CN111199344A - 一种控制烟叶分选过程中纯度的方法 - Google Patents
一种控制烟叶分选过程中纯度的方法 Download PDFInfo
- Publication number
- CN111199344A CN111199344A CN201911361194.7A CN201911361194A CN111199344A CN 111199344 A CN111199344 A CN 111199344A CN 201911361194 A CN201911361194 A CN 201911361194A CN 111199344 A CN111199344 A CN 111199344A
- Authority
- CN
- China
- Prior art keywords
- equal
- dimension
- area
- purity
- percent
- 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.)
- Granted
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 95
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005520 cutting process Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000004886 process control Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 8
- 238000003908 quality control method Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明涉及一种控制烟叶分选过程中纯度的方法,属于烟叶分选技术领域。该方法包括采集环境要求、采集设备校准、采集间隔计算、缩放及切割、二值化及过滤、计算点特征、计算图特征和分选过程控制等步骤。本发明方法是使用工业相机或摄像头采集烟叶分选过程中的RGB图像,利用RGB图像中的3个分量图像计算出分选过程中烟叶的色值分布情况,找出不符合纯度要求的烟叶进行重新分选,从而达到控制分选过程中烟叶纯度的目的。
Description
技术领域
本发明属于烟叶分选技术领域,具体涉及一种控制烟叶分选过程中纯度的方法。
背景技术
初烤烟叶在实际生产过程中,使用的是国标42级进行质量控制。
培养出一个合格的分级人员需要很大的成本同时,一个分级人员每天需要判断等级的烟叶达到了20吨左右,在一个烟叶挑选流水作业皮带上,通常需要配备多名分级人员进行烟叶分检,以区分出不同的等级,在后续的烟叶复烤过程中,如果其中掺杂有不同部位的烟叶,会对复烤片烟成品的质量产生较大的影响。
在质量控制过程中,通常采用质检人员对烟叶进行抽检,在挑选过后,对其中的一部分烟叶进行定级检验,确定挑选出的烟叶是否在质量控制范围内。但是按照我公司烟叶挑选每天至少达到500吨产量烟叶,抽检的这一部分烟叶按照比例计算不足千分之一,无法达到有足够代表性这个标准,当发生不合格产品时,到底是返投整批烟叶,还是只返投一框烟叶,都不是很好的解决方法,所以抽检的少量烟叶并不能很好的控制其中的质量。
现在有许多其他行业都是利用机器视觉对其中的不合格产品进行控制,从而达到了比较好的产品质量控制效果。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种控制烟叶分选过程中纯度的方法,该方法使用采集设备采集烟叶分选过程中的RGB图像,利用RGB图像中的3个分量图像计算出分选过程中烟叶的色值分布情况,找出不符合纯度要求的烟叶进行重新分选,从而达到控制分选过程中烟叶纯度的目的。
为实现上述目的,本发明采用的技术方案如下:
一种控制烟叶分选过程中纯度的方法,包括如下步骤:
步骤(1),前期准备:
(1.1)采集环境要求
照明光源需要选用D65标准光源;
背景在D65标准光源下的RGB取值范围为230<[R,G,B],标准偏差<10;
也可以采用其他能够明显区分出烟叶的背景,但是需要相应的调整二值化的参数。
采集设备的整个视野需要包括皮带上物料的所在范围;
采集时,需保证采集区域无其他光源的干扰;
(1.2)采集设备校准
在采集环境中使用白纸铺满采集设备的视野,开始照明光源,调整相机的参数并采集,要求采集图像所有点的RGB取值范围为244<RGB<255,标准偏差<3;
(1.3)采集间隔计算
当皮带的速度为s米/秒,视野的长度为y米,则采集的时间间隔t=y÷s;
步骤(2),采集图像处理:
(2.1)缩放及切割
对物料图像采集后,按照1像素=1毫米的原则进行缩放,缩放后将图像切割成64像素×64像素的正方形小图像;
(2.2)二值化及过滤
对切割后的小图像的每个像素点进行二值化,以区分皮带和烟叶;对二值化后的每个小图像进行单独统计,将其中1的比例低于50%的过滤掉;
(2.3)计算点特征
对过滤后剩下的图像进行计算,统计出图像中1的点的位置,取出RG通道的值,将RG值加权平均后作为该位置点的特征,加权平均计算方法为:
(2.4)计算图特征
将一张图像中的所有点的特征按维度次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为点对应维度的数量,该直方图中最高的峰值的维度作为这张图像的图特征;
步骤(3),分选过程控制
将一框烟叶图特征按照维度进行次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为对应维度的次数累加值,之后从该直方图中寻找最大的峰值,然后以最大峰值维度为中心点,分别计算周边的三个区域特征数量占总数量的比值,这三个区域为:
区域一[-5,5]:以峰值维度z为中心,从z-5维度到z+5维度之间的区域;
区域二[-4,4]:以峰值维度z为中心,从z-4维度到z+4维度之间的区域;
区域三[-3,3]:以峰值维度z为中心,从z-3维度到z+3维度之间的区域;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该框烟叶纯度不合格,然后将不合格的烟叶进行返投重新挑选;也可以根据对烟叶质量的不同要求,对低于质量要求的烟叶进行返投重新挑选。
进一步,优选的是,照明光源选用2个条形光源平行于皮带行走方向,设于皮带上方,且分别位于皮带宽度的三分之一和三分之二位置。
进一步,优选的是,如果是有多个采集设备,则在采集设备校准时,需要调整至各个设备间的RGB色值偏差在5以内。
进一步,优选的是,二值化时,0的RGB色值范围:R:R<8,R>248;G:G<8,G>248;B:B<8,B>92;1的RGB色值范围:R:8≤R≤248;G:8≤G≤248;B:8≤B≤92。
进一步,优选的是,当[-5,5]区域占比≥75%,[-4,4]区域占比≥65%,[-3,3]区域占比≥55%,则该纯度优秀;
当[-5,5]区域占比≥70%,[-4,4]区域占比≥60%,[-3,3]区域占比≥50%,则该纯度良好;
当[-5,5]区域占比≥65%,[-4,4]区域占比≥55%,[-3,3]区域占比≥45%,则该纯度一般;
当[-5,5]区域占比≥60%,[-4,4]区域占比≥50%,[-3,3]区域占比≥40%,则该纯度差;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该纯度不合格。
本发明与现有技术相比,其有益效果为:
本发明通过工业相机或摄像头对烟叶图像的采集,然后分析出每一框生产出的烟叶纯度的方法,通过这种方法对烟叶的单框烟叶纯度进行控制,达到了良好的效果。
使用机器视觉技术,可以在投入人工不变的情况下,解决现在抽检量少,无代表性的问题,从烟叶质量批次控制转变到单框质量,对后续打叶环节起到了非常好支撑作用。在使用本发明所述方法之后,可以形成烟叶分选的全过程追溯,提高选后烟叶的均匀性和一致性。
附图说明
图1为将图像切割成64像素*64像素的正方形小图像示意图;
图2某两张二值化后的图像统计示意图;
图3为点特征直方图;
图4为图特征直方图;
图5为应用实例第1框烟叶的图特征直方图;
图6为应用实例第2~7框烟叶的图特征直方图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
实施例1
一种控制烟叶分选过程中纯度的方法,包括如下步骤:
步骤(1),前期准备:
(1.1)采集环境要求
照明光源需要选用D65标准光源;
背景在D65标准光源下的RGB取值范围为230<[R,G,B],标准偏差<10;
也可以采用其他能够明显区分出烟叶的背景,但是需要相应的调整二值化的参数。
采集设备的整个视野需要包括皮带上物料的所在范围;
采集时,需保证采集区域无其他光源的干扰;
(1.2)采集设备校准
在采集环境中使用白纸铺满采集设备的视野,开始照明光源,调整相机的参数并采集,要求采集图像所有点的RGB取值范围为244<RGB<255,标准偏差<3;
(1.3)采集间隔计算
当皮带的速度为s米/秒,视野的长度为y米,则采集的时间间隔t=y÷s;
步骤(2),采集图像处理:
(2.1)缩放及切割
对物料图像采集后,按照1像素=1毫米的原则进行缩放,缩放后将图像切割成64像素×64像素的正方形小图像;
(2.2)二值化及过滤
对切割后的小图像的每个像素点进行二值化,以区分皮带和烟叶;对二值化后的每个小图像进行单独统计,将其中1的比例低于50%的过滤掉;
(2.3)计算点特征
对过滤后剩下的图像进行计算,统计出图像中1的点的位置,取出RG通道的值,将RG值加权平均后作为该位置点的特征,加权平均计算方法为:
(2.4)计算图特征
将一张图像中的所有点的特征按维度次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为点对应维度的数量,该直方图中最高的峰值的维度作为这张图像的图特征;
步骤(3),分选过程控制
将一框烟叶图特征按照维度进行次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为对应维度的次数累加值,之后从该直方图中寻找最大的峰值,然后以最大峰值维度为中心点,分别计算周边的三个区域特征数量占总数量的比值,这三个区域为:
区域一[-5,5]:以峰值维度z为中心,从z-5维度到z+5维度之间的区域;
区域二[-4,4]:以峰值维度z为中心,从z-4维度到z+4维度之间的区域;
区域三[-3,3]:以峰值维度z为中心,从z-3维度到z+3维度之间的区域;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该框烟叶纯度不合格,然后将不合格的烟叶进行返投重新挑选;也可以根据对烟叶质量的不同要求,对低于质量要求的烟叶进行返投重新挑选。
实施例2
一种控制烟叶分选过程中纯度的方法,包括如下步骤:
步骤(1),前期准备:
(1.1)采集环境要求
照明光源需要选用D65标准光源;
背景在D65标准光源下的RGB取值范围为230<[R,G,B],标准偏差<10;
也可以采用其他能够明显区分出烟叶的背景,但是需要相应的调整二值化的参数。
采集设备的整个视野需要包括皮带上物料的所在范围;
采集时,需保证采集区域无其他光源的干扰;
(1.2)采集设备校准
在采集环境中使用白纸铺满采集设备的视野,开始照明光源,调整相机的参数并采集,要求采集图像所有点的RGB取值范围为244<RGB<255,标准偏差<3;
(1.3)采集间隔计算
当皮带的速度为s米/秒,视野的长度为y米,则采集的时间间隔t=y÷s;
步骤(2),采集图像处理:
(2.1)缩放及切割
对物料图像采集后,按照1像素=1毫米的原则进行缩放,缩放后将图像切割成64像素×64像素的正方形小图像;
(2.2)二值化及过滤
对切割后的小图像的每个像素点进行二值化,以区分皮带和烟叶;对二值化后的每个小图像进行单独统计,将其中1的比例低于50%的过滤掉;
(2.3)计算点特征
对过滤后剩下的图像进行计算,统计出图像中1的点的位置,取出RG通道的值,将RG值加权平均后作为该位置点的特征,加权平均计算方法为:
(2.4)计算图特征
将一张图像中的所有点的特征按维度次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为点对应维度的数量,该直方图中最高的峰值的维度作为这张图像的图特征;
步骤(3),分选过程控制
将一框烟叶图特征按照维度进行次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为对应维度的次数累加值,之后从该直方图中寻找最大的峰值,然后以最大峰值维度为中心点,分别计算周边的三个区域特征数量占总数量的比值,这三个区域为:
区域一[-5,5]:以峰值维度z为中心,从z-5维度到z+5维度之间的区域;
区域二[-4,4]:以峰值维度z为中心,从z-4维度到z+4维度之间的区域;
区域三[-3,3]:以峰值维度z为中心,从z-3维度到z+3维度之间的区域;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该框烟叶纯度不合格,然后将不合格的烟叶进行返投重新挑选;也可以根据对烟叶质量的不同要求,对低于质量要求的烟叶进行返投重新挑选。
照明光源选用2个条形光源平行于皮带行走方向,设于皮带上方,且分别位于皮带宽度的三分之一和三分之二位置。
如果是有多个采集设备,则在采集设备校准时,需要调整至各个设备间的RGB色值偏差在5以内。
二值化时,0的RGB色值范围:R:R<8,R>248;G:G<8,G>248;B:B<8,B>92;1的RGB色值范围:R:8≤R≤248;G:8≤G≤248;B:8≤B≤92。
当[-5,5]区域占比≥75%,[-4,4]区域占比≥65%,[-3,3]区域占比≥55%,则该纯度优秀;
当[-5,5]区域占比≥70%,[-4,4]区域占比≥60%,[-3,3]区域占比≥50%,则该纯度良好;
当[-5,5]区域占比≥65%,[-4,4]区域占比≥55%,[-3,3]区域占比≥45%,则该纯度一般;
当[-5,5]区域占比≥60%,[-4,4]区域占比≥50%,[-3,3]区域占比≥40%,则该纯度差;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该纯度不合格。
实施例3
一种控制烟叶分选过程中纯度的方法,包括如下步骤:
步骤(1),前期准备:
(1.1)采集环境要求
光源:照明光源需要选用D65标准光源,最好选用2个条形光源平行于皮带上方,位于皮带宽度的三分之一和三分之二位置,高度根据采集设备的高度调整。
背景:需要选用接近白色的纯色背景,在D65标准光源下的RGB取值范围为230<[R,G,B],标准偏差<10。
采集设备:调整高度和位置,保证整个视野的宽度和皮带宽度基本相同,可以比皮带稍窄。
其他:必须保证采集区域在一个光线相对稳定的环境中,如无窗的暗室,或者利用遮光材料对采集区域进行光源隔离处理等,尽量使得采集区域没有其他光源的干扰。
(1.2)采集设备校准
在采集环境中使用白纸铺满相机(摄像头)的视野,灯光开启到正常照明状态,在此状态下调整相机的参数(白平衡,曝光,光圈等),要求采集图像所有点的RGB取值范围为244<RGB<255,标准偏差<3。如果是有多个采集设备,请调整至各个设备间的RGB色值偏差在5以内。
(1.3)采集间隔计算
根据分选机台的皮带速度调整采集的时间,当皮带的速度为s米/秒,视野的长度为y米,则采集的时间间隔t=y÷s,皮带速度不能太快,应该保证采集的图像不会有拖尾(重影)现象,这个根据相机的性能进行调整,保证每张图像的清晰。
步骤(2),采集图像处理:
①缩放
首先我们通过缩放将图像大小进行统一,图像的分辨率不同,缩放比例也不同,需要按照1像素=1毫米的原则进行缩放,当图像分辨率为w像素*h像素,视野为x毫米*y毫米,则缩放比例d=w÷x或者d=h÷y。
②切割
③二值化
对图像进行二值化,按照RGB色值范围计算,这个色值范围根据背景皮带的颜色可以做适当的调整,以保证能够尽量正确的区分皮带和烟叶。
0的RGB色值范围:
R:R<8,R>248
G:G<8,G>248
B:B<8,B>92
1的RGB色值范围:
R:8<=R<=248
G:8<=G<=248
B:8<=B<=92
④过滤
对二值化后的图像进行统计,将1的比例低于50%的图像过滤掉,图2为某两张二值化后的图像统计示意图。
⑤计算点特征
对过滤后剩下的图像进行计算,统计出图像中1的点的位置,取出RG通道的值,将RG值加权平均后作为该位置点的特征,加权平均计算方法为点特征对应维度为256个,这里我们需要将特征值转化为更小范围,使得这个特征值不那么灵敏,以便于我们使用,可以选择范围有维度z∈[128,64,32,16],维度z越小,容错就越高,在使用时纯度允差范围就越广,一般情况我们选择64个维度,计算公式为计算出的rg作为这个点新的点特征。
⑥计算图特征
我们将一张图像中的所有点的特征按维度汇总,可以生成一个数列,以此数列生成一张直方图,直方图横坐标为选择的维度z,纵坐标为点对应维度的数量,可以得到如图3一样的直方图。我们需要得到该图中的最高的峰值,也就是取得数列中最大值的维度,该峰值的维度作为这张图像的图特征。
步骤(3),分选过程控制
分选后的烟叶会装框入库,我们需要得到烟框内烟叶的挑选时间,也就是这框烟叶开始挑选的时间和结束挑选的时间。
这两个时间点的采集可以有手动抄录、电子感应等多种方法,选择适合的即可。在本方法中采用的是以ERP***中的烟框挑选出库称重时间来计算,从而得到这两个时间点的数据。
以每个烟叶挑选机台的烟框称重出库时间为分隔,起始时间为上一框烟叶的称重时间,结束时间为本次烟框称重时间,第一框烟叶挑选的起始时间为机台开机时间,最后一框烟叶的挑选结束时间为机台的停机时间。
这样我们就得到了每框烟叶开始挑选的时间和结束挑选的时间,以这两个时间点来判断采集到的图片哪些是属于这一框烟叶的。
我们按照图特征的计算方法,将图特征按照维度进行汇总,同样可以得到一个数列,这个数列生成一个直方图如图4,我们需要找到这个图中最大的峰值,然后分别计算最大峰值坐标周边的三个区域特征数量占总数量的比值。
这三个区域为:
区域一[-5,5]:以峰值维度z为中心,从z-5维度到z+5维度之间的区域。
区域二[-4,4]:以峰值维度z为中心,从z-4维度到z+4维度之间的区域。
区域三[-3,3]:以峰值维度z为中心,从z-3维度到z+3维度之间的区域。
然后以此为判断依据,可以参考表1对质量进行控制,将不合格的烟叶进行返投挑选,也可以根据对烟叶质量的不同要求,对低于质量要求的烟叶进行返投重新挑选。
表1 64维度特征烟叶挑选纯度评价表
应用实例
在时间9:51至11:06采集了一个烟叶分选机台的图片数据,按照3秒1张的速度采集,共采集了1487张。
首先确定了每一框烟叶的分选起止时间如表2。
表2
序号 | 起始时间 | 终止时间 |
1 | 9:51:26 | 10:02:07 |
2 | 10:02:07 | 10:12:30 |
3 | 10:12:30 | 10:21:07 |
4 | 10:21:07 | 10:33:39 |
5 | 10:33:39 | 10:44:40 |
6 | 10:44:40 | 10:54:55 |
7 | 10:54:55 | 11:05:46 |
然后根据时间,筛选出对应的图片,经过统计图片数量如表3。
表3
序号 | 图片数量(张) |
1 | 215 |
2 | 207 |
3 | 172 |
4 | 251 |
5 | 220 |
6 | 225 |
7 | 197 |
确定了图片,就可以进行图片处理了,经过处理后,我们可以得到了每一框烟叶的图特征汇总直方图,其中第1框烟叶的直方图如图5。
图3中我们看出最大峰值维度为22,那么推断出区域3位维度19至25的区域,区域4为18至26的区域,区域5为17至27的区域,统计区域内的图特征点汇总占比可以得到区域3为53%,区域4为66%,区域5为77%,评价为良好。
以此类推,得到了其他6框烟叶的直方图如图6。
汇总得到了7框烟叶的3个区域占比以及评价结果如表4。
表4
序号 | -5,5区域 | -4,4区域 | -3,3区域 | 结论 |
1 | 77% | 66% | 53% | 良好 |
2 | 75% | 64% | 52% | 良好 |
3 | 78% | 67% | 54% | 良好 |
4 | 75% | 63% | 51% | 良好 |
5 | 64% | 57% | 47% | 一般 |
6 | 76% | 64% | 52% | 良好 |
7 | 75% | 64% | 51% | 良好 |
从表中看出,6框烟叶得纯度都达到了良好,如果纯度控制标准为良好,则序号5的烟叶需要进行返投重新挑选,如果纯度控制标准为一般,则7框烟叶的纯度都达到了标准。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种控制烟叶分选过程中纯度的方法,其特征在于,包括如下步骤:
步骤(1),前期准备:
(1.1)采集环境要求
照明光源需要选用D65标准光源;
背景在D65标准光源下的RGB取值范围为230<[R,G,B],标准偏差<10;
采集设备的整个视野需要包括皮带上物料的所在范围;
采集时,需保证采集区域无其他光源的干扰;
(1.2)采集设备校准
在采集环境中使用白纸铺满采集设备的视野,开始照明光源,调整相机的参数并采集,要求采集图像所有点的RGB取值范围为244<RGB<255,标准偏差<3;
(1.3)采集间隔计算
当皮带的速度为s米/秒,视野的长度为y米,则采集的时间间隔t=y÷s;
步骤(2),采集图像处理:
(2.1)缩放及切割
对物料图像采集后,按照1像素=1毫米的原则进行缩放,缩放后将图像切割成64像素×64像素的正方形小图像;
(2.2)二值化及过滤
对切割后的小图像的每个像素点进行二值化,以区分皮带和烟叶;对二值化后的每个小图像进行单独统计,将其中1的比例低于50%的过滤掉;
(2.3)计算点特征
对过滤后剩下的图像进行计算,统计出图像中1的点的位置,取出RG通道的值,将RG值加权平均后作为该位置点的特征,加权平均计算方法为:
(2.4)计算图特征
将一张图像中的所有点的特征按维度次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为点对应维度的数量,该直方图中最高的峰值的维度作为这张图像的图特征;
步骤(3),分选过程控制
将一框烟叶图特征按照维度进行次数累加,生成一个二维数组,以此数组生成一张直方图,直方图横坐标为选择的维度z,纵坐标为对应维度的次数累加值,之后从该直方图中寻找最大的峰值,然后以最大峰值维度为中心点,分别计算周边的三个区域特征数量占总数量的比值,这三个区域为:
区域一[-5,5]:以峰值维度z为中心,从z-5维度到z+5维度之间的区域;
区域二[-4,4]:以峰值维度z为中心,从z-4维度到z+4维度之间的区域;
区域三[-3,3]:以峰值维度z为中心,从z-3维度到z+3维度之间的区域;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该框烟叶纯度不合格,然后将不合格的烟叶进行返投重新挑选。
2.根据权利要求1所述的控制烟叶分选过程中纯度的方法,其特征在于,照明光源选用2个条形光源平行于皮带行走方向,设于皮带上方,且分别位于皮带宽度的三分之一和三分之二位置。
3.根据权利要求1所述的控制烟叶分选过程中纯度的方法,其特征在于,如果是有多个采集设备,则在采集设备校准时,需要调整至各个设备间的RGB色值偏差在5以内。
5.根据权利要求1所述的控制烟叶分选过程中纯度的方法,其特征在于,二值化时,0的RGB色值范围:R:R<8,R>248;G:G<8,G>248;B:B<8,B>92;1的RGB色值范围:R:8≤R≤248;G:8≤G≤248;B:8≤B≤92。
6.根据权利要求1所述的控制烟叶分选过程中纯度的方法,其特征在于:
当[-5,5]区域占比≥75%,[-4,4]区域占比≥65%,[-3,3]区域占比≥55%,则该纯度优秀;
当[-5,5]区域占比≥70%,[-4,4]区域占比≥60%,[-3,3]区域占比≥50%,则该纯度良好;
当[-5,5]区域占比≥65%,[-4,4]区域占比≥55%,[-3,3]区域占比≥45%,则该纯度一般;
当[-5,5]区域占比≥60%,[-4,4]区域占比≥50%,[-3,3]区域占比≥40%,则该纯度差;
当[-5,5]区域占比<60%,[-4,4]区域占比<50%,[-3,3]区域占比<40%,则该纯度不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911361194.7A CN111199344B (zh) | 2019-12-25 | 2019-12-25 | 一种控制烟叶分选过程中纯度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911361194.7A CN111199344B (zh) | 2019-12-25 | 2019-12-25 | 一种控制烟叶分选过程中纯度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199344A true CN111199344A (zh) | 2020-05-26 |
CN111199344B CN111199344B (zh) | 2022-08-02 |
Family
ID=70746745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911361194.7A Active CN111199344B (zh) | 2019-12-25 | 2019-12-25 | 一种控制烟叶分选过程中纯度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199344B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408945A (zh) * | 2021-07-15 | 2021-09-17 | 广西中烟工业有限责任公司 | 一种烤烟纯度的检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4348148A (en) * | 1979-07-30 | 1982-09-07 | Griffin & Company, Inc. | Dumper apparatus and methods |
US4528993A (en) * | 1982-08-20 | 1985-07-16 | R. J. Reynolds Tobacco Company | Process for producing moist snuff |
WO2006029389A2 (en) * | 2004-09-09 | 2006-03-16 | Diversa Corporation | Tryptophan-processing enzymes, nucleic acids encoding them and methods for making and using them |
CN101762583A (zh) * | 2009-12-16 | 2010-06-30 | 中国烟草总公司郑州烟草研究院 | 一种产地特色烟叶外观颜色的表征方法 |
CN105091756A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟叶分级中烟叶长度的检测方法 |
CN107341807A (zh) * | 2017-06-07 | 2017-11-10 | 北京科技大学 | 一种提取烟叶颜色数字化表达特征值的方法 |
CN108529180A (zh) * | 2018-05-02 | 2018-09-14 | 重庆邮电大学 | 一种基于机器视觉的不规则烟包组合码垛*** |
CN108844957A (zh) * | 2018-05-25 | 2018-11-20 | 上海创和亿电子科技发展有限公司 | 一种基于机器视觉的烟叶油分检测新方法 |
CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
-
2019
- 2019-12-25 CN CN201911361194.7A patent/CN111199344B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4348148A (en) * | 1979-07-30 | 1982-09-07 | Griffin & Company, Inc. | Dumper apparatus and methods |
US4528993A (en) * | 1982-08-20 | 1985-07-16 | R. J. Reynolds Tobacco Company | Process for producing moist snuff |
WO2006029389A2 (en) * | 2004-09-09 | 2006-03-16 | Diversa Corporation | Tryptophan-processing enzymes, nucleic acids encoding them and methods for making and using them |
CN101762583A (zh) * | 2009-12-16 | 2010-06-30 | 中国烟草总公司郑州烟草研究院 | 一种产地特色烟叶外观颜色的表征方法 |
CN105091756A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟叶分级中烟叶长度的检测方法 |
CN107341807A (zh) * | 2017-06-07 | 2017-11-10 | 北京科技大学 | 一种提取烟叶颜色数字化表达特征值的方法 |
CN108529180A (zh) * | 2018-05-02 | 2018-09-14 | 重庆邮电大学 | 一种基于机器视觉的不规则烟包组合码垛*** |
CN108844957A (zh) * | 2018-05-25 | 2018-11-20 | 上海创和亿电子科技发展有限公司 | 一种基于机器视觉的烟叶油分检测新方法 |
CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
Non-Patent Citations (5)
Title |
---|
周继月等: "基于近红外光谱分析技术结合化学计量学方法的初烤烟叶霉变预测研究", 《中国烟草学报》 * |
张娟利等: "基于RGB图像处理的烟叶水分无损检测方法研究", 《中国农机化学报》 * |
李海杰: "基于机器视觉的烟草异物检测和烟叶分类分级方法研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
潘治利等: "基于图像处理和支持向量机的初烤烟叶颜色特征区域分类", 《作物学报》 * |
马建元: "基于图像处理的烤烟烟叶质量分级的关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408945A (zh) * | 2021-07-15 | 2021-09-17 | 广西中烟工业有限责任公司 | 一种烤烟纯度的检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111199344B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103808263B (zh) | 谷粒粒形参数的高通量检测方法 | |
CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
JP2001156135A (ja) | 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法 | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN104297160A (zh) | 一种工夫红茶发酵适度判别方法和装置 | |
CN104899871A (zh) | 一种ic元件焊点空焊检测方法 | |
CN106033535A (zh) | 电子阅卷方法 | |
CN104792789A (zh) | 化纤纸管外观检测装置及方法 | |
CN112474411A (zh) | 一种基于柔性生产线的产品检测自动处理控制*** | |
CN111199344B (zh) | 一种控制烟叶分选过程中纯度的方法 | |
WO2022049549A1 (en) | Artificial intelligence based tobacco particle measurement system | |
CN106546598A (zh) | 带钢表面检测***光源自适应控制方法 | |
CN112014399A (zh) | 粮箱内带式谷物破碎率和含杂率检测装置和方法 | |
CN112098415B (zh) | 一种杨梅品质无损检测方法 | |
CN112001919B (zh) | 一种基于粒子群算法及二维数字滤波的织物缺陷检测方法 | |
WO2021248599A1 (zh) | 一种类型异常图斑自动识别方法及*** | |
CN111199545B (zh) | 一种基于机器视觉鉴别初烤烟叶颜色的方法 | |
WO2023226103A1 (zh) | 一种打叶复烤风分过程中叶片结构测量方法及风分器出叶量测量方法 | |
Churchill et al. | Comparison of machine vision with human measurement of seed dimensions | |
CN112858311A (zh) | 一种基于机器视觉技术的稻米表型监测***及方法 | |
CN115311505B (zh) | 基于云服务大数据平台的蚕茧分类方法及收购*** | |
CN108508053A (zh) | 一种***性极微物理缺陷的检测方法 | |
CN106872483A (zh) | 解决光学检测设备因透明材质中的气泡影响检测的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |