本发明涉及碎烟处理相关,尤其涉及一种基于碎烟处理的智能光电除杂方法。
背景技术:
1、传统的碎烟处理是采用光电除杂机对烟叶物料中的杂物进行剔除,主要基于“rgb”原理进行颜色识别和处理后,对杂物进行剔除,且需要预先帮助系统制作一份“颜色查找表”,让系统按“颜色查找表”来区分正常物料和杂物;具体如下:
2、烟叶混合物料经进料口进入配有压风罩及均匀气流的高速皮带输送机,使物料在离开皮带输送机时产生平抛运动,平抛的物料通过视频柜,当物料穿过配有灯光照明的摄像机取景区域时,摄像机检测物料的颜色。高速图像处理卡进行颜色处理后,软件程序开始分辨那些应被剔除的物料。当杂物运行至剔除执行机构下面时,控制系统立即发出指令,命令杂物上方精确位置的一个或多个高速电磁阀释放出一股垂直向下的、短暂的压缩空气气流,将杂物吹落,正常物料则不受影响继续向前运动,进入空气排气柜。排气柜相当于沉降室,物料落入下级输送机,而气流则通过排气柜上方的管道进入除尘房。
3、该现有操作存在如下弊端:
4、1.由于只采用颜色识别,当遇到与烟叶颜色比较接近的杂物,如黄色纸片、稻草等杂物,其识别和剔除效率非常低。
5、2.对烟叶中含有的透明状薄膜、透明塑料纸等杂物时,由于其与烟叶混合或粘附在一起,传统的光电除杂设备无法做到有效剔除。
6、3.由于事先要设定“颜色查找表”,针对不同批次、不同产地和不同部位的加工烟叶,需要重新设定“颜色查找表”,人工介入程度和频次较高。
7、4.传统的光电除杂,由于高速皮带速度较高,一般皮带速度≥5米/秒,当直接应用于碎烟处理时,由于碎烟较干燥,且容易造碎,将会造成碎烟较大程度的二次造碎,进一步降低了碎烟的使用价值。
8、因此,如何提供一种能够提升除杂效率且提高除杂准确率的方法便成为了本领域技术人员急需解决的技术问题。
技术实现思路
1、为了解决现有技术中,对烟叶的除杂效率和准确率较低、杂物剔除率不高、进而影响烟叶品质的技术问题,本发明提出了一种基于碎烟处理的智能光电除杂方法,实现了对碎烟的高效除杂。
2、具体技术方案如下:
3、一种基于碎烟处理的智能光电除杂方法,包括如下步骤:
4、s1:工控机通过采集单元采集皮带上待除杂的烟叶的图像作为待处理图像,通过算法学习单元利用待除杂的烟叶的图像样本对图像进行颜色统计学习得到预设颜色表和利用杂物图像样本进行ai监督训练得到预训练模型;
5、s2:将s1中所述预设颜色表下载到颜色对比算法处理单元构建颜色对比算法,将待处理图像输入颜色对比算法进行图像颜色对比运算,判断是否存在杂物;
6、s3:将s1中所述的预训练模型下载到ai检测处理单元构建ai检测算法,将待处理图像输入ai检测算法进行ai推理运算,计算图像中各区域存在杂物的概率,如果大于设定概率,则认为该区域存在杂物;
7、s4:将s2和s3计算得到的结果传输到信号处理板,信号处理板根据时序合并处理结果生成带有时序和位置坐标的杂物信号;
8、s5:信号处理板将所述杂物信号传输给剔除放大板,剔除放大板计算所述杂物到达剔除阀的位置和时间信号并传输给剔除开关;
9、s6:在杂物到达剔除阀后打开剔除开关,通过高压空气剔除杂物,正常物料则不受影响继续向前运动,落入下级输送皮带。
10、优选的,s2中待处理图像输入颜色对比算法进行图像颜色对比运算的方法为:
11、根据烟叶的预设颜色表,确定属于烟叶颜色统计范围的目标,将所述目标默认为背景,将不属于烟叶颜色统计范围的目标标记为杂物点,再对待处理图像中的杂物点数量的统计,大于杂物点设定阈值判定为杂物,小于杂物点设定阈值设置为背景。
12、优选的,s3中将待处理图像输入ai检测算法进行ai推理运算的方法为:
13、根据ai检测算法,遍历图像搜索杂物,再对待处理图像中的出现杂物的概率值进行统计,大于设定杂物出现的概率阈值判定为杂物,小于杂物出现的概率阈值设置为背景。
14、优选的,放置烟叶及杂物的皮带每运行0.3mm,采集单元利用线扫描相机扫描一行图像,当线扫描相机积累30行图像后构成一幅2048×30的图像,再拼接前一个2048×30行图像构成一个2048×60行的图像作为待处理图像,将待处理图像传输到安装在fpga的颜色对比算法处理单元进行图像颜色对比运算。
15、优选的,在所述颜色对比算法中,先在图片样本中标注烟叶和背景,利用学习方法对图片样本进行学习,将烟叶颜色记录在rgb构成的三维空间的对应位置,形成预设颜色表,对待处理图像进行检测时,对待处理图像中的每一个像素点在所述三维空间中查询,如果查询到有烟叶或者背景颜色,就认为是合格的烟叶点,如果查询不到,就认为是杂物点。
16、优选的,ai监督训练采用监督学习方法,步骤包括:
17、a1:通过交叉验证的方法将待处理图像分为训练集和测试集;
18、a2:根据烟叶样本中杂物识别精度、以及烟叶的杂物率选择ai监督模型;
19、a3:利用ai监督模型对待处理图像的训练集进行迭代训练,用待处理图像的测试集对训练好的ai监督模型进行测试,判断该模型是否达到除杂阈值;
20、a4:利用达到除杂阈值的ai监督模型作为预训练模型对采集单元采集的待处理图像进行杂物识别。
21、优选的,所述杂物为烟叶加工过程中混淆到烟叶中的物品,所述杂物标签包括:羽毛、塑胶片、塑胶带、橡胶、茧状物、绝缘泡沫、线绳、铝箔、木材、纸板。
22、本发明所提供的一种基于碎烟处理的智能光电除杂方法,具有如下技术效果:
23、首先,相比与现有技术,本发明将颜色对比算法和ai检测算法结合,综合两种技术,使颜色算法不易识别到的与烟叶颜色比较接近的杂物以及形状较小的杂物,如黄色纸片、稻草等杂物,能进行有效剔除。其次,本发明在s4步骤通过信号处理板生成带有时序和位置坐标的杂物信号,能够精准的将烟叶中含有的透明状薄膜、透明塑料纸等杂物进行精准定位,进而有效剔除。第三,本发明中设置皮带速度为1.3~1.6米每秒,相比与现有技术高速皮带:速度≥5米/秒,不会对碎烟造成较大程度的二次造碎,提高碎烟的使用价值。第四,本发明可以依据杂物的类别数量和难易识别程度选择对应的ai检测算法,使本发明适用于不同品质的碎烟处理。综上所述,本发明对烟叶中的杂物识别效果提升了10%以上,在传统的颜色算法识别剔除效果面向不同的烟叶,一般杂物剔除率在75%-85%之间波动,采用该方法综合剔除率提升到85%-95%。
1.一种基于碎烟处理的智能光电除杂方法,其特征在于,包括如下步骤:
2.由权利要求1所述的一种基于碎烟处理的智能光电除杂方法,其特征在于,s2中待处理图像输入颜色对比算法进行图像颜色对比运算的方法为:
3.由权利要求1所述的一种基于碎烟处理的智能光电除杂方法,其特征在于,s3中将待处理图像输入ai检测算法进行ai推理运算的方法为:
4.由权利要求1所述的一种基于碎烟处理的智能光电除杂方法,其特征在于,放置烟叶及杂物的皮带每运行0.3mm,采集单元利用线扫描相机扫描一行图像,当线扫描相机积累30行图像后构成一幅2048×30的图像,再拼接前一个2048×30行图像构成一个2048×60行的图像作为待处理图像,将待处理图像传输到安装在fpga的颜色对比算法处理单元进行图像颜色对比运算。
5.根据权利要求1所述的基于碎烟处理的智能光电除杂方法,其特征在于,在所述颜色对比算法中,先在图片样本中标注烟叶和背景,利用学习方法对图片样本进行学习,将烟叶颜色记录在rgb构成的三维空间的对应位置,形成预设颜色表,对待处理图像进行检测时,对待处理图像中的每一个像素点在所述三维空间中查询,如果查询到有烟叶或者背景颜色,就认为是合格的烟叶点,如果查询不到,就认为是杂物点。
6.根据权利要求2所述的基于碎烟处理的智能光电除杂方法,其特征在于,ai监督训练采用监督学习方法,步骤包括:
7.根据权利要求5所述的基于碎烟处理的智能光电除杂方法,其特征在于,所述杂物为烟叶加工过程中混淆到烟叶中的物品,所述杂物标签包括:羽毛、塑胶片、塑胶带、橡胶、茧状物、绝缘泡沫、线绳、铝箔、木材、纸板。
8.根据权利要求1所述的基于碎烟处理的智能光电除杂方法,其特征在于,皮带速度设置在1.3~1.6米每秒。