CN215264847U - 用于识别烟箱箱号的装置和烟丝装箱设备 - Google Patents

Abstract

本公开提供了一种用于识别烟箱箱号的装置和烟丝装箱设备。该装置包括：光电触发模块、图像获取模块和工控机；其中，光电触发模块与图像获取模块电连接，图像获取模块与工控机电连接；光电触发模块安装在烟箱的输送轨道的侧面，且光电触发模块的检测方向与烟箱的行进路线相垂直；图像获取模块安装在烟箱的输送轨道的侧面，且位于光电触发模块的上方。本公开可以提高烟箱箱号识别的准确率。

Description

用于识别烟箱箱号的装置和烟丝装箱设备

技术领域

本公开涉及烟草自动控制技术领域，特别涉及一种用于识别烟箱箱号的装置和烟丝装箱设备。

背景技术

在烟草行业中，根据现有工艺流程及路径，加香后的烟丝需装入烟丝木箱中存储，以供后续工序使用。每个烟丝木箱的四个侧面均有数字编号。目前对于每个烟丝木箱的信息记录和核对流程是，将烟丝的信息由PLC(Programmable Logic Controller，可编程逻辑控制器)写入RFID(Radio Frequency Identification，射频识别)芯片中，并将烟丝信息传至上位机，在上位集控系统作统一显示。同时，由人工记录生产现场的实际烟丝木箱的箱号信息，并将记录的信息和上位机显示的信息对比，核对无误后方可确认烟丝木箱入库存储。

在当前的生产流程中，因木箱更换或PLC读写过程出现异常以及WCS(WarehouseControl System，仓储控制系统)信息修改等原因，导致箱号与RFID芯片中的信息出现不一致的情况，容易造成错混牌的风险，因而采用人工进行二次核对，但人工核对依然存在人为失误的风险。

依托于机器视觉技术的发展，目前有人尝试使用图像识别技术对烟箱箱号进行自动识别，以替代人工在现场记录的方式。该方法的烟箱箱号的识别准确率大概在95％左右，根据工艺质量管控和产品质量要求，箱号记录准确率应该大于99％，因此，该识别方法无法完全替代人工。

实用新型内容

本公开解决的一个技术问题是：提供一种用于识别烟箱箱号的装置，以提高烟箱箱号识别的准确率。

根据本公开的一个方面，提供了一种用于识别烟箱箱号的装置，包括：光电触发模块、图像获取模块和工控机；其中，所述光电触发模块与所述图像获取模块电连接，所述图像获取模块与所述工控机电连接；所述光电触发模块安装在烟箱的输送轨道的侧面，且所述光电触发模块的检测方向与所述烟箱的行进路线相垂直；所述图像获取模块安装在所述烟箱的输送轨道的侧面，且位于所述光电触发模块的上方。

在一些实施例中，所述光电触发模块包括光电传感器。

在一些实施例中，所述光电传感器为漫反射式光电传感器或对射式光电传感器。

在一些实施例中，所述图像获取模块包括工业相机、配合所述工业相机使用的闪光灯、图像存储装置和信息传输装置；其中，所述闪光灯、所述图像存储装置和所述信息传输装置分别与所述工业相机电连接。

在一些实施例中，所述工控机包括处理器、存储器、通讯装置和显示屏；其中，所述存储器、所述通讯装置和所述显示屏分别与所述处理器电连接。

根据本公开的另一个方面，提供了一种烟丝装箱设备，包括：如前所述的用于识别烟箱箱号的装置。

上述装置可以提高烟箱箱号识别的准确率。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1是示出根据本公开一些实施例的用于识别烟箱箱号的装置的结构示意图；

图2是示出根据本公开一些实施例的图像获取模块的结构示意图；

图3是示出根据本公开一些实施例的工控机的结构示意图；

图4是示出根据本公开一些实施例的用于识别烟箱箱号的方法的流程图；

图5是示出根据本公开另一些实施例的用于识别烟箱箱号的方法的流程图；

图6是示出根据本公开一些实施例的对神经网络分类器进行训练的方法的流程图；

图7是示出根据本公开一些实施例的对字符进行符号匹配的方法的流程图；

图8是示出根据本公开另一些实施例的工控机的结构示意图；

图9是示出根据本公开另一些实施例的工控机的结构示意图；

图10是示出根据本公开一些实施例的三通道的灰度直方图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

对于现有技术的烟箱箱号的自动识别方法，本公开的发明人通过现场调查发现以下原因：(1)烟箱箱号为在暗背景色上的亮字符，且背景有纹理、背景噪声较为混乱，识别过程受背景色干扰较大；(2)烟箱箱号在长时间使用后存在磨损问题，与模板的样本模型差异较大，无法准确匹配；(3)烟箱箱号在印刷过程中，印刷质量无做到统一标准，存在字体的平行度不一甚至字符粘连、字体不均匀等异常印刷的现象。

鉴于此，本公开提供一种用于识别烟箱箱号的装置和方法，以提高烟箱箱号识别的准确率。下面结合附图详细描述根据本公开一些实施例的用于识别烟箱箱号的装置和方法。

图1是示出根据本公开一些实施例的用于识别烟箱箱号的装置的结构示意图。如图1所示，该装置包括光电触发模块110、图像获取模块120和工控机130。光电触发模块110与图像获取模块120电连接，图像获取模块120与工控机130电连接。

光电触发模块110安装在烟箱(例如，烟丝木箱)的输送轨道(图中未示出)的侧面，且光电触发模块110的检测方向(光电触发模块发出的光的照射方向)与烟箱的行进路线相垂直。例如，光电触发模块包括光电传感器。光电触发模块110的检测方向即为光电传感器发出的光的照射方向。例如，光电传感器为漫反射式光电传感器或对射式光电传感器。例如，该漫反射式光电传感器的检测距离可以在30cm-80cm。优选的，可使用一对对射式光电传感器，确保信号稳定。另外，光电传感器的安装方式可以为可移动式，保证检测位置可根据烟丝木箱的实际位置及时调整。

光电触发模块110用于在检测到运行到预定位置的烟箱的情况下发出触发信号。该光电触发模块110将该触发信号传输到图像获取模块120。该光电触发模块可以利用光电传感器信号触发图像获取模块的相机拍照，可以精确定位相机拍照时机。

例如，使用光电传感器作为图像获取模块120拍照的触发条件。当烟丝木箱经过并遮挡住光电传感器时，光电传感器产生一个高电平电压信号(作为触发信号)，信号传输至图像获取模块120并触发图像获取模块120拍照，使用此方法可保证图像获取模块拍照的时机和烟丝木箱的实时位置产生关联，减少图像获取模块的误动作次数，保证图片质量稳定，使得图片能包含有效信息。

图像获取模块120安装在烟箱的输送轨道的侧面，且位于光电触发模块110的上方。图像获取模块120用于在接收到触发信号后对烟箱进行拍照以采集烟箱的图像。该图像获取模块120将该烟箱的图像传输到工控机130。

工控机130用于从图像获取模块120接收该烟箱的图像，从该图像中获取烟箱上的字符，将该字符输入到预先训练的神经网络分类器中进行符号匹配以识别出烟箱的箱号。例如，该神经网络分类器为基于向量机的分类器或者基于多层神经元的分类器。

在一些实施例中，该工控机130用于对烟箱的图像进行识别区域定位和图片裁剪处理，对经过图片裁剪处理后的图片进行文本倾斜校正和二值化处理，并对经过二值化处理后的图片进行字符分割处理以获取烟箱上的字符。这样可以提高识别烟箱上的字符的准确率。

在一些实施例中，工控机130可以用于在符号匹配的过程中，根据多个不同的通道进行多次符号匹配。这可以有效提高识别的准确率。

至此，提供了根据本公开一些实施例的用于识别烟箱箱号的装置。该装置包括：光电触发模块、图像获取模块和工控机；其中，光电触发模块与图像获取模块电连接，图像获取模块与工控机电连接；光电触发模块安装在烟箱的输送轨道的侧面，且光电触发模块的检测方向与烟箱的行进路线相垂直；图像获取模块安装在烟箱的输送轨道的侧面，且位于光电触发模块的上方。该装置可以提高烟箱箱号识别的准确率。

在一些实施例中，工控机130可以用于利用历史数据对神经网络分类器进行训练。

具体地，工控机130可以用于从历史数据中筛选出识别异常的图片，对该识别异常的图片进行分类并进行图像预处理，从经过图像预处理后的图片中提取特征向量，将该特征向量输入到神经网络分类器中以对神经网络分类器进行训练，对经过训练的神经网络分类器进行验证以获得有效的神经网络分类器。例如，图像预处理包括字符分割处理和二值化处理。

在一些实施例中，特征向量包括基于灰度值的特征向量。

选优地，该特征向量包括基于灰度值的特征向量和基于符号区域的特征向量。这可以使得分类器能够被更好的训练，提高后续符号匹配的准确率。

在一些实施例中，工控机130可以用于在对经过训练的神经网络分类器验证完毕后，将训练完成的多个神经网络分类器样本存储在分类器文件中，并获得每个神经网络分类器样本的置信值，并根据每个神经网络分类器样本的置信值确定对应的神经网络分类器样本是否为有效的神经网络分类器。这里，工控机130用于在神经网络分类器样本的置信值大于阈值的情况下，确定对应的神经网络分类器样本为有效的神经网络分类器。这样实现了对经过训练的神经网络分类器的验证处理，从而可以获得有效的神经网络分类器。

例如，上述阈值可以为0.99。需要说明的是，该阈值仅是示例性的，本领域技术人员能够理解，可以根据实际需要来设置该阈值，因此，本公开的范围并不仅限于这里所公开的该阈值的具体值。

图2是示出根据本公开一些实施例的图像获取模块的结构示意图。

在一些实施例中，如图2所示，该图像获取模块120可以包括工业相机121、配合该工业相机121使用的闪光灯122、图像存储装置(例如，存储器)123和信息传输装置124。闪光灯122、图像存储装置123和信息传输装置124分别与工业相机121电连接。例如，工业相机121与光电触发模块电连接，信息传输装置124与工控机130电连接。

例如，该图像获取模块的工业相机121的镜头与烟箱侧面箱号的距离在50cm-80cm之间，安装高度在1.3m-1.5m之间，保证箱号信息在镜头视野范围内。该图像获取模块的安装支架可以为可移动且可调节式的支架。该支架还可以挂载闪光灯122。

该工业相机121用于在接收到光电触发模块发来的触发信号后对烟箱进行拍照。该闪光灯122用于在工业相机121拍照时进行闪光。该图像存储装置123用于存储烟箱的图像。该信息传输装置用于将烟箱的图像传输到工控机130。

至此，描述了根据本公开一些实施例的图像获取模块，该图像获取模块可以对烟箱侧面的箱号进行拍摄，当接收到光电触发模块的信号后，进行拍照动作，并将拍照得到的烟箱图像传输至工控机，从而实现了对烟箱图像的采集。

图3是示出根据本公开一些实施例的工控机的结构示意图。

在一些实施例中，如图3所示，该工控机130可以包括处理器131、存储器132、通讯装置133和显示屏134。存储器132、通讯装置133和显示屏134分别与处理器131电连接。

该通讯装置133用于与其他设备(例如图像获取模块120)进行通讯。例如，通讯装置133可以与图像获取模块的信息传输装置124电连接。

该处理器131用于基于存储在存储器的指令执行如前所述的工控机的功能。

该显示屏134用于显示识别结果。例如，工控机可以将识别、对比结果统一显示在显示屏134中，进行集中展示，供后续查询使用。

至此，提供了根据本公开一些实施例的工控机。该工控机可以用于执行图片分割、区域识别、模型对比等计算机程序，还可以用于通过通讯装置接收图像信息，进行对比，输出对比结果，还可以用于将识别、对比结果统一显示在显示屏中，进行集中展示，供后续查询使用。

在本公开的一些实施例中，还提供了一种烟丝装箱设备。该烟丝装箱设备包括如前所述的用于识别烟箱箱号的装置，例如，如图1所示的用于识别烟箱箱号的装置。

图4是示出根据本公开一些实施例的用于识别烟箱箱号的方法的流程图。如图4所示，该方法包括步骤S402至S406。

在步骤S402，接收烟箱的图像。

例如，通过架设在烟箱输送轨道侧面的相机对烟箱的箱号图片进行拍摄，实时传递给工控机，工控机接收该烟箱的图像并存储。

在步骤S404，从图像中获取烟箱上的字符。

在一些实施例中，该步骤S404可以包括：对烟箱的图像进行识别区域定位和图片裁剪处理；对经过图片裁剪处理后的图片进行文本倾斜校正；对经过文本倾斜校正后的图片进行二值化处理；以及对经过二值化处理后的图片进行字符分割处理以获取烟箱上的字符。

在步骤S406，将字符输入到预先训练的神经网络分类器中进行符号匹配以识别出烟箱的箱号。例如，该神经网络分类器为基于向量机的分类器或者基于多层神经元的分类器。

至此，提供了根据本公开一些实施例的用于识别烟箱箱号的方法。该方法包括：接收烟箱的图像；从图像中获取烟箱上的字符；以及将该字符输入到预先训练的神经网络分类器中进行符号匹配以识别出烟箱的箱号。由于在该方法中将提取的烟箱上的字符输入到已经训练好的神经网络分类器中进行符号匹配，因此，该方法可以提高烟箱箱号识别的准确率。

图5是示出根据本公开另一些实施例的用于识别烟箱箱号的方法的流程图。如图5所示，该方法包括步骤S502至S512。

在步骤S502，接收烟箱的图像。

例如，通过open_framegrabber程序调用架设在烟箱输送轨道侧面的相机对烟箱的箱号图片进行拍摄，实时传递给工控机，工控机接收该烟箱的图像并存储。

在步骤S504，对烟箱的图像进行识别区域定位和图片裁剪处理。

在该步骤中，为了使识别速度能满足现场使用要求以及识别效率，需要对步骤S502中获取到的图片进行识别区域定位和图片裁剪。例如，使用gen_rectangle函数设置一个矩形框的坐标(x1,y1,x2,y2)＝(330,350,630,930))，用于框选识别区域，使用reduce_domain函数对所选区域进行限定强化，减小识别面积，提高识别效率。

在步骤S506，对经过图片裁剪处理后的图片进行文本倾斜校正。

在该步骤中，进行图像校正。使用仿射变换的方法将步骤S504处理后的图片进行文本倾斜校正。仿射变换的过程可写为如下的形式：

其中，(x，y)为图像的原坐标，(u，v)为图像变换后的坐标，a₀、a₁、a₂、b₀、b₁和b₂为变换因子。

经变换后，保持二维图片的“平直性”和“平行性”，即二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺序不变。将倾斜的图片旋转至水平状态，对于包含字符的图片，可以利用hom_mat2d_identity函数生成二维变换的齐次变换矩阵，然后利用hom_mat2d_slant函数向生成的二维变换的齐次变换矩阵中添加斜率，并利用affine_trans_image函数对图像应用仿射2D(二维)变换。

在步骤S508，对经过文本倾斜校正后的图片进行二值化处理。

在该步骤中，通过图像二值化可以实现降噪。相机获取到的为一幅三通道(R,G,B)的图片，为了更好提取符号区域的灰度特征值，需要对图像进行通道分离。例如，可以利用使用decompose3(Image,Image_R,Image_G,Image_B)算法将图片(Image)分离为三幅单通道的图片，可以根据灰度直方图的灰度值数据设置相应的提取阈值，得到在阈值范围内的图片，以达到降噪的目的，排除背景色的干扰。

例如，如图10所示，R通道的字符灰度值分布范围在0～100之间，G通道的字符灰度值分布范围在0～60之间，B通道的字符灰度值分布范围在0～60之间。可以根据灰度值数据分别将三幅图的灰度值阈值设定为R＝100，G＝60，B＝60，使用threshold函数(阈值函数)提取阈值范围内的区域，以达到降噪的目的，排除背景色干扰的同时最大程度保存有效符号的区域。

在步骤S510，对经过二值化处理后的图片进行字符分割处理以获取烟箱上的字符。

在得到阈值范围内的图像区域后，可以(例如，使用select_shape_std函数)选择最符合特征向量的区域，(例如，使用connection函数)将该区域进行连通，认为该区域是符号区域，从而将符号和背景分割开。

在步骤S512，将字符输入到预先训练的神经网络分类器中进行符号匹配以识别出烟箱的箱号。例如，将分割出的符号放入预先训练的神经网络分类器中进行符号匹配，将匹配结果存入Characters集合(特征集合)中。

在一些实施例中，在符号匹配的过程中，可以根据多个不同的通道进行多次符号匹配。

具体地，可以参考图7所示，在程序调用后，在匹配过程中，可以先采用第一通道进行符号识别，即进行结果比对，如果正确，则输出结果，否则，采用下一通道继续进行符号识别。

例如，在匹配过程中，第一次匹配可以以R(红色)灰度通道进行识别，即进行结果比对，若失败，则可更换G(绿色)灰度通道进行再次匹配，重复步骤S508和步骤S510，以此类推，可继续尝试B(蓝色)灰度通道，通道数根据原始图片的通道数决定。通过采用多通道循环匹配的方法，可在一次图片采集的基础上进行多次识别，有效提高识别的准确率。

可以将匹配结果作为程序输出参数传递给上位程序，例如，可设定输出参数的格式，例如“[0-9][0-9][0-9][0-9]”，供后续对比使用。

至此，提供了根据本公开另一些实施例的用于识别烟箱箱号的方法。在该方法中，在线识别箱号的过程中调用了自训练的分类器，而且使用了多通道循环测试的算法，能对图片符号进行循环识别，改变了以往图片符号只进行一次匹配测试的情况，能有效提高烟箱箱号的识别准确率。

在一些实施例中，在线识别箱号的程序调用了自训练的分类器，并且在识别参数上可以增加针对烟草行业装箱站设备现场情况的设置，还包括了对图像的校正和二值化处理等，参数的设置可调整，面对现场复杂多变的光源条件，可及时改善识别效果，能更好的解决符号破损、符号粘连、印刷质量差等导致的箱号无法识别的问题。

另外，前面所述的工控机130可以实现该图5所示的方法的功能。

图6是示出根据本公开一些实施例的对神经网络分类器进行训练的方法的流程图。如图6所示，该方法包括步骤S602至S610。

在步骤S602，从历史数据中筛选出识别异常的图片，对识别异常的图片进行分类。

在该步骤中，收集准备相关字符的图片。从历史数据中筛选出识别异常的图片，统计异常箱号，对异常的图片进行分类。例如，对一些轻微破损或印刷异常的箱号图片进行归类。

优选的，可将图片进行样本变形处理，包括旋转、径向变形、模拟噪声、局部变形、符号倾斜和笔划宽度变形等，用来模拟实际可能出现的符号特征，快速提高样本数量。

在步骤S604，对识别异常的图片进行图像预处理，其中，图像预处理包括字符分割处理和二值化处理。

这里，字符分割是为了将图片中的有效字符区域和背景分离开，在后续训练步骤中能准确提取出图片的轮廓、边缘特征向量。可以使用threshold函数进行二值化处理，提取出灰度值大于设定阈值的区域。该二值化处理用于印刷质量有欠缺的图片。通过二值化处理后，一幅三通道(R,G,B)的图像可分离为三幅单通道的二值化图像，有利于提取基于灰度值的特征向量。

在步骤S606，从经过图像预处理后的图片中提取特征向量。例如，该特征向量包括基于灰度值的特征向量和基于符号区域的特征向量。可以使用本领域技术人员已知的技术提取特征向量。

在步骤S608，将特征向量输入到神经网络分类器中以对神经网络分类器进行训练。

例如，可以先创建神经网络分类器。可选择基于SVM(support vector machines，支持向量机)向量机的分类器或者基于MLP(MultiLayer Perceptron，多层感知机)多层神经元的分类器。从分类器的准确度和使用的便利性上考虑，可以优选使用基于MLP多层神经元的分类器。基本特征向量为灰度值(例如，pixel_invar灰度值)和符号区域(例如，pixel_binary符号区域)。MLP多层神经网络分类器的输入输出过程可用函数表示：

其中，

表示输入的特征向量，

和

表示每层神经元的权重，

表示神经元的输出。

然后，可以设置参数。基于上面创建的分类器，由函数可知，确定特征向量后，应对不同特征向量值的

权重值进行设置，具体地，为实现符号的识别，可手动输入符号宽度、符号高度、符号笔划宽度、符号片段最小连接值、文本行方向偏移量、符号倾斜角度、文本布局方式、文本行数量、是否需要反转图像等参数。另外，由于参数

的影响较小，可以根据实际需要设置该参数

例如，可以将

设置为0，即省略该

优选地，可以使用gen_rectangle函数设置矩形框坐标值，用以框选需要识别的范围。

基于上述参数设置，例如可以使用trainf_ocr_class_mlp算子训练分类器，在训练成功后，需要将符号信息导入分类器中，并为导入的符号信息命名。例如代表数字“1”的符号命名为“符号1”。为丰富训练库内容，步骤S602中的字符收集环节需大量样本，多种代表数字“1”的样本图片可同时命名为“符号1”，以此类推。

在一些实施例中，分类器需要的样本数量可以大于2000，根据分类器的Confidence值(置信值)可知分类器的效果。

在步骤S610，对经过训练的神经网络分类器进行验证以获得有效的神经网络分类器。

在一些实施例中，该步骤S610包括：在对经过训练的神经网络分类器验证完毕后，将训练完成的多个神经网络分类器样本存储在分类器文件中，并获得每个神经网络分类器样本的置信值；以及根据每个神经网络分类器样本的置信值确定对应的神经网络分类器样本是否为有效的神经网络分类器；其中，在神经网络分类器样本的置信值大于阈值的情况下，确定对应的神经网络分类器样本为有效的神经网络分类器。

例如，在训练完成后，将生成的分类器代入程序算法中使用，验证准确率，若准确率无法提升，需要增大步骤S608中训练样本数量，并且优化参数设置，准确率达到98％为是否具有可行性的阈值判断条件。可以使用write_ocr_class_mlp函数保存训练文件，将所有训练好的分类器样本存入以.omc命名的分类器文件中，每个样本对应得到一个置信值，当置信值高于阈值(例如，0.99(最高1.0))时，可认为是有效的分类器。

至此，提供了本公开一些实施例的对神经网络分类器进行训练的方法。在该方法中，使用自有图片作为训练集，生成符合实际现场的分类器，解决了系统自带分类器识别率不高的情况。

另外，生成的分类器是可迭代的，在发现新的识别异常的情况下，可将异常图片导入分类器进行训练，完善识别效果，提升分类器准确率。

另外，前面所述的工控机130可以实现该图6所示的方法的功能。

图8是示出根据本公开另一些实施例的工控机的结构示意图。工控机包括存储器810和处理器820。其中：

存储器810可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图4至图7中的至少一个所对应实施例中的指令。

处理器820耦接至存储器810，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器820用于执行存储器中存储的指令，可以提高烟箱箱号识别的准确率。

在一些实施例中，还可以如图9所示，工控机900包括存储器910和处理器920。处理器920通过BUS总线930耦合至存储器910。工控机900还可以通过存储接口940连接至外部存储装置950以便调用外部数据，还可以通过网络接口960连接至网络或者另外一台计算机系统(未标出)，此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，可以提高烟箱箱号识别的准确率。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (6)

1.一种用于识别烟箱箱号的装置，其特征在于，包括：

光电触发模块、图像获取模块和工控机；

其中，所述光电触发模块与所述图像获取模块电连接，所述图像获取模块与所述工控机电连接；

所述光电触发模块安装在烟箱的输送轨道的侧面，且所述光电触发模块的检测方向与所述烟箱的行进路线相垂直；

所述图像获取模块安装在所述烟箱的输送轨道的侧面，且位于所述光电触发模块的上方。

2.根据权利要求1所述的装置，其特征在于，

所述光电触发模块包括光电传感器。

3.根据权利要求2所述的装置，其特征在于，

所述光电传感器为漫反射式光电传感器或对射式光电传感器。

4.根据权利要求1所述的装置，其特征在于，

所述图像获取模块包括工业相机、配合所述工业相机使用的闪光灯、图像存储装置和信息传输装置；

其中，所述闪光灯、所述图像存储装置和所述信息传输装置分别与所述工业相机电连接。

5.根据权利要求1所述的装置，其特征在于，

所述工控机包括处理器、存储器、通讯装置和显示屏；

其中，所述存储器、所述通讯装置和所述显示屏分别与所述处理器电连接。

6.一种烟丝装箱设备，其特征在于，包括：如权利要求1至5任意一项所述的用于识别烟箱箱号的装置。

Images