CN115452737A - 烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 - Google Patents
烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 Download PDFInfo
- Publication number
- CN115452737A CN115452737A CN202211032593.0A CN202211032593A CN115452737A CN 115452737 A CN115452737 A CN 115452737A CN 202211032593 A CN202211032593 A CN 202211032593A CN 115452737 A CN115452737 A CN 115452737A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- mildew
- detection
- leaves
- image
- 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.)
- Pending
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 311
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 311
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 23
- 230000008030 elimination Effects 0.000 title claims abstract description 21
- 235000019504 cigarettes Nutrition 0.000 claims abstract description 35
- 239000000463 material Substances 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 2
- 239000011162 core material Substances 0.000 abstract description 6
- 230000000391 smoking effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000047 product Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000001228 spectrum 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
- G01N21/17—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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- 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
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (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)
- Image Analysis (AREA)
Abstract
本发明公开烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质，使用图像拍摄和图像识别技术，对烟叶经过生产线拆解投料环节时，通过检测霉变烟叶产生的颜色差，监测是否有霉变烟叶存在，并把霉变烟叶剔出生产线，具体为烟包分解、霉变检测和霉变剔除步骤。本方法检测和剔除工艺能快速对烟叶进行检测，且速度快，检测精确度和效率高，有效克服传统存在的不足和缺陷；先对烟包分解成细小烟块，再进行霉变烟检测和剔除，能对烟包芯部物料进行检测，而且烟包被分解的烟块个数越多，烟包芯部物料被检测的越彻底，大大减少霉变烟进入后续加工环节的概率，将霉变烟在制丝线投料前端有效识别和剔除，减少因霉变烟影响卷烟吸味而造成的产品质量问题。
Description
技术领域
本发明设计一种在线检测和剔除方法及可读存储介质，尤其涉及一种烟包霉变烟叶在线检测和剔除方法及可读存储介质，属于烟草深加工设备技术领域。
背景技术
在现有烟草打叶复烤生产工艺中。所使用的烟包原料通常需要在库房里醇化二年或以上，烟包表面和内部不可避免的存在霉变的烟叶，这些霉变的烟叶会使卷烟吸味变差，影响卷烟质量。因此在制丝生产过程中，需将霉变的烟叶剔出生产线外。在现有的工艺下，剔除霉变烟叶通常采用两种方式进行，其中一种是烟包去除包装物后，由烟包外表面检测机采用红外或机器视觉对烟包外表面进行检视并判断；另一种方式是，把去除包装物的烟包打散，再由光谱或激光除杂机对松散的烟叶进行检视并判断。
现有工艺存在以下不足之处：首先，霉变的烟叶除了存在于烟包表面以外，更多时候存在烟包芯部，仅从烟包外表面进行霉变烟的检测和剔除的话无法对烟包芯部存在的霉变烟检测和剔除；其次，松散回潮后对松散的烟叶进行检测和剔除的话，由于物料已充分松散且物料呈小片状，剔除时物料分层，霉变的烟叶与合格烟叶混合在一起，混在物料中间或下层的霉变烟无法被识别和剔除，将给霉变烟的检测识别和剔除带来困难。如果大量的霉变烟未被识别和剔除而进入最终产品的话，将影响卷烟吸味，造成产品质量问题。
发明内容
本发明在于提供一种烟包霉变烟叶在线检测和剔除方法。
本发明通过以下技术方案实现：
一种烟包霉变烟叶在线检测和剔除方法，使用图像拍摄和图像识别技术，在对烟叶经过生产线(9)拆解投料环节时，通过检测霉变烟叶产生的颜色差，监测是否有霉变烟叶存在，并把霉变烟叶剔出生产线(9)，具体包括以下步骤，
A、烟包分解，烟包(1)经烟包开包机去除包装物后，由物料输送机(2)送至烟包外表面检测机(11)进行外部检测，再输送入烟包拆解装置(3)进行拆解切片或分片成若干烟块(4)后，由输送机输送进入下游的霉变检测机(5)进行霉变检测；
B、霉变检测，预先在总控制器(10)中录入烟叶霉变的特征图片或通过机器深度学习的方式，建立霉变烟特征数据库，霉变检测机 (5)对步骤A拆解得的烟块(4)拍照，采集烟块(4)的烟块(4) 图像，并将采集到的烟块(4)图像传输至总控制器(10)，总控制器 (10)将接收到的烟块(4)图像，经处理后与霉变烟特征数据库的图片数据进行比对分析，分析判断烟块(4)图像中的烟叶是否含有霉变烟叶；
C、霉变剔除，当步骤B中的霉变检测机(5)分析出烟块(4) 中的烟叶含有霉变烟叶时，则总控制器(10)控制剔除输送机(8) 切换输送方向，把含有霉变烟叶的不合格烟块(4)输送出生产线(9)，之后剔除输送机(8)恢复原位保持原有输送方向，准备接收下一个烟块(4)；当步骤B中的霉变检测机(5)未分析出烟块(4)图像中的烟叶含有霉变烟叶，总控制器(10)不发切换指令，输送机保持原有输送方向，把合格烟块(4)输送至生产线(9)下游设备。
优选的，所述的步骤B中霉变检测比对分析包括自动检测模式、手动检测模式和学习检测模式，其中，
自动检测模式的具体方式为：总控制器(10)将霉变检测机(5) 拍摄到的烟块(4)图像，输送至图像识别软件处理分析，图像识别软件调用霉变烟特征数据库的图片与拍摄的烟块(4)图像进行比对分析，分析判断烟块(4)图像中的烟叶是否含有霉变烟叶，烟叶图像与霉变烟特征数据库的任一图片数据相匹配，则判定烟块(4)含有霉变烟叶，无匹配的则判定无霉变。
优选的，所述手动检测模式的具体方式为：将霉变检测机(5) 拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块(4) 是否含有霉变烟叶；
所述学习检测模式包括：人工参与学习检测方式和自动学习检测方式，其中，
人工参与学习检测方式具体为：将霉变检测机(5)拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块(4)是否含有霉变烟叶，当判定烟块(4)含有霉变烟叶时，人工操作总控制器(10) 在采集到的图像上圈出霉变烟所在区域，启用图像识别软件系统从人工圈出的霉变烟区域提取特征，并将该新特征增加入霉变分析数据库，完成新特征的学习过程；
自动学习检测方式具体为：将含有霉变烟叶的烟块(4)烟叶图像存到计算机中，由人工智能识别系统采用深度学习的方式自主完成将该新特征增加入霉变分析数据库，从而完成新特征的学习过程。
优选的，所述的步骤B中霉变检测机(5)为高速摄像头，在高速摄像头的任一侧设有定位器(6)和补光灯(7)。
优选的，所述的步骤B中总控制器(10)为配备有显示器、键盘和警示器的PC机，在PC机中设有图像识别软件。
优选的，所述的步骤B中剔除输送机(8)为移动带式输送机。
优选的，所述的步骤B中霉变烟特征数据库中录存有不同霉变特征的烟叶图片数据。
优选的，所述的烟包拆解装置(3)为烟包垂直切片机或分片机。
优选的，一种烟包霉变烟叶在线检测和剔除平台，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
优选的，一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
本发明的有益效果是：本发明的检测和剔除工艺能快速对烟叶进行检测，且速度快，检测精确度和效率高，有效克服上述现有技术中存在的不足和缺陷；先对烟包分解成细小烟块，再进行霉变烟检测和剔除，能对烟包芯部物料进行检测，而且烟包被分解的烟块个数越多，烟包芯部物料被检测的越彻底，大大减少霉变烟进入后续加工环节的概率，将霉变烟在制丝线投料前端有效识别和剔除，减少因霉变烟影响卷烟吸味而造成的产品质量事故。
附图说明
下面结合附图对本发明进行详细的说明，其中：
图1为本发明的结构示意图；
图2为本发明中霉变检测比对分析的原理框图；
图中标号：1—烟包，2—物料输送机，3—烟包拆解装置，4—烟块，5—霉变检测机，6—定位器，7—补光灯，8—剔除输送机，9—生产线，10—总控制器，11—烟包外表面检测机。
具体实施方式
为了使本技术领域的技术人员能更好地理解本发明的技术方案，下面结合附图对其具体实施方式进行详细的说明。
如图1～2所示的烟包霉变烟叶在线检测和剔除方法，烟包霉变烟叶在线检测和剔除方法，其特征在于，使用图像拍摄和图像识别技术，在对烟叶经过生产线9拆解投料环节时，通过检测霉变烟叶产生的颜色差，监测是否有霉变烟叶存在，并把霉变烟叶剔出生产线9，具体包括以下步骤，
A、烟包分解，烟包1经烟包开包机去除包装物后，由物料输送机2送至烟包外表面检测机11进行外部检测，再输送入烟包拆解装置3进行拆解切片或分片成若干烟块4后，由输送机输送进入下游的霉变检测机5进行霉变检测；
B、霉变检测，预先在总控制器10中录入烟叶霉变的特征图片或通过机器深度学习的方式，建立霉变烟特征数据库，霉变检测机5对步骤A拆解得的烟块4拍照，采集烟块4的烟块4图像，并将采集到的烟块4图像传输至总控制器10，总控制器10将接收到的烟块4图像，经处理后与霉变烟特征数据库的图片数据进行比对分析，分析判断烟块4图像中的烟叶是否含有霉变烟叶；
C、霉变剔除，当步骤B中的霉变检测机5分析出烟块4中的烟叶含有霉变烟叶时，则总控制器10控制剔除输送机8切换输送方向，把含有霉变烟叶的不合格烟块4输送出生产线9，之后剔除输送机8 恢复原位保持原有输送方向，准备接收下一个烟块4；当步骤B中的霉变检测机5未分析出烟块4图像中的烟叶含有霉变烟叶，总控制器 10不发切换指令，输送机保持原有输送方向，把合格烟块4输送至生产线9下游设备。
所述的步骤B中霉变检测比对分析包括自动检测模式、手动检测模式和学习检测模式，其中，
自动检测模式的具体方式为：总控制器10将霉变检测机5拍摄到的烟块4图像，输送至图像识别软件处理分析，图像识别软件调用霉变烟特征数据库的图片与拍摄的烟块4图像进行比对分析，分析判断烟块4图像中的烟叶是否含有霉变烟叶，烟叶图像与霉变烟特征数据库的任一图片数据相匹配，则判定烟块4含有霉变烟叶，无匹配的则判定无霉变。
优选的，所述手动检测模式的具体方式为：将霉变检测机5拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块4是否含有霉变烟叶；
所述学习检测模式包括：人工参与学习检测方式和自动学习检测方式，其中，
人工参与学习检测方式具体为：将霉变检测机5拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块4是否含有霉变烟叶，当判定烟块4含有霉变烟叶时，人工操作总控制器10在采集到的图像上圈出霉变烟所在区域，启用图像识别软件系统从人工圈出的霉变烟区域提取特征，并将该新特征增加入霉变分析数据库，完成新特征的学习过程；
自动学习检测方式具体为：将含有霉变烟叶的烟块4烟叶图像存到计算机中，由人工智能识别系统采用深度学习的方式自主完成将该新特征增加入霉变分析数据库，从而完成新特征的学习过程。
所述的步骤B中霉变检测机5为高速摄像头，在高速摄像头的任一侧设有定位器6和补光灯7。
所述的步骤B中总控制器10为配备有显示器、键盘和警示器的 PC机，在PC机中设有图像识别软件。
所述的步骤B中剔除输送机8为移动带式输送机，移动带式输送机能根据输送需求进行输送方向和输送点的切换，便于剔除含霉变烟叶的烟块4。
所述的步骤B中霉变烟特征数据库中录存有不同霉变特征的烟叶图片数据。
所述的烟包拆解装置3为烟包垂直切片机或分片机。
一种烟包霉变烟叶在线检测和剔除平台，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
本发明的工作原理和方式：
A、烟包1分解，烟包1经烟包开包机去除包装物后，由物料输送机2送至烟包外表面检测机11先进行外部检测，当检测出烟包1 外部存在霉变烟叶时，人工及时剔除烟包1上的霉变烟叶，再输送入烟包拆解装置3进行垂直切片或分片成若干烟块4后，由输送机输送进入下游的霉变检测机5进行霉变检测；
B、霉变检测，预先在总控制器10中录入烟叶霉变的特征图片或通过机器深度学习的方式，建立霉变分析数据库，当切片后或分片后的烟块4输送至霉变检测机5位置时，霉变检测机5对步骤A拆解得的烟块4逐一拍照，采集烟块4的烟叶图像，并将采集到的烟叶图像传输至总控制器10，总控制器10将接收到的烟叶图像，经处理后与霉变烟特征数据库的数据进行比对分析，分析判断烟块4图像中的烟叶是否含有霉变烟叶；在霉变检测比对分析过程中可根据需求选择自动检测模式、手动检测模式或学习检测模式，其中，
自动检测模式的具体方式为：总控制器10将霉变检测机5拍摄到的烟块图像，输送至图像识别软件处理分析，图像识别软件调用霉变烟特征数据库的数据进行比对分析，分析判断烟块4图像中的烟叶是否含有霉变烟叶，烟块图像与霉变烟特征数据库的数据相匹配，则判定烟块4含有霉变烟叶，无匹配的则判定无霉变；
手动检测模式的具体方式为：将霉变检测机5拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块4是否含有霉变烟叶；
学习检测模式的具体方式为：将霉变检测机5拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块4是否含有霉变烟叶，当判定烟块4含有霉变烟叶时，人工操作总控制器10在采集到的图像上圈出霉变烟所在区域，启用图像识别软件系统从人工圈出的霉变烟区域提取特征，并将该新特征增加入霉变烟特征数据库，完成新特征的学习过程。
C、霉变剔除，当步骤B中的霉变检测机5分析出烟块4图像中的烟叶含有霉变烟叶后，由人工手动或总控制器10自动控制剔除输送机8切换输送方向，把含有霉变烟叶的不合格烟块4输送出生产线 9，将含霉变烟叶的不合格烟块4输送进入相应容器由人工处理，人工把不合格烟块4中的霉变烟叶手动剔除后，再投入生产线9，而含有霉变烟叶的烟块4输送出生产线9后，剔除输送机8则复位保持原有输送方向，准备接收下一个烟块；当步骤B中的霉变检测机5未分析出烟叶图像中的烟块4含有霉变烟叶，则总控制器10不发换指令，输送机保持原有输送方向，把合格烟块4输送至生产线9下游设备。
最后，需要说明的是，上面结合附图对本发明的具体实施方式作了详细的说明，但是本发明并不限于上述的实施方式，在本领域的普通技术人员所具备的知识范围内，还可以对其作出种种变化。
Claims (10)
1.一种烟包霉变烟叶在线检测和剔除方法，其特征在于，使用图像拍摄和图像识别技术，在对烟叶经过生产线(9)拆解投料环节时，通过检测霉变烟叶产生的颜色差，监测是否有霉变烟叶存在，并把霉变烟叶剔出生产线(9)，具体包括以下步骤，
A、烟包分解，烟包(1)经烟包开包机去除包装物后，由物料输送机(2)送至烟包外表面检测机(11)进行外部检测，再输送入烟包拆解装置(3)进行拆解切片或分片成若干烟块(4)后，由输送机输送进入下游的霉变检测机(5)进行霉变检测；
B、霉变检测，预先在总控制器(10)中录入烟叶霉变的特征图片或通过机器深度学习的方式，建立霉变烟特征数据库，霉变检测机(5)对步骤A拆解得的烟块(4)拍照，采集烟块(4)的烟块(4)图像，并将采集到的烟块(4)图像传输至总控制器(10)，总控制器(10)将接收到的烟块(4)图像，经处理后与霉变烟特征数据库的图片数据进行比对分析，分析判断烟块(4)图像中的烟叶是否含有霉变烟叶；
C、霉变剔除，当步骤B中的霉变检测机(5)分析出烟块(4)中的烟叶含有霉变烟叶时，则总控制器(10)控制剔除输送机(8)切换输送方向，把含有霉变烟叶的不合格烟块(4)输送出生产线(9)，之后剔除输送机(8)恢复原位保持原有输送方向，准备接收下一个烟块(4)；当步骤B中的霉变检测机(5)未分析出烟块(4)图像中的烟叶含有霉变烟叶，总控制器(10)不发切换指令，输送机保持原有输送方向，把合格烟块(4)输送至生产线(9)下游设备。
2.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的步骤B中霉变检测比对分析包括自动检测模式、手动检测模式和学习检测模式，其中，
自动检测模式的具体方式为：总控制器(10)将霉变检测机(5)拍摄到的烟块(4)图像，输送至图像识别软件处理分析，图像识别软件调用霉变烟特征数据库的图片与拍摄的烟块(4)图像进行比对分析，分析判断烟块(4)图像中的烟叶是否含有霉变烟叶，烟叶图像与霉变烟特征数据库的任一图片数据相匹配，则判定烟块(4)含有霉变烟叶，无匹配的则判定无霉变。
3.根据权利要求2所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，
所述手动检测模式的具体方式为：将霉变检测机(5)拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块(4)是否含有霉变烟叶；
所述学习检测模式包括：人工参与学习检测方式和自动学习检测方式，其中，
人工参与学习检测方式具体为：将霉变检测机(5)拍摄到的烟叶图像呈现在显示器上，由人工观察图像判断烟块(4)是否含有霉变烟叶，当判定烟块(4)含有霉变烟叶时，人工操作总控制器(10)在采集到的图像上圈出霉变烟所在区域，启用图像识别软件系统从人工圈出的霉变烟区域提取特征，并将该新特征增加入霉变分析数据库，完成新特征的学习过程；
自动学习检测方式具体为：将含有霉变烟叶的烟块(4)烟叶图像存到计算机中，由人工智能识别系统采用深度学习的方式自主完成将该新特征增加入霉变分析数据库，从而完成新特征的学习过程。
4.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的步骤B中霉变检测机(5)为高速摄像头，在高速摄像头的任一侧设有定位器(6)和补光灯(7)。
5.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的步骤B中总控制器(10)为配备有显示器、键盘和警示器的PC机，在PC机中设有图像识别软件。
6.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的步骤B中剔除输送机(8)为移动带式输送机。
7.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的步骤B中霉变烟特征数据库中录存有不同霉变特征的烟叶图片数据。
8.根据权利要求1所述的一种烟包霉变烟叶在线检测和剔除方法，其特征在于，所述的烟包拆解装置(3)为烟包垂直切片机或分片机。
9.一种烟包霉变烟叶在线检测和剔除平台，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的烟包霉变烟叶在线检测和剔除方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211032593.0A CN115452737A (zh) | 2022-08-26 | 2022-08-26 | 烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211032593.0A CN115452737A (zh) | 2022-08-26 | 2022-08-26 | 烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115452737A true CN115452737A (zh) | 2022-12-09 |
Family
ID=84300532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211032593.0A Pending CN115452737A (zh) | 2022-08-26 | 2022-08-26 | 烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115452737A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876941A (zh) * | 2022-12-13 | 2023-03-31 | 中国烟草总公司郑州烟草研究院 | 雪茄烟叶霉变早期监测方法及霉变标志物 |
| CN117654907A (zh) * | 2023-11-29 | 2024-03-08 | 嘉兴嘉视自动化科技有限公司 | 用于带料检测机的自动剔除方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2605212A2 (de) * | 2011-12-12 | 2013-06-19 | Focke & Co. (GmbH & Co. KG) | Verfahren und Vorrichtung zum optischen Prüfen von bei der Herstellung und/oder Verpackung von Zigaretten zu prüfenden Objekten |
| CN104833700A (zh) * | 2015-03-20 | 2015-08-12 | 红云红河烟草(集团)有限责任公司 | 一种卷烟生产线在线霉变检测方法 |
| CN206627472U (zh) * | 2017-04-13 | 2017-11-10 | 秦皇岛烟草机械有限责任公司 | 一种烟叶烟包霉变检测系统 |
| CN113570568A (zh) * | 2021-07-23 | 2021-10-29 | 张家口卷烟厂有限责任公司 | 一种全自动烟包霉变预警系统及方法 |
| CN113600508A (zh) * | 2021-07-06 | 2021-11-05 | 杭州安脉盛智能技术有限公司 | 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 |
| CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
-
2022
- 2022-08-26 CN CN202211032593.0A patent/CN115452737A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2605212A2 (de) * | 2011-12-12 | 2013-06-19 | Focke & Co. (GmbH & Co. KG) | Verfahren und Vorrichtung zum optischen Prüfen von bei der Herstellung und/oder Verpackung von Zigaretten zu prüfenden Objekten |
| CN104833700A (zh) * | 2015-03-20 | 2015-08-12 | 红云红河烟草(集团)有限责任公司 | 一种卷烟生产线在线霉变检测方法 |
| CN206627472U (zh) * | 2017-04-13 | 2017-11-10 | 秦皇岛烟草机械有限责任公司 | 一种烟叶烟包霉变检测系统 |
| CN113600508A (zh) * | 2021-07-06 | 2021-11-05 | 杭州安脉盛智能技术有限公司 | 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 |
| CN113570568A (zh) * | 2021-07-23 | 2021-10-29 | 张家口卷烟厂有限责任公司 | 一种全自动烟包霉变预警系统及方法 |
| CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115876941A (zh) * | 2022-12-13 | 2023-03-31 | 中国烟草总公司郑州烟草研究院 | 雪茄烟叶霉变早期监测方法及霉变标志物 |
| CN117654907A (zh) * | 2023-11-29 | 2024-03-08 | 嘉兴嘉视自动化科技有限公司 | 用于带料检测机的自动剔除方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115452737A (zh) | 烟包霉变烟叶在线检测和剔除方法、平台及可读存储介质 | |
| US20190170660A1 (en) | Method and system of detecting foreign materials within an agricultural product stream | |
| US9131730B2 (en) | System and apparatus for registration of different objects in rod shaped articles | |
| EP2768734B1 (en) | Cigarette package coding system and associated method | |
| US20170367399A1 (en) | Pepper de-stemming methods and apparatus | |
| CN112067617A (zh) | 一种成品烟质量自动检测设备及其检测方法 | |
| CN102179374A (zh) | 禽蛋品质自动检测分选设备及其方法 | |
| CN112208824A (zh) | 一种卷包机组质量检测装置管理系统及其方法 | |
| EP2911534B1 (en) | Detection system | |
| CN105319166A (zh) | 一种大豆实时检测仪器 | |
| US20200046010A1 (en) | Pepper de-stemming methods and apparatus | |
| CN110455806A (zh) | 一种鸡蛋动态图像采集设备 | |
| CN115760772A (zh) | 一种烟草物料储柜状态判断及非烟物料检测方法 | |
| JP2006262900A (ja) | 煙草製品の製造ラインで生産品質を検査する方法及び装置 | |
| CN113570568A (zh) | 一种全自动烟包霉变预警系统及方法 | |
| WO2017048783A1 (en) | Foreign object detection in beef using color analysis | |
| CN212035985U (zh) | 芯基材质量检测系统及卷烟机 | |
| Blasco et al. | Automatic inspection of the pomegranate (Punica granatum L.) arils quality by means of computer vision. Short communication. | |
| CN111537512A (zh) | 一种基于深度学习的烟梗形态智能识别系统及方法 | |
| CN216762268U (zh) | 一种高速包装机模盒内烟支检测系统 | |
| CN113812661B (zh) | 一种叶片非烟物质分拣自动追溯方法及系统 | |
| CN111136025A (zh) | 一种烟用胶囊滤棒爆珠缺陷快速检测系统 | |
| CN114985281B (zh) | 一种干制虾米的精准分级装置及方法 | |
| US20230381819A1 (en) | Hazelnut processing plant with improved calibration and breaking characteristics | |
| DK180419B1 (en) | System for cutting and trimming meat cuts |
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 |