CN112034095A - 在线烘后烟丝结构分析系统及方法 - Google Patents

在线烘后烟丝结构分析系统及方法 Download PDF

Info

Publication number
CN112034095A
CN112034095A CN202010662314.3A CN202010662314A CN112034095A CN 112034095 A CN112034095 A CN 112034095A CN 202010662314 A CN202010662314 A CN 202010662314A CN 112034095 A CN112034095 A CN 112034095A
Authority
CN
China
Prior art keywords
tobacco
model
value
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
Application number
CN202010662314.3A
Other languages
English (en)
Other versions
CN112034095B (zh
Inventor
刘博�
李自娟
孙嘉
尹航
高杨
张爱华
苗旺昌
阮春伟
董晓晨
孙一鹤
贾晓慧
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.)
Zhangjiakou Cigarette Factory Co Ltd
Original Assignee
Zhangjiakou Cigarette Factory 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 Zhangjiakou Cigarette Factory Co Ltd filed Critical Zhangjiakou Cigarette Factory Co Ltd
Priority to CN202010662314.3A priority Critical patent/CN112034095B/zh
Publication of CN112034095A publication Critical patent/CN112034095A/zh
Application granted granted Critical
Publication of CN112034095B publication Critical patent/CN112034095B/zh
Priority to US17/471,120 priority patent/US11354561B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
    • A24B3/00—Preparing tobacco in the factory
    • A24B3/04—Humidifying or drying tobacco bunches or cut tobacco
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
    • A24B3/00—Preparing tobacco in the factory
    • A24B3/10—Roasting or cooling tobacco
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
    • A24B7/00—Cutting tobacco
    • A24B7/14—Feeding or control devices for tobacco-cutting apparatus
    • 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
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Wood Science & Technology (AREA)
  • Quality & Reliability (AREA)
  • Botany (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Manufacture Of Tobacco Products (AREA)

Abstract

本发明公开了在线烘后烟丝结构分析系统及方法，所述系统包括烟丝结构在线分析模块、烟丝填充值预测模型模块、预警模块，其中：烟丝结构在线分析模块包括样品提取单元、样品分析单元、烟丝填充值数据采集单元；烟丝填充值预测模型模块包括模型参数筛选单元、模型构建单元；预警模块内设置有预警阈值，当烟丝填充预测值与标准值偏差超过预警阈值时，即报警提示。本发明能够通过在线取样、模型构建、模型预测，直接得到准确的烟丝填充预测值，是一种具有烟丝结构分析，烟丝填充值预测以及异常预警判断、分析功能的智能化系统。

Description

在线烘后烟丝结构分析系统及方法
技术领域
本发明涉及烟草行业，具体涉及制丝环节，尤其涉及一种在线烘后烟丝结构分析系统及方法。
背景技术
在烟草生产过程中，制丝生产过程是非常重要的一个环节，它是根据烟叶原料的理化特性，按照一定的程序逐步经过多种加工工序，把烟叶制成合格烟丝的过程。
其中，烟丝结构直接影响着烟丝填充值与卷接质量，烟丝由中长丝、短丝以及碎丝组成，其结构直接影响成品卷烟的理化指标。
烟丝填充值是烟丝被用于卷接环节的时候的关键指标，指烟丝在一定压力下，经过一定时间后保持的体积。烟丝填充值对于烟支重量、降耗、燃烧能力、降焦等指标起到主导性影响。
现烟丝结构的检测手段为多层振筛筛分，筛分后烟丝进行称重，依据YC/T178-2003《烟丝整丝率、碎丝率的测定方法》要求，该方法在设备仪器方面要求较高，需要有五层检测筛，需要操作人员按照规定进行操作，记录数据，分析时数据相对简单，仅有各层网烟丝重量，可分析内容局限。
公开号为CN110763601A的发明申请公开了一种烟丝筛分仪及烟丝结构分布测定方法，该烟丝筛分仪包括七层筛网，第一层筛网至第七层筛网的筛孔直径从上至下依次减小，其中，第四层筛网、第五层筛网和第六层筛网的筛孔直径根据预设测定条件进行替换。该方法包括对待测定烟丝样品进行三次筛分，得到第一筛分数据、第二筛分数据和第三筛分数据；根据第一筛分数据、第二筛分数据和第三筛分数据，得到待测定烟丝样品的质量分布区间数据；根据质量分布区间数据和烟丝累积分布函数，获取待测定烟丝样品的烟丝结构分布。
公开号为CN106770303A的发明申请公开了一种基于图像分析的卷烟烟丝结构表征方法，属于烟丝结构的表征方法技术领域。该方法如下：取少量烟支剥离烟丝并称重，将烟丝平铺进行拍照，用处理软件提取图片中烟丝数量及单根烟丝长度信息；提取图像中的比例尺信息；用比例尺将图像中烟丝长度信息换算成烟丝长度。根据以上信息可以获知：样品烟丝平均长度、最小长度、最大长度、累积长度；烟丝平均线密度；不同烟丝长度区段数量结构；不同烟丝长度区段频数分布及正态拟合曲线等。该方法简单可行，结果呈现更加多样化、能对烟丝结构进行精细化表征，可潜在应用于均质化加工评价及产品质量差异分析。
公开号为CN109239082A的发明申请公开了一种基于机器视觉技术的烟丝结构质量在线检测方法，包括以下步骤，采集烟丝图像以及所需批次生产环节的相关数据，根据相关数据构建目标函数库；将采集到的烟丝图像进行预处理，得到有效烟丝图像，对有效烟丝图像进行增强处理，得到烟丝增强图像；提取所述烟丝增强图像中有效特征值，并通过有效特征值构建烟丝图像特征库；建立烟丝图像特征与目标函数库的关联模型；通过所述关联模型得到对应的烟丝结构质量指标，通过烟丝质量评价指标评价烟丝结构质量。本方法通过建立烟丝图像特征与目标函数库的关联模型，能弥补烟丝质量评价参数单一的不足，由于实时采集了烟丝图像，使得烟丝生产过程质量指标部分透明化，提高评价的准确性。
发明内容
为克服上述问题，本申请提供了一种在线烘后烟丝结构分析系统及方法。
本发明旨在利用机械视觉技术，开发一种具有烟丝结构分析、烟丝填充值预测以及异常预警判断、分析功能的智能化烟丝结构分析系统及方法。
本发明解决其技术问题所采用的技术方案为：
在线烘后烟丝结构分析系统，包括
烟丝结构在线分析模块，包括样品提取单元、样品分析单元、烟丝填充值数据采集单元，其中：所述样品提取单元在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测，所述样品分析单元通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建，所述烟丝填充值数据采集单元在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
烟丝填充值预测模型模块，包括模型参数筛选单元、模型构建单元，其中：所述模型构建单元通过人工神经网络模型进行搭建，其包括模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，所述模型三即为烟丝填充值预测模型；
预警模块，其内设置有预警阈值，当烟丝填充预测值与标准值偏差超过预警阈值时，即报警提示。
作为上述技术方案的改进，所述预警模块包括异常分析单元，当所述预警模块作出报警提示时：
所述异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
作为上述技术方案的改进，所述预警模块在烟丝填充值预测值与标准值偏差≥10％时，即报警提示。
作为上述技术方案的改进，所述图像处理软件为Image pro plus 6，所述数据统计软件为Microsoft Excel。
作为上述技术方案的改进，所述模型参数筛选单元将模型参数筛选为：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值。
作为上述技术方案的改进，所述模型一为三层人工神经网络模型，其具有输入值3个、输出值2个、神经元为2个，该模型用于预测薄板烘丝机出口水分及薄板烘丝机出口温度。
作为上述技术方案的改进，所述模型一的输入值为薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机热风温度，输出值为薄板烘丝机出口水分、薄板烘丝机出口温度。
作为上述技术方案的改进，所述模型二为三层人工神经网络模型，其具有输入值3个、输出值1个、神经元为2个，该模型用于预测烟丝填充预测值。
作为上述技术方案的改进，所述模型二的输入值为烟丝长短丝率、碎丝率、烟丝填充实测值，输出值为烟丝填充预测值。
本发明同时提供了一种在线烘后烟丝结构分析方法，所述方法应用于上述任一项所述的在线烘后烟丝结构分析系统中，其包括以下步骤：
步骤一，样品提取
在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测
步骤二，样品分析与统计
通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建；
步骤三，烟丝填充值数据采集
在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
步骤四，模型参数筛选
通过模型参数筛选单元对模型参数进行筛选：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值；
步骤五，模型构建
通过人工神经网络模型搭建模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，所述模型三即为最终的烟丝填充值预测模型；
其中：
模型一为薄板烘丝机出口水分及薄板烘丝机出口温度预测模型；
模型二为烟丝填充值预测模型；
步骤六，异常预警
基于步骤五所构建模型，当模型三烟丝填充预测值与标准值偏差超过预警阈值时，即报警提示；
步骤七，异常分析
当预警模块触发异常报警时，异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
本发明带来的有益效果有：
本发明能够通过在线取样、模型构建、模型预测，直接得到准确的烟丝填充预测值，是一种具有烟丝结构分析，烟丝填充值预测以及异常预警判断、分析功能的智能化系统。
本发明在应用过程中不仅能够节省检测工序、节约大量的检测时间，可同时进行设备及烟丝的实时检测，还能够依据预测结果判断设备运行状态，自动作出异常判断与原因分析，便于操作人员及早发现生产问题，提高生产效率和产品质量，节约了人力资源成本。
附图说明
下面结合附图及具体实施例对本发明作进一步说明，
附图1是本发明的系统模块图；
附图2是本发明的预测模型搭建架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，本实施例为一种在线烘后烟丝结构分析系统，包括：
烟丝结构在线分析模块，包括样品提取单元、样品分析单元、烟丝填充值数据采集单元，其中：所述样品提取单元在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测，样品分析单元通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建，烟丝填充值数据采集单元在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
烟丝填充值预测模型模块，包括模型参数筛选单元、模型构建单元，其中：模型构建单元通过人工神经网络模型进行搭建，其包括模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，模型三即为烟丝填充值预测模型；
预警模块，其内设置有预警阈值，预警模块在烟丝填充预测值与标准值偏差≥10％时，即报警提示。
进一步地，预警模块包括异常分析单元，当预警模块作出报警提示时：
异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％(偏差＝(实测值-预测值)/预测值，该预警阈值可调)，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
本实施例中，图像处理软件为Image pro plus 6，数据统计软件为MicrosoftExcel。
进一步地，模型参数筛选单元将模型参数筛选为：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值。
本实施例中：
模型一为三层人工神经网络模型，其具有输入值3个、输出值2个、神经元为2个，该模型用于预测薄板烘丝机出口水分及薄板烘丝机出口温度。模型一预测薄板烘丝机出口水分及温度的目的在于避免取样时的样品与实际生产数据有时间差，造成模型预测值的不准确。
具体的，模型一的输入值为薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机热风温度，输出值为薄板烘丝机出口水分、薄板烘丝机出口温度。
本实施例中：
模型二为三层人工神经网络模型，其具有输入值3个、输出值1个、神经元为2个，该模型用于预测烟丝填充预测值，使得后期应用过程中只需要进行烟丝结构分析就可以得到准确的烟丝填充预测值数据。
具体的，模型二的输入值为烟丝长短丝率、碎丝率、烟丝填充实测值，输出值为烟丝填充预测值。
参照图2，模型三通过模型一和模型二输出值进行第三次人工神经网络模型构建得到，用于预测最终的烟丝填充预测值数据。其中，模型一的输出数据参与到最终值的计算，起到修偏数据的作用，可避免数据因设备参数调整导致结果错误。
本实施例能够通过在线取样、模型构建、模型预测，直接得到准确的烟丝填充预测值，是一种具有烟丝结构实时分析，烟丝填充值预测以及异常预警判断、分析功能的智能化系统。
实施例2
在线烘后烟丝结构分析方法，本方法应用于实施例1所述的在线烘后烟丝结构分析系统中，其包括以下步骤：
步骤一，样品提取
在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测
步骤二，样品分析与统计
通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建；
步骤三，烟丝填充值数据采集
在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
步骤四，模型参数筛选
通过模型参数筛选单元对模型参数进行筛选：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值；
步骤五，模型构建
通过人工神经网络模型搭建模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，所述模型三即为最终的烟丝填充值预测模型；
其中：
模型一为薄板烘丝机出口水分及薄板烘丝机出口温度预测模型；模型一的输出数据参与到模型三的最终值预测起到了修偏数据的作用，避免数据因设备参数调整导致结果错误和误差；
模型二为烟丝填充值预测模型(未修偏)；使得后期应用过程中只需要进行烟丝结构分析就可以得到准确的烟丝填充预测值数据；
步骤六，异常预警
基于步骤五所构建模型，当模型三烟丝填充预测值与标准值偏差超过预警阈值(≥10％)时，即报警提示；
步骤七，异常分析
当预警模块触发异常报警时，异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
试验例
将实施例1中在线烘后烟丝结构分析系统上线运行，对二期薄板烘丝机出口烟丝进行结构分析(烟丝填充值预测)，规定每批次烟取样10次，共检测5个批次，检测结果如下：
批次1：
Figure BDA0002579065130000101
Figure BDA0002579065130000111
批次2
Figure BDA0002579065130000112
批次3
Figure BDA0002579065130000113
批次4
Figure BDA0002579065130000114
批次5
Figure BDA0002579065130000115
可见，本发明能够通过在线取样、结构分析、模型预测而直接得到准确的烟丝填充值。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.在线烘后烟丝结构分析系统，其特征在于：包括
烟丝结构在线分析模块，包括样品提取单元、样品分析单元、烟丝填充值数据采集单元，其中：所述样品提取单元在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测，所述样品分析单元通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建，所述烟丝填充值数据采集单元在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
烟丝填充值预测模型模块，包括模型参数筛选单元、模型构建单元，其中：所述模型构建单元通过人工神经网络模型进行搭建，其包括模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，所述模型三即为烟丝填充值预测模型；
预警模块，其内设置有预警阈值，当烟丝填充预测值与标准值偏差超过预警阈值时，即报警提示。
2.根据权利要求1所述的在线烘后烟丝结构分析系统，其特征在于：所述预警模块包括异常分析单元，当所述预警模块作出报警提示时：
所述异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
3.根据权利要求1所述的在线烘后烟丝结构分析系统，其特征在于：所述预警模块在烟丝填充值预测值与标准值偏差≥10％时，即报警提示。
4.根据权利要求1所述的在线烘后烟丝结构分析系统，其特征在于：所述图像处理软件为Image pro plus 6，所述数据统计软件为Microsoft Excel。
5.根据权利要求1所述的在线烘后烟丝结构分析系统，其特征在于：所述模型参数筛选单元将模型参数筛选为：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值。
6.根据权利要求5所述的在线烘后烟丝结构分析系统，其特征在于：所述模型一为三层人工神经网络模型，其具有输入值3个、输出值2个、神经元为2个，该模型用于预测薄板烘丝机出口水分及薄板烘丝机出口温度。
7.根据权利要求6所述的在线烘后烟丝结构分析系统，其特征在于：所述模型一的输入值为薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机热风温度，输出值为薄板烘丝机出口水分、薄板烘丝机出口温度。
8.根据权利要求5所述的在线烘后烟丝结构分析系统，其特征在于：所述模型二为三层人工神经网络模型，其具有输入值3个、输出值1个、神经元为2个，该模型用于预测烟丝填充预测值。
9.根据权利要求8所述的在线烘后烟丝结构分析系统，其特征在于：所述模型二的输入值为烟丝长短丝率、碎丝率、烟丝填充实测值，输出值为烟丝填充预测值。
10.在线烘后烟丝结构分析方法，其特征在于：所述方法应用于权利要求1～9任一项所述的在线烘后烟丝结构分析系统中，其包括以下步骤：
步骤一，样品提取
在线提取烘后烟丝5g±0.5g，通过拍照设备取像后待样品分析单元检测
步骤二，样品分析与统计
通过图像处理软件、数据统计软件自动统计烘后烟丝的烟丝长短数据，并将统计数据进行区间分组与存储，以供预测模型的构建；
步骤三，烟丝填充值数据采集
在线提取烘后烟丝10.0g～20.0g，将其与样品提取单元所提取烟丝同时放入烟丝填充值检测仪内进行检测，以供预测模型的构建；
步骤四，模型参数筛选
通过模型参数筛选单元对模型参数进行筛选：
设备参数：包括薄板烘丝机筒壁温度、薄板烘丝机入口水分、薄板烘丝机出口水分、薄板烘丝机热风温度、薄板烘丝机出口温度；
烟丝结构参数：包括烟丝长短丝率、碎丝率、烟丝填充实测值；
步骤五，模型构建
通过人工神经网络模型搭建模型一、模型二及以模型一、模型二输出参数进行第三次人工神经网络模型搭建得到的模型三，所述模型三即为最终的烟丝填充值预测模型；
其中：
模型一为薄板烘丝机出口水分及薄板烘丝机出口温度预测模型；
模型二为烟丝填充值预测模型；
步骤六，异常预警
基于步骤五所构建模型，当模型三烟丝填充预测值与标准值偏差超过预警阈值时，即报警提示；
步骤七，异常分析
当预警模块触发异常报警时，异常分析单元将模型一输出参数与水分仪实际采集参数进行对比，若偏差≥10％，则判定为设备参数设置异常，建议停机检查；若偏差＜10％，则作出对烘前切丝工序进行检查的提示，以判断是否因切丝环节导致烟丝填充值异常。
CN202010662314.3A 2020-07-10 2020-07-10 在线烘后烟丝结构分析系统及方法 Active CN112034095B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010662314.3A CN112034095B (zh) 2020-07-10 2020-07-10 在线烘后烟丝结构分析系统及方法
US17/471,120 US11354561B2 (en) 2020-07-10 2021-09-09 System and method for on-line analysis of structure of dried shredded tobacco

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010662314.3A CN112034095B (zh) 2020-07-10 2020-07-10 在线烘后烟丝结构分析系统及方法

Publications (2)

Publication Number Publication Date
CN112034095A true CN112034095A (zh) 2020-12-04
CN112034095B CN112034095B (zh) 2021-08-20

Family

ID=73579045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010662314.3A Active CN112034095B (zh) 2020-07-10 2020-07-10 在线烘后烟丝结构分析系统及方法

Country Status (2)

Country Link
US (1) US11354561B2 (zh)
CN (1) CN112034095B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113576016A (zh) * 2021-07-15 2021-11-02 河南中烟工业有限责任公司 基于烟丝结构的切丝调节方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114424832A (zh) * 2022-01-21 2022-05-03 首域科技(杭州)有限公司 一种使用机器学习算法在线测量烟丝特征的新型检测仪
CN117125446A (zh) * 2022-06-21 2023-11-28 张家口卷烟厂有限责任公司 贮叶柜输送底带自动控制系统
CN115167552B (zh) * 2022-06-28 2023-09-26 张家口卷烟厂有限责任公司 基于响应曲面法优化加料循环风温的自动控制方法
CN116152791B (zh) * 2022-12-02 2023-11-24 杭州首域万物互联科技有限公司 一种基于图像识别的烟丝掺配均匀性检测系统及方法
CN116268545B (zh) * 2023-05-23 2023-08-15 深圳市鸿云智科技有限公司 一种烟支重量检测的诊断方法及校准方法
CN117634993A (zh) * 2023-11-27 2024-03-01 红云红河烟草(集团)有限责任公司 烟丝质量评价方法、系统、电子设备及存储介质
CN117389234B (zh) * 2023-12-05 2024-03-22 云南烟叶复烤有限责任公司 一种卧式打叶机组叶片结构指标智能控制系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1984000284A1 (en) * 1982-07-06 1984-02-02 Philip Morris Inc Proces for increasing the filling power of tabacco
CN106770303A (zh) * 2017-03-31 2017-05-31 河南农业大学 基于图像分析的卷烟烟丝结构表征方法
CN106932298A (zh) * 2017-03-17 2017-07-07 江苏中烟工业有限责任公司 一种储柜内烟丝填充值均值测量方法
CN107153104A (zh) * 2017-05-10 2017-09-12 浙江中烟工业有限责任公司 一种通过卷烟机运行参数表征烟丝填充值的方法
CN109259291A (zh) * 2018-11-19 2019-01-25 江苏科技大学 用于预测烟丝在滚筒烘丝机内热质传递规律的数值方法
CN109740293A (zh) * 2019-02-15 2019-05-10 河南中烟工业有限责任公司 一种烤烟型烘后烟丝含水率的修正值计算方法
CN109984375A (zh) * 2017-12-29 2019-07-09 贵州中烟工业有限责任公司 一种控制烟支硬度的方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2949919A (en) * 1955-07-29 1960-08-23 H D Hedrick Tobacco treatment
US4607646A (en) * 1984-02-06 1986-08-26 Philip Morris Incorporated Process for modifying the smoke flavor characteristics of tobacco
JP3372162B2 (ja) * 1996-03-14 2003-01-27 日本たばこ産業株式会社 たばこ巻上装置
CN106324125A (zh) * 2016-08-11 2017-01-11 云南中烟工业有限责任公司 一种卷烟甜香型的定量预测方法
CN109239082B (zh) 2018-09-21 2021-01-26 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
CN111887460A (zh) * 2019-05-05 2020-11-06 贵州中烟工业有限责任公司 烟草烘丝水分和温度控制预测系统及方法
CN110763601B (zh) 2019-11-21 2022-03-29 上海烟草集团有限责任公司 一种烟丝筛分仪及烟丝结构分布测定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1984000284A1 (en) * 1982-07-06 1984-02-02 Philip Morris Inc Proces for increasing the filling power of tabacco
CN106932298A (zh) * 2017-03-17 2017-07-07 江苏中烟工业有限责任公司 一种储柜内烟丝填充值均值测量方法
CN106770303A (zh) * 2017-03-31 2017-05-31 河南农业大学 基于图像分析的卷烟烟丝结构表征方法
CN107153104A (zh) * 2017-05-10 2017-09-12 浙江中烟工业有限责任公司 一种通过卷烟机运行参数表征烟丝填充值的方法
CN109984375A (zh) * 2017-12-29 2019-07-09 贵州中烟工业有限责任公司 一种控制烟支硬度的方法
CN109259291A (zh) * 2018-11-19 2019-01-25 江苏科技大学 用于预测烟丝在滚筒烘丝机内热质传递规律的数值方法
CN109740293A (zh) * 2019-02-15 2019-05-10 河南中烟工业有限责任公司 一种烤烟型烘后烟丝含水率的修正值计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何邦华等: "烟丝物理质量的制丝工艺神经网络模型及其评价 ", 《云南农业大学学报(自然科学)》 *
陆玉浩等: "基于神经网络的烟丝填充值预测模型研究 ", 《中国烟草科学》 *
陈晓杜 等: ""基于Elman神经网络的卷烟制丝松散回潮出口含水率控制方法"", 《安徽农学通报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113576016A (zh) * 2021-07-15 2021-11-02 河南中烟工业有限责任公司 基于烟丝结构的切丝调节方法

Also Published As

Publication number Publication date
CN112034095B (zh) 2021-08-20
US20220012559A1 (en) 2022-01-13
US11354561B2 (en) 2022-06-07

Similar Documents

Publication Publication Date Title
CN112034095B (zh) 在线烘后烟丝结构分析系统及方法
AU2021100365A4 (en) A multi-sensor-based intelligent monitoring and early warning system and method for dam safety
CN114034826B (zh) 一种基于数据分析的冻干燕窝工艺用生产环境监测系统
CN115409131B (zh) 基于spc过程管控系统的生产线异常检测方法
CN116238176B (zh) 一种人造石英石板原料配置控制系统
CN106370554A (zh) 一种烟草含水率检测及在线水分仪监测方法
CN115099457A (zh) 烟丝结构在线预测分析系统
CN105795497A (zh) 一种提高烘丝机故障分析的数据采集方法
CN116298225A (zh) 一种陶粒生产工序在线监控分析系统
CN114354783A (zh) 基于在运数据的特高压油色谱监测装置健康度评估方法
CN117371337B (zh) 一种基于数字孪生的水利模型构建方法及系统
CN113757093A (zh) 一种闪蒸汽压缩机组故障诊断方法
CN116467662A (zh) 一种制粒机故障识别方法及系统
CN112132316A (zh) 制丝环节在线设备异常监控系统及方法
CN105628646B (zh) 一种卷烟在线焦油预测及预警方法
CN114266454A (zh) 一种卷烟工厂能耗异常监测判断方法及其系统
CN116662751A (zh) 一种基于主成分分析与杠杆值法剔除异常样本的烟叶含水率检测方法
CN114997375A (zh) 一种空气型开关柜中绝缘子表面金属污秽模型搭建系统
CN115600747A (zh) 一种基于物联网的隧道状态监测管理方法及系统
CN110286198B (zh) 一种基于叶丝升温过程评价滚筒干燥过程叶丝加工强度一致性的方法
CN112304847A (zh) 一种卷烟滤棒物理指标检测仪器数据对比及自动预警方法
CN107238557A (zh) 一种利用近红外光谱法快速检测碳酸钙粒径分布的方法
CN113379278B (zh) 制丝批次全过程质量评测方法
CN108009580B (zh) 一种煤调湿出口煤湿度的测量方法
CN115879281A (zh) 叶片加料工序出口温度自动预测系统

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
GR01 Patent grant
GR01 Patent grant