CN115281365A - 一种杂物检测系统及杂物检测方法 - Google Patents
一种杂物检测系统及杂物检测方法 Download PDFInfo
- Publication number
- CN115281365A CN115281365A CN202210922167.8A CN202210922167A CN115281365A CN 115281365 A CN115281365 A CN 115281365A CN 202210922167 A CN202210922167 A CN 202210922167A CN 115281365 A CN115281365 A CN 115281365A
- Authority
- CN
- China
- Prior art keywords
- shredded tobacco
- adjacent
- conveying device
- detection system
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 241000208125 Nicotiana Species 0.000 claims abstract description 157
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 157
- 239000012535 impurity Substances 0.000 claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000000779 smoke Substances 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 10
- 235000019504 cigarettes Nutrition 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229920001971 elastomer Polymers 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 239000005060 rubber Substances 0.000 description 3
- 239000004677 Nylon Substances 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 229920001778 nylon Polymers 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000035943 smell Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000003670 easy-to-clean Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- A24B3/16—Classifying or aligning leaves
-
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开涉及一种用于检测烟丝中杂物的杂物检测系统和杂物检测方法，杂物检测系统包括：烟丝传送机构，包括多级传送装置(1)，烟丝(2)在所述多级传送装置(1)中的相邻两级传送装置(1)之间传输，其中，所述多级传送装置(1)中的至少部分相邻的两级传送装置(1)的相邻端的端部存在高度差；图像采集装置(3)，邻近所述多级传送装置(1)中相邻的两级传送装置(1)之间的区域设置；处理器(4)，与所述图像采集装置(3)信号连接，被配置为：当所述烟丝(2)在相邻两级传送装置(1)中较高的传送装置(1)下落至较低的传送装置(1)时，使所述图像采集装置(3)采集烟丝图像，并根据烟丝图像识别烟丝(2)中的杂物(5)。
Description
技术领域
本公开涉及烟丝除杂技术领域，尤其涉及一种杂物检测系统和杂物检测方法。
背景技术
烟丝制丝生产过程中经常会发现各类非植物性的杂物，比如橡胶、塑料、尼龙、泡沫等。如果杂物卷入烟支，消费者点燃烟支时会释放异味，由此带来不佳的口感，因此烟丝中的杂物控制在卷烟生产过程中是重要环节。
发明内容
发明人经研究发现，相关技术中烟草切丝后的烟丝和杂物通常只有1mm*5mm左右大小，视觉识别难度大，而挑杂主要是靠人工来完成，对烟丝中的细小杂物进行挑选甄别需要投入的人力成本高，而且识别剔除的效果和效率不高；现场工作环境不佳，粉尘重杂音大，批次连续生产时间长且工作内容枯燥，也容易使操作人员产生视觉疲劳，影响叶丝段切丝后挑杂效果。
有鉴于此，本公开实施例提供一种杂物检测系统和杂物检测方法，有助于提高烟丝中杂物检测的精度。
在本公开的一个方面，提供一种用于检测烟丝中杂物的杂物检测系统，包括：
烟丝传送机构，包括多级传送装置，烟丝在多级传送装置中的相邻两级传送装置之间传输，多级传送装置中的至少部分相邻的两级传送装置的相邻端的端部存在高度差；
图像采集装置，邻近多级传送装置中相邻的两级传送装置之间的区域设置；
处理器，与图像采集装置信号连接，被配置为：
当烟丝在相邻两级传送装置中较高的传送装置下落至较低的传送装置时，使图像采集装置采集烟丝图像，并根据烟丝图像识别烟丝中的杂物。
在一些实施例中，烟丝的密度为ρkg/m3，在相邻两级传送装置中较高的传送装置末端抛出时的厚度为tm，相邻两级传送装置中较高的传送装置的宽度为wm、传送速度为vm/s；
其中，
k满足：k＝1～3kg/s。
在一些实施例中，相邻两级传送装置中较高的传送装置的传送速度v满足：v＝0.5～2，宽度w满足：w＝0.5～1。
在一些实施例中，相邻两级传送装置中较高的传送装置的宽度和传送速度的乘积w*v满足：w*v＝0.727。
在一些实施例中，相邻两级传送装置中较高的传送装置的传送速度v满足：v＝1，宽度w满足：w＝0.727。
在一些实施例中，相邻两级传送装置的相邻端的端部的高度差为Hcm，所述高度差H满足：H＝15～20。
在一些实施例中，相邻两级传送装置的相邻端的端部的高度差H满足：H＝18。
在一些实施例中，处理器被进一步配置为：使图像采集装置采集至少包括烟丝在相邻两级传送装置之间的下落过程中处于最高点时的烟丝图像。
在一些实施例中，图像采集装置包括摄像机，摄像机的收光区域与相邻两级传送装置之间的区域至少部分重合。
在一些实施例中，图像采集装置还包括光源，设置在相邻两级传送装置之间的区域周围。
在一些实施例中，光源的数量为两个，摄像机的光轴的中线穿过两个光源之间的范围。
在一些实施例中，光源包括线性光源，线性光源平行于传送装置的宽度方向设置。
在一些实施例中，图像采集装置还包括罩体，相邻的两级传送装置的相邻端的端部、摄像机和光源设置在罩体的内部。
在一些实施例中，罩体的外壁包括玻璃。
在一些实施例中，处理器被配置为：
通过建立和训练非烟杂物人工智能模型识别烟丝图像中的杂物。
在一些实施例中，非烟杂物人工智能模型包括烟丝和杂物的颜色和/或形状特征。
在一些实施例中，杂物检测系统还包括：
报警装置，与处理器信号连接；
其中，处理器被配置为：
当识别到杂物，使报警装置发出警报。
在一些实施例中，杂物检测系统还包括：
剔除装置，与处理器信号连接；
其中，处理器被配置为：
当识别到杂物，使剔除装置剔除杂物。
在本公开的另一方面，提供一种基于上述任一的杂物检测系统的杂物检测方法，包括：
通过图像采集装置采集烟丝在相邻两级传送装置中较高的传送装置的末端下落至较低的传送装置的始端时的烟丝图像；
根据烟丝图像，识别烟丝中的杂物。
在一些实施例中，采集烟丝图像的操作具体包括：
通过图像采集装置采集至少包括烟丝在相邻两级传送装置之间的下落过程中处于最高点时的烟丝图像。
在一些实施例中，识别烟丝图像中的杂物的操作具体包括：
调用非烟杂物人工智能模型；
对烟丝图像中的烟丝和杂物进行分类；
输出分类结果，确定烟丝中的杂物。
在一些实施例中，杂物检测方法还包括：
提取烟丝图像的拓扑结构。
在一些实施例中，杂物检测方法还包括：
根据识别结果，调整非烟杂物人工智能模型的参数。
在一些实施例中，杂物检测方法还包括：
当识别到杂物时，通过报警装置报警。
在一些实施例中，杂物检测方法还包括：
当识别到杂物时，通过剔除装置将杂物剔除。
因此，根据本公开实施例，通过设置具有高度差的相邻两级传送装置，以使烟丝从较高的传送装置的末端下落至较低的传送装置的首端时，烟丝处于漂浮离散状从而变得更松散，采集此时厚度、密度较小的烟丝的图像，并对烟丝图像进行视觉识别，有利于提高烟丝中杂物的检测识别效率和准确性，从而有效提高烟丝的纯净度，保证整批次烟丝的产品质量。此外，还可减少人工返工挑杂次数，减少烟丝的水分散失和造碎量，降低反复挑杂导致更多的杂物混入的风险。
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是根据本公开杂物检测系统的一些实施例的结构示意图；
图2是根据本公开杂物检测系统的一些实施例的侧视图；
图3是根据本公开杂物检测系统的一些实施例的连接关系图；
图4是根据本公开杂物检测系统的另一些实施例的结构示意图；
图5是根据本公开杂物检测系统的一些实施例的局部示意图；
图6是根据本公开杂物检测方法的一些实施例的流程图。
应当明白，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。此外，相同或类似的参考标号表示相同或类似的构件。
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。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以以许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。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、材料的组分、数字表达式和数值应被解释为仅仅是示例性的，而不是作为限制。
本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的部分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
在本公开中，当描述到特定器件位于第一器件和第二器件之间时，在该特定器件与第一器件或第二器件之间可以存在居间器件，也可以不存在居间器件。当描述到特定器件连接其它器件时，该特定器件可以与所述其它器件直接连接而不具有居间器件，也可以不与所述其它器件直接连接而具有居间器件。
本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
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。
烟丝2在生产过程中经常会发现橡胶、塑料、尼龙、泡沫等非植物性的杂物5，如果杂物5卷入烟支，烟支燃烧时会释放异味，给消费者带来不佳的口感，因此烟丝2中的杂物5控制在卷烟生产过程中是重要环节。
车间现有的除杂类设备有叶片杂物剔除机、切丝前金属探测仪、烘丝后风选等，叶片杂物剔除机的剔除率大概在85％，丝线金属探测仪只对金属物体起作用，烘丝后风选设备对塑料或橡胶等轻质物体无法剔除，所以仍存在非烟草类杂物5混入烟丝2的情况。
相关技术中叶丝段切丝后的挑杂主要是靠人工来完成，对烟丝2中的细小杂物5进行挑选甄别需要投入较高的人力成本，且识别剔除的效果和效率不高。由于工作环境不佳、粉尘重杂音大，批次连续生产时间长且工作内容枯燥，容易导致操作人员产生视觉疲劳，影响叶丝段切丝后挑杂效率和精度。此外，有别于传统叶片段除杂设备和技术，切丝后的烟丝2和杂物5通常只有1mm*5mm左右大小，视觉识别颗粒度很小，切丝后振槽上方烟丝2料层较厚，厚度在6-10cm左右，相关识别技术只能对烟丝2表面的杂物5进行有效识别，无法有效检测烟丝2料层内部的杂物5，造成了一定程度上的杂物5漏检风险。
有鉴于此，参考图1～图3，本公开实施例提供一种用于检测烟丝2中杂物5的杂物检测系统，包括：烟丝传送机构、图像采集装置3和处理器4。烟丝传送机构包括多级传送装置1，传送装置1包括但不限于高速振动的振动输送机，可在末端将烟丝2抛出时使其摊薄均匀。图2中的箭头方向为传送装置1的传送方向，所述传送装置的长度方向平行于所述传送装置1的传送方向，所述传送装置1的宽度方向垂与所述传送方向垂直。烟丝2从切丝机8中输出后在多级传送装置1中的相邻两级传送装置1之间传输，多级传送装置1中的至少部分相邻的两级传送装置1的相邻端的端部存在高度差，如图2中的H所示。
图像采集装置3邻近多级传送装置1中相邻的两级传送装置1之间的区域设置，烟丝2从较高的传送装置1的末端抛送至较低的传送装置1的首端。处理器4可设置在控制柜内，处理器4与图像采集装置3信号连接，被配置为当烟丝2在相邻两级传送装置1中较高的传送装置1下落至较低的传送装置1时，使图像采集装置3采集烟丝图像，并根据烟丝图像识别烟丝2中的杂物5。
本实施例中，通过设置具有高度差的相邻两级传送装置1，以使烟丝2从较高的传送装置1的末端下落至较低的传送装置1的首端时，烟丝2处于漂浮离散状从而变得更松散，采集此时厚度、密度较小的烟丝2的图像，并对烟丝图像进行视觉识别，可以有效避免漏检杂物5，有利于提高烟丝2中杂物5的检测识别效率和准确性，从而有效提高烟丝2的纯净度，保证整批次烟丝2的产品质量。此外，还可减少人工返工挑杂次数，减少烟丝2的水分散失和造碎量，降低反复挑杂导致更多的杂物5混入的风险。
在一些实施例中，烟丝2的密度为ρkg/m3，ρ包括但不限于为191.11，在相邻两级传送装置1中较高的传送装置1末端抛出时烟丝2的厚度为t m，相邻两级传送装置1中较高的传送装置1的宽度为wm、传送速度为v m/s，
k满足：k＝1～3kg/s，k包括但不限于为1.39，其取值可依据烟丝2的流量大小变化。
本实施例中，较高的传送装置1抛出的烟丝2的厚度一定时，传送装置1的宽度与传送速度成反比，可根据上式关系调整传送装置1的宽度和速度，以实现将烟丝2摊薄至目标厚度，从而提高杂物5识别的精度。
在一些实施例中，相邻两级传送装置1中较高的传送装置1的传送速度v满足：v＝0.5～2，宽度w满足：w＝0.5～1。本实施例中，可根据实际生产情形调整传送装置1的宽度和传送速度，以使烟丝2抛起时分布更松散，避免漏检杂物5，从而实现理想的杂物5识别精度。
在一些实施例中，相邻两级传送装置1中较高的传送装置1的宽度和传送速度的乘积w*v满足：w*v＝0.727。本实施例中，可将较高的传送装置1的宽度和传送速度的乘积为0.727m/s2，以使烟丝2抛起时的厚度达到1cm，从而实现最优的料层厚度。
在一些实施例中，相邻两级传送装置1中较高的传送装置1的传送速度v满足：v＝1，宽度w满足：w＝0.727。本实施例中，可将带宽设置为0.727m，以使传送装置1达到最理想的输送速度1m/s，扣除传送装置1两侧的档带宽度，可采用总宽度为1m的传送装置1。
参考图2，在一些实施例中，相邻两级传送装置1的相邻端的端部的高度差为H cm，高度差H满足：H＝15～20。本实施例中，可将相邻两级传送装置1的相邻端的端部的高度差设置在15～20cm的范围内，以使抛出的烟丝2均能被图像采集装置3采集，从而保证较高的杂物5识别精度。
在一些实施例中，相邻两级传送装置1的相邻端的端部的高度差H满足：H＝18。本实施例中，当相邻两级传送装置1的相邻端的端部的高度差取值18cm时，图像采集装置3的采集区域可全面覆盖烟丝2在相邻两级传送装置1的相邻端的端部之间自由落体时可能的下落轨迹，可以提高杂物5识别的精度和可靠度。
在一些实施例中，处理器4被进一步配置为：使图像采集装置3采集至少包括烟丝2在相邻两级传送装置1之间的下落过程中处于最高点时烟丝图像。本实施例中，通过采集烟丝2从较高的传送装置1抛料至下一级较低的传送装置1的过程中烟丝2处于最高点时的图像，此时的物料层厚度最低，从而使采集到的烟丝图像中各物体组成不会相互遮挡，避免漏检杂物5，便于识别分析，以提高对烟丝2中杂物5的识别精度。
参考图2、图4和图5，在一些实施例中，图像采集装置3包括摄像机31，摄像机31的收光区域如图5中A所示，收光区域A与相邻两级传送装置1之间的区域至少部分重合。本实施例中，摄像机31包括但不限于CCD线阵扫描相机，每秒拍摄4张图像，分辨率为2K，测试精度为0.4mm/pix，摄像机31的收光区域的宽度大于传送装置1的宽度，可为800mm，实时采集烟丝2抛出时的图像。
参考图2、图4和图5，在一些实施例中，图像采集装置3还包括光源32，设置在相邻两级传送装置1之间的区域周围。本实施例中，光源32包括但不限于LED光源，工作电压为24VDC，对摄像机31的收光区域进行均匀照明，便于摄像机31采集清晰的烟丝图像，以提高杂物5识别的精度。
参考图5，在一些实施例中，光源32的数量为两个，摄像机31的光轴的中线穿过两个光源32之间的范围，包括但不限于穿过两个光源32的连线的中点。本实例中，可采用两个光源32，分别对称设置在摄像机31的两侧，以提高图像采集装置3的成像质量。
参考图4，在一些实施例中，光源32包括线性光源32，线性光源32呈长条状，其长度方向平行于传送装置1的宽度方向设置。本实施例中，可采用平行于传送装置1的宽度方向的线性光源32，以使光线均匀覆盖烟丝2经过的区域，从而提高识别精度。
参考图2、图4和图5，在一些实施例中，图像采集装置3还包括罩体33，相邻的两级传送装置1的相邻端的端部、摄像机31和光源32设置在罩体33的内部。摄像机31可设置在罩体33侧面的框架上，光源33可连接于罩体33的两个侧面之间。
本实施例中，通过将相邻的两级传送装置1的相邻端的端部、摄像机31和光源32设置在罩体33的内部，以避免环境的光变化对检测设备产生的影响，有效保护摄像机31和光源32不被污染，保障采集到的烟丝图像的质量，且使设备便于清洁。
在一些实施例中，罩体33的外壁包括玻璃。本实施例中，将罩体33的外壁设置为玻璃，避免遮挡摄像机3的采集区域，并有利于操作人员观察监测设备运行情况。
在一些实施例中，处理器4被配置为通过建立和训练非烟杂物人工智能模型识别烟丝图像中的杂物5。本实施例中，基于烟丝2和杂物5的颜色、形状等特征建立和训练人工智能模型，通过人工智能模型的实时图像识别分析，实现对烟丝2和非烟丝杂物5的准确辨别，并实时输出分类结果。
在一些实施例中，非烟杂物人工智能模型包括烟丝2和杂物5的颜色和/或形状特征。本实施例中，采集烟丝2及其中常见杂物5的样本，基于烟丝2和杂物5的图像中的线条、边、角等形状和颜色的特征组合出杂物5和烟丝2的人工智能模型，该模型的参数可根据杂物5的识别结果和准确率进行实时调整和优化，以提高识别的精度和效率。
参考图3和图4，在一些实施例中，杂物检测系统还包括报警装置6，与处理器4信号连接，处理器4被配置为当识别到杂物5，使报警装置6发出警报。本实施例中，若处理器4识别出烟丝2中存在杂物5，则使报警装置6报警，报警装置6包括但不限于以声和/或光形式发出报警信号。
参考图3，在一些实施例中，杂物检测系统还包括剔除装置7，剔除装置7包括但不限于翻转式剔除机构，设置在传送装置1上，与处理器4信号连接，处理器4被配置为当识别到杂物5，使剔除装置7剔除杂物5。本实施例中，处理器4还可在识别到杂物5后使剔除装置7将杂物5剔除，或使传送装置1停机，以便人工进行杂物5的剔除。
参考图6，在本公开实施例的另一方面，提供一种基于上述任一的杂物检测系统的杂物检测方法，包括：步骤S1到S2。
在步骤S1中，通过图像采集装置3采集烟丝2在相邻两级传送装置1中较高的传送装置1的末端下落至较低的传送装置1的始端时的烟丝图像。
在步骤S2中，根据烟丝图像，识别烟丝2中的杂物5。
本实施例中，通过采集烟丝2从较高的传送装置1的末端下落至较低的传送装置1的首端的图像，由于此时烟丝2和杂物5处于漂浮离散状，物料的厚度较小不会相互遮挡，有利于提高烟丝2中杂物5的检测识别效率和准确性，从而有效提高烟丝2的纯净度，保证整批次烟丝2的产品质量。
在一些实施例中，采集烟丝图像的操作具体包括：通过图像采集装置3采集至少包括烟丝2在相邻两级传送装置1之间的下落过程中处于最高点时的烟丝图像。
本实施例中，通过采集烟丝2从较高的传送装置1抛料至下一级较低的传送装置1的过程中，烟丝2处于最高点时的图像，此时的物料层厚度最低，从而使采集到的烟丝图像中各物体组成不会相互遮挡，便于识别分析，以提高对烟丝2中杂物5的识别精度。
在一些实施例中，识别烟丝图像中的杂物5具体包括：调用非烟杂物人工智能模型，对烟丝图像中的烟丝2和杂物5进行分类，输出分类结果，确定烟丝2中的杂物5。
本实施例中，人工智能模型可将烟丝图像中的特征提取，并将对图像中各物体分为烟丝2和杂物5两个分类标签，并输出分类结果，还可以通过不断的优化参数来获得所需目标精度。
在一些实施例中，杂物检测方法还包括：提取烟丝图像的拓扑结构。本实施例中，可在采集烟丝图像后，提取图像的拓扑结构，基于拓扑结构对烟丝2和杂物5进行分类，还可采用反向传播算法来优化网络结构，求解网络中的未知参数，经过预处理，建立烟丝2和杂物5的线条、边、角、简单形状、复杂形状等有效模型。
在一些实施例中，杂物检测方法还包括：根据识别结果，调整非烟杂物人工智能模型的参数。本实施例中，可在实际应用中根据已识别样本的准确率调整人工智能模型的参数，在识别精度小于设定精度阈值时，对人工智能算法系统参数值进行调整，使得各类杂物5的特征值产生变化，进而提高视觉检测分辨率精度，使生产过程中烟丝2中杂物5的识别准确率提高，直至生产过程中杂物5识别的误剔率小于设定的合理区间为止，从而可以提高切丝后烟丝2中杂物5的识别精度，同时降低杂物5识别的误剔率，提升生产过程烟丝2纯净度保障能力。实际生产中，若连续两个批次的生产过程中误剔率有增大趋势，则需要对当前的人工智能算法控制参数值进行调整。
参考图6，在一些实施例中，杂物检测方法还包括：步骤S3到S4。在步骤S3中，判断是否识别到杂物5。在步骤S4中，当判断有杂物5，通过报警装置6报警，报警装置6包括但不限于以声和/或光形式发出报警信号。本实施例中，当发现有杂物5时，发出报警信号，提示操作人员及时剔除杂物5。
参考图6，在一些实施例中，杂物检测方法还包括：步骤S5。在步骤S5中，当识别到杂物5时，通过剔除装置7将杂物5剔除。本实施例中，当发现有杂物5时，可使剔除装置7将杂物5剔除或使传送装置1停止运行，以便人工操作处理。
至此，已经详细描述了本公开的各实施例。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或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。
Claims (25)
1.一种用于检测烟丝中杂物的杂物检测系统，其特征在于，包括：
烟丝传送机构，包括多级传送装置(1)，烟丝(2)在所述多级传送装置(1)中的相邻两级传送装置(1)之间传输，其中，所述多级传送装置(1)中的至少部分相邻的两级传送装置(1)的相邻端的端部存在高度差；
图像采集装置(3)，邻近所述多级传送装置(1)中相邻的两级传送装置(1)之间的区域设置；
处理器(4)，与所述图像采集装置(3)信号连接，被配置为：
当所述烟丝(2)在相邻两级传送装置(1)中较高的传送装置(1)下落至较低的传送装置(1)时，使所述图像采集装置(3)采集烟丝图像，并根据所述烟丝图像识别所述烟丝(2)中的杂物(5)。
2.如权利要求1所述的杂物检测系统，其特征在于，烟丝(2)的密度为ρkg/m3，烟丝(2)在所述相邻两级传送装置(1)中较高的传送装置(1)末端抛出时的厚度为tm，所述相邻两级传送装置(1)中较高的传送装置(1)的宽度为w m、传送速度为v m/s；
其中，
k满足：k＝1～3kg/s。
3.如权利要求2所述的杂物检测系统，其特征在于，所述相邻两级传送装置(1)中较高的传送装置(1)的传送速度v满足：v＝0.5～2，宽度w满足：w＝0.5～1。
4.如权利要求3所述的杂物检测系统，其特征在于，所述相邻两级传送装置(1)中较高的传送装置(1)的宽度和传送速度的乘积w*v满足：w*v＝0.727。
5.如权利要求4所述的杂物检测系统，其特征在于，所述相邻两级传送装置(1)中较高的传送装置(1)的传送速度v满足：v＝1，宽度w满足：w＝0.727。
6.如权利要求1所述的杂物检测系统，其特征在于，所述相邻两级传送装置(1)的相邻端的端部的高度差为H cm，所述高度差H满足：H＝15～20。
7.如权利要求6所述的杂物检测系统，其特征在于，所述相邻两级传送装置(1)的相邻端的端部的高度差H满足：H＝18。
8.如权利要求1所述的杂物检测系统，其特征在于，所述处理器(4)被进一步配置为：
使所述图像采集装置(3)采集至少包括所述烟丝(2)在所述相邻两级传送装置(1)之间的下落过程中处于最高点时的烟丝图像。
9.如权利要求1所述的杂物检测系统，其特征在于，所述图像采集装置(3)包括摄像机(31)，所述摄像机(31)的收光区域与所述相邻两级传送装置(1)之间的区域至少部分重合。
10.如权利要求9所述的杂物检测系统，其特征在于，所述图像采集装置(3)还包括光源(32)，设置在所述相邻两级传送装置(1)之间的区域周围。
11.如权利要求10所述的杂物检测系统，其特征在于，所述光源(32)的数量为两个，所述摄像机(31)的光轴的中线穿过两个所述光源(32)之间的范围。
12.如权利要求10所述的杂物检测系统，其特征在于，所述光源(32)包括线性光源(32)，所述线性光源(32)平行于所述传送装置(1)的宽度方向设置。
13.如权利要求10所述的杂物检测系统，其特征在于，所述图像采集装置(3)还包括罩体(33)，所述相邻的两级传送装置(1)的相邻端的端部、所述摄像机(31)和所述光源(32)设置在所述罩体(33)的内部。
14.如权利要求13所述的杂物检测系统，其特征在于，所述罩体(33)的外壁包括玻璃。
15.如权利要求1所述的杂物检测系统，其特征在于，所述处理器(4)被配置为：
通过建立和训练非烟杂物人工智能模型识别所述烟丝图像中的杂物(5)。
16.如权利要求15所述的杂物检测系统，其特征在于，所述非烟杂物人工智能模型包括烟丝(2)和杂物(5)的颜色和/或形状特征。
17.如权利要求1所述的杂物检测系统，其特征在于，还包括：
报警装置(6)，与所述处理器(4)信号连接；
其中，所述处理器(4)被配置为：
当识别到杂物(5)，使所述报警装置(6)发出警报。
18.如权利要求17所述的杂物检测系统，其特征在于，还包括：剔除装置(7)，与所述处理器(4)信号连接；
其中，所述处理器(4)被配置为：
当识别到杂物(5)，使所述剔除装置(7)剔除杂物(5)。
19.一种基于上述权利要求1～18任一所述的杂物检测系统的杂物检测方法，其特征在于，包括：
通过所述图像采集装置(3)采集所述烟丝(2)在相邻两级传送装置(1)中较高的传送装置(1)的末端下落至较低的传送装置(1)的始端时的烟丝图像；
根据所述烟丝图像，识别所述烟丝(2)中的杂物(5)。
20.如权利要求19所述的杂物检测方法，其特征在于，采集烟丝图像的操作具体包括：
通过所述图像采集装置(3)采集至少包括所述烟丝(2)在所述相邻两级传送装置(1)之间的下落过程中处于最高点时的烟丝图像。
21.如权利要求19所述的杂物检测方法，其特征在于，所述识别烟丝图像中的杂物(5)的操作具体包括：
调用非烟杂物人工智能模型；
对烟丝图像中的烟丝(2)和杂物(5)进行分类；
输出分类结果，确定烟丝(2)中的杂物(5)。
22.如权利要求21所述的杂物检测方法，其特征在于，还包括：
提取所述烟丝图像的拓扑结构。
23.如权利要求21所述的杂物检测方法，其特征在于，还包括：
根据识别结果，调整非烟杂物人工智能模型的参数。
24.如权利要求19所述的杂物检测方法，其特征在于，还包括：
当识别到杂物(5)时，通过报警装置(6)报警。
25.如权利要求24所述的杂物检测方法，其特征在于，还包括：
当识别到杂物(5)时，通过剔除装置(7)将杂物(5)剔除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210922167.8A CN115281365A (zh) | 2022-08-02 | 2022-08-02 | 一种杂物检测系统及杂物检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210922167.8A CN115281365A (zh) | 2022-08-02 | 2022-08-02 | 一种杂物检测系统及杂物检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115281365A true CN115281365A (zh) | 2022-11-04 |
Family
ID=83826680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210922167.8A Pending CN115281365A (zh) | 2022-08-02 | 2022-08-02 | 一种杂物检测系统及杂物检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115281365A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110162666A1 (en) * | 2010-01-07 | 2011-07-07 | Hauni Maschinenbau Ag | Method and device for removing foreign particles from a tobacco stream |
| CN103211292A (zh) * | 2013-03-20 | 2013-07-24 | 湖南中烟工业有限责任公司 | 一种片烟分段精选设备及方法 |
| NL1039764C2 (en) * | 2012-08-17 | 2014-02-18 | J O A Technology Beheer B V | A method of, a control system, a device, a sensor and a computer program product for controlling transport of fibrous material in a transport line of a pneumatic conveying system. |
| CN204400060U (zh) * | 2015-01-14 | 2015-06-17 | 平安开诚智能安全装备有限责任公司 | 皮带机传送系统 |
| CN213001298U (zh) * | 2020-08-14 | 2021-04-20 | 广西中烟工业有限责任公司 | 一种烟草除杂装置 |
| CN215984396U (zh) * | 2021-09-23 | 2022-03-08 | 秦皇岛烟草机械有限责任公司 | 一种切后烟丝在线处理装置 |
| CN114778561A (zh) * | 2022-03-21 | 2022-07-22 | 云南昆船设计研究院有限公司 | 一种基于机器视觉的烟丝质量追溯方法及系统 |
-
2022
- 2022-08-02 CN CN202210922167.8A patent/CN115281365A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110162666A1 (en) * | 2010-01-07 | 2011-07-07 | Hauni Maschinenbau Ag | Method and device for removing foreign particles from a tobacco stream |
| NL1039764C2 (en) * | 2012-08-17 | 2014-02-18 | J O A Technology Beheer B V | A method of, a control system, a device, a sensor and a computer program product for controlling transport of fibrous material in a transport line of a pneumatic conveying system. |
| CN103211292A (zh) * | 2013-03-20 | 2013-07-24 | 湖南中烟工业有限责任公司 | 一种片烟分段精选设备及方法 |
| CN204400060U (zh) * | 2015-01-14 | 2015-06-17 | 平安开诚智能安全装备有限责任公司 | 皮带机传送系统 |
| CN213001298U (zh) * | 2020-08-14 | 2021-04-20 | 广西中烟工业有限责任公司 | 一种烟草除杂装置 |
| CN215984396U (zh) * | 2021-09-23 | 2022-03-08 | 秦皇岛烟草机械有限责任公司 | 一种切后烟丝在线处理装置 |
| CN114778561A (zh) * | 2022-03-21 | 2022-07-22 | 云南昆船设计研究院有限公司 | 一种基于机器视觉的烟丝质量追溯方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 林宗寿编: "《水泥工艺学》", 31 December 2012, 武汉：武汉理工大学出版社, pages: 121 * |
| 郭粉林, 廖光军, 王艺斌: "光学烟叶杂物分选机的原理与结构", 烟草科技, no. 03, 25 March 2002 (2002-03-25), pages 23 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103801514B (zh) | 一种制丝线烟叶自动化精选装置及方法 | |
| CN106052571B (zh) | 一种智能化快速检测烟用叶丝长度及其分布的装置和方法 | |
| CN103211292B (zh) | 一种片烟分段精选设备及方法 | |
| CN110394307B (zh) | 一种烟叶自动检测分拣系统 | |
| WO2011115666A2 (en) | Computer vision and machine learning software for grading and sorting plants | |
| CN203226259U (zh) | 一种片烟分段精选设备 | |
| Chen et al. | Real-time grain breakage sensing for rice combine harvesters using machine vision technology | |
| CN114778561A (zh) | 一种基于机器视觉的烟丝质量追溯方法及系统 | |
| CN114271528A (zh) | 一种烟丝生产杂物二次在线剔除装置及方法 | |
| CN109275948B (zh) | 一种卷烟机烟丝分布检测装置及联合调节方法 | |
| CN109592372A (zh) | 一种刺梨分选系统的推送分流机构 | |
| CN207222383U (zh) | 木板分拣系统 | |
| CN112674381A (zh) | 一种烟梗梗头剔除装置及方法 | |
| CN115281365A (zh) | 一种杂物检测系统及杂物检测方法 | |
| CN205904118U (zh) | 一种颗粒状农产品的自动分拣装置 | |
| CN213001298U (zh) | 一种烟草除杂装置 | |
| CN106820245A (zh) | 一种烟草异物剔除装置 | |
| CN209255251U (zh) | 一种基于机械视觉的刺梨分选系统 | |
| WO2021008284A1 (zh) | 一种籽粒抽样与成像装置 | |
| CN201370092Y (zh) | 烟纸检测剔除装置 | |
| CN218360711U (zh) | 分拣设备 | |
| CN117102069A (zh) | 一种鲜切花自动分级装置及其分级方法 | |
| CN215218257U (zh) | 自动抽梗分梗装置 | |
| CN114972800A (zh) | 计量料槽异物识别预警方法 | |
| CN203648869U (zh) | 小浆果外部品质光电智能化检测及分级装置 |
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 |