CN114062366A - 烟草制丝生产风选剔梗质量在线检测方法及系统 - Google Patents
烟草制丝生产风选剔梗质量在线检测方法及系统 Download PDFInfo
- Publication number
- CN114062366A CN114062366A CN202111432411.4A CN202111432411A CN114062366A CN 114062366 A CN114062366 A CN 114062366A CN 202111432411 A CN202111432411 A CN 202111432411A CN 114062366 A CN114062366 A CN 114062366A
- Authority
- CN
- China
- Prior art keywords
- stem
- tobacco
- tobacco shred
- shred
- shreds
- 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
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 106
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 244000061176 Nicotiana tabacum Species 0.000 title 1
- 241000208125 Nicotiana Species 0.000 claims abstract description 105
- 239000000463 material Substances 0.000 claims abstract description 28
- 239000000203 mixture Substances 0.000 claims abstract description 12
- 238000000926 separation method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 18
- 238000003892 spreading Methods 0.000 claims description 15
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A24B3/18—Other treatment of leaves, e.g. puffing, crimpling, cleaning
-
- 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
- G01N2021/8411—Application to online plant, process monitoring
- G01N2021/8416—Application to online plant, process monitoring and process controlling, not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
公开了一种烟草制丝生产风选剔梗质量在线检测方法及系统，所述系统包括：摄像头，获取风选后剔出梗签、烟丝混合物摊薄的图像；处理器，分析得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据计算并输出梗签、烟丝的重量比例。本发明实现了剔梗质量在线自动实时检测，可实时输出剔出物中梗签、烟丝的重量比例数据，为风选效果调整提供了实时依据；同时降低了风选设备操作以及效果评判对操作人员的依赖，有助于提高产线智能运行程度，降低劳动轻度。
Description
技术领域
本发明涉及烟草制丝生产中风选剔梗质量检测。
背景技术
烟草的制丝加工中需要利用柔性风选设备在线分离烟丝中的梗签。分离出的梗签中一般含有一定量的烟丝，这部分烟丝直接报废。剔出梗签中的烟丝含量会直接影响到制丝生产出丝率以及物料成本。目前，制丝线大多对剔除梗签进行总量控制，而剔出梗签中的烟丝含量主要由生产人员在生产中进行抽样目视检查，并根据抽样结果调整柔性风选效果进行控制。这种做法存在两个弊端：首先，整个批次剔出物料数据只有总量数据，人工抽样目视检查结果完全依据操作工经验判定，无准确的组分构成数据，剔出梗签中的烟丝含量不明，缺乏精益管理数据依据；其次，人工抽样需要现场操作工定时进行取样，增加了工作量。
发明内容
本发明提供一种基于视觉识别技术的风选剔梗质量在线检测方法及系统。生产中摄像头捕捉被摊薄的梗签烟丝混合物表面图像，经过计算机图像识别技术，分析得到梗签、烟丝的面积分布比例；结合梗签、烟丝的面密度实验数据，得到剔出梗签中梗签、烟丝的重量比例。对比相关规定标准，可反映制丝生产过程中风选剔梗的实时效果，有助于提高精益化管理水平，节约物料成本。
根据本发明实施例第一方面，提供一种烟草制丝生产风选剔梗质量在线检测系统，包括：
物料摊薄机，将风选后剔出梗签、烟丝混合物摊薄；
摄像头，获取摊薄的梗签、烟丝混合物图像；
处理器，根据所述图像分析得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据计算并输出梗签、烟丝的重量比例。
根据本发明实施例第二方面，提供一种烟草制丝生产风选剔梗质量在线检测方法，包括：
将风选后剔出梗签、烟丝混合物摊薄；
获取摊薄的梗签、烟丝混合物图像；
根据所述图像分析得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据计算并输出梗签、烟丝的重量比例。
在上述第一方面和第二方面，还包括控制摄像头拍照或摄像、物料摊薄机启停的电气控制设备。
在上述第一方面和第二方面，模拟生产实际工况，在充分振动、松散后，测量相同厚度下单位面积内梗签、烟丝的重量，获得梗签、烟丝的面密度比数据。
在上述第一方面和第二方面，物料表面梗签、烟丝的面积比例识别方法为：采用图像分割的方法将烟丝和烟梗分割出来，然后分别计算烟丝和梗签的像素个数，再计算面积比R＝B/S，S为梗签像素点，B为烟丝像素点。
在上述第一方面和第二方面，物料表面梗签、烟丝的面积比例识别方法为：采用随机、等间隔采样的方法采样K个点，然后对这些点进行分类，计算梗签、烟丝的面积比R＝B/S，S为分类输出的梗签点数量，B为分类输出的烟丝点数量，S+B<＝K。
本发明解决了风选剔梗质量检测时需要操作工定时抽检，检测结果受人员素质影响，差异性大，且不能做到实时监测、无数据输出的问题。实现了剔梗质量在线自动实时检测，可实时输出剔出物中梗签、烟丝的重量比例数据，为风选效果调整提供了实时依据；同时降低了风选设备操作以及效果评判对操作人员的依赖，有助于提高产线智能运行程度，降低劳动轻度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍。
图1为本发明一实施例提供的烟草制丝生产风选剔梗质量在线检测系统示意图。
图2为本发明一实施例提供的烟草制丝生产风选剔梗质量在线检测方法流程图。
具体实施方式
如图1，烟草制丝生产风选剔梗质量在线检测系统包括物料摊薄装机1、摄像头2、光源3、安装支架4、电气控制箱5、处理器6。
物料摊薄机1用以将风选后剔出梗签、烟丝混合物摊薄到一定程度。摄像头2和光源3固定在安装支架4上，摄像头3用以拍摄图像，光源3用以保证图像质量所需的光照强度。电气控制设备5用以进行物料摊薄装机1随物料进入的启停、摄像头2拍照或摄像、光源3开启或关闭等逻辑控制。处理器6进行图像信息处理，计算并输出梗签、烟丝的重量比例。
下面结合图2说明所述系统检测原理：剔出的梗签、烟丝混合物进入物料摊薄机1后，被均匀摊薄；光源3照射物料表面，经过预先调整后适合进行摄像取样；摄像头2根据程序设置，进行拍照或录像；通过对摄取的图像文件进行预处理、标定等操作，获得后期图像处理的数据集基础数据库；在数据集数据库的基础上，对图像识别算法进行深度学习、迭代，达到在线处理图像的能力。处理器6通过图像识别算法，对在线拍摄的影像信息，进行分析，得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据，计算并输出梗签、烟丝的重量比例。对比梗签、烟丝的重量比例数据与质量标准，可以得到风选剔梗质量。
机器识别梗签和烟丝的方法为：先拍照，人工标注出照片中的梗签和烟丝，以人工标注的照片为依据，采用机器学习技术对后续拍摄的照片进行分辨。
下面详细说明物料表面梗签、烟丝的面积比例识别方法。摄像头采集到的图像，首先经过缩放传入Cascade R-CNN进行检测，得到类别、检测框位置和权重等信息；权重信息与目标框图像再经过Finert Feature Extractor Network网络，使用ROI Align进行池化。针对梗签、烟丝识别检测工况，采用图像分割的方法。首先将烟丝和烟梗彻底分割出来，相当于将多光谱图中每一个像素做分类。接着分别计算各自的面积(像素个数)，再计算面积比。假设检测到S个烟梗像素点和B个烟丝像素点，则最终梗签、烟丝面积比R＝B/S。
或者采用随机采样、等间隔采样的方法：采样K个点，然后通过算法分类这些点的类别，假设采样点分类输出是：S个烟梗点和B个烟丝点(由于背景点等存在，S+B<＝K)。则最终烟丝烟梗面积比R＝B/S。使用采用随机采样、等间隔采样的方法时，采样点的数目越多，计算结果越精确，计算量越大。当K等于完整图像像素个数时，输出结果与图像分割方法等价。
梗签、烟丝的面密度比数据测算方法为：模拟生产实际工况，在充分振动、松散后，测量相同厚度下单位面积内梗签、烟丝的重量，获得梗签、烟丝的面密度比例。
Claims (10)
1.一种烟草制丝生产风选剔梗质量在线检测系统，其特征在于，包括：
物料摊薄机，将风选后剔出梗签、烟丝混合物摊薄；
摄像头，获取摊薄的梗签、烟丝混合物图像；
处理器，根据所述图像分析得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据计算并输出梗签、烟丝的重量比例。
2.根据权利要求1所述的系统，其特征在于，还包括控制摄像头拍照或摄像、物料摊薄机启停的电气控制设备。
3.根据权利要求1所述的系统，其特征在于，模拟生产实际工况，在充分振动、松散后，测量相同厚度下单位面积内梗签、烟丝的重量，获得梗签、烟丝的面密度比数据。
4.根据权利要求1所述的系统，其特征在于，物料表面梗签、烟丝的面积比例识别方法为：采用图像分割的方法将烟丝和烟梗分割出来，然后分别计算烟丝和梗签的像素个数，再计算面积比R＝B/S，S为梗签像素点，B为烟丝像素点。
5.根据权利要求1所述的系统，其特征在于，物料表面梗签、烟丝的面积比例识别方法为：采用随机、等间隔采样的方法采样K个点，然后对这些点进行分类，计算梗签、烟丝的面积比R＝B/S，S为分类输出的梗签点数量，B为分类输出的烟丝点数量，S+B<＝K。
6.一种烟草制丝生产风选剔梗质量在线检测方法，其特征在于，包括：
将风选后剔出梗签、烟丝混合物摊薄；
获取摊薄的梗签、烟丝混合物图像；
根据所述图像分析得到物料表面梗签、烟丝的面积比例，结合梗签、烟丝的面密度比数据计算并输出梗签、烟丝的重量比例。
7.根据权利要求6所述的方法，其特征在于，还包括控制摄像头拍照或摄像、物料摊薄机启停的电气控制设备。
8.根据权利要求6所述的方法，其特征在于，模拟生产实际工况，在充分振动、松散后，测量相同厚度下单位面积内梗签、烟丝的重量，获得梗签、烟丝的面密度比数据。
9.根据权利要求6所述的方法，其特征在于，物料表面梗签、烟丝的面积比例识别方法为：采用图像分割的方法将烟丝和烟梗分割出来，然后分别计算烟丝和梗签的像素个数，再计算面积比R＝B/S，S为梗签像素点，B为烟丝像素点。
10.根据权利要求6所述的方法，其特征在于，物料表面梗签、烟丝的面积比例识别方法为：采用随机、等间隔采样的方法采样K个点，然后对这些点进行分类，计算梗签、烟丝的面积比R＝B/S，S为分类输出的梗签点数量，B为分类输出的烟丝点数量，S+B<＝K。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111432411.4A CN114062366B (zh) | 2021-11-29 | 2021-11-29 | 烟草制丝生产风选剔梗质量在线检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111432411.4A CN114062366B (zh) | 2021-11-29 | 2021-11-29 | 烟草制丝生产风选剔梗质量在线检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114062366A true CN114062366A (zh) | 2022-02-18 |
| CN114062366B CN114062366B (zh) | 2024-04-19 |
Family
ID=80277305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111432411.4A Active CN114062366B (zh) | 2021-11-29 | 2021-11-29 | 烟草制丝生产风选剔梗质量在线检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114062366B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117686493A (zh) * | 2023-12-06 | 2024-03-12 | 浙江首域智能装备有限公司 | 一种在线梗签成分测量仪 |
| CN118000451A (zh) * | 2024-02-06 | 2024-05-10 | 首域科技(杭州)有限公司 | 基于图像分析的烟丝检测系统 |
| US12011031B1 (en) | 2023-02-21 | 2024-06-18 | China Tobacco Yunnan Industrial Co., Ltd. | Device for removing stems in a cigarette making process and a method for removing the stems |
| WO2024138850A1 (zh) * | 2023-02-20 | 2024-07-04 | 云南中烟工业有限责任公司 | 一种卷烟制丝过程中去除梗签的装置及去除梗签的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1593248A (en) * | 1977-12-23 | 1981-07-15 | Molins Ltd | Cigarette manufacture |
| CN102339385A (zh) * | 2011-07-28 | 2012-02-01 | 南京焦耳科技有限责任公司 | 基于组合光透视的叶中含梗及含梗率视觉识别检测方法 |
| WO2018040302A1 (zh) * | 2016-08-31 | 2018-03-08 | 上海创和亿电子科技发展有限公司 | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 |
| CN107991303A (zh) * | 2017-12-18 | 2018-05-04 | 云南烟叶复烤有限责任公司 | 一种基于双光谱技术的打叶去梗质量检测装置及检测方法 |
| CN110501254A (zh) * | 2019-08-14 | 2019-11-26 | 红云红河烟草(集团)有限责任公司 | 一种快速检测梗签中烟丝含量的方法 |
-
2021
- 2021-11-29 CN CN202111432411.4A patent/CN114062366B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1593248A (en) * | 1977-12-23 | 1981-07-15 | Molins Ltd | Cigarette manufacture |
| CN102339385A (zh) * | 2011-07-28 | 2012-02-01 | 南京焦耳科技有限责任公司 | 基于组合光透视的叶中含梗及含梗率视觉识别检测方法 |
| WO2018040302A1 (zh) * | 2016-08-31 | 2018-03-08 | 上海创和亿电子科技发展有限公司 | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 |
| CN107991303A (zh) * | 2017-12-18 | 2018-05-04 | 云南烟叶复烤有限责任公司 | 一种基于双光谱技术的打叶去梗质量检测装置及检测方法 |
| CN110501254A (zh) * | 2019-08-14 | 2019-11-26 | 红云红河烟草(集团)有限责任公司 | 一种快速检测梗签中烟丝含量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 卢新万: "卷烟机梗签剔除效果评价方法的对比研究", 《海峡科学》, no. 03, pages 24 - 25 * |
| 李晓 等，: "FX6型就地风选器在梗签风选中的应用", 《烟草科技》, no. 08, pages 9 - 11 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024138850A1 (zh) * | 2023-02-20 | 2024-07-04 | 云南中烟工业有限责任公司 | 一种卷烟制丝过程中去除梗签的装置及去除梗签的方法 |
| US12011031B1 (en) | 2023-02-21 | 2024-06-18 | China Tobacco Yunnan Industrial Co., Ltd. | Device for removing stems in a cigarette making process and a method for removing the stems |
| CN117686493A (zh) * | 2023-12-06 | 2024-03-12 | 浙江首域智能装备有限公司 | 一种在线梗签成分测量仪 |
| CN118000451A (zh) * | 2024-02-06 | 2024-05-10 | 首域科技(杭州)有限公司 | 基于图像分析的烟丝检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114062366B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114062366B (zh) | 烟草制丝生产风选剔梗质量在线检测方法及系统 | |
| CN105044122B (zh) | 一种基于半监督学习模型的铜件表面缺陷视觉检测方法 | |
| CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN112184648A (zh) | 一种基于深度学习的活塞表面缺陷检测方法及系统 | |
| CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN110619620A (zh) | 导致表面缺陷的异常定位方法、装置、系统及电子设备 | |
| CN106706656B (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
| CN110705655A (zh) | 一种基于光谱和机器视觉耦合的烟叶分类方法 | |
| CN114638797A (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
| CN104132945A (zh) | 一种基于光纤传导的棒材表面质量在线视觉检测装置 | |
| CN114066848A (zh) | 一种fpca外观缺陷视觉检测系统 | |
| CN113780830A (zh) | 一种基于投影的钢丝零件质检系统、方法及设备 | |
| CN118090730A (zh) | 一种基于机器视觉的石榴发酵红茶成熟度检测方法及系统 | |
| CN113439870B (zh) | 一种雪茄烟外观分类方法及装置 | |
| CN216525503U (zh) | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 | |
| CN102680488A (zh) | 一种基于pca的块状农产品在线识别装置及方法 | |
| TWI749714B (zh) | 瑕疵檢測方法、瑕疵分類方法及其系統 | |
| CN113333329A (zh) | 一种基于深度学习的烟支缺陷检测系统 | |
| CN113145473A (zh) | 一种水果智能分拣系统及方法 | |
| CN112381028A (zh) | 目标物的特征检测方法和装置 | |
| CN108088848A (zh) | 一种基于phython机器视觉缺陷的在线检测方法 | |
| CN111950773A (zh) | 一种茶叶产量预测系统及方法 | |
| CN111353432A (zh) | 一种基于卷积神经网络的金银花药材快速净选方法及系统 | |
| CN104198491B (zh) | 基于计算机视觉的烟丝中膨胀叶丝比例测定方法 |
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 |