算，假设特征数据量为Y＝(yENT,yASM)T，三种长度质量百分比为a、b、c，且a+b+c＝100，设比例矩阵为X＝(a,b)T，系数矩阵为
平移矩阵为B＝(b1,b2)T，满足Y＝KX+B，由多幅图像对应的特征数据量和比例值，根据最小二乘法，可求得参数矩阵K、B。
F将待测混合烟丝通过铺展分离系统摊开铺平，可粘连，利用图像采集系统采集待测混合烟丝图像；
G利用图像处理系统对待测混合烟丝图像进行预处理，去除待测混合烟丝图像中的干扰和噪声；图像处理系统采用5×5像素的扫描窗口对获取的待测混合烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出图像中扫描窗口内的图像均值及方差Var，若Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
H利用图像处理系统计算待测混合烟丝图像的各个图像特征，然后根据各个图像特征分别计算相应特征数据量；图像处理系统将获取的待测混合烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算待测混合烟丝图像的熵和角二阶矩的纹理特征值，其中滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°，45°，90°，135°四个方向，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
I由步骤H中的特征数据量与步骤E中的参数矩阵，计算该图像中不同长度烟丝对应比例值。图像处理系统获取待测混合烟丝图像的纹理特征数据量，由步骤E中建立的数学模型Y＝KX+B，可推导出X＝K-1(Y-B)，分别计算得到待测混合烟丝图像中长度大于3mm的烟丝质量百分比a、长度介于1mm到3mm之间的烟丝质量百分比b，再由a+b+c＝100这个公式计算出长度小于1mm的烟丝质量百分比c，最终获得待测混合烟丝的结构比例。
本发明的烟丝结构检测方法在使用中，将数字图像处理技术应用到烟丝结构检测中，可实现烟丝结构的自动化在线检测，检测效率高，能够显著减少工作人员劳动量；检测的过程数据无需手工录入，能够高度适应现代化生产与管理，推动企业数字化和智能化发展；实现分支流检测，检测速度快，能够对不合格烟丝及时响应，不影响烟支生产质量；相比针对单个烟丝进行轮廓提取计算长度的检测方法，本发明采用纹理特征检测方法，不要求烟丝完全分离，降低了对烟丝分摊分离等硬件设备的要求，同时不需要对长度计算方法进行定义，降低了算法复杂度。
以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (8)
1.一种基于图像处理的烟丝结构检测方法，其特征在于：包括以下步骤：
A将三种长度区间的烟丝按不同质量比例混合得到多组烟丝，分别记录每组烟丝中三种长度区间的烟丝的质量百分比为a、b、c；
B将烟丝摊开铺平，利用图像采集系统分别采集每组烟丝中各组分烟丝图像；
C利用图像处理系统分别对每组烟丝中各组分烟丝图像进行预处理，去除每张图像中的干扰和噪声；
D利用图像处理系统分别获取每组烟丝中各组分烟丝图像的各个图像特征，然后根据各个图像特征分别计算特征数据量；
E利用图像分析系统根据每幅图像的各个特征数据量与该图像的各组分比例值，建立图像纹理特征值与不同长度质量百分比的数字模型，计算参数矩阵K和B；
F将待测混合烟丝摊开铺平，利用图像采集系统采集待测混合烟丝图像；
G利用图像处理系统对待测混合烟丝图像进行预处理，去除待测混合烟丝图像中的干扰和噪声；
H利用图像处理系统计算待测混合烟丝图像的各个图像特征，然后根据各个图像特征分别计算相应特征数据量；
I根据步骤H中测得的特征数据量以及步骤E中建立的参数矩阵，计算出待测混合烟丝图像中不同长度烟丝对应比例值。
2.根据权利要求1所述的一种基于图像处理的烟丝结构检测方法，其特征在于：步骤C中图像处理系统采用5×5像素的扫描窗口分别对获取的各组分烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出各个图像中扫描窗口内的图像均值及方差Var，若方差Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
3.根据权利要求1所述的一种基于图像处理的烟丝结构检测方法，其特征在于：步骤C中图像处理系统将获取的每组烟丝中各组分烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算各组分烟丝图像的对比度、熵、角二阶矩和相关性四个典型的纹理特征值，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
4.根据权利要求3所述的一种基于图像处理的烟丝结构检测方法，其特征在于：使用灰度共生矩阵计算纹理特征值时滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°、45°、90°、135°四个方向，求出四个方向矩阵的特征值。
5.根据权利要求1所述的一种基于图像处理的烟丝结构检测方法，其特征在于：步骤E中使用熵和角二阶矩进行建模计算，假设特征数据量为Y＝(yENT,yASM)T，三种长度质量百分比为a、b、c，且a+b+c＝100，设比例矩阵为X＝(a,b)T，系数矩阵为
平移矩阵为B＝(b1,b2)T，满足Y＝KX+B，由多幅图像对应的特征数据量和比例值，根据最小二乘法，可求得参数矩阵K、B。
6.根据权利要求1所述的一种基于图像处理的烟丝结构检测方法，其特征在于：步骤G中图像处理系统采用5×5像素的扫描窗口对获取的待测混合烟丝图像按照自上到下、自左到右的顺序进行扫描，计算出图像中扫描窗口内的图像均值及方差Var，若Var大于设定阈值TD，则对该点采用快速中值滤波方法进行平滑处理，除去图像中的干扰和噪声。
7.根据权利要求1所述的一种基于图像处理的烟丝结构检测方法，其特征在于：步骤H中图像处理系统将获取的待测混合烟丝图像转换成灰度图，采用直方图均衡化进行图像增强处理，增加灰度值的动态范围；然后将像素点的灰度值除以32取整，将图像的灰度级量化为8级，减少计算量；使用灰度共生矩阵计算待测混合烟丝图像的对比度、熵、角二阶矩和相关性四个典型的纹理特征值，求出四个方向矩阵的特征值后，通过计算四个特征值的平均值作为最终特征值；滑动窗口遍历完所有图像像素点后，生成各纹理特征的特征图像，各滑动窗口特征值的和即为该图像该纹理特征的特征数据量。
8.根据权利要求7所述的一种基于图像处理的烟丝结构检测方法，其特征在于：使用灰度共生矩阵计算纹理特征值时滑动窗口尺寸选择5×5像素大小，步距选择1个像素，方向选择0°、45°、90°、135°四个方向，求出四个方向矩阵的特征值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010716513.8A CN111766241B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的烟丝结构检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010716513.8A CN111766241B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的烟丝结构检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111766241A true CN111766241A (zh) | 2020-10-13 |
| CN111766241B CN111766241B (zh) | 2023-10-13 |
Family
ID=72727319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010716513.8A Active CN111766241B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的烟丝结构检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111766241B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104198324A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中叶丝比例测定方法 |
| CN104198457A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于光谱成像技术的烟丝组分识别方法 |
| CN104256882A (zh) * | 2014-09-04 | 2015-01-07 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中再造烟叶比例测定方法 |
| WO2018040302A1 (zh) * | 2016-08-31 | 2018-03-08 | 上海创和亿电子科技发展有限公司 | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 |
| CN109239082A (zh) * | 2018-09-21 | 2019-01-18 | 杭州安脉盛智能技术有限公司 | 基于机器视觉技术的烟丝结构质量在线检测方法及系统 |
| CN110013048A (zh) * | 2019-03-15 | 2019-07-16 | 山东中烟工业有限责任公司 | 一种适用于细支卷烟的烟丝结构确定方法和装置 |
-
2020
- 2020-07-23 CN CN202010716513.8A patent/CN111766241B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104198324A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中叶丝比例测定方法 |
| CN104198457A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于光谱成像技术的烟丝组分识别方法 |
| CN104256882A (zh) * | 2014-09-04 | 2015-01-07 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中再造烟叶比例测定方法 |
| WO2018040302A1 (zh) * | 2016-08-31 | 2018-03-08 | 上海创和亿电子科技发展有限公司 | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 |
| CN109239082A (zh) * | 2018-09-21 | 2019-01-18 | 杭州安脉盛智能技术有限公司 | 基于机器视觉技术的烟丝结构质量在线检测方法及系统 |
| CN110013048A (zh) * | 2019-03-15 | 2019-07-16 | 山东中烟工业有限责任公司 | 一种适用于细支卷烟的烟丝结构确定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111766241B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097537B (zh) | 一种基于三维纹理特征的肉质定量分析评价方法 | |
| CN113791094B (zh) | 基于等效球棍模型的沥青混合料三维骨架接触评价方法 | |
| CN115187548A (zh) | 一种基于人工智能的机械零件缺陷检测方法 | |
| CN101059425A (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 | |
| CN105717556B (zh) | 一种基于大数据的自分型雷达估测降水方法 | |
| CN111650088A (zh) | 一种流态混凝土拌合物流变性能实时检测方法 | |
| CN108444934B (zh) | 一种复合材料脱粘缺陷的自动分割及量化方法 | |
| CN113393460B (zh) | 基于图像处理的烟丝质量参数检测方法及系统 | |
| CN104851098A (zh) | 基于改进结构相似度的立体图像质量客观评价方法 | |
| CN105180850A (zh) | 计算玉米叶部大斑病病斑面积比例的方法及装置 | |
| CN117635507B (zh) | 一种塑胶颗粒在线视觉检测方法及系统 | |
| CN111681021A (zh) | 一种基于gca-rfr模型的数字内容资源价值评估方法 | |
| CN103090946B (zh) | 果树单树产量测量的方法和系统 | |
| CN117236150A (zh) | 一种工业颗粒整体粒径分布估计方法及系统 | |
| CN111766241B (zh) | 一种基于图像处理的烟丝结构检测方法 | |
| CN115598017A (zh) | 一种透水混凝土用粗骨料形态识别及骨架评价方法 | |
| CN110018164A (zh) | 一种基于立体成像的鸡胸肉木质化等级分级方法及装置 | |
| CN113458005A (zh) | 一种基于纯矿物模拟的煤矸x射线识别系统 | |
| CN108871187B (zh) | 一种卷烟烟丝卷曲度的定量表征方法 | |
| CN114913137B (zh) | 一种基于x射线图像的柚子果肉质量可食率检测方法 | |
| CN114913136B (zh) | 一种基于x射线图像的柚子果实可食率检测分级方法 | |
| CN116542108A (zh) | 一种基于神经网络学习的道路水稳基层开裂性能预测方法 | |
| CN102768212B (zh) | 一种基于压缩传感的水果缺陷分级方法 | |
| CN116109881A (zh) | 基于深度残差网络的粉尘污染评价方法 | |
| CN108428232A (zh) | 一种卡通图像质量的盲评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 471000 Yan Guang road, Luoyang hi tech Zone, Henan Province, No. 18 Applicant after: Qingyan (Luoyang) Advanced Manufacturing Industry Research Institute Address before: 471000 Yan Guang road, Luoyang hi tech Zone, Henan Province, No. 18 Applicant before: LUOYANG ADVANCED MANUFACTURING INDUSTRY RESEARCH AND DEVELOPMENT BASE,TIANJIN RESEARCH INSTITUTE FOR ADVANCED EQUIPMENT,TSINGHUA University |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241210 Address after: Building 7, Tianyuan Central Free Trade Port, Intersection of Heluo Road and Zhuofei Road, High tech Zone, Luoyang Area, China (Henan) Pilot Free Trade Zone, Luoyang City, Henan Province 471000 Patentee after: Qingyan (Luoyang) Technology Industry Co.,Ltd. Country or region after: China Address before: 471000 Yan Guang road, Luoyang hi tech Zone, Henan Province, No. 18 Patentee before: Qingyan (Luoyang) Advanced Manufacturing Industry Research Institute Country or region before: China |
|
| TR01 | Transfer of patent right |