CN113002816A - 一种烤烟烘烤工艺智能控制方法 - Google Patents
一种烤烟烘烤工艺智能控制方法 Download PDFInfo
- Publication number
- CN113002816A CN113002816A CN202110199941.2A CN202110199941A CN113002816A CN 113002816 A CN113002816 A CN 113002816A CN 202110199941 A CN202110199941 A CN 202110199941A CN 113002816 A CN113002816 A CN 113002816A
- Authority
- CN
- China
- Prior art keywords
- bulb temperature
- tobacco
- temperature
- wet bulb
- curing
- 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
Images
Classifications
-
- 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
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明公开了一种烤烟烘烤工艺智能控制方法,通过对烟叶烘烤过程中的图像、重量进行实时监测,利用图像识别技术提取烟叶长、叶宽、主脉支脉夹角、RGB值等参数,将品种、长宽比、叶面积、主脉支脉夹角角度、RGB值、重量作为输入层,输出层为根据烘烤专家确定的38、40、42、44、46、48、54、68℃等转火点是否转火,进行神经网络学习,构建各转火点识别模型,实现烘烤进程温湿度参数智能匹配,改变传统烤烟以人主观判断为主的烘烤方式,提高烘烤工艺执行到位率,实现烘烤的无人值守、精准操作。
Description
技术领域
本发明属于烟草烘烤控制技术领域,具体涉及一种烤烟烘烤工艺智能控制方法。
背景技术
烟叶烘烤是一个技术性很强、用工较多和劳动强度较大的环节,传统的烟叶烘烤模式存在着难以统一指导和集中管理、操作不规范、烘烤工艺到位率低等缺陷,易出现烘烤损失较大,烘烤成本较高,不适应现代烟叶生产发展的需要。
目前国内烤烟过程中观察烟叶在烘烤不同阶段颜色形状的变化,都是根据标准烟叶样本,依靠人的感官判断来调整烤烟的干湿球温度专家曲线,这就必然会耗费大量的人力、物力和财力。而且烟叶颜色形状的变化特征绝大部分是定性的描述,无定量的标准,其尺度很难把握。它主要依靠烤烟人员的感官和经验来判断,而不同的人对标准的理解、人的感官和经验也存在一定的差异。凭感官来定性评定,在观察过程中,容易受到客观环境条件、观察人的情绪、观察人经验的丰缺程度关系很大,带有很强的主观性和经验性,容易出现烟叶烘烤的不稳定现象,不仅给国家、烟农和卷烟加工部门的烟叶流通造成经济损失,也为后期加工带来许多麻烦。另外,当质量要求和分级标准改变时,人们比较难以摆脱旧的质量观念来适应新的质量标准。随着烟制品质量的演变,烟叶质量要求逐渐提高,人工方式观察调整将越来越难于满足要求。
从鲜烟叶装入烤房到烟叶烘烤结束,需要历经多个转火点,因此就需要烘烤人员不断观察烟叶颜色变化与失水程度,从而确定何时转入下一温度段烘烤,不同烘烤人员的对烟叶状态判断受主观因素影响,烘烤作业难度较大。据统计,我国每年因烘烤工艺执行不到位而造成的烤坏烟损失达15-20%。传统的烟叶烘烤模式存在着难以统一指导和集中管理、操作不规范、烘烤工艺到位率低等缺陷,难以充分彰显烟叶质量潜质,存在烘烤损失较大、烘烤成本较高等问题,已不适应现代烟叶生产发展的需要。随着烤房自动控温、排湿设备的普及,烟叶烘烤自动化、智能化已势在必行。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种用于烟叶调制过程中变黄失水状态识别及智能调整工艺参数的烤烟烘烤工艺智能控制方法。
为实现上述目的,本发明采用的技术方案是:
一种烤烟烘烤工艺智能控制方法,包括以下步骤:
采集烟叶的烘烤参数和烤房内的温湿度数据;所述烟叶的烘烤参数包括:烟叶品种、部位、成熟度、长宽比、叶面积、主脉支脉夹角、RGB值和单叶重信息;
根据经验数据设定烘烤工艺各阶段的干球温度和对应的湿球温度;
构建烟叶烘烤工艺湿球温度选择模型,将采集到的烟叶的品种、部位、成熟度、含水量和烤房内的温度数据作为湿球温度选择模型的输入层,将设定的烘烤工艺各阶段的干球温度对应的湿球温度作为湿球温度选择模型的输出层,对所述湿球温度选择模型进行训练;所述含水量根据叶面积和单叶重得到;
根据设定的烘烤工艺各阶段的干球温度构建多个关键转火点神经网络判断模型,将烟叶的烘烤参数和烤房内的温度数据作为神经网络判断模型的输入层,将各阶段的干球温度对应的关键转火点是否升温或停火作为输出层,对所述神经网络判断模型进行训练;
烤房装烟后,通过烟叶状态监控箱定期采集烟叶的烘烤参数和烤房内的温湿度数据,并将采集到的信息传输给中控计算机,中控计算机通过内嵌的湿球温度选择模型来选择烘烤工艺各阶段的干球温度对应的湿球温度,以及通过内嵌的多个神经网络判断模型来判断各关键转火点的升温或停火时机,所述中控计算机根据得到的烘烤工艺各阶段的干球温度对应的湿球温度和各关键转火点的升温或停火时机给烤房内的温湿度控制器发送控制指令,所述温湿度控制器根据控制指令调整烤房内的温湿度,实现烘烤工艺自动匹配与校正。
优选地,所述烘烤工艺各阶段的干球温度和对应的湿球温度的对应关系为:
干球温度为38℃,对应的湿球温度为36℃;
干球温度为40℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为42℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为44℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为46℃,对应的湿球温度为38℃;
干球温度为48℃,对应的湿球温度为39℃;
干球温度为54℃,对应的湿球温度为39℃;
干球温度为68℃,对应的湿球温度为42℃。
进一步地,当干球温度为40℃、42℃或44℃时,对应的湿球温度为低湿35.5℃、中湿36.5℃或高湿37.5℃;该烘烤工艺阶段的干球温度对应的湿球温度取决于烟叶的品种、部位、成熟度和含水量。
具体地,所述烘烤工艺中各转火升温阶段的升温速度均为0.5℃/h。
具体地,所述关键转火点神经网络判断模型共有9个,分别对应9个关键转火点:38℃、40℃、42℃、44℃、46℃、48℃、54℃、68℃和停火。
进一步地,所述神经网络判断模型判断各阶段是否转火升温或停火的依据为:各阶段烟叶的变黄程度、失水程度和卷曲程度;在烘烤的过程中,不同温度的转火时机都对应了烟叶不同的变黄程度、失水程度和卷曲程度,只有当烟叶达到了当前烘烤阶段对应的变黄程度、失水程度和卷曲程度,才能进行转火。所述变黄程度由RGB值得到,所述失水程度由单叶重得到,所述卷曲程度由烟叶长宽比、主脉支脉夹角和叶面积得到。
具体地,所述烟叶状态监控箱为封闭箱体,所述箱体设有补光灯、摄像头、图像处理模块、温度传感器、湿度传感器、重力传感器和烟杆悬挂钩,所述烟杆悬挂钩与重力传感器连接,用于测量烟叶重量;所述补光灯用于对摄像头进行补光,所述摄像头用于拍摄烟叶的图像,所述图像处理模块用于识别烟叶的图像,获取烟叶的长宽比、叶面积、主脉支脉夹角和RGB值;所述温度传感器、湿度传感器分别用于监测烤房内的干球温度和湿球温度。
具体地,所述状态监控箱每隔30min采集一次烟叶的烘烤参数和烤房内的温湿度数据。
与现有技术相比,本发明的有益效果是:
(1)本发明基于图像识别确定烟叶变黄程度、重力传感器确定失水程度,减少人为识别误差,烟叶变黄失水状态识别更加精准,工艺执行更加精确;
(2)本发明通过构建烟叶烘烤工艺湿球温度选择模型,将采集到的烟叶的品种、部位、成熟度、含水量和烤房内的温度数据作为湿球温度选择模型的输入层,将设定的烘烤工艺各阶段的干球温度对应的湿球温度作为湿球温度选择模型的输出层,对所述湿球温度选择模型进行训练;得到的湿球温度选择模型可以根据烟叶的品种、部位、成熟度、含水量和烤房内的干球温度智能选择最适宜的湿球温度,提高烘烤工艺到位率;
(3)本发明通过构建9个关键转火点神经网络判断模型,将烟叶的烘烤参数和烤房内的温度数据作为神经网络判断模型的输入层,将各阶段的干球温度对应的关键转火点是否升温或停火作为输出层,对所述神经网络判断模型进行训练;得到的神经网络判断模型可以根据烟叶当前的烘烤参数确定烟叶的变黄程度、失水程度和卷曲程度,再根据当前烤房内的温度数据判断是否转火升温或停火,实现烟叶烘烤工艺各阶段转火点的智能识别,提高了烟叶烘烤品质的一致性。
附图说明
图1为本发明实施例中转火点神经网络判断模型的架构示意图;
图2为本发明实施例中湿球温度选择模型的架构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明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条件下所获得的所有其它实施例,都属于本发明保护的范围。
本实施例提供了一种烤烟烘烤工艺智能控制方法,包括以下步骤:
采集烟叶的烘烤参数和烤房内的温湿度数据;所述烟叶的烘烤参数包括:烟叶品种、部位、成熟度、长宽比、叶面积、主脉支脉夹角、RGB值和单叶重信息;
根据经验数据设定烘烤工艺各阶段的干球温度和对应的湿球温度;
构建烟叶烘烤工艺湿球温度选择模型,如图2所示,将采集到的烟叶的品种、部位、成熟度、含水量和烤房内的温度数据作为湿球温度选择模型的输入层,将设定的烘烤工艺各阶段的干球温度对应的湿球温度作为湿球温度选择模型的输出层,对所述湿球温度选择模型进行训练;所述含水量根据叶面积和单叶重得到;
根据设定的烘烤工艺各阶段的干球温度构建多个关键转火点神经网络判断模型,如图1所示,将烟叶的烘烤参数(烟叶品种、长宽比、叶面积、主脉支脉夹角、RGB值和单叶重信息)和烤房内的温度数据作为神经网络判断模型的输入层,将各阶段的干球温度对应的关键转火点是否升温或停火作为输出层,对所述神经网络判断模型进行训练;
烤房装烟后,通过烟叶状态监控箱定期采集烟叶的烘烤参数和烤房内的温湿度数据,并将采集到的信息传输给中控计算机,中控计算机通过内嵌的湿球温度选择模型来选择烘烤工艺各阶段的干球温度对应的湿球温度,以及通过内嵌的多个神经网络判断模型来判断各关键转火点的升温或停火时机,所述中控计算机根据得到的烘烤工艺各阶段的干球温度对应的湿球温度和各关键转火点的升温或停火时机给烤房内的温湿度控制器发送控制指令,所述温湿度控制器根据控制指令调整烤房内的温湿度,实现烘烤工艺自动匹配与校正。
优选地,本实施例中,所述烘烤工艺各阶段的干球温度和对应的湿球温度的对应关系为:
干球温度为38℃,对应的湿球温度为36℃;
干球温度为40℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为42℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为44℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为46℃,对应的湿球温度为38℃;
干球温度为48℃,对应的湿球温度为39℃;
干球温度为54℃,对应的湿球温度为39℃;
干球温度为68℃,对应的湿球温度为42℃。
进一步地,当干球温度为40℃、42℃或44℃时,对应的湿球温度为低湿35.5℃、中湿36.5℃或高湿37.5℃;该烘烤工艺阶段的干球温度对应的湿球温度取决于烟叶的品种、部位、成熟度和含水量。烟叶含水量越高,对应该烘烤阶段的湿球温度越低;相反,烟叶的含水量越低,对应该烘烤阶段的湿球温度越高。
具体地,所述烘烤工艺中各转火升温阶段的升温速度均为0.5℃/h。
具体地,所述关键转火点神经网络判断模型共有9个,分别对应9个关键转火点:38℃、40℃、42℃、44℃、46℃、48℃、54℃、68℃和停火。
进一步地,所述神经网络判断模型判断各阶段是否转火升温或停火的依据为:各阶段烟叶的变黄程度、失水程度和卷曲程度;在烘烤的过程中,不同温度的转火时机都对应了烟叶不同的变黄程度、失水程度和卷曲程度,只有当烟叶达到了当前烘烤阶段对应的变黄程度、失水程度和卷曲程度,才能进行转火。所述变黄程度由RGB值得到,所述失水程度由单叶重得到,所述卷曲程度由烟叶长宽比、主脉支脉夹角和叶面积得到。
具体地,所述烟叶状态监控箱为封闭箱体,所述箱体设有补光灯、摄像头、图像处理模块、温度传感器、湿度传感器、重力传感器和烟杆悬挂钩,所述烟杆悬挂钩与重力传感器连接,用于测量烟叶重量;所述补光灯用于对摄像头进行补光,所述摄像头用于拍摄烟叶的图像,所述图像处理模块用于识别烟叶的图像,获取烟叶的长宽比、叶面积、主脉支脉夹角和RGB值;所述温度传感器、湿度传感器分别用于监测烤房内的干球温度和湿球温度。
具体地,所述状态监控箱每隔30min采集一次烟叶的烘烤参数和烤房内的温湿度数据。
本实施例在某产地云烟长势正常的田块中选取鲜烟素质一致的上部叶进行采收,将采集的烟叶分别装入两座密集烤房;其中一座作为试验组采用本实施例的智能控制方法自动调节烘烤工艺,另外一座作为对照组采用常规工艺由当地烘烤技术员进行烘烤;下表1示出了试验组与对照组在烘烤过程中的温湿度参数及稳温转火情况:
表1试验组与对照组在烘烤过程中的温湿度参数及稳温转火情况
下表2示出了经过试验组与对照组烘烤后的烟叶的经济性状:
表2经过试验组与对照组烘烤后的烟叶的经济性状
从表1、表2中可以看出,与常规工艺烘烤相比,采用本发明的智能控制方法烘烤时长减少9个小时,降低了烘烤能耗;烤后烟叶橘黄烟率明显提高,青杂烟比例较低,均价提高1.7元/kg。其中,CK为对照组,T为试验组。
下表3示出了分别采用试验组和对照组烘烤后的烟叶化学组分含量:
表3分别采用试验组和对照组烘烤后的烟叶化学组分含量
从表3可以看出,与常规工艺烘烤相比,采用本发明的智能控制方法烘烤烤后烟叶还原糖、总糖含量升高,糖碱比、氮碱比更加协调。其中,CK为对照组,T为试验组。
下表4示出了分别采用试验组和对照组烘烤后的烟叶感官质量对比:
表4示出了分别采用试验组和对照组烘烤后的烟叶感官质量对比
从表4上部叶烤后烟叶感官质量比较中可以看出,与常规工艺烘烤相比,采用本发明的智能控制方法烘烤感官评吸质量较好,香气质、刺激性有所改善。其中,CK为对照组,T为试验组。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种烤烟烘烤工艺智能控制方法,其特征在于,包括以下步骤:
采集烟叶的烘烤参数和烤房内的温湿度数据;所述烟叶的烘烤参数包括:烟叶品种、部位、成熟度、长宽比、叶面积、主脉支脉夹角、RGB值和单叶重信息;
根据经验数据设定烘烤工艺各阶段的干球温度和对应的湿球温度;
构建烟叶烘烤工艺湿球温度选择模型,将采集到的烟叶的品种、部位、成熟度、含水量和烤房内的温度数据作为湿球温度选择模型的输入层,将设定的烘烤工艺各阶段的干球温度对应的湿球温度作为湿球温度选择模型的输出层,对所述湿球温度选择模型进行训练;所述含水量根据叶面积和单叶重得到;
根据设定的烘烤工艺各阶段的干球温度构建多个关键转火点神经网络判断模型,将烟叶的烘烤参数和烤房内的温度数据作为神经网络判断模型的输入层,将各阶段的干球温度对应的关键转火点是否升温或停火作为输出层,对所述神经网络判断模型进行训练;
烤房装烟后,通过烟叶状态监控箱定期采集烟叶的烘烤参数和烤房内的温湿度数据,并将采集到的信息传输给中控计算机,中控计算机通过内嵌的湿球温度选择模型来选择烘烤工艺各阶段的干球温度对应的湿球温度,以及通过内嵌的多个神经网络判断模型来判断各关键转火点的升温或停火时机,所述中控计算机根据得到的烘烤工艺各阶段的干球温度对应的湿球温度和各关键转火点的升温或停火时机给烤房内的温湿度控制器发送控制指令,所述温湿度控制器根据控制指令调整烤房内的温湿度,实现烘烤工艺自动匹配与校正。
2.根据权利要求1所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述烘烤工艺各阶段的干球温度和对应的湿球温度的对应关系为:
干球温度为38℃,对应的湿球温度为36℃;
干球温度为40℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为42℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为44℃,对应的湿球温度为35.5℃、36.5℃或37.5℃;
干球温度为46℃,对应的湿球温度为38℃;
干球温度为48℃,对应的湿球温度为39℃;
干球温度为54℃,对应的湿球温度为39℃;
干球温度为68℃,对应的湿球温度为42℃。
3.根据权利要求2所述的一种烤烟烘烤工艺智能控制方法,其特征在于,当干球温度为40℃、42℃或44℃时,对应的湿球温度为低湿35.5℃、中湿36.5℃或高湿37.5℃;该烘烤工艺阶段的干球温度对应的湿球温度取决于烟叶的品种、部位、成熟度和含水量。
4.根据权利要求2所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述烘烤工艺中各转火升温阶段的升温速度均为0.5℃/h。
5.根据权利要求1所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述关键转火点神经网络判断模型共有9个,分别对应9个关键转火点:38℃、40℃、42℃、44℃、46℃、48℃、54℃、68℃和停火。
6.根据权利要求5所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述神经网络判断模型判断各阶段是否转火升温或停火的依据为:各阶段烟叶的变黄程度、失水程度和卷曲程度;所述变黄程度由RGB值得到,所述失水程度由单叶重得到,所述卷曲程度由烟叶长宽比、主脉支脉夹角和叶面积得到。
7.根据权利要求1所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述烟叶状态监控箱为封闭箱体,所述箱体设有补光灯、摄像头、图像处理模块、温度传感器、湿度传感器、重力传感器和烟杆悬挂钩,所述烟杆悬挂钩与重力传感器连接,用于测量烟叶重量;所述补光灯用于对摄像头进行补光,所述摄像头用于拍摄烟叶的图像,所述图像处理模块用于识别烟叶的图像,获取烟叶的长宽比、叶面积、主脉支脉夹角和RGB值;所述温度传感器、湿度传感器分别用于监测烤房内的干球温度和湿球温度。
8.根据权利要求1所述的一种烤烟烘烤工艺智能控制方法,其特征在于,所述状态监控箱每隔30min采集一次烟叶的烘烤参数和烤房内的温湿度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199941.2A CN113002816B (zh) | 2021-02-23 | 2021-02-23 | 一种烤烟烘烤工艺智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199941.2A CN113002816B (zh) | 2021-02-23 | 2021-02-23 | 一种烤烟烘烤工艺智能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113002816A true CN113002816A (zh) | 2021-06-22 |
CN113002816B CN113002816B (zh) | 2022-08-16 |
Family
ID=76407003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110199941.2A Active CN113002816B (zh) | 2021-02-23 | 2021-02-23 | 一种烤烟烘烤工艺智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113002816B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113796557A (zh) * | 2021-08-24 | 2021-12-17 | 中国烟草总公司郑州烟草研究院 | 一种烟叶动态控湿烘烤控制方法和控制系统 |
CN114002977A (zh) * | 2021-10-22 | 2022-02-01 | 珠海格力电器股份有限公司 | 烟草烘干机组的控制方法、装置、电子设备及存储介质 |
CN114022534A (zh) * | 2021-10-22 | 2022-02-08 | 上海伯耶信息科技有限公司 | 一种烟叶纹理夹角提取方法 |
CN115281361A (zh) * | 2022-08-23 | 2022-11-04 | 中国烟草总公司郑州烟草研究院 | 一种烟叶烘烤过程的控制方法 |
CN115316699A (zh) * | 2022-07-29 | 2022-11-11 | 湖北文理学院 | 烟叶烘烤系统干湿球温度预测调制方法及装置 |
CN115349654A (zh) * | 2022-08-23 | 2022-11-18 | 中国烟草总公司郑州烟草研究院 | 一种烟叶烘烤参数的标定方法 |
CN115462550A (zh) * | 2022-10-24 | 2022-12-13 | 西昌学院 | 烟叶烘烤控制方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103380947A (zh) * | 2013-07-29 | 2013-11-06 | 云南省烟草农业科学研究院 | 一种提升清香型烟叶质量的调制工艺 |
CN104914720A (zh) * | 2015-04-16 | 2015-09-16 | 贵州省烟草公司遵义市公司 | 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法 |
CN106579532A (zh) * | 2017-01-17 | 2017-04-26 | 重庆电子工程职业学院 | 一种密集烤房烟叶烘烤工艺曲线的在线生成方法 |
CN109691681A (zh) * | 2019-01-23 | 2019-04-30 | 陈红华 | 一种用于云烟87烟叶烤软烤香的密集烘烤工艺 |
CN109892682A (zh) * | 2019-03-12 | 2019-06-18 | 潍坊市烟草专卖局 | 一种涝黄烟叶的烘烤方法 |
CN110122913A (zh) * | 2019-03-27 | 2019-08-16 | 河南中烟工业有限责任公司 | 一种烤烟品种豫烟6号的烘烤工艺 |
-
2021
- 2021-02-23 CN CN202110199941.2A patent/CN113002816B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103380947A (zh) * | 2013-07-29 | 2013-11-06 | 云南省烟草农业科学研究院 | 一种提升清香型烟叶质量的调制工艺 |
CN104914720A (zh) * | 2015-04-16 | 2015-09-16 | 贵州省烟草公司遵义市公司 | 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法 |
CN106579532A (zh) * | 2017-01-17 | 2017-04-26 | 重庆电子工程职业学院 | 一种密集烤房烟叶烘烤工艺曲线的在线生成方法 |
CN109691681A (zh) * | 2019-01-23 | 2019-04-30 | 陈红华 | 一种用于云烟87烟叶烤软烤香的密集烘烤工艺 |
CN109892682A (zh) * | 2019-03-12 | 2019-06-18 | 潍坊市烟草专卖局 | 一种涝黄烟叶的烘烤方法 |
CN110122913A (zh) * | 2019-03-27 | 2019-08-16 | 河南中烟工业有限责任公司 | 一种烤烟品种豫烟6号的烘烤工艺 |
Non-Patent Citations (1)
Title |
---|
唐岚: "密集化烟叶烘烤中图像特征提取及应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113796557A (zh) * | 2021-08-24 | 2021-12-17 | 中国烟草总公司郑州烟草研究院 | 一种烟叶动态控湿烘烤控制方法和控制系统 |
CN113796557B (zh) * | 2021-08-24 | 2022-12-27 | 中国烟草总公司郑州烟草研究院 | 一种烟叶动态控湿烘烤控制方法和控制系统 |
CN114002977A (zh) * | 2021-10-22 | 2022-02-01 | 珠海格力电器股份有限公司 | 烟草烘干机组的控制方法、装置、电子设备及存储介质 |
CN114022534A (zh) * | 2021-10-22 | 2022-02-08 | 上海伯耶信息科技有限公司 | 一种烟叶纹理夹角提取方法 |
CN114002977B (zh) * | 2021-10-22 | 2023-12-08 | 珠海格力电器股份有限公司 | 烟草烘干机组的控制方法、装置、电子设备及存储介质 |
CN115316699A (zh) * | 2022-07-29 | 2022-11-11 | 湖北文理学院 | 烟叶烘烤系统干湿球温度预测调制方法及装置 |
CN115316699B (zh) * | 2022-07-29 | 2024-05-28 | 湖北文理学院 | 烟叶烘烤系统干湿球温度预测调制方法及装置 |
CN115281361A (zh) * | 2022-08-23 | 2022-11-04 | 中国烟草总公司郑州烟草研究院 | 一种烟叶烘烤过程的控制方法 |
CN115349654A (zh) * | 2022-08-23 | 2022-11-18 | 中国烟草总公司郑州烟草研究院 | 一种烟叶烘烤参数的标定方法 |
CN115462550A (zh) * | 2022-10-24 | 2022-12-13 | 西昌学院 | 烟叶烘烤控制方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113002816B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113002816B (zh) | 一种烤烟烘烤工艺智能控制方法 | |
CN206292605U (zh) | 一种烤烟房在线图像识别控制系统 | |
CN104914720B (zh) | 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法 | |
CN104161298B (zh) | 一种烟叶分类烘烤工艺 | |
CN103919258A (zh) | 基于烟叶图像处理的密集化烤烟干湿球温度自动控制技术 | |
CN212809020U (zh) | 基于图像识别与烤烟房环境参数的智能烤烟控制系统装置 | |
CN109288111B (zh) | Nc102上部烟叶的八段烘烤工艺 | |
CN105105308A (zh) | 一种烤烟两段式密集烘烤工艺 | |
Condorí et al. | Image processing for monitoring of the cured tobacco process in a bulk-curing stove | |
CN108669621B (zh) | 一种降低暖湿烟区黑糟烟发生率的烟叶烘烤方法 | |
CN102626254A (zh) | 优质烟叶烘烤工艺 | |
CN110771940A (zh) | 一种基于物联网与深度学习的智能烟叶烘烤控制系统及方法 | |
CN114868948A (zh) | 一种烟叶智能化烘烤动态管理方法 | |
CN105455187A (zh) | 一种烤烟品种nc102的密集式烘烤方法 | |
CN114115394A (zh) | 一种烟叶智能烘烤控制系统及方法 | |
CN112956722B (zh) | 一种烤烟烘烤工艺关键点稳温时间计算模型 | |
CN112137149B (zh) | 一种高效可控的烤烟晾房及其烤烟烟叶的晾制方法 | |
CN109757757A (zh) | 一种豫烟9号返青烟叶采收烘烤方法 | |
CN113080501A (zh) | 一种用于重庆山地烤烟云烟116专用烘烤方法 | |
CN213344326U (zh) | 一种集成式烟叶状态监控箱 | |
CN114617282B (zh) | 一种面向质量提升的烟叶烘烤工艺寻优方法、系统及终端 | |
CN212877573U (zh) | 一种用于加热卷烟烟叶原料调制的玻璃化晒房 | |
CN114489200A (zh) | 一种温室大棚环境控制系统 | |
CN105994716A (zh) | 条形索状乌龙茶自动化复合烘干加工工艺 | |
CN115345433A (zh) | 一种基于物联网的烟叶智能烘烤评价方法及应用 |
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 |