CN113679082A - 一种雪茄烟智能分切方法和装置 - Google Patents

Abstract

本发明提出了一种雪茄烟智能分切方法和装置，其中，分切方法包括：将雪茄烟叶以单张平铺的方式输运至紫外激光器的分切区域；雪茄烟叶输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；高光谱成像装置采集雪茄烟叶的图谱信息后，保存至高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小；根据获得的光谱特征，形成雪茄烟叶的分切轨迹图传输至紫外激光器；紫外激光器以设定的扫描速度基于分切轨迹图对雪茄烟叶进行分切；装置包括雪茄烟叶输运平台、高光谱成像装置、紫外激光器和高光谱图像处理服务器。本发明能够实现对雪茄烟叶的精细分切和特种需求的加工处理。

Description

一种雪茄烟智能分切方法和装置

技术领域

本发明涉及激光加工技术领域，尤其涉及一种雪茄烟智能分切方法和装置，用于烟草加工。

背景技术

雪茄是一种特殊的烟制品，其烟质特点是具有雪茄香型、香气浓郁、吃味浓、劲头大、烟气呈碱性、焦油与烟碱比值小。雪茄原料按其用途分为茄衣、茄套和茄芯。茄衣是雪茄的精华部分，雪茄茄衣烟叶质量的优劣，是衡量雪茄烟质量和档次的重要因素之一。茄衣要求叶片大小适中、叶形较宽平整度好、叶片薄且脉不突出、颜色均匀、组织细密、光泽饱满、拉力强、弹性好。目前，大部分茄衣存在色泽灰暗、颜色不均匀、抽吸有杂气，刺激性大，质量粗糙，烟灰发黑等缺点，需要进一步分选烟叶的外观质量和内在质量，以提高烟叶的利用率。手工卷制雪茄过程中，采用有经验的技术人员进行去主脉、分选和卷制过程。然而，由于技术人员培训周期长、人员素质不一以及人员短缺等因素，手工卷制过程中极易导致雪茄烟叶浪费，同时限制手工雪茄的卷制效率，不利于雪茄烟叶的高质量发展。

发明内容

为了解决上述问题，有必要提供一种雪茄烟智能分切方法和装置。

本发明第一方面提供了一种雪茄烟智能分切方法，其特征在于，包括：

将雪茄烟叶以单张平铺的方式输运至紫外激光器的分切区域；

雪茄烟叶输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；

高光谱成像装置采集雪茄烟叶的图谱信息后，保存至高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小；其中，所述光谱特征包括叶片结构和叶面缺陷，所述叶面缺陷包括色差、破碎、孔洞和病斑；

根据获得的光谱特征，结合雪茄的产品外观质量要求，获取雪茄烟叶的分切轨迹图传输至紫外激光器；其中，形成雪茄烟叶的分切轨迹图的方法包括：

对不同类别茄衣、茄套烟叶的长度、宽度、色差、支脉方向和直径、破碎、孔洞、病斑进行量化表征；

根据茄衣、茄套烟叶的叶片结构和叶面缺陷的位置、形状和大小，以及不同类别茄衣、茄套量化质量要求，利用计算机迭代寻优算法，获得雪茄烟叶的最优分割路径作为雪茄烟叶的分切轨迹图；

紫外激光器以设定的扫描速度基于分切轨迹图对雪茄烟叶进行分切。

基于上述，高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小的方法：

对高光谱图相机获取的图谱信息进行滤波去噪；

将图谱信息中的像素信息去除最高值和最低值后取平均值，然后将图像整体的像素信息减去所述平均值，得到去除背景后的图像；

采用Canny边缘检测算法获取雪茄烟叶的尺寸和形状，计算雪茄烟叶的长宽比；

采用高光谱图像处理办法获取雪茄烟叶的主梗和支脉的分布，根据像素单元计算主梗和支脉的宽度，基于雪茄烟叶的光谱特征，将图像从RGB空间转换到HIS和Lab颜色空间，获取H+a+b特征与初始彩图交集，获取光谱特征的位置、形状和大小。

基于上述，所述计算机迭代寻优算法包括：

先采用动态规划算法，根据雪茄烟叶的光谱特征分布特点，寻找最优分布的整体策略；

然后按照雪茄烟叶的分类标准，在雪茄烟叶上寻找满足分类边界条件，最终保存最终类别数量和边界条件作为最优分割路径；

其中，寻找满足分类边界条件的方法：按照茄衣烟叶分类技术要求的顺序，在雪茄烟叶上寻找分类边界条件，若寻找到的分类边界条件满足任何一类分类标准则停止，继续在雪茄烟叶其他区域继续寻找更低的标准分类，直至寻找完整张雪茄烟叶。

本发明第二方面提供了一种雪茄烟智能分切装置，该装置包括雪茄烟叶输运平台、高光谱成像装置、紫外激光器和高光谱图像处理服务器；

所述高光谱图像处理服务器与雪茄烟叶输运平台、所述高光谱成像装置和所述紫外激光器通信连接，所述高光谱图像处理服务器中存储有计算机指令，所述高光谱图像处理服务器通过执行所述计算机指令，从而执行所述的雪茄烟智能分切方法。

基于上述，所述高光谱成像装置的波长范围为400-2500 nm，光谱分辨率为1-10nm。

基于上述，所述紫外激光器能够产生不同脉宽的激光光束，脉冲宽度为10ns~10ps，中心波长为355-1000 nm，脉冲频率80~100MHz。

基于上述，所述紫外激光器设置有自动变焦振镜系统，所述自动变焦振镜系统包括能够实现激光束偏转的振镜和振镜控制模块。

本发明相对现有技术具有突出的实质性特点和显著进步，具体的说：

1、由于烟叶主要成为为木质素，其对短波长激光吸收效率很高，本发明利用超短脉冲ns或者fs对烟叶进行切割后不会产生烧蚀破坏；同时，通过控制激光器的调Q方式，可根据需求实现ns和ps脉冲宽度激光输出，实现对雪茄烟叶的精细分切和特种需求的加工处理，极大地提高了雪茄烟叶的利用率。

2、本发明采用高光谱成像技术基于图像和光谱信息识别雪茄烟叶的叶片结构、洞眼、色差、压油、微带青、病斑、青斑、霉斑和分级品质等物理和化学特征，从而快速实现雪茄烟叶识别和目标特征区域标定，极大地提升雪茄烟叶的分选效率和稳定性。

本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明方法进行图像处理后提取的烟叶轮廓。

图2为本发明方法采集的高光谱图像。

图3为本发明雪茄烟智能分切装置的结构示意图。

图4为本发明雪茄烟智能分切方法的流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

实施例1

如图1-4所示，本实施例提供一种雪茄烟智能分切方法，包括：

步骤1，将雪茄烟叶以单张平铺的方式输运至紫外激光器的分切区域；

步骤2，雪茄烟叶输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；

步骤3，高光谱成像装置采集雪茄烟叶的图谱信息后，以图片的格式保存至高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小；其中，所述光谱特征包括叶片结构和叶面缺陷，所述叶面缺陷包括色差、破碎、孔洞和病斑；

高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小的方法：

对高光谱图相机获取的图谱信息进行滤波去噪；

将图谱信息中的像素信息去除最高值和最低值后取平均值，然后将图像整体的像素信息减去所述平均值，得到去除背景后的图像；

采用Canny边缘检测算法获取雪茄烟叶的尺寸和形状，计算雪茄烟叶的长宽比；

采用高光谱图像处理办法获取雪茄烟叶的主梗和支脉的分布，根据像素单元计算主梗和支脉的宽度，基于雪茄烟叶的光谱特征，将图像从RGB空间转换到HIS和Lab颜色空间，获取H+a+b特征与初始彩图交集，获取光谱特征的位置、形状和大小。

步骤4，根据获得的光谱特征，通过叶脉的识别，实现雪茄叶脉的空间定位与尺寸测量；通过建立叶面缺陷的识别模型，计算并统计各叶面缺陷的大小、数量及空间分布；

根据雪茄烟叶的叶脉的空间定位与尺寸、以及叶面缺陷的大小、数量及空间分布，结合雪茄的产品外观质量要求，获取雪茄烟叶的分切轨迹图传输至紫外激光器；

其中，形成雪茄烟叶的分切轨迹图的方法包括：

对不同类别茄衣、茄套烟叶的长度、宽度、色差、支脉方向和直径、破碎、孔洞、病斑进行量化表征；

根据茄衣、茄套烟叶的叶片结构和叶面缺陷的位置、形状和大小，以及不同类别茄衣、茄套量化质量要求，利用计算机迭代寻优算法，获得雪茄烟叶的最优分割路径作为雪茄烟叶的分切轨迹图；

具体的，所述计算机迭代寻优算法包括：

先采用动态规划算法，根据雪茄烟叶的光谱特征分布特点，寻找最优分布的整体策略；

然后按照雪茄烟叶的分类标准（参照QJ/08.J.6505-2020B手工雪茄烟叶工业应用整选技术标准），在雪茄烟叶上寻找满足分类边界条件，最终保存最终类别数量和边界条件作为最优分割路径；

其中，寻找满足分类边界条件的方法：按照茄衣烟叶分类技术要求（1类、2类、3类、4类等）的顺序，在雪茄烟叶上寻找分类边界条件，若寻找到的分类边界条件满足任何一类分类标准则停止，继续在雪茄烟叶其他区域继续寻找更低的标准分类，直至寻找完整张雪茄烟叶。

步骤5，紫外激光器以设定的扫描速度，根据边缘点的矢量图控制激光束输出和方向，对雪茄烟叶进行分切。

实施例2

如图3所示，本实施例提供一种雪茄烟智能分切装置，该装置包括雪茄烟叶输运平台1、高光谱成像装置2、紫外激光器3和高光谱图像处理服务器5；所述高光谱图像处理服务器5与雪茄烟叶输运平台1、所述高光谱成像装置2和所述紫外激光器3通信连接，所述高光谱图像处理服务器5中存储有计算机指令，所述高光谱图像处理服务器5通过执行所述计算机指令，从而执行实施例1所述的雪茄烟智能分切方法。

具体的，所述紫外激光器3设置有自动变焦振镜系统4，所述自动变焦振镜系统4包括能够实现激光束偏转的振镜和振镜控制模块。

本实施例的装置在具体实现时，雪茄烟叶输运平台1与地面保持水平，高光谱成像装置2和紫外激光器3可以位于雪茄烟叶输运平台1的上方，同时高光谱成像装置2按照一定的角度位于紫外激光器3的另一侧，紫外激光器3的激光路径与雪茄烟叶垂直，紫外激光器3发射的激光束经振镜偏转后，按照设定扫描速度实现对雪茄烟叶进行精准分切，完成分切后，关闭激光器，不同等级的雪茄分切叶片可以经吸附手臂转运到不同区域。

雪茄烟叶到达高光谱成像装置2的图像采集区域时，高光谱成像装置2开始采集雪茄烟叶的图谱数据，将图谱数据发送到高光谱图像处理服务器5中；高光谱图像处理服务器5对成像数据进行降噪、位置捕捉、光谱特征分析，标定雪茄烟叶的叶片结构，以及色差、破碎、孔洞和病斑等叶面缺陷的光谱特征，得到雪茄烟叶的分切轨迹图，然后传输到紫外激光器3的振镜控制模块，振镜控制模块根据得到的分切轨迹图，调整振镜X和振镜Y的偏转角度，打开紫外激光器的发射器，激光束按照轨迹坐标信息以特定的扫描速度进行分切。

其中，所述紫外激光器能够产生不同脉宽的激光光束，脉冲宽度为10ns~10ps，中心波长为355-1000 nm，脉冲频率80~100MHz，平均功率为5~10W。

所述高光谱成像装置2包括用于采集红外-中红外波段的光谱信息的红外相机和中红外相机，波长范围为400-2500 nm，光谱分辨率为5.4 nm，图像分辨率为384*533。具体的，所述高光谱成像装置2采用成像镜头（OLES30，Finland）、短波高光谱相机（Image-λ-N25E-HS）、电动载物台、4个50W的卤素灯等组件构成。

所述高光谱图像处理服务器5，对成像数据进行处理生成分切轨迹图时，采用现有的开源Python编程语言进行开发编写，其运行于计算机服务器中，高光谱图像处理服务器采用像素按波段顺序存储（BSQ）格式保存高光谱成像装置采集的图谱数据，采用图像方法和机器学习方法实现雪茄烟叶的识别，经可视化在计算机服务器上显出轨迹曲线图。如图1所示给出了采用二值化处理降低计算量，高斯平滑滤波对图像进行平滑处理，采用Canny边缘检测算法提取的烟叶轮廓。

自动变焦振镜系统4获取的边缘点矢量图，存放到振镜控制模块的控制单位图形获取文件下，采用二进制的方式存储紫外激光器的发射器和振镜的工作参数，如激光功率，脉冲宽度和扫描速度等。

实施例3

本实施例提供一种工作在具体参数条件下的雪茄烟智能分切装置。其中，具体的参数条件包括：

通过四个50 W卤素灯调节光源强度，避免图像饱和度过高；设置相机曝光时间为11 ms，调节电动载物台的推扫速度为1.35 cm/s，光谱采集范围为362~1008 nm，光谱分辨率为2.6 nm，共计256个波段。采用Savitzky-Golay卷积平滑法对数据进行降噪，提取600~1000 nm的波段，建立雪茄烟叶特征模型，计算洞眼与主梗，洞眼与叶边缘的距离。分切轨迹图传递自动变焦振镜系统中，打开激光器，输出波长532 nm，脉冲宽度为 100 fs，脉冲频率为 100 MHz，输出功率为20 W，振镜扫描速度设置为300 cm/s，激光束经自动变焦振镜系统聚焦至雪茄烟叶表面，按照分切轨迹开始分切，完成分切后，关闭激光器，不同等级的雪茄烟叶分切叶片可以经吸附手臂转运到不同区域。

实施例4

本实施例提供一种工作在具体参数条件下的雪茄烟智能分切装置。其中，具体的参数条件包括：

通过四个50 W卤素灯调节光源强度，避免图像饱和度过高；设置相机曝光时间为11 ms，调节电动载物台的推扫速度为1.35 cm/s，光谱采集范围为362~1008 nm，光谱分辨率为2.6 nm，共计256个波段。采用Savitzky-Golay卷积平滑法对数据进行降噪，提取600~1000 nm的波段，建立雪茄烟叶特征模型，计算洞眼与主梗，洞眼与叶边缘的距离。分切轨迹图传递自动变焦振镜系统中，打开激光器，输出波长355 nm，脉冲宽度为 10 ps，脉冲频率为 100 MHz，输出功率为10 W，振镜扫描速度设置为300 cm/s，激光束经自动变焦振镜系统聚焦至雪茄烟叶表面，按照分切轨迹开始分切，完成分切后，关闭激光器，不同等级的雪茄烟叶分切叶片可以经吸附手臂转运到不同区域。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种雪茄烟智能分切方法，其特征在于，包括：

将雪茄烟叶以单张平铺的方式输运至紫外激光器的分切区域；

雪茄烟叶输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；

高光谱成像装置采集雪茄烟叶的图谱信息后，保存至高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小；其中，所述光谱特征包括叶片结构和叶面缺陷，所述叶面缺陷包括色差、破碎、孔洞和病斑；

根据获得的光谱特征，结合雪茄的产品外观质量要求，获取雪茄烟叶的分切轨迹图传输至紫外激光器；其中，形成雪茄烟叶的分切轨迹图的方法包括：

对不同类别茄衣、茄套烟叶的长度、宽度、色差、支脉方向和直径、破碎、孔洞、病斑进行量化表征；

根据茄衣、茄套烟叶的叶片结构和叶面缺陷的位置、形状和大小，以及不同类别茄衣、茄套量化质量要求，利用计算机迭代寻优算法，获得雪茄烟叶的最优分割路径作为雪茄烟叶的分切轨迹图；

紫外激光器以设定的扫描速度基于分切轨迹图对雪茄烟叶进行分切。

2.根据权利要求1所述的雪茄烟智能分切方法，其特征在于，高光谱图像处理服务器进行图像处理获得雪茄烟叶的光谱特征的位置、形状和大小的方法：

对高光谱图相机获取的图谱信息进行滤波去噪；

将图谱信息中的像素信息去除最高值和最低值后取平均值，然后将图像整体的像素信息减去所述平均值，得到去除背景后的图像；

采用Canny边缘检测算法获取雪茄烟叶的尺寸和形状，计算雪茄烟叶的长宽比；

采用高光谱图像处理办法获取雪茄烟叶的主梗和支脉的分布，根据像素单元计算主梗和支脉的宽度，基于雪茄烟叶的光谱特征，将图像从RGB空间转换到HIS和Lab颜色空间，获取H+a+b特征与初始彩图交集，获取光谱特征的位置、形状和大小。

3.根据权利要求1所述的雪茄烟智能分切方法，其特征在于，所述计算机迭代寻优算法包括：

先采用动态规划算法，根据雪茄烟叶的光谱特征分布特点，寻找最优分布的整体策略；

然后按照雪茄烟叶的分类标准，在雪茄烟叶上寻找满足分类边界条件，最终保存最终类别数量和边界条件作为最优分割路径；

其中，寻找满足分类边界条件的方法：按照茄衣烟叶分类技术要求的顺序，在雪茄烟叶上寻找分类边界条件，若寻找到的分类边界条件满足任何一类分类标准则停止，继续在雪茄烟叶其他区域继续寻找更低的标准分类，直至寻找完整张雪茄烟叶。

4.一种雪茄烟智能分切装置，其特征在于：该装置包括雪茄烟叶输运平台、高光谱成像装置、紫外激光器和高光谱图像处理服务器；

所述高光谱图像处理服务器与雪茄烟叶输运平台、所述高光谱成像装置和所述紫外激光器通信连接，所述高光谱图像处理服务器中存储有计算机指令，所述高光谱图像处理服务器通过执行所述计算机指令，从而执行权利要求1-3中任一项所述的雪茄烟智能分切方法。

5.根据权利要求4所述的雪茄烟智能分切装置，其特征在于：所述高光谱成像装置的波长范围为400-2500 nm，光谱分辨率为1- 10 nm。

6.根据权利要求4所述的雪茄烟智能分切装置，其特征在于：所述紫外激光器能够产生不同脉宽的激光光束，脉冲宽度为10ns~10ps，中心波长为355-1000 nm，脉冲频率80~100MHz。

7.根据权利要求4所述的雪茄烟智能分切装置，其特征在于：所述紫外激光器设置有自动变焦振镜系统，所述自动变焦振镜系统包括能够实现激光束偏转的振镜和振镜控制模块。

Images