CN208542584U - 一种基于近红外技术的烟叶自动分选线 - Google Patents
一种基于近红外技术的烟叶自动分选线 Download PDFInfo
- Publication number
- CN208542584U CN208542584U CN201820970266.2U CN201820970266U CN208542584U CN 208542584 U CN208542584 U CN 208542584U CN 201820970266 U CN201820970266 U CN 201820970266U CN 208542584 U CN208542584 U CN 208542584U
- Authority
- CN
- China
- Prior art keywords
- tobacco leaf
- automatic sorting
- infrared
- line based
- near infrared
- 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.)
- Expired - Fee Related
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 104
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 104
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000007664 blowing Methods 0.000 claims description 20
- 239000004615 ingredient Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 abstract description 13
- 235000019504 cigarettes Nutrition 0.000 abstract description 10
- 238000000926 separation method Methods 0.000 description 6
- 239000003921 oil Substances 0.000 description 5
- 238000012797 qualification Methods 0.000 description 5
- 238000010009 beating Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000008157 edible vegetable oil Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229960002715 nicotine Drugs 0.000 description 2
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本实用新型公开了一种基于近红外技术的烟叶自动分选线,包括烟叶喂料系统、近红外识别系统、烟叶自动分选系统;近红外识别系统包括检测识别装置,检测识别装置为光谱传感器;检测识别装置采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别。
Description
技术领域
本实用新型涉及一种烟叶自动分选线,具体地说 ,涉及一种基于近红外技术的烟叶自动分选线,属于烟叶加工设备技术领域。
背景技术
打叶复烤企业烟叶的分选是分级工根据国家标准依靠人的感官进行的[1]。人的感官可对烟叶成熟度、叶片结构、身份、油分、色泽和长度等品质因素进行辨别。无论采用地摊式或动态挑选都需大量的人力物力,而挑选人员受教育程度低、技能培训后掌握能力参差不齐,加上人的正常生理疲劳期和农忙时期劳动密集型企业用工荒等因素,直接制约着再次挑选质量和时效性加工能力。烟叶再次挑选能力已成为判定一个复烤企业加工能力高低标准。提升烟叶再次挑选能力,已成复烤企业发展的当务之急。借助近红外检测技术,研发一种烟叶自动挑选系统,改变依靠分辨烟叶颜色、身份、油分等纯物理特征来进行烟叶挑选的纯人工烟叶挑选模式,剔除由于挑选人员的选叶水平带来的选叶差异,对于打叶复烤企业烟叶挑选具有十分重要的意义。
近红外在烟草行业的应用近几年发展迅猛,以上烟集团为代表的利用近红外离线检测烟叶化学成分,通过多年的模型建立和维护,近红外检测值和实际值偏差小于3%,满足了企业要求,达到了省时省力的效果,得到烟草全行业的认可和推广。计算机运算能力的发展,化学计量学发挥出的作用越来越大,近红外快速准确定量和定性技术也越来越被广泛应用,按照内在化学成分(烟碱、糖分等)自动进行分类成为可能,比人员更准确和更高效挑选是项目的研究目标。
近红外光谱分析法已经在食品、医药、生物和石油化工等领域广泛应用。近红外光谱方法(NIRS)利用烟叶中含有的C-H、N-H、O-H、C-C、C=O等化学键的泛频振动或转动能级跃迁吸收红外光的原理,以漫反射方式获得近红外吸收光谱,通过PLS等现代化学计量学的手段,建立物质光谱与待测成分含量间的线形或非线形成定标模型,从而实现用近红外光谱信息对待测成分含量的快速计量。对烟叶进行身份识别,获取烟叶标准样的烟碱、糖等内在化学成分信息,提取识别相邻等级不合格烟叶的特征信息,利用软件和高速电脑处理技术,快速对进行分选烟叶进行高速采集和识别,实现烟叶等级的高识别率,并发送分类信息信号给分选系统对烟叶进行分选。
实用新型内容
本实用新型要解决的技术问题是针对以上不足,提供一种基于近红外技术的烟叶自动分选线,该烟叶自动分选线自动化程度较高,分选效率较高,保证分选后烟叶的高等级合格率的需求。
为解决以上技术问题,本实用新型采用以下技术方案:一种基于近红外技术的烟叶自动分选线,包括烟叶喂料系统、近红外识别系统、烟叶自动分选系统,其特征在于:所述近红外识别系统包括检测识别装置,检测识别装置为光谱传感器。
一种优化的方案,所述检测识别装置采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别。
进一步地,所述检测识别装置的后端设置设置有喷吹装置,检测识别装置与喷吹装置电连接。
进一步地,所述喷吹装置包括喷吹头,喷吹头为三个,三个喷吹头设置在不同方向。
进一步地,所述近红外识别系统设置在烟叶喂料系统的后部,烟叶自动分选系统设置在近红外识别系统的后部。
烟叶喂料系统用于将待分选的烟叶传送至近红外识别系统处,近红外识别系统用于将烟叶按照等级自动分选,分选后的烟叶经烟叶自动分选系统进行收集按类别整理。
进一步地,所述烟叶自动分选系统包括传送带,传送带的两侧设置有铺叶台,铺叶台为若干个,传送带水平设置,传送带的末端设置有提升带。
进一步地,所述提升带包括第一提升带和第二提升带。
进一步地,所述烟叶自动分选系统包括分级带,分级带包括第一分级带、第二分级带和第三分级带,第一分级带的末端设置有第一收集筐,第二分级带的末端设置有第二收集筐,第三分级带的末端设置有第三收集筐。
本实用新型采用以上技术方案后,与现有技术相比,具有以下优点:利用近红外技术对原烟进行自动分选,对于烟草生产有着十分重要的意义。近红外光谱分析法已经在食品、医药、生物和石油化工等领域广泛应用。模式识别作为人工智能科学的一个重要分支,也广泛应用于初榨橄榄油聚类分析和食用油分类等。
利用高速皮带对分选烟叶进行摊薄。通过不断提升传输皮带速度将烟叶摊薄,使烟叶规则的通过近红外识别系统。该系统较好地解决了烟叶流量和分选系统分选能力匹配问题,保证烟叶经过喂料系统后能满足分选系统分辨要求。
针对打叶复烤企业烟叶分选工序中自动化、机械化、高等级合格率的需求,研制了一种基于近红外技术的烟叶自动分选系统。该系统采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别,将不符合等级的烟叶进行剔除,以提高烟叶的纯净度和等级合格率。试验结果表明,受环境因素影响较小的烟叶,完全展开时等级识别率为100%;化学成分较为接近的样品,正确识别率80%以上。
下面结合附图和实施例对本实用新型进行详细说明。
附图说明
附图1是本实用新型实施例中一种基于近红外技术的烟叶自动分选线的结构示意图;
图中,
1-烟叶喂料系统,2-近红外识别系统,3-烟叶自动分选系统,4-传送带,5-铺叶台,6-提升带,7-第一提升带,8-第二提升带,9-检测识别装置,10-喷吹装置,11-分级带,12-第一分级带,13-第二分级带,14-第三分级带,15-第一收集筐,16-第二收集筐,17-第三收集筐。
具体实施方式
为了对本实用新型的技术特征、目的和效果有更加清楚的理解,现对照附图说明本实用新型的具体实施方式。
实施例,如图1所示,一种基于近红外技术的烟叶自动分选线,包括烟叶喂料系统1、近红外识别系统2、烟叶自动分选系统3,近红外识别系统2设置在烟叶喂料系统1的后部,烟叶自动分选系统3设置在近红外识别系统2的后部。
烟叶喂料系统1用于将待分选的烟叶传送至近红外识别系统2处,近红外识别系统2用于将烟叶按照等级自动分选,分选后的烟叶经烟叶自动分选系统3进行收集按类别整理。
烟叶自动分选系统3包括传送带4,传送带4的两侧设置有铺叶台5,铺叶台5为若干个,传送带4水平设置,传送带4的末端设置有提升带6,提升带6可根据提升高度设置不同数量,本实施例中提升带6包括第一提升带7和第二提升带8。
近红外识别系统2包括检测识别装置9,检测识别装置9设置在提升带6的末端设置,检测识别装置9为光谱传感器,检测识别装置9采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别,检测识别装置9的后端设置设置有喷吹装置10,检测识别装置9与喷吹装置10电连接,喷吹装置10包括喷吹头,喷吹头为三个,三个喷吹头设置在不同方向。
烟叶自动分选系统3包括分级带11,分级带11包括第一分级带12、第二分级带13和第三分级带14,第一分级带12的末端设置有第一收集筐15,第二分级带13的末端设置有第二收集筐16,第三分级带14的末端设置有第三收集筐17,三个喷吹头吹向第一分级带10、第二分级带11和第三分级带12的方向。
一种基于近红外技术的烟叶自动分选线,改变依靠分辨烟叶颜色、身份、油分等纯物理特征来进行烟叶挑选的纯人工烟叶挑选模式,剔除由于挑选人员的选叶水平带来的选叶差异,利用近红外检测技术,研发一种烟叶自动挑选系统,包括烟叶高速喂料系统、近红外识别系统、烟叶自动分选系统,按照烟叶内在成分实现自动挑选,保证选后烟叶的等级均匀性和稳定性。
利用近红外技术对原烟进行自动分选,对于烟草生产有着十分重要的意义。近红外光谱分析法已经在食品、医药、生物和石油化工等领域广泛应用。模式识别作为人工智能科学的一个重要分支,也广泛应用于初榨橄榄油聚类分析和食用油分类等。
利用高速皮带对分选烟叶进行摊薄。通过不断提升传输皮带速度将烟叶摊薄,使烟叶规则的通过近红外识别系统。该系统较好地解决了烟叶流量和分选系统分选能力匹配问题,保证烟叶经过喂料系统后能满足分选系统分辨要求。
针对打叶复烤企业烟叶分选工序中自动化、机械化、高等级合格率的需求,研制了一种基于近红外技术的烟叶自动分选系统。该系统采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别,将不符合等级的烟叶进行剔除,以提高烟叶的纯净度和等级合格率。试验结果表明,受环境因素影响较小的烟叶,完全展开时等级识别率为100%;化学成分较为接近的样品,正确识别率80%以上。
上述的具体实施方式只是示例性的,是为了使本领域技术人员能够更好的理解本实用新型内容,不应理解为是对本实用新型保护范围的限制,只要是根据本实用新型技术方案所作的改进,均落入本实用新型的保护范围。
Claims (8)
1.一种基于近红外技术的烟叶自动分选线,包括烟叶喂料系统(1)、近红外识别系统(2)、烟叶自动分选系统(3),其特征在于:所述近红外识别系统(2)包括检测识别装置(9),检测识别装置(9)为光谱传感器。
2.如权利要求1所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述检测识别装置(9)采用漫反射近红外(NIR)技术,利用NIR光谱,结合化学计量学方法对原烟化学成分进行快速分析和识别。
3.如权利要求1所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述检测识别装置(9)的后端设置设置有喷吹装置(10),检测识别装置(9)与喷吹装置(10)电连接。
4.如权利要求3所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述喷吹装置(10)包括喷吹头,喷吹头为三个,三个喷吹头设置在不同方向。
5.如权利要求1所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述近红外识别系统(2)设置在烟叶喂料系统(1)的后部,烟叶自动分选系统(3)设置在近红外识别系统(2)的后部;
烟叶喂料系统(1)用于将待分选的烟叶传送至近红外识别系统(2)处,近红外识别系统(2)用于将烟叶按照等级自动分选,分选后的烟叶经烟叶自动分选系统(3)进行收集按类别整理。
6.如权利要求1所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述烟叶自动分选系统(3)包括传送带(4),传送带(4)的两侧设置有铺叶台(5),铺叶台(5)为若干个,传送带(4)水平设置,传送带(4)的末端设置有提升带(6)。
7.如权利要求6所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述提升带(6)包括第一提升带(7)和第二提升带(8)。
8.如权利要求1所述的一种基于近红外技术的烟叶自动分选线,其特征在于:所述烟叶自动分选系统(3)包括分级带(11),分级带(11)包括第一分级带(12)、第二分级带(13)和第三分级带(14),第一分级带(12)的末端设置有第一收集筐(15),第二分级带(13)的末端设置有第二收集筐(16),第三分级带(14)的末端设置有第三收集筐(17)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820970266.2U CN208542584U (zh) | 2018-06-22 | 2018-06-22 | 一种基于近红外技术的烟叶自动分选线 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820970266.2U CN208542584U (zh) | 2018-06-22 | 2018-06-22 | 一种基于近红外技术的烟叶自动分选线 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN208542584U true CN208542584U (zh) | 2019-02-26 |
Family
ID=65423246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201820970266.2U Expired - Fee Related CN208542584U (zh) | 2018-06-22 | 2018-06-22 | 一种基于近红外技术的烟叶自动分选线 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN208542584U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112137154A (zh) * | 2020-09-27 | 2020-12-29 | 中国农业科学院烟草研究所 | 一种基于烟碱含量的烟叶细分装置及方法 |
CN112588610A (zh) * | 2020-12-14 | 2021-04-02 | 广东烟草广州市有限公司 | 一种用于识别和分拣真假香烟的装置 |
CN113955454A (zh) * | 2021-09-03 | 2022-01-21 | 金东纸业(江苏)股份有限公司 | 一种用于散浆系统的传输装置、散浆系统 |
-
2018
- 2018-06-22 CN CN201820970266.2U patent/CN208542584U/zh not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112137154A (zh) * | 2020-09-27 | 2020-12-29 | 中国农业科学院烟草研究所 | 一种基于烟碱含量的烟叶细分装置及方法 |
CN112588610A (zh) * | 2020-12-14 | 2021-04-02 | 广东烟草广州市有限公司 | 一种用于识别和分拣真假香烟的装置 |
CN113955454A (zh) * | 2021-09-03 | 2022-01-21 | 金东纸业(江苏)股份有限公司 | 一种用于散浆系统的传输装置、散浆系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN208542584U (zh) | 一种基于近红外技术的烟叶自动分选线 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN101285768B (zh) | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 | |
CN103063585A (zh) | 瓜果成熟度快速无损检测装置及检测系统建立方法 | |
CN105548028A (zh) | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 | |
CN106568738A (zh) | 一种近红外光谱快速判定不同质量等级茶鲜叶的方法 | |
CN105044021A (zh) | 一种中秋酥脆枣糖度无损检测方法 | |
CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN105043998A (zh) | 一种鉴别玉米单倍体的方法 | |
Herrero‐Langreo et al. | Multispectral vision for monitoring peach ripeness | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
CN203658250U (zh) | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测装置 | |
Wang et al. | Flexible Vis/NIR wireless sensing system for banana monitoring | |
CN106778815A (zh) | 基于DS证据理论的小麦品质THz光谱分类方法 | |
CN203275289U (zh) | 畜肉品质光谱检测装置 | |
CN210676021U (zh) | 一种工业流水线柚果无损检测设备 | |
Pothula et al. | Digital image processing based identification of nodes and internodes of chopped biomass stems | |
CN106872396A (zh) | 一种不同近红外仪器测定葡萄糖度模型转换的方法 | |
CN101368904A (zh) | 基于可见和近红外透射技术鉴别转基因番茄的方法和装置 | |
CN110376159A (zh) | 基于近红外漫透射光谱的鸭梨黑心病快速鉴别方法 | |
Hashim et al. | A numerical analysis of correlation between sucrose level measurement and near-infrared (NIR) for various grades of watermelon ripeness | |
CN106442399A (zh) | 一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法 | |
Gehlken et al. | Near-infrared spectroscopy in process control and quality management of fruits and wine | |
CN208771921U (zh) | 一种茎叶类农产品中杂物识别剔除装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190226 |