CN214844880U - 一种烟丝杂物视像检测系统 - Google Patents

Abstract

本实用新型提供一种烟丝杂物视像检测系统，包括：工业相机、工控机、PLC控制器和速度传感器。所述工控机分别与所述工业相机和所述PLC控制器信号连接，所述PLC控制器与所述速度传感器信号连接。所述速度传感器用于检测烟丝输送带的传送速度，所述PLC控制器根据所述传送速度判断烟丝输送带的运行状态并发送给所述工控机。所述工控机在所述烟丝输送带处于运转状态时控制所述工业相机对烟丝输送带上的烟丝进行拍照得到烟丝图像。所述工控机上运行有图像处理算法，对所述烟丝图像进行图像处理并进行杂物识别。本实用新型能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

Description

一种烟丝杂物视像检测系统

技术领域

本实用新型涉及卷烟生产管理技术领域，尤其涉及一种烟丝杂物视像检测系统。

背景技术

香烟在生产过程中烟丝中往往不可避免的会混有运输过程中的纸或者塑料包装碎屑，影响香烟的品质。生产过程中不同牌号的烟丝有明显颜色差异，加上烟丝的分布、形状在输送带上总是在变化，导致简单使用颜色、形状、纹理和图案等检测手段无法实现对杂物的准确检测。另外采用人工挑选烟丝中的杂质异物，受个体主观意识影响，且费时费力，长时间工作容易造成视觉疲劳，无法保证工作效率。因此，如何实现制丝线生产过程中对输送带上的烟丝表面杂物检测的准确性和智能化，具有重要的意义。

实用新型内容

本实用新型提供一种烟丝杂物视像检测系统，解决现有烟丝中杂物检测存在识别准确率不高和人力成本高的问题，能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

为实现以下目的，本实用新型提供以下技术方案：

一种烟丝杂物视像检测系统，包括：工业相机、工控机、PLC控制器和速度传感器；

所述工控机分别与所述工业相机和所述PLC控制器信号连接，所述 PLC控制器与所述速度传感器信号连接；

所述速度传感器用于检测烟丝输送带的传送速度，所述PLC控制器根据所述传送速度判断烟丝输送带的运行状态并发送给所述工控机；

所述工控机在所述烟丝输送带处于运转状态时控制所述工业相机对烟丝输送带上的烟丝进行拍照得到烟丝图像；

所述工控机用于对所述烟丝图像进行图像处理并进行杂物识别。

优选的，还包括：成像光谱仪；

所述成像光谱仪与所述工控机信号连接，所述成像光谱仪用于对烟丝输送带上的烟丝进行烟丝光谱图像检测，并将烟丝光谱图像发送给所述工控机；

所述工控机根据所述烟丝光谱图像进行杂物识别。

优选的，还包括：机械手；

所述机械手与所述PLC控制器信号连接，所述工控机根据所述烟丝图像或所述烟丝光谱图像确定杂物位置，并将所述杂物位置发送给所述PLC 控制器；

所述PLC控制器在接收到所述工控机发送的杂物信息时控制烟丝输送带停止运行，并控制所述机械手根据所述杂物位置剔除杂物。

优选的，还包括：报警装置；

所述报警装置与所述PLC控制器信号连接，所述PLC控制器在烟丝输送带停止运行时控制所述报警装置进行报警提示。

优选的，所述报警装置为以下至少一种：报警指示灯、声光报警器和蜂鸣器。

优选的，还包括：LED光源；

所述LED光源与所述PLC控制器信号连接，所述LED光源用于对所述工业相机提供光照亮度；

所述PLC控制器在烟丝输送带处于运转时控制所述LED光源进行照明。

本实用新型提供一种烟丝杂物视像检测系统，包括：工业相机、工控机、PLC控制器和速度传感器；工控机根据PLC控制器发送的烟丝输送带的运行状态控制工业相机对烟丝输送带进行拍摄，并对烟丝图像进行杂物识别。现有烟丝中杂物检测存在识别准确率不高和人力成本高的问题，能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

附图说明

为了更清楚地说明本实用新型的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。

图1是本实用新型提供的一种烟丝杂物视像检测系统示意图。

图2是本实用新型实施例提供的烟丝杂物检测流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本实用新型实施例的方案，下面结合附图和实施方式对本实用新型实施例作进一步的详细说明。

针对当前烟丝生产线中杂物检测存在识别准确率不高和人力成本高的问题。本实用新型提供一种烟丝杂物视像检测系统，解决现有烟丝中杂物检测存在识别准确率不高和人力成本高的问题，能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

如图1所示，一种烟丝杂物视像检测系统，包括：工业相机、工控机、 PLC控制器和速度传感器。所述工控机分别与所述工业相机和所述PLC控制器信号连接，所述PLC控制器与所述速度传感器信号连接。所述速度传感器用于检测烟丝输送带的传送速度，所述PLC控制器根据所述传送速度判断烟丝输送带的运行状态并发送给所述工控机。所述工控机在所述烟丝输送带处于运转状态时控制所述工业相机对烟丝输送带上的烟丝进行拍照得到烟丝图像。所述工控机上运行有图像处理算法，对所述烟丝图像进行图像处理并进行杂物识别。

具体地，系统启动后，工业相机光源为常亮状态，通过工控机读取的烟丝输送带状态，当输送带运行时，控制工业相机进行实时拍照。系统通过工控机处理当前图像后自动从工业相机图像流中抓取下一张图像进行检测。工控机通过PLC控制器获得烟丝输送带的运行状态，在检测到杂物后， PLC控制器控制烟丝输送带停机，实现自动停机功能。工控机主要完成图像流的读取、杂物图像存储、统计计数、图像格式转换、烟丝杂物检测、检测结果存储、通信控制等功能。通过速度传感器检测烟丝输送带的运行状态，在速度大于设定阈值时确定输送带处于启动状态，在速度小于设定阈值时确定输送带处于停止状态。

在一实施例中烟丝杂物检测流程如图2所示：(1)系统统启动后，打开工业相机并调用相机图像流抓取程序，开始抓取图像流。(2)、读取 PLC控制器中烟丝输送带的运行状态，如果烟丝输送带运行则传送相机流图片至待检测变量，如果烟丝输送带停止，则继续读取烟丝输送带运行状态。(3)、读取到图片后，执行检测程序，并输出检测结果。(4)、如果检测到杂物，工控机写入烟丝输送带停机信号至PLC控制器，PLC程序驱动启动设备报警、并停机，等待操作人员检查、处理。操作人员检查处理，确实有杂物，则处理杂物后，进行杂物处理确认，系统存储杂物图片，检测结果；如操作人员检查无杂物，则进行误检测处理确认，系统保存误检测图片，存储检测结果。(5)、如果未检测到杂物，继续下一检测周期，不断执行检测。需要说明的是，工控机上运行的图像处理算法可采用神经网络算法实现，也可以其它算法实现。该系统能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

该系统还包括：成像光谱仪。所述成像光谱仪与所述工控机信号连接，所述成像光谱仪用于对烟丝输送带上的烟丝进行烟丝光谱图像检测，并将烟丝光谱图像发送给所述工控机。所述工控机根据所述烟丝光谱图像进行杂物识别。

在实际应用中，通过成像光谱仪对烟丝进行光谱图像检测以得到烟丝光谱图像。在工控机上构建神经网络模型并输入训练样本进行训练，进而对烟丝光谱图像进行杂物识别，以区分烟丝中的纸屑、塑料、烟丝和其它杂物。该系统能提高杂物的误检率和漏检率，能有效减小光照变化对杂物识加别的影响。

该系统还包括：机械手，所述机械手与所述PLC控制器信号连接，所述工控机根据所述烟丝图像或所述烟丝光谱图像确定杂物位置，并将所述杂物位置发送给所述PLC控制器。所述PLC控制器在接收到所述工控机发送的杂物信息时控制烟丝输送带停止运行，并控制所述机械手根据所述杂物位置剔除杂物。

在实际应用中，机械手可设置在导轨上，导轨设置在烟丝输送带周边，机械手可沿导轨移动，以抓取包含杂物的烟丝，并将该烟丝送到收集箱中，由操作人员进行人工挑拣。采用机械手能够提高工作效率，减少人工操作的安全隐患。

该系统还包括：报警装置；所述报警装置与所述PLC控制器信号连接，所述PLC控制器在烟丝输送带停止运行时控制所述报警装置进行报警提示。

进一步，所述报警装置为以下至少一种：报警指示灯、声光报警器和蜂鸣器。

该系统还包括：LED光源；所述LED光源与所述PLC控制器信号连接，所述LED光源用于对所述工业相机提供光照亮度；所述PLC控制器在烟丝输送带处于运转时控制所述LED光源进行照明。

所述工控机上设置有烟丝杂物图像识别平台，所述烟丝杂物图像识别平台包括：杂物图像数据集、Yolo V3模型和PyTorch网络。所述PyTorch 网络加载有所述Yolo V3模型，并通过调用参数设置和所述杂物图像数据集在所述Yolo V3模型中进行GPU加速训练，以得到训练好的Yolo V3模型对所述工业相机拍摄的所述烟丝图像进行杂物识别；所述PyTorch网络用于搭建深度学习加速平台。

进一步，所述烟丝杂物图像识别平台进行杂物识别，包括：

采集不同种类杂物的图片并进行标记，以形成烟丝杂物图像数据集；

对所述杂物图像数据集的杂物图像进行图像裁剪、缩放、翻转、移位、旋转、亮度调整和拉伸；

通过图像分割算法、图像增强算法或图像融合算法对烟丝图像与杂物图像进行融合处理，以得到烟丝杂物训练图像；

将所述烟丝杂物训练图像作为所述Yolo V3模型的训练样本进行模型训练；

使用训练好的Yolo V3模型对所述烟丝图像进行杂物目标检测。

具体地，在pytorch平台上实现yolov3网络模型的搭建，实现方式如下：

(1)、安装配置pytorch平台。

(2)、通过pytorch平台加载yolov3模型，调用参数设置、图像数据集在yolov3模型中进行GPU加速训练，训练结束后输出得到.pt格式的权重文件。需要说明的是，Yolo V3是Joseph Redmon等在融合ResNET、 FPN、二元交叉熵损失等方法提出的单阶段目标检测算法。Yolo V3采用新的特征提取网络Darknet-53，Darknet-53主要由5个残差块构成。YoloV3 在所属类别结果的预测方面，采用了上采样和融合做法，通过13×13、26 ×26和52×52三个不同尺度的融合特征图对目标进行独立检测，有效地增强了对大小不同物体和被遮挡物体的检测效果，并引入跃层连接以强化收敛效果。

(3)通过程序在pytorch平台调用.pt格式检测权重文件和工业相机实时图像进行检测。

可见，本实用新型提供一种烟丝杂物视像检测系统，工控机根据PLC 控制器发送的烟丝输送带的运行状态控制工业相机对烟丝输送带进行拍摄，并对烟丝图像进行杂物识别。现有烟丝中杂物检测存在识别准确率不高和人力成本高的问题，能提高烟丝杂物检测的准确性和工作效率，提高卷烟的生产质量。

以上依据图示所示的实施例详细说明了本实用新型的构造、特征及作用效果，以上所述仅为本实用新型的较佳实施例，但本实用新型不以图面所示限定实施范围，凡是依照本实用新型的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本实用新型的保护范围内。

Claims (6)

1.一种烟丝杂物视像检测系统，其特征在于，包括：工业相机、工控机、PLC控制器和速度传感器；

所述工控机分别与所述工业相机和所述PLC控制器信号连接，所述PLC控制器与所述速度传感器信号连接；

所述速度传感器用于检测烟丝输送带的传送速度，所述PLC控制器根据所述传送速度判断烟丝输送带的运行状态并发送给所述工控机；

所述工控机在所述烟丝输送带处于运转状态时控制所述工业相机对烟丝输送带上的烟丝进行拍照得到烟丝图像；

所述工控机用于对所述烟丝图像进行图像处理并进行杂物识别。

2.根据权利要求1所述的烟丝杂物视像检测系统，其特征在于，还包括：成像光谱仪；

所述成像光谱仪与所述工控机信号连接，所述成像光谱仪用于对烟丝输送带上的烟丝进行烟丝光谱图像检测，并将烟丝光谱图像发送给所述工控机；

所述工控机根据所述烟丝光谱图像进行杂物识别。

3.根据权利要求2所述的烟丝杂物视像检测系统，其特征在于，还包括：机械手；

所述机械手与所述PLC控制器信号连接，所述工控机根据所述烟丝图像或所述烟丝光谱图像确定杂物位置，并将所述杂物位置发送给所述PLC控制器；

所述PLC控制器在接收到所述工控机发送的杂物信息时控制烟丝输送带停止运行，并控制所述机械手根据所述杂物位置剔除杂物。

4.根据权利要求3所述的烟丝杂物视像检测系统，其特征在于，还包括：报警装置；

所述报警装置与所述PLC控制器信号连接，所述PLC控制器在烟丝输送带停止运行时控制所述报警装置进行报警提示。

5.根据权利要求4所述的烟丝杂物视像检测系统，其特征在于，所述报警装置为以下至少一种：报警指示灯、声光报警器和蜂鸣器。

6.根据权利要求5所述的烟丝杂物视像检测系统，其特征在于，还包括：LED光源；

所述LED光源与所述PLC控制器信号连接，所述LED光源用于对所述工业相机提供光照亮度；

所述PLC控制器在烟丝输送带处于运转时控制所述LED光源进行照明。

Images