一种高速自动分选烟叶等级的工艺技术的制作方法

本发明涉及一种高速自动分选烟叶等级的工艺技术。将烟叶进行回潮，平整和单叶排列等处理后，依靠烟叶化学组成产生的光谱信息，采用化学计量学方法在线鉴别烟叶等级，并根据鉴别结果和自动分拣机构，实现烟叶等级的高速自动分选。所以本发明涉及烟叶收购和烟叶复烤等领域。
背景技术：
：我国是一个烟叶生产和消费大国，卷烟工业不仅满足消费者的吸烟需求，也是国家重要利税来源之一。卷烟市场取决于卷烟产品的品牌，品牌则取决于卷烟质量，其中保持卷烟吸味品质的稳定是最重要指标之一，而卷烟原料等级的影响作用至关重要。卷烟等级受品种、产地、自然气候、种植管理、烘烤加工、人工分选等因素有关。国际上烟叶种植模式是大型农庄生产，而我国烟叶种植则是依靠农民分户分散种植，上述影响因素不易控制，所生产的烟叶品质差异很大。还有受利益驱使，不法烟农或商贩故意将质次烟叶掺混到优质烟叶中。然而，目前烟叶等级分选依靠人工，没有实现工业自动化。在烟叶收购和烟叶复考环节，人工分选不仅精度差，而且成本很高。不仅给卷烟工业带来巨大经济损失，而且也不能实现烟叶优质优价，严重挫伤烟农生产积极性，直接影响到了我国烟草工业卷烟品质和经济效益。因此，解决烟叶等级工业自动分选已经成为烟草工业最为关心的技术问题之一。目前还没有自动分选烟叶等级的方法和工艺技术。技术实现要素：为了实现工业上烟叶等级自动分选技术，本发明公布了一种高速自动分选烟叶等级的工艺技术。将烟叶进行自动回潮，平整和单叶排列处理后，依靠烟叶化学组成产生的光谱信息，采用化学计量学方法进行在线鉴别烟叶等级，并根据鉴别结果和自动分拣机构，实现烟叶等级的自动分选。本发明公布的一种自动分选烟叶等级的工艺技术特征在于是基于分子光谱及电子光谱信息，采用化学计量学方法实现自动分选烟叶等级的工艺技术，包括工艺原理，工艺装备，光谱采集方法，数据处理方法。所述的工艺原理中烟叶等级鉴别方法特征在于：由于不同等级烟叶在组成和体型特征上有明显不同，其分子光谱及电子光谱特征也不同。提取不同等级烟叶各自的特征光谱信息，采用模式识别方法建立烟叶等级鉴别模型。将待分选烟叶等级分子光谱及电子光谱输入该鉴别模型，判别其等级。所述的工艺的自动分选技术特征在于，将烟叶回潮处理，经传振筛传送，根据振筛原理将待分拣烟叶舒展平整，并形成单叶排列，通过传送带逐一送入分子光谱及电子光谱检测视场，在线采集其光谱，根据光谱信息和等级鉴别模型判别其等级的结果，通过机械制动或气动方法实现烟叶的分拣。所述工艺技术中的装备特征在于，工艺装备包括烟叶预处理装备、在线烟叶等级鉴别装备和在线分拣装备。烟叶预处理装备负责将待分拣烟叶回潮、平整，排成单叶的队形，并将烟叶逐一送入在线等级鉴别装备中。在线等级鉴别装备负责判别被分拣烟叶的等级，并将等级结果发送给在线分拣设备的控制系统。在线分拣装备负责根据在线鉴别设备发出的等级鉴别结果，采用机械制动方式对烟叶进行分拣。所述的烟叶预处理装备特征在于具有烟叶回潮处理功能，通过振筛传送机构，在传输过程中将烟叶进行舒展、平整，对单张烟叶逐一排队的功能，或者在一定的人工干预辅助作用下实现烟叶逐一排队的。所述的在线烟叶等级鉴别装备特征在于：装备是由光谱采集模块、数据处理模块和计算机等组成。装备的光谱采集模块由光源,单色器，检测器，参比等部分组成，负责在线采集烟叶的分子光谱和电子光谱。光谱采集模式包括漫反射模式和漫透射模式。装备光路流程：由光源发出的光是复合光，照射样品后产生散射光或透射光，将散射光或透射光收集后进入单色仪，单色仪分光后，送入光检测器检测得到样品的分子光谱或电子光谱。照射样品步骤可以在单色仪前，也可以在单色仪后。所述的单色仪特征在于:可以是光栅分光、光干涉傅里叶变换分光、声光过滤（aotf）分光、滤光片，激光二极管等。所述的检测器特征在于：可以是硅材料的或者是铟鎵砷材料的光电检测器。可以是单点检测器，也可以是阵列检测器，与所使用的分光方式相匹配。所述的分子光谱特征在于：分子光谱波长范围可以是覆盖700-2500nm或400-4000cm-1的全谱，也可以其中某个波长，或某个波段，或者它们之间组合。分子光谱的分辨率变化范围0.5-126cm-1。电子光谱波长范围可以是覆盖190-700nm的全谱，也可以其中某个波长，或某个波段，或者它们之间组合。电子光谱的分辨率变化范围0.5-126cm-1。光谱形式可以是能量曲线、或者是吸收光谱、或者是透过率、或者是干涉图。所述的光谱采集方法特征在于：可以是将由光源发出的光照射烟叶，相对烟叶位置，从光源位置一边收集来自烟叶产生的漫反射光，获得漫反射光谱；也可以是将由光源发出的光照射烟叶，相对烟叶位置，从光源位置的对边收集来自烟叶产生的漫透射光，获得漫透射光谱。光谱可以是一次测量的光谱，也可以多次测量的平均光谱。所述的数据处理方法特征在于：数据处理使用的电脑可以是台式计算机、笔记本电脑、也可以是嵌入式计算机。所使用的预处理方法包括：微分、平滑、光散射校正（msc）、中心化、pca数据降维、小波处理、水分扣除等任何一种，或者其中之间的任意组合；所使用模式识别方法包括主成分分析、距离、simca、pls-da、k最临近法、fisher线性判别、人工神经网络和支持向量机中的任意一种，或者其中之间的任意组合。所述的在线分拣设备装备特征在于：分拣装备主要由传送带、基于振筛原理的机械传送机构、气动电磁阀、增压气体设备等组成。可以通过气体吹扫方式分拣烟叶，也可以通过机械制动措施分拣烟叶。附图说明图1工艺流程示意图；图2工艺装备结构示意图；图3b2f级烟叶电子光谱；图4b2f级烟叶分子光谱；图5c2f级烟叶电子光谱；图6c2f级烟叶分子光谱；图7c2l级烟叶电子光谱；图8c2l级烟叶分子光谱；图9c3l级烟叶电子光谱；图10c3l级烟叶分子光谱；图11simca鉴别模型投影图；图12基于b2f主成分模型，所有样本的光谱残差对t2作图；1电源；2处理器；3显示器；4光源；5、6检测器；7样品；8传动装置；9预处理装置；10分拣装置。具体实施案例工艺流程如图1所示.从某烟草复烤厂收集了4种等级的标准烟叶（92片b2f，66片c2f,115片c2l，99片c3l）。将这些烟叶送入预处理工艺装备（如图2所示），进行回潮，舒展，平整处理后，经传送带传输进入等级鉴别装备的光谱采集视野内，在线等级鉴别设备同时在线采集其分子光谱和电子光谱（如图3所示），使用计算机对采集的光谱进行微分、msc、主成分分析等，建立了simca鉴别模型，其中，b2f模型含72个样本，c2f模型含52个样本，c2l模型含91个样本，c3l模型含80个样本。图4表示各类样品光谱残差对b2f主成分模型的分布，表明4种烟叶等级获得了100%的鉴别率。图5是基于b2f主成分模型，各类样品光谱残差对t2作图，也表明4种烟叶等级获得了100%的鉴别率。使用上述模型对20个b2f，14个c2f，24个c2l，和19个c3l样本进行自动识别和分拣，其结果如表1所示，表明获得了100%的正确分选。表14种不同等级烟叶的在线鉴别结果类别建模样本数主因子数预测样品数错误样本数预测正确率b2f727200100%c2f528140100%c2l916240100%c3l807190100%当前第1页12