CN112540971B - 一种基于烟叶特征的全信息在线采集系统及方法 - Google Patents

一种基于烟叶特征的全信息在线采集系统及方法 Download PDF

Info

Publication number
CN112540971B
CN112540971B CN202011460313.7A CN202011460313A CN112540971B CN 112540971 B CN112540971 B CN 112540971B CN 202011460313 A CN202011460313 A CN 202011460313A CN 112540971 B CN112540971 B CN 112540971B
Authority
CN
China
Prior art keywords
module
information
tobacco
tobacco leaf
tobacco leaves
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
Application number
CN202011460313.7A
Other languages
English (en)
Other versions
CN112540971A (zh
Inventor
赵华武
邱晔
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.)
China Tobacco Yunnan Industrial Co Ltd
Original Assignee
China Tobacco Yunnan Industrial 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 China Tobacco Yunnan Industrial Co Ltd filed Critical China Tobacco Yunnan Industrial Co Ltd
Priority to CN202011460313.7A priority Critical patent/CN112540971B/zh
Publication of CN112540971A publication Critical patent/CN112540971A/zh
Application granted granted Critical
Publication of CN112540971B publication Critical patent/CN112540971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

Abstract

本发明涉及一种基于烟叶特征的全信息在线采集系统及方法，属于烟叶信息采集技术领域。该系统包括包括RFID信息采集模块、图像采集模块、图像处理模块、测厚模块、称重模块、近红外光谱采集模块、化学成分分析模块、数据分类模块和数据存储模，通过本发明可以实现烟叶特征的全信息在线采集，包括图像信息、物理信息、化学信息等，并可构建烟叶特征全信息数据库，便于后续分析、生产使用；本发明方法简单可靠，易于推广应用。

Description

一种基于烟叶特征的全信息在线采集系统及方法
技术领域
本发明属于烟叶信息采集技术领域，具体涉及一种基于烟叶特征的全信息在线采集系统及方法。
背景技术
目前，烟叶特征的全信息采集主要靠人工采集，少部分是人工与机器结合，建立烟叶特征数据库，需要大量的烟叶特征多维度的信息，人工采集费时费力，仅有少部分指标可以靠机器，但不能完全做到自动化采集，且采集的方法及环境条件，难以统一标准，造成采集结果不标准，效率低下。因此，烟叶特征的全信息自动化采集系统对于建设烟叶特征数据库及其他应用非常必要而关键。因此如何克服现有技术的不足是目前烟叶信息采集技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足，提供一种基于烟叶特征的全信息在线采集系统及方法，以实现烟叶特征的全信息自动化采集及烟叶特征数据库的建立。
为实现上述目的，本发明采用的技术方案如下：
一种基于烟叶特征的全信息在线采集系统，包括：RFID信息采集模块、图像采集模块、图像处理模块、测厚模块、称重模块、近红外光谱采集模块、化学成分分析模块、数据分类模块和数据存储模块；
RFID信息采集模块，用于采集每把烟叶上RFID电子标签中的数据；
图像采集模块，用于采集烟叶正面和背面的图像；
图像处理模块，与图像采集模块相连，用于根据图像采集模块采集到的图像进行处理，获得烟叶的长、宽、面积、叶尖夹角、脉相和颜色色彩值；
测厚模块，用于采集烟叶的厚度信息；
称重模块，用于采集烟叶的重量；
近红外光谱采集模块，用于采集烟叶的近红外光谱；
化学成分分析模块，与近红外光谱采集模块相连，用于根据烟叶的近红外光谱进行分析，获取烟叶的化学成分；
数据分类模块分别与RFID信息采集模块、图像处理模块、测厚模块、称重模块、化学成分分析模块相连，用于获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类；
所述的每片烟叶的信息包括RFID信息采集模块采集到的数据、图像处理模块处理前的图像及处理后的信息、测厚模块测得的数据、称重模块测得的数据、化学成分分析模块分析前的图谱及分析后的数据；
数据存储模块，与数据分类模块相连，用于存储经数据分类模块分类后的信息，作为烟叶特征全信息数据库。
进一步，优选的是，RFID信息采集模块为阅读器。
进一步，优选的是，RFID电子标签中的数据包括产地、年份、等级、品种和生态信息。
进一步，优选的是，所述的烟叶的厚度信息包括叶尖、叶中和叶基的厚度。
进一步，优选的是，所述的化学成分包括水分、总糖、还原糖、总氮、烟碱、钾和氯含量。
进一步，优选的是，还包括筛选模块和显示模块；筛选模块分别与数据存储模块、显示模块相连；
筛选模块用于通过关键字从数据存储模块中进行筛选，获得筛选结果；显示模块用于显示筛选结果。
进一步，优选的是，化学成分分析模块内预存有化学成分分析模型；所述的化学成分分析模型为神经网络模型；所述的神经网络模型以烟叶的近红外光谱峰信息为输入，以烟叶的化学成分为输出，进行训练获得的。
进一步，优选的是，图像采集模块为摄像头；测厚模块为激光测厚仪，近红外光谱采集模块为在线近红外光谱仪，但不限于此，
图像采集模块还可选用AI摄像头、相机、线阵相机等图像采集设备。
近红外光谱采集模块还可选用离线近红外光谱仪、高光谱仪等化学成分检测设备。
重量检测模块可选用电子秤、皮带秤、台秤、天平等重量检测设备。
本发明同时保护一种基于烟叶特征的全信息在线采集方法，采用上述基于烟叶特征的全信息在线采集系统，包括如下步骤：
步骤（1），挑选样品：在标准环境下，挑选具有等级代表性、叶片完整的烟叶作为样品；
步骤（2），整理样品：在标准环境下，把每一片烟叶铺展平展；
步骤（3），RFID信息采集：获取烟叶RFID芯片信息；
步骤（4），图像采集与处理：在标准环境下，采集烟叶正面和背面的图像，并从图像中提取烟叶的长、宽、面积、叶尖夹角、脉相及颜色色彩值；
步骤（5），物理特性关键指标测定：在标准环境下，通过测厚模块，在线测量烟叶的厚度，通过重量检测装置，在线测量烟叶的重量；
步骤（6），常规化学成分含量测定：在标准环境下，通过在线近红外光谱采集模块获取烟叶的近红外光谱，然后烟叶化学成分分析，获得烟叶化学成分；
步骤（7），烟叶特征全信息数据库的建立：获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类，获得烟叶特征全信息数据库。
进一步，优选的是，所述的标准环境为光源的色温为（5500±100）K，光照度为（2000±200）lx，显色指数Ra≥92；环境温度为（22±2）℃，相对湿度在（70±5）%。
本发明在标准环境（光源的色温为（5500±100）K，光照度为（2000±200）lx，显色指数Ra≥92；环境温度为（22±2）℃，相对湿度在（70±5）%）下，对烟叶的RFID信息（产地、年份、等级、品种、生态信息）、正反面图像（同时可提取长宽、面积、叶尖夹角、脉相等信息）、激光测厚（烟叶厚度）、重量检测（单叶重）、化学成分（在线近红外光谱采集模块预测水分、总糖、还原糖、总氮、烟碱、钾、氯含量）进行自动化采集，体系完整、指标全面，有较为突出的创新性。
本发明与现有技术相比，其有益效果为：
1、信息采集标准统一：一是采集环境条件统一，二是采集方法统一，三是无人为误差，信息准确性更高。
2、实现全信息自动化采集：烟叶经过挑选和整理后，可以实现对其烟叶特征的一次性全信息自动化采集。
3、提高采集效率：相比较人工采集方法，本方法由于是自动化方法，能够极大提高烟叶特征全信息采集效率。
4、为多维度全面评价烟叶质量创造了的可行条件，奠定了坚实基础。
5、为烟叶的自动化等级识别和自动化质量评价，提供了可行的全信息在线采集系统及方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为实施例1中基于烟叶特征的全信息在线采集系统结构示意图；
图2为实施例2中基于烟叶特征的全信息在线采集系统结构示意图；
其中，1、RFID信息采集模块；2、图像采集模块；3、图像处理模块；4、测厚模块；5、称重模块；6、近红外光谱采集模块；7、化学成分分析模块；8、数据分类模块；9、数据存储模块；10、筛选模块；11、显示模块；
图3为应用实例中某X2F等级烟叶采集到的图像；其中，（a）为正面；（b）为背面；
图4为图3烟叶的近红外光谱图；
图5为应用实例中某C3F等级烟叶采集到的图像；其中，（a）为正面；（b）为背面；
图6为图5烟叶的近红外光谱图；
图7为应用实例中某B2F等级烟叶采集到的图像；其中，（a）为正面；（b）为背面；
图8为图7烟叶的近红外光谱图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术、连接关系或条件者，按照本领域内的文献所描述的技术、连接关系、条件或者按照产品说明书进行。所用材料、仪器或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”到另一元件时，它可以直接连接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”可以包括无线连接。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。术语“内”、“上”、“下”等指示的方位或状态关系为基于附图所示的方位或状态关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“设有”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；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，根据具体情况理解上述术语在本发明中的具体含义。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语）具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
实施例1
如图1所示，一种基于烟叶特征的全信息在线采集系统，包括：RFID信息采集模块1、图像采集模块2、图像处理模块3、测厚模块4、称重模块5、近红外光谱采集模块6、化学成分分析模块7、数据分类模块8和数据存储模块9；
RFID信息采集模块1，用于采集每把烟叶上RFID电子标签中的数据；
图像采集模块2，用于采集烟叶正面和背面的图像；
图像处理模块3，与图像采集模块2相连，用于根据图像采集模块采集到的图像进行处理，获得烟叶的长、宽、面积、叶尖夹角、脉相和颜色色彩值；
测厚模块4，用于采集烟叶的厚度信息；
称重模块5，用于采集烟叶的重量；
近红外光谱采集模块6，用于采集烟叶的近红外光谱；
化学成分分析模块7，与近红外光谱采集模块6相连，用于根据烟叶的近红外光谱进行分析，获取烟叶的化学成分；
数据分类模块8分别与RFID信息采集模块1、图像处理模块3、测厚模块4、称重模块5、化学成分分析模块7相连，用于获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类；
所述的每片烟叶的信息包括RFID信息采集模块1采集到的数据、图像处理模块3处理前的图像及处理后的信息、测厚模块4测得的数据、称重模块5测得的数据、化学成分分析模块7分析前的图谱及分析后的数据；
数据存储模块9，与数据分类模块8相连，用于存储经数据分类模块8分类后的信息，作为烟叶特征全信息数据库。
一种基于烟叶特征的全信息在线采集方法，采用上述基于烟叶特征的全信息在线采集系统，包括如下步骤：
步骤（1），挑选样品：在标准环境下，挑选具有等级代表性、叶片完整的烟叶作为样品；
步骤（2），整理样品：在标准环境下，把每一片烟叶铺展平展；
步骤（3），RFID信息采集：获取烟叶RFID芯片信息；
步骤（4），图像采集与处理：在标准环境下，采集烟叶正面和背面的图像，并从图像中提取烟叶的长、宽、面积、叶尖夹角、脉相及颜色色彩值；
步骤（5），物理特性关键指标测定：在标准环境下，通过测厚模块，在线测量烟叶的厚度，通过重量检测装置，在线测量烟叶的重量；
步骤（6），常规化学成分含量测定：在标准环境下，通过在线近红外光谱采集模块获取烟叶的近红外光谱，然后烟叶化学成分分析，获得烟叶化学成分；
步骤（7），烟叶特征全信息数据库的建立：获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类，获得烟叶特征全信息数据库。
实施例2
如图2所示，一种基于烟叶特征的全信息在线采集系统，包括：RFID信息采集模块1、图像采集模块2、图像处理模块3、测厚模块4、称重模块5、近红外光谱采集模块6、化学成分分析模块7、数据分类模块8和数据存储模块9；
RFID信息采集模块1，用于采集每把烟叶上RFID电子标签中的数据；
图像采集模块2，用于采集烟叶正面和背面的图像；
图像处理模块3，与图像采集模块2相连，用于根据图像采集模块采集到的图像进行处理，获得烟叶的长、宽、面积、叶尖夹角、脉相和颜色色彩值；
测厚模块4，用于采集烟叶的厚度信息；
称重模块5，用于采集烟叶的重量；
近红外光谱采集模块6，用于采集烟叶的近红外光谱；
化学成分分析模块7，与近红外光谱采集模块6相连，用于根据烟叶的近红外光谱进行分析，获取烟叶的化学成分；
数据分类模块8分别与RFID信息采集模块1、图像处理模块3、测厚模块4、称重模块5、化学成分分析模块7相连，用于获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类；
所述的每片烟叶的信息包括RFID信息采集模块1采集到的数据、图像处理模块3处理前的图像及处理后的信息、测厚模块4测得的数据、称重模块5测得的数据、化学成分分析模块7分析前的图谱及分析后的数据；
数据存储模块9，与数据分类模块8相连，用于存储经数据分类模块8分类后的信息，作为烟叶特征全信息数据库。
RFID信息采集模块1为阅读器。
RFID电子标签中的数据包括产地、年份、等级、品种和生态信息。
所述的烟叶的厚度信息包括叶尖、叶中和叶基的厚度。
所述的化学成分包括水分、总糖、还原糖、总氮、烟碱、钾和氯含量。
还包括筛选模块10和显示模块11；筛选模块10分别与数据存储模块9、显示模块11相连；
筛选模块10用于通过关键字从数据存储模块9中进行筛选，获得筛选结果；显示模块用于显示筛选结果。
烟叶特征全信息数据库中，含有同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类进行归类，便于筛选；筛选时，可以筛选某一片烟叶的信息，即获得该烟叶的RFID电子标签中的数据、图像处理模块3处理前的图像及处理后的信息、测厚模块4测得的数据、称重模块5）测得的数据、化学成分分析模块7分析前的图谱及分析后的数据；也可以筛选某一类烟叶的信息，展示该类下所有的烟叶，并可展开查看各个烟叶的信息；还可以筛选符合某一指标范围的信息，例如筛选长度为30-35cm、产地为昆明、品种为K326的烟叶，则展示该筛选目标下的所有烟叶，并可展开查看各个烟叶的信息。
化学成分分析模块7内预存有化学成分分析模型；所述的化学成分分析模型为神经网络模型；所述的神经网络模型以烟叶的近红外光谱峰信息为输入，以烟叶的化学成分为输出，进行训练获得的。
图像采集模块2为摄像头；测厚模块4为激光测厚仪，近红外光谱采集模块6为在线近红外光谱仪。
一种基于烟叶特征的全信息在线采集方法，采用上述基于烟叶特征的全信息在线采集系统，包括如下步骤：
步骤（1），挑选样品：在标准环境下，挑选具有等级代表性、叶片完整的烟叶作为样品；
步骤（2），整理样品：在标准环境下，把每一片烟叶铺展平展；
步骤（3），RFID信息采集：获取烟叶RFID芯片信息；
步骤（4），图像采集与处理：在标准环境下，采集烟叶正面和背面的图像，并从图像中提取烟叶的长、宽、面积、叶尖夹角、脉相及颜色色彩值；
步骤（5），物理特性关键指标测定：在标准环境下，通过测厚模块，在线测量烟叶的厚度，通过重量检测装置，在线测量烟叶的重量；
步骤（6），常规化学成分含量测定：在标准环境下，通过在线近红外光谱采集模块获取烟叶的近红外光谱，然后烟叶化学成分分析，获得烟叶化学成分；
步骤（7），烟叶特征全信息数据库的建立：获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类，获得烟叶特征全信息数据库。
所述的标准环境为光源的色温为（5500±100）K，光照度为（2000±200）lx，显色指数Ra≥92；环境温度为（22±2）℃，相对湿度在（70±5）%。
应用实例
通过本发明实施例2方法及系统对云南省文山州烟叶样品的全信息自动化提取：
以下均在在标准环境下进行，首先挑选具有等级代表性的完整烟叶（具有RFID芯片信息），铺展平整后，迅速将烟叶和RFID芯片通过本发明系统进行采集：
第一步，在线读取RFID信息，获取产地、年份、等级、品种及生态信息；
第二步，在线采集烟叶正面、背面图像，获取烟叶双面图像，同时基于AI运算，提取烟叶的长、宽、面积、叶尖夹角、脉相及颜色色彩值，部分采集到的图像如图3、图5和图7；采集到的部分数据如表1所示；
第三步，在线测量烟叶厚度和重量，提取烟叶（叶尖、叶中、叶基位置）厚度、单叶重；
第四步，在线扫描烟叶近红外光谱，预测烟叶化学成分（水分、总糖、还原糖、总氮、烟碱、钾、氯含量）；部分采集到的光谱如图4、图6和图8；得到的烟叶化学成分部分数据如表2所示；
第五步，获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类，存储进烟叶特征全信息数据库。
表1
Figure DEST_PATH_IMAGE001
表2
Figure 324032DEST_PATH_IMAGE002
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种基于烟叶特征的全信息在线采集系统，其特征在于，包括：RFID信息采集模块（1）、图像采集模块（2）、图像处理模块（3）、测厚模块（4）、称重模块（5）、近红外光谱采集模块（6）、化学成分分析模块（7）、数据分类模块（8）和数据存储模块（9）；
RFID信息采集模块（1），用于采集每把烟叶上RFID电子标签中的数据；
图像采集模块（2），用于采集烟叶正面和背面的图像；
图像处理模块（3），与图像采集模块（2）相连，用于根据图像采集模块采集到的图像进行处理，获得烟叶的长、宽、面积、叶尖夹角、脉相和颜色色彩值；
测厚模块（4），用于采集烟叶的厚度信息；
称重模块（5），用于采集烟叶的重量；
近红外光谱采集模块（6），用于采集烟叶的近红外光谱；
化学成分分析模块（7），与近红外光谱采集模块（6）相连，用于根据烟叶的近红外光谱进行分析，获取烟叶的化学成分；
数据分类模块（8）分别与RFID信息采集模块（1）、图像处理模块（3）、测厚模块（4）、称重模块（5）、化学成分分析模块（7）相连，用于获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类；
所述的每片烟叶的信息包括RFID信息采集模块（1）采集到的数据、图像处理模块（3）处理前的图像及处理后的信息、测厚模块（4）测得的数据、称重模块（5）测得的数据、化学成分分析模块（7）分析前的图谱及分析后的数据；
数据存储模块（9），与数据分类模块（8）相连，用于存储经数据分类模块（8）分类后的信息，作为烟叶特征全信息数据库；
所述的化学成分包括水分、总糖、还原糖、总氮、烟碱、钾和氯含量；
化学成分分析模块（7）内预存有化学成分分析模型；所述的化学成分分析模型为神经网络模型；所述的神经网络模型以烟叶的近红外光谱峰信息为输入，以烟叶的化学成分为输出，进行训练获得的。
2.根据权利要求1所述的基于烟叶特征的全信息在线采集系统，其特征在于，RFID信息采集模块（1）为阅读器。
3.根据权利要求1所述的基于烟叶特征的全信息在线采集系统，其特征在于，RFID电子标签中的数据包括产地、年份、等级、品种和生态信息。
4.根据权利要求1所述的基于烟叶特征的全信息在线采集系统，其特征在于，所述的烟叶的厚度信息包括叶尖、叶中和叶基的厚度。
5.根据权利要求1所述的基于烟叶特征的全信息在线采集系统，其特征在于，还包括筛选模块（10）和显示模块（11）；筛选模块（10）分别与数据存储模块（9）、显示模块（11）相连；
筛选模块（10）用于通过关键字从数据存储模块（9）中进行筛选，获得筛选结果；显示模块用于显示筛选结果。
6.根据权利要求1所述的基于烟叶特征的全信息在线采集系统，其特征在于，图像采集模块（2）为摄像头；测厚模块（4）为激光测厚仪，近红外光谱采集模块（6）为在线近红外光谱仪。
7.一种基于烟叶特征的全信息在线采集方法，采用权利要求1~6任意一项所述的基于烟叶特征的全信息在线采集系统，其特征在于，包括如下步骤：
步骤（1），挑选样品：在标准环境下，挑选具有等级代表性、叶片完整的烟叶作为样品；
步骤（2），整理样品：在标准环境下，把每一片烟叶铺展平展；
步骤（3），RFID信息采集：获取烟叶RFID芯片信息；
步骤（4），图像采集与处理：在标准环境下，采集烟叶正面和背面的图像，并从图像中提取烟叶的长、宽、面积、叶尖夹角、脉相及颜色色彩值；
步骤（5），物理特性关键指标测定：在标准环境下，通过测厚模块，在线测量烟叶的厚度，通过重量检测装置，在线测量烟叶的重量；
步骤（6），常规化学成分含量测定：在标准环境下，通过在线近红外光谱采集模块获取烟叶的近红外光谱，然后烟叶化学成分分析，获得烟叶化学成分；
步骤（7），烟叶特征全信息数据库的建立：获取每片烟叶的信息，然后进行分类，将同一产地、同一年份、同一等级、同一品种的烟叶信息作为一类，获得烟叶特征全信息数据库。
8.根据权利要求7所述的基于烟叶特征的全信息在线采集方法，其特征在于，所述的标准环境为光源的色温为（5500±100）K，光照度为（2000±200）lx，显色指数Ra≥92；环境温度为（22±2）℃，相对湿度在（70±5）%。
CN202011460313.7A 2020-12-11 2020-12-11 一种基于烟叶特征的全信息在线采集系统及方法 Active CN112540971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011460313.7A CN112540971B (zh) 2020-12-11 2020-12-11 一种基于烟叶特征的全信息在线采集系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011460313.7A CN112540971B (zh) 2020-12-11 2020-12-11 一种基于烟叶特征的全信息在线采集系统及方法

Publications (2)

Publication Number Publication Date
CN112540971A CN112540971A (zh) 2021-03-23
CN112540971B true CN112540971B (zh) 2023-06-09

Family

ID=75018501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011460313.7A Active CN112540971B (zh) 2020-12-11 2020-12-11 一种基于烟叶特征的全信息在线采集系统及方法

Country Status (1)

Country Link
CN (1) CN112540971B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113210264B (zh) * 2021-05-19 2023-09-05 江苏鑫源烟草薄片有限公司 烟草杂物剔除方法及装置
CN113681156B (zh) * 2021-06-24 2023-08-08 中国烟草总公司郑州烟草研究院 一种基于紫外激光器的烟用原料分切装置与方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3782544A (en) * 1972-08-03 1974-01-01 Amf Inc Automatic grader
US4609108A (en) * 1984-01-27 1986-09-02 Institute Po Technicheska Kibernetika I Robotika Tobacco sorting method and apparatus
CN107491784A (zh) * 2017-08-09 2017-12-19 云南瑞升烟草技术（集团）有限公司 基于深度学习算法的烟叶近红外光谱定量建模方法及应用
CN111067131A (zh) * 2019-12-25 2020-04-28 福建武夷烟叶有限公司 一种烟叶等级自动识别分拣方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014078862A1 (en) * 2012-11-19 2014-05-22 Altria Client Services Inc. Blending of agricultural products via hyperspectral imaging and analysis
CN204988198U (zh) * 2015-08-31 2016-01-20 中国烟草总公司广东省公司 一种激光测烟叶厚度的装置
CN106053383A (zh) * 2016-06-27 2016-10-26 四川威斯派克科技有限公司 一种烟草加工过程中的近红外在线检测方法
CN107942887A (zh) * 2017-12-25 2018-04-20 潍坊市烟草专卖局 一种烟草分级系统及分级方法
CN210642401U (zh) * 2019-09-26 2020-06-02 浙江中烟工业有限责任公司 一种基于烟叶收购需求的分级装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3782544A (en) * 1972-08-03 1974-01-01 Amf Inc Automatic grader
US4609108A (en) * 1984-01-27 1986-09-02 Institute Po Technicheska Kibernetika I Robotika Tobacco sorting method and apparatus
CN107491784A (zh) * 2017-08-09 2017-12-19 云南瑞升烟草技术（集团）有限公司 基于深度学习算法的烟叶近红外光谱定量建模方法及应用
CN111067131A (zh) * 2019-12-25 2020-04-28 福建武夷烟叶有限公司 一种烟叶等级自动识别分拣方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Automated Sorting of Oriented Tobacco Leaves;Larry G. Wells等;《American Society of Agricultural and Biological Engineers》;第6卷(第1期);19-23 *

Also Published As

Publication number Publication date
CN112540971A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN104931470B (zh) 一种基于荧光高光谱技术的农药残留检测装置及检测方法
Neumann et al. Forensic examination of ink by high-performance thin layer chromatography—The United States Secret Service Digital Ink Library
CN110411957B (zh) 水果货架期及新鲜程度的无损快速预测方法及装置
CN112540971B (zh) 一种基于烟叶特征的全信息在线采集系统及方法
CN103134850B (zh) 一种基于特征香气的茶叶品质快速检测方法
Potdar et al. Determination of soil nutrients (NPK) using optical methods: a mini review
CN101949824A (zh) 根据物质的光谱信息对商品进行检测的方法和系统装置
CN100357725C (zh) 近红外技术快速检测牛肉嫩度的方法和装置
CN102706813B (zh) 基于高光谱图像的草地早熟禾品种识别方法
CN207103187U (zh) 一种基于高光谱成像及电阻抗的玉米种子活力检测装置
CN102778442A (zh) 一种快速鉴别烟用香液料液种类的方法
CN108444924B (zh) 一种应用高光谱图像技术判别茶叶贮藏期的方法
CN105181678A (zh) 基于激光诱导击穿光谱的水稻品种鉴别方法
CN107515203A (zh) 近红外技术定量分析水稻单籽粒直链淀粉含量的研究
Delegido et al. Remote Estimation of Crop Chlorophyll Content by Means of High‐Spectral‐Resolution Reflectance Techniques
JP2006226945A (ja) 物品判別装置、物品判別方法、および物品判別プログラム
CN106092961A (zh) 一种快速检测农产品中化学成分的方法
CN108195793A (zh) 植物源性饲料原料氨基酸含量的通用模型构建方法
CN109540837A (zh) 近红外快速检测苎麻叶片木质纤维素含量的方法
CN103592258B (zh) 一种茶叶中茶多酚含量的检测方法
CN113933247A (zh) 一种水果成熟度检测模型的构建方法
CN113567356A (zh) 一种用于道地药材鉴别的高光谱图谱仪及应用
CN105675548A (zh) 一种利用光谱法测定水稻主要营养成分的方法
CN113138192A (zh) 一种金银花和山银花的鉴别方法及系统
CN106092960A (zh) 一种快速校正近红外设备并检测农产品中化学成分的方法

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
GR01 Patent grant
GR01 Patent grant