CN113600508A - 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 - Google Patents

一种基于机器视觉的烟叶烟包霉变及杂物监测系统 Download PDF

Info

Publication number
CN113600508A
CN113600508A CN202110761289.9A CN202110761289A CN113600508A CN 113600508 A CN113600508 A CN 113600508A CN 202110761289 A CN202110761289 A CN 202110761289A CN 113600508 A CN113600508 A CN 113600508A
Authority
CN
China
Prior art keywords
light source
detected
mildew
full
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
CN202110761289.9A
Other languages
English (en)
Other versions
CN113600508B (zh
Inventor
许江华
张宇
洪政顺
倪军
张志勇
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.)
Hangzhou AIMS Intelligent Technology Co Ltd
Original Assignee
Hangzhou AIMS Intelligent Technology 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 Hangzhou AIMS Intelligent Technology Co Ltd filed Critical Hangzhou AIMS Intelligent Technology Co Ltd
Priority to CN202110761289.9A priority Critical patent/CN113600508B/zh
Publication of CN113600508A publication Critical patent/CN113600508A/zh
Application granted granted Critical
Publication of CN113600508B publication Critical patent/CN113600508B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • 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

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于机器视觉的烟叶烟包霉变及杂物监测系统，包括物流线，用于传递烟叶烟包；切片装置，设置在物流线上，用于将传递的烟叶烟包切片形成待检测切片；视觉检测单元，用于实时采集待检切片的图像并分析采集的图像来实现当前待检测切片的视觉检测；与工控机连接；本发明通过定制相应的滤光片滤除霉变目标和背景表面反射率差异较小的波段，从成像上充分突出霉变目标和背景表面的差异，大大降低了后续图像算法的复杂度，进而提升算法效率和准确度；使用菲涅尔透镜阵列面板对高亮灯珠进行相位调制，实现光束聚集准直，使得成像更加清晰，提高图像特征获取的准确度。

Description

一种基于机器视觉的烟叶烟包霉变及杂物监测系统
技术领域
本发明涉及烟叶检测技术领域，尤其涉及一种基于机器视觉的烟叶烟包霉变及杂物监测系统。
背景技术
我国是烟叶生产及消耗大国。在卷烟生产中，首先要对烟叶原材料进行挑选分类。挑选的烟叶的质量直接关系生产出来的卷烟的纯度与质量；因此，对烟叶原材料进行挑选分类，至关重要；烟叶是否霉变是对烟叶进行分类的关键指标；现有的检查烟包是否发生霉变的方法是打开烟包，通过视觉观察烟包有无霉斑以及用嗅觉闻是否有异味来进行综合判断；人工检查霉变烟包受人员素质、环境条件限制，工人精神是否集中以及现场的光线状况的影响，而且现场人员的肉眼受视角限制，通常只能观察到烟包的2至3个面，对于位置较高的顶面，肉眼则较难观察。可见，现有技术中采用人工查看的方式漏检概率较大。
目前虽然也有基于图像处理技术进行霉变检测的研究，但是其检测精度和检测效率往往不高。
机器视觉工业检测的基础和关键在于获取清晰稳定特征的图像，区别于普通摄影成像，工业在线检测的成像需要用最少维度但又最突出的特征表现出待检目标和背景的差异，从而大大减小算法复杂度，实现快速稳定的目标甄选。传统的烟叶霉变视觉检测主要用普通宽光谱LED光源照射成像，图像细节较多、特征表现复杂，霉变部分特征和背景交错，需要多维度抽象辨别，通过复杂的多维度的特征提取和深度学习模型来寻找目标，对模型和目标样本的要求较高，受限于图像表现和算法复杂度最终检测准确率和实时性也不能完全满足快速生产指标。也有通过紫外光源成像，叠加荧光反应图像表现来做进一步筛选，虽然相比普通宽光谱LED光源在数据表现上较优，但光源光衰较大，成本较高，无法适应工业在线应用的稳定性和实用性要求。
传统的普通宽光谱LED照明光源，目标和背景表面对不同波长反射的相长相消，无法最大程度地反应出目标和背景表面在成像上的差异，进而对后续的图像算法处理带来一定的干扰，影响算法的复杂度和准确度，而紫外荧光成像只是对霉变目标和背景表面的差异提供了另一种维度的特征表征，相比传统白光照明提高了算法准确度，但算法复杂度并无太多改善，另外紫外光源的光衰较大，制作成本也较高，对于工业落地应用性价比不高。
例如，中国专利CN201910285477.1公开了一种基于图像的检测烟包霉变的方法、装置及系统。该申请先获取烟包表面的照片，然后从照片中提取出颜色特征，通过颜色特征是否满足霉变条件即可判定烟包是否发生霉变，但是该申请对于图像处理的方式使得烟叶霉变的检测精度较差，无法实现烟叶霉变的有效检测。
发明内容
本发明主要解决现有的技术中烟叶霉变的检测精度差的问题；提供一种基于机器视觉的烟叶烟包霉变及杂物监测系统，通过低成本的简易的装置，实现烟叶烟包的霉变以及杂物的自动检测，检测精度高、效率快。
本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于机器视觉的烟叶烟包霉变及杂物监测系统，包括物流线，用于传递烟叶烟包；切片装置，设置在物流线上，用于将传递的烟叶烟包切片形成待检测切片；视觉检测单元，用于实时采集待检切片的图像并分析采集的图像来实现当前待检测切片的视觉检测；与工控机连接；工控机，用于接收视觉检测单元的图像检测结果并根据图像检测结果发送控制指令给物流线，使得物流线上的待检测切片分流；所述视觉检测单元包括霉变视觉检测单元、杂物视觉检测单元、位置传感器以及图像处理单元；所述霉变视觉检测单元包括用于将光照射到待检测切片表面的第一全光谱光源、用于采集所述第一全光谱光源照射下的第一待检测切片表面图像的第一CCD面阵相机、第一高清成像镜头以及窄带光学滤波片，所述第一全光谱光源设置在物流线的上方，所述第一全光谱光源发射平行光，所述窄带光学滤波片与第一CCD面阵相机连接，所述第一高清成像镜头与窄带光学滤波片连接，所述窄带光学滤波片用于突出霉变特征；所述杂物视觉检测单元包括用于将光照射到待检测切片表面的第二全光谱光源、用于采集所述第二全光谱光源照射下的第二待检测切片表面图像的第二CCD面阵相机以及第二高清成像镜头，所述第二全光谱光源发射平行光，所述第二高清成像镜头与第二CCD面阵相机连接；所述位置传感器安装在物流线上，所述位置传感器用于检测待检测切片的位置信息，所述位置传感器分别与霉变视觉检测单元和杂物视觉检测单元连接；所述图像处理单元根据第一CCD面阵相机采集的第一待检测切片表面图像和第二CCD面阵相机采集的第二待检测切片表面图像进行图像处理，将待检测切片区分为正常切片或异常切片。将烟叶烟包切片后进行视觉成像，通过CCD面阵相机进行图像采集，使得烟叶的纹理图像可以完整清楚的被采集，通过图像分析判断烟叶烟包是否发生霉变或掺有杂物，并通过工控机进行算法实时监测，实现烟叶烟包的质量控制。
作为优选，所述的第一全光谱光源和第二全光谱光源为同一可见光波段全光谱LED频闪光源，所述可见光波段全光谱LED频闪光源由频闪光源控制器按特定时序触发点亮。LED频闪光源被两个视觉检测单元共用，节约成本。
作为优选，所述的可见光波段全光谱LED频闪光源包括框体、高亮灯珠和菲涅尔透镜阵列面板，高亮灯珠均匀紧密排列在框体的底面，所述菲涅尔透镜阵列面板设置在高亮灯珠的下端用于代替传统LED面光源的灯罩，所述菲涅尔透镜阵列面板与待检测切片的距离为X，X根据高亮灯珠的光发散角度和灯光照射到待检测切片的入射角进行设定，所述菲涅尔透镜阵列面板对光进行相位调制实现光束的聚集。采用微纳加工工艺的菲涅尔透镜阵列面板，能对高亮灯珠进行相位调制，使得在一定目标距离下光源能够保持较好的均匀性和准直性，光源在目标表面的照射更加接近光谱仪测试结果下的光谱搜集状态，更好地反应目标对比度，进而准确找到图像中的目标特征部分。
作为优选，所述的窄带光学滤波片的选取方法为：通过光谱仪分别对标定好的霉变烟包和无霉变烟包表面进行可见光波段光谱分析，得到两组可见光波段的测定表面的反射率值，比较两组数值，筛选出差值大于0.5的波段，根据筛选出的连续波段选取或定制相应的窄带光学滤波片。通过定制相应的滤光片滤除霉变目标和背景表面反射率差异较小的波段，从成像上充分突出霉变目标和背景表面的差异，提高目标特征的对比度，大大降低了算法复杂度，进而提升算法效率和准确度。
作为优选，所述的第一CCD面阵相机和第二CCD面阵相机紧密并排置于可见光波段全光谱LED频闪光源中心开孔处，并与所述待检测切片表面垂直设置。方便第一CCD面阵相机和第二CCD面阵相机进行待检测切片图像的采集。
作为优选，所述的可见光波段全光谱LED频闪光源均居中垂直照射在待检测切片的表面。使得LED频闪光源发出平行光对待检测切片进行照射，待检测切片在CCD面阵相机形成的图像纹理更加清晰准确。
作为优选，所述的窄带光学滤波片为中心波长470-475nm、带宽50nm的光学玻璃基底带通滤光片。通过带通滤光片使得待检测切片图像的目标特征对比度更加显著。
作为优选，所述的频闪光源控制器接收到触发信号后将控制光源瞬间点亮持续500-999ms，间隔100-1000ms后再次点亮并持续500-999ms。
作为优选，所述的第一CCD面阵相机拍摄延时为0ms，曝光时间小于光源点亮的持续时长。
作为优选，所述的第二CCD面阵相机拍摄延时为光源第一次点亮的持续时长与光源点亮间隔时长之和，曝光时间小于光源第二次点亮的持续时长。通过控制频闪光源控制器的点亮持续时长和间隔时长，使得CCD面阵相机拍摄得到的图像准确对应烟包切片的批次和序位数。
本发明的有益效果是：(1)通过定制相应的滤光片滤除霉变目标和背景表面反射率差异较小的波段，从成像上充分突出霉变目标和背景表面的差异，大大降低了后续图像算法的复杂度，进而提升算法效率和准确度；(2)使用菲涅尔透镜阵列面板对高亮灯珠进行相位调制，实现光束聚集准直，使得成像更加清晰，大大降低烟叶边缘毛刺的衍射像干扰，提高图像特征获取的准确度；(3)监测系统采用的设备结构简单，成本低，容易实现，具有良好的实用性，可大量推广使用，实现烟叶烟包的质量控制。
附图说明
图1是本发明实施例的监测系统的结构示意图。
图2是本发明实施例的成像设备的结构示意图。
图3是本发明实施例的LED频闪光源与成像设备的位置关系示意图。
图4是本发明实施例的成像特征对比图。
图中1、烟叶烟包，2、切片装置，3、待检测切片，4、视觉检测单元，5、工控机，6、物流线，7、下道工序，8、异常切片暂存区域，9、第一CCD面阵相机，10、窄带光学滤波片，11、第一高清成像镜头。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：一种基于机器视觉的烟叶烟包霉变及杂物监测系统，如图1-3所示，包括物流线6，用于传递烟叶烟包1；切片装置2，设置在物流线上，用于将传递的烟叶烟包切片形成待检测切片3；视觉检测单元4，用于实时采集待检切片的图像并分析集的图像来实现当前待检测切片的视觉检测；与工控机连接；工控机5，用于接收视觉检测单元的图像检测结果并根据图像检测结果发送控制指令给物流线，使得物流线上的待检测切片进行分流；视觉检测单元包括霉变视觉检测单元、杂物视觉检测单元、位置传感器以及图像处理单元；霉变视觉检测单元包括用于将光照射到待检测切片表面的第一全光谱光源、用于采集第一全光谱光源照射下的第一待检测切片表面图像的第一CCD面阵相机9、第一高清成像镜头11以及窄带光学滤波片10，第一全光谱光源设置在物流线的上方，第一全光谱光源发射平行光，窄带光学滤波片与第一CCD面阵相机连接，第一高清成像镜头与窄带光学滤波片连接，窄带光学滤波片用于突出霉变特征；杂物视觉检测单元包括用于将光照射到待检测切片表面的第二全光谱光源、用于采集第二全光谱光源照射下的第二待检测切片表面图像的第二CCD面阵相机以及第二高清成像镜头，第二全光谱光源发射平行光，第二高清成像镜头与第二CCD面阵相机连接；位置传感器安装在物流线上，位置传感器用于检测待检测切片的位置信息，位置传感器分别与霉变视觉检测单元和杂物视觉检测单元连接；图像处理单元根据第一CCD面阵相机采集的第一待检测切片表面图像和第二CCD面阵相机采集的第二待检测切片表面图像进行图像处理，将待检测切片区分为正常切片或异常切片。
本发明中的物流线采用现有的烟叶质量检测流水线，在流水线前端设置将烟叶烟包切片形成待检测切片的切片装置，在流水线后端设置异常切片暂存区域8，当图像处理单元检测到一次切片时，工控机将数据传递给产线集控系统，集控系统控制流水线物流的流向，使得异常切片进入异常切片暂存区域，而正常切片即可进入下道工序7，有效剔除发霉或带有杂物的烟叶烟包，提高烟叶烟包的质量。
第一全光谱光源和第二全光谱光源为同一个高功率平行面的可见光波段全光谱LED频闪光源，可见光波段全光谱LED频闪光源由频闪光源控制器按特定时序触发点亮。
本发明采用的位置传感器可以是光电传感器，当待检测切片到达成像视野中心位置时，光电传感器传递信号给频闪光源控制器使得LED频闪光源发射光，保证了待检测切片进行准确有序的识别检测，效率高。
可见光波段全光谱LED频闪光源均居中垂直照射在待检测切片的表面。
第一CCD面阵相机和第二CCD面阵相机紧密并排置于可见光波段全光谱LED频闪光源中心开孔处，并与待检测切片表面垂直设置。
窄带光学滤波片的选取方法为：通过光谱仪分别对标定好的霉变烟包和无霉变烟包表面进行可见光波段光谱分析，得到两组可见光波段的测定表面的反射率值，比较两组数值，筛选出差值大于0.5的波段，根据筛选出的连续波段选取或定制相应的窄带光学滤波片，如表1所示：
表1可见光波段光谱分析对照表
Figure BDA0003149894550000051
表1是截取所有对照表中适合进行窄带光学滤波片的选取或定制的部分，从表中可以看出，在波长为470nm时霉变目标与烟包背景的差值较大，因此选取或定制窄带光学滤波片为中心波长470-475nm、带宽50nm的光学玻璃基底带通滤光片，成像设备的高清成像镜头采集整体的待检测切片图像，经过中心波长470-475nm、带宽50nm的光学玻璃基底带通滤光片后，滤除其他波长的光，使得特定波长的光经过滤光片，使得霉变特征在CCD面阵相机进行清晰成像，使得霉变特征的提取更加容易。
可见光波段全光谱LED频闪光源包括框体、发散角较小的高亮灯珠和菲涅尔透镜阵列面板，高亮灯珠均匀紧密排列在框体的底面，菲涅尔透镜阵列面板设置在高亮灯珠的下端用来代替传统LED面光源的灯罩，菲涅尔透镜阵列面板与待检测切片的距离为X，X根据高亮灯珠的光发散角度和灯光照射到待检测切片的入射角进行设定，菲涅尔透镜阵列面板对光进行相位调制实现光束的聚集。选取的高亮灯珠为发散角较小的高亮灯珠，高亮灯珠紧密排列后的整体大小与菲涅尔透镜阵列面板大小一致，高亮灯珠产生的光经菲涅尔透镜阵列面板后，菲涅尔透镜阵列面板对光进行相位调制能够实现光束的聚集，为了使灯光能保持一定的平行性垂直照射在待检测切片上，即灯光照射到待检测切片的入射角约为90°，需要调节菲涅尔透镜阵列面板与待检测切片的距离为X，使得大部分目标表面入射光线与待检测切片的入射角约束为约90°，而现有的光源灯珠发光，产生的灯光经散射面板后，大部分灯光进行散射，照射到目标表面的光线角度多样，而物质表面对同一波长的反射率因入射角而异，同样会导致目标特征的对比度消弱，难以准确找到图像中的目标特征部分，对于后期算法处理的难度较大，算法收敛性差，导致图像识别的准确度低。
频闪光源控制器接收到触发信号后将控制光源瞬间点亮持续500-999ms，间隔100-1000ms后再次点亮并持续500-999ms，第一CCD面阵相机拍摄延时为0ms，曝光时间小于光源点亮的持续时长，第二CCD面阵相机拍摄延时为光源第一次点亮的持续时长与光源点亮间隔时长之和，曝光时间小于光源第二次点亮的持续时长。
本发明主要涉及烟叶烟包霉变及杂物监测过程中对于图像采集部分的改进，对于图像采集后的图像处理部分，可采用现有的图像处理算法进行图像处理，本发明对此不做过多赘述。
图像处理单元中运行有图像处理算法，根据采集的待检测切片图像进行图像识别后，将图像识别结果传递给工控机，工控机通过TCP协议将控制指令传递给物流线，将异常切片分流进入异常切片暂存区域，而正常切片即可进入下道工序。
本发明的工作原理为：
烟叶质量检测流水线上传输有烟叶烟包，经过切片装置时对烟叶烟包进行切片，使烟叶烟包形成若干个待检测切片，待检测切片到达视觉检测单元时被位置传感器检测到，此时，待检测切片位于第一CCD面阵相机成像中心，位置传感器给频闪光源控制器发送触发信号，频闪光源控制器控制高亮灯珠点亮并照射到待检测切片表面，同时频闪光源控制器触发第一CCD面阵相机采集待检测切片的表面图像，根据流水线传输速度，依次触发第二CCD面阵相机，使第二CCD面阵相机采集待检测切片的表面图像，如图4所示，将采集的待检测切片的表面图像传输给图像处理单元进行图像识别处理，将图像识别结果传递给工控机，工控机通过TCP协议将控制指令传递给物流线，将异常切片分流进入异常切片暂存区域，而正常切片即可进入下道工序。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (10)

1.一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，包括：
物流线，用于传递烟叶烟包；
切片装置，设置在物流线上，用于将传递的烟叶烟包切片形成待检测切片；
视觉检测单元，用于实时采集待检切片的图像并分析集的图像来实现当前待检测切片的视觉检测；与工控机连接；
工控机，用于接收视觉检测单元的图像检测结果并根据图像检测结果发送控制指令给物流线，使得物流线上的待检测切片进行分流；
所述视觉检测单元包括霉变视觉检测单元、杂物视觉检测单元、位置传感器以及图像处理单元；
所述霉变视觉检测单元包括用于将光照射到待检测切片表面的第一全光谱光源、用于采集所述第一全光谱光源照射下的第一待检测切片表面图像的第一CCD面阵相机、第一高清成像镜头以及窄带光学滤波片，所述第一全光谱光源设置在物流线的上方，所述第一全光谱光源发射平行光，所述窄带光学滤波片与第一CCD面阵相机连接，所述第一高清成像镜头与窄带光学滤波片连接，所述窄带光学滤波片用于突出霉变特征；
所述杂物视觉检测单元包括用于将光照射到待检测切片表面的第二全光谱光源、用于采集所述第二全光谱光源照射下的第二待检测切片表面图像的第二CCD面阵相机以及第二高清成像镜头，所述第二全光谱光源发射平行光，所述第二高清成像镜头与第二CCD面阵相机连接；
所述位置传感器安装在物流线上，所述位置传感器用于检测待检测切片的位置信息，所述位置传感器分别与霉变视觉检测单元和杂物视觉检测单元连接；
所述图像处理单元根据第一CCD面阵相机采集的第一待检测切片表面图像和第二CCD面阵相机采集的第二待检测切片表面图像进行图像处理，将待检测切片区分为正常切片或异常切片。
2.根据权利要求1所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述第一全光谱光源和第二全光谱光源为同一可见光波段全光谱LED频闪光源，所述可见光波段全光谱LED频闪光源由频闪光源控制器按特定时序触发点亮。
3.根据权利要求2所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述可见光波段全光谱LED频闪光源包括框体、高亮灯珠和菲涅尔透镜阵列面板，高亮灯珠均匀紧密排列在框体的底面，所述菲涅尔透镜阵列面板设置在高亮灯珠的下端，所述菲涅尔透镜阵列面板与待检测切片的距离为X，X根据高亮灯珠的光发散角度和灯光照射到待检测切片的入射角进行设定，所述菲涅尔透镜阵列面板对光进行相位调制实现光束的聚集。
4.根据权利要求1所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述窄带光学滤波片的选取方法为：通过光谱仪分别对标定好的霉变烟包和无霉变烟包表面进行可见光波段光谱分析，得到两组可见光波段的测定表面的反射率值，比较两组数值，筛选出差值大于0.5的波段，根据筛选出的连续波段选取或定制相应的窄带光学滤波片。
5.根据权利要求2所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述第一CCD面阵相机和第二CCD面阵相机紧密并排置于可见光波段全光谱LED频闪光源中心开孔处，并与所述待检测切片表面垂直设置。
6.根据权利要求2或3所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述可见光波段全光谱LED频闪光源均居中垂直照射在待检测切片的表面。
7.根据权利要求4所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述窄带光学滤波片为中心波长470-475nm、带宽50nm的光学玻璃基底带通滤光片。
8.根据权利要求2所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述频闪光源控制器接收到触发信号后将控制光源瞬间点亮持续500-999ms，间隔100-1000ms后再次点亮并持续500-999ms。
9.根据权利要求8所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述第一CCD面阵相机拍摄延时为0ms，曝光时间小于光源点亮的持续时长。
10.根据权利要求8所述的一种基于机器视觉的烟叶烟包霉变及杂物监测系统，其特征在于，
所述第二CCD面阵相机拍摄延时为光源第一次点亮的持续时长与光源点亮间隔时长之和，曝光时间小于光源第二次点亮的持续时长。
CN202110761289.9A 2021-07-06 2021-07-06 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 Active CN113600508B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110761289.9A CN113600508B (zh) 2021-07-06 2021-07-06 一种基于机器视觉的烟叶烟包霉变及杂物监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110761289.9A CN113600508B (zh) 2021-07-06 2021-07-06 一种基于机器视觉的烟叶烟包霉变及杂物监测系统

Publications (2)

Publication Number Publication Date
CN113600508A true CN113600508A (zh) 2021-11-05
CN113600508B CN113600508B (zh) 2023-03-31

Family

ID=78304050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110761289.9A Active CN113600508B (zh) 2021-07-06 2021-07-06 一种基于机器视觉的烟叶烟包霉变及杂物监测系统

Country Status (1)

Country Link
CN (1) CN113600508B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114267002A (zh) * 2022-03-02 2022-04-01 深圳市华付信息技术有限公司 卷烟厂制丝车间工况监测方法、装置、设备及存储介质
CN115008512A (zh) * 2022-06-10 2022-09-06 北京周氏时珍堂药业有限公司 药材自动切片及分级的设备及药材分级方法
CN117274986A (zh) * 2023-09-22 2023-12-22 陕西省食品药品检验研究院 一种药食同源中药材霉变识别方法、装置及存储介质
WO2024028971A1 (ja) * 2022-08-02 2024-02-08 日本たばこ産業株式会社 異物検査装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4352430A (en) * 1979-01-19 1982-10-05 H.F. & Ph.F. Reemtsma G.M.B.H. & Co. Method and apparatus for sorting foreign bodies from material on a moving conveyor belt
CN101627832A (zh) * 2009-08-12 2010-01-20 贵州遵义烟叶有限责任公司 烟片在线自动识别分级系统
CN102780845A (zh) * 2012-06-14 2012-11-14 清华大学 一种光源交替频闪同步摄像方法及视觉检测系统
CN102818769A (zh) * 2012-09-05 2012-12-12 江苏中烟工业有限责任公司 一种评价成品卷烟烟支内烟丝混合均匀性的方法
CN103149164A (zh) * 2013-03-04 2013-06-12 暨南大学 基于光谱成像技术的国画真伪鉴别方法与装置
CN103323455A (zh) * 2013-04-24 2013-09-25 南京文采科技有限责任公司 基于反射、透视和显微图像的烟叶分级方法
CN203302318U (zh) * 2013-01-30 2013-11-27 湖南中烟工业有限责任公司 一种基于光学检测的青烟和霉变烟叶剔除装置
CN103752531A (zh) * 2014-01-14 2014-04-30 河南科技大学 一种基于机器视觉的烟叶分拣机
CN103801514A (zh) * 2014-01-25 2014-05-21 湖南中烟工业有限责任公司 一种制丝线烟叶自动化精选装置及方法
CN108489988A (zh) * 2018-03-22 2018-09-04 凌云光技术集团有限责任公司 一种基于彩色相机窄带滤光的胶路检测成像系统及方法
CN208919751U (zh) * 2018-12-06 2019-05-31 北京理工大学珠海学院 一种双菲涅尔透镜照明组件

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4352430A (en) * 1979-01-19 1982-10-05 H.F. & Ph.F. Reemtsma G.M.B.H. & Co. Method and apparatus for sorting foreign bodies from material on a moving conveyor belt
CN101627832A (zh) * 2009-08-12 2010-01-20 贵州遵义烟叶有限责任公司 烟片在线自动识别分级系统
CN102780845A (zh) * 2012-06-14 2012-11-14 清华大学 一种光源交替频闪同步摄像方法及视觉检测系统
CN102818769A (zh) * 2012-09-05 2012-12-12 江苏中烟工业有限责任公司 一种评价成品卷烟烟支内烟丝混合均匀性的方法
CN203302318U (zh) * 2013-01-30 2013-11-27 湖南中烟工业有限责任公司 一种基于光学检测的青烟和霉变烟叶剔除装置
CN103149164A (zh) * 2013-03-04 2013-06-12 暨南大学 基于光谱成像技术的国画真伪鉴别方法与装置
CN103323455A (zh) * 2013-04-24 2013-09-25 南京文采科技有限责任公司 基于反射、透视和显微图像的烟叶分级方法
CN103752531A (zh) * 2014-01-14 2014-04-30 河南科技大学 一种基于机器视觉的烟叶分拣机
CN103801514A (zh) * 2014-01-25 2014-05-21 湖南中烟工业有限责任公司 一种制丝线烟叶自动化精选装置及方法
CN108489988A (zh) * 2018-03-22 2018-09-04 凌云光技术集团有限责任公司 一种基于彩色相机窄带滤光的胶路检测成像系统及方法
CN208919751U (zh) * 2018-12-06 2019-05-31 北京理工大学珠海学院 一种双菲涅尔透镜照明组件

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘斌等: "基于机器视觉和MSD微结构描述算法的霉变烟在线检测研究", 《中国烟草学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114267002A (zh) * 2022-03-02 2022-04-01 深圳市华付信息技术有限公司 卷烟厂制丝车间工况监测方法、装置、设备及存储介质
CN115008512A (zh) * 2022-06-10 2022-09-06 北京周氏时珍堂药业有限公司 药材自动切片及分级的设备及药材分级方法
CN115008512B (zh) * 2022-06-10 2024-02-27 北京周氏时珍堂药业有限公司 药材自动切片及分级的设备及药材分级方法
WO2024028971A1 (ja) * 2022-08-02 2024-02-08 日本たばこ産業株式会社 異物検査装置
CN117274986A (zh) * 2023-09-22 2023-12-22 陕西省食品药品检验研究院 一种药食同源中药材霉变识别方法、装置及存储介质
CN117274986B (zh) * 2023-09-22 2024-04-05 陕西省食品药品检验研究院 一种药食同源中药材霉变识别方法、装置及存储介质

Also Published As

Publication number Publication date
CN113600508B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN113600508B (zh) 一种基于机器视觉的烟叶烟包霉变及杂物监测系统
CN103323457B (zh) 水果外观缺陷实时在线检测系统及检测方法
CN101832941B (zh) 一种基于多光谱图像的水果品质评价装置
CN1995987B (zh) 基于高光谱图像技术的农畜产品无损检测方法
CN103018180B (zh) 一种基于多源光信息技术的棉花病害检测方法和装置
US8563934B2 (en) Method and detection system for detection of aflatoxin in corn with fluorescence spectra
EP1980839B1 (de) Kontrollvorrichtung für Lebensmittel und deren Verwendung
US9910024B2 (en) Method, sensor unit and machine for detecting “sugar top” defects in potatoes
CN102253052B (zh) 基于fpga的粮食品质在线检测装置
DE112014004645T5 (de) System und Verfahren zur Inspektion feuchter Kontaktlinsen
CN107614127A (zh) 利用多反射和多角度视图的新型基于颜色的光学分级系统
KR20180119639A (ko) 대상물의 흐름을 검사하기 위한 기계 및 방법
CN102601063B (zh) 一种竹片自动识别分级方法
CN102788794A (zh) 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法
CN107667287A (zh) 用于光学滤光片的自动缺陷检测与映射
CN107656986A (zh) 微观缺陷整合预警方法及装置
CN109115719A (zh) 一种基于高光谱成像技术的柑橘黄龙病波段融合快速检测方法
CN106568784A (zh) 一种用于果蔬表面缺陷在线检测的多光谱成像系统及实现方法
CN105319166A (zh) 一种大豆实时检测仪器
EP2619547B1 (de) Vorrichtung und verfahren zur optischen charakterisierung von materialien
CN202083645U (zh) 一种基于fpga的粮食品质在线检测装置
CN210775225U (zh) 基于拉曼光谱的果实成熟度检测与采摘装置
CN220231501U (zh) 一种基于高光谱成像技术的纤维定性定量检测装置
CN107790400A (zh) 原粮籽粒检测仪
CN214408724U (zh) 一种烟支外观缺陷视觉检测系统

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