CN116433603A - 一种卷烟烟支中烟丝形态检测方法 - Google Patents
一种卷烟烟支中烟丝形态检测方法 Download PDFInfo
- Publication number
- CN116433603A CN116433603A CN202310245353.7A CN202310245353A CN116433603A CN 116433603 A CN116433603 A CN 116433603A CN 202310245353 A CN202310245353 A CN 202310245353A CN 116433603 A CN116433603 A CN 116433603A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- image
- tobacco
- dimensional
- scanning
- 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
- 241000208125 Nicotiana Species 0.000 title claims abstract description 108
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 108
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000002591 computed tomography Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000002485 combustion reaction Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000007873 sieving Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000002788 crimping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种卷烟烟支中烟丝形态检测方法，其特征在于：通过工业CT扫描实现烟支三维结构数字化，通过滤波反投影技术和滤噪技术得到烟支内部烟丝分布的二维图像，再通过三维重建技术和插值技术得到烟支三维重建模型，该模型能够定量表征出烟支内部烟丝质量，之后依据不同规格卷烟的要求进行分类评价。本发明的优点在于：(1)通过CT扫描三维重建法检测烟支中烟丝的长度和卷曲度，获取结果真实、可靠；(2)本方法使用工业技术成熟可靠，相较于人工辨别的方法，更为高效、准确；(3)本方法获得的烟丝长度为精确值，而不是范围值，结果更加精确。(4)本方法为无损检测方法，可以有效降低检测过程中损耗，提高经济效益。
Description
技术领域
本发明涉及卷烟产品检测技术领域，尤其涉及一种通过烟支三维重建，对烟支内烟丝形态进行检测的方法。
背景技术
烟支中烟丝的形态与烟支燃烧过程(燃烧速率、气流速度、燃烧锥体积、燃烧锥落头倾向、烟气成分等)和卷制质量(物理质量指标、抽吸一致性等)密切相关，尤其是随着近几年行业中细支卷烟产销量迅猛增加，由于中细支卷烟产品特点(圆周较小、长度较长、吸阻较大、燃烧温度较高等)，烟丝加工形态对卷烟产品质量的影响更加突显，加工过程对烟丝形态要求及控制与常规卷烟相比要求更加精细和严格。对于烟丝长度尺寸方面，行业卷烟企业目前主要采用振筛法检测烟丝结构指标。烟丝结构是影响卷烟质量的重要因素之一，其测试主要是利用筛分的方法使不同尺寸的烟丝分离，结果以各层或某层筛网上的累积质量占总质量的比例来表示。但目前所采用的振筛法仍存在检测耗时较长，同时检测过程由于过筛、漏筛等原因，筛分结果对于烟丝尺寸的反映也不够准确。烟丝宽度是切叶丝工序的主要工艺质量指标，目前行业制丝线切丝宽度范围0.6-1.2mm，允差±0.1mm。目前，常规的烟丝宽度测量方法为投影法，是采用投影仪由人工逐根分段量。此方法是破坏性检测，且操作劳动强度大，检测速度慢，人为影响速度大，测试结果稳定性不高。
中国专利(202110933900.1)提出一种针对于烟丝密度与尺寸分布的基于图像处理的烟丝质量参数检测方法及***。图像处理时通过分散烟丝的连通域分割，标记出不同烟丝的最小外接矩形，由矩形的长宽计算出对角线长度，设置对应像素阈值，获取整丝、中丝、碎丝尺寸区间，根据烟丝综合性能评价指标，评价烟丝的质量指标。与本申请提出的方法相比，两者主要有以下不同：其一，所采用的技术手段不同，中国专利(202110933900.1)采用图像处理法，需要将烟丝不重叠地摆放，本发明采用CT三维重建方法，不需要对烟支进行其他处理。其二，分析方法不同，中国专利(202110933900.1)对烟丝取最小外接矩形，并以矩形的对角线长度作为烟丝长度，数值为约值；本发明是通过滤波反投影技术得到烟支内部烟丝分布的二维图像，再通过三维重建技术得到烟支三维重建模型，通过重建模型获得烟支内部烟丝尺寸值，为精确值。其三，真实度不同，中国专利(202110933900.1)获取的烟丝的二维图像，卷曲度也是依据二维图像计算；本发明通过烟支三维重建模型计算烟丝的卷曲度，能够表征烟丝的三维特征，更加符合实际情况。
综上，采用CT三维重建方法，通过滤波反投影技术得到烟支内部烟丝分布的二维图像，再通过三维重建技术和插值技术得到烟支三维重建模型，在重建模型基础上获得烟支内部烟支内部烟丝形态值，如烟丝长度和卷曲度等指标尚属空白。
发明内容
本发明的目的是提供了一种基于工业CT三维重建的烟支内烟丝质量检测方法，可以无损检测烟支内部烟丝形态，如烟丝长度和卷曲度。
本发明的目的是通过以下技术方案来实现的：
一种卷烟烟支中烟丝形态检测方法，是通过工业CT扫描实现烟支三维结构数字化，通过滤波反投影技术和滤噪技术得到烟支内部烟丝分布的二维图像，再通过三维重建技术和插值技术得到烟支三维重建模型，该模型能够定量表征出烟支内部烟丝质量；具体步骤如下：
1)将待测烟支置于工业CT设备载物台上，用夹具保持竖直状态并保证烟丝部分在CT扫描范围内；
2)启动工业CT设备对烟支进行扫描，数字平板探测器将接收到的信号传输并保存到计算机；
3)计算机中的数据处理***使用滤波反投影算法(FDK算法)对获取到的数据进行处理，得到烟支内部烟丝分布状态的二维图像；
4)计算机中的图像处理***对断层二维CT图像序列进行图像匹配、图像平滑、图像增强等操作，以便进行边缘提取与图像分割；在相邻二维CT图像之间进行插值图像，以提高三维重建模型的精度；最后用图像处理***将三维结构模型重建出来，并提取烟支内部烟丝骨架轮廓；
5)以体素点为单位从烟丝一端向另一端推进，依次将轮廓图像两侧长边、短边中次序相对应的体素点连接起来并识别定位出此连接线的中间体素点，这些中间体素点组合成一条烟丝形状特征线：宽度为1个体素点，长度为n(≥5)个体素点，该线的长度即为烟丝长度L；
6)创建一个足够大的立方体，将烟丝形状特征线包含在立方体内，然后逐渐减小立方体的长宽高值，直至烟丝形状特征线与立方体的六个面都有一个接触点，记录此时的立方体长宽高值分别为A、B、C，并计算立方体的空间斜边长度D。计算公式为
7)烟丝卷曲度S即为烟丝长度L与最远两点距离D之比,计算公式如下：
结合图2，可以得到0<S<1。S接近0时，烟丝形态越卷曲；S接近1时，烟丝形态越笔直。烟丝卷曲度不仅与烟支燃烧时烟气传递有关，还与烟丝自身的填充性能有关。不同种类烟支对烟丝卷曲程度要求也不相同，因此评价烟支内烟丝卷曲程度是否达到预期，需要根据烟支种类具体分析。
所述测量对象烟支可以为细支卷烟、中支卷烟、常规卷烟。
所述烟支成像技术采用CT扫描成像技术和三维重建技术。
本发明的优点在于：(1)通过CT扫描三维重建法检测烟支中烟丝的长度和卷曲度，获取结果真实、可靠；(2)本方法使用工业技术成熟可靠，相较于人工辨别的方法，更为高效、准确；(3)本方法获得的烟丝长宽值为精确值，而不是范围值，结果更加精确。(4)本方法为无损检测方法，可以有效降低检测过程中损耗，提高经济效益。
附图说明
图1为本发明所提供的烟支中烟丝状态检测方法的流程图。
图2为烟丝卷曲度计算示意图，图中黑点为烟丝形状特征线和立方体六个面的接触点；该图作为摘要附图。
图3为具有平面探测器的锥束扫描结构图；
图3中：γ是由射线与中心射线之间的夹角，β是中心射线与y轴形成的角度，称为投影角，κ为锥束Z轴方向锥角。
图中a-b坐标系为虚拟探测器上的坐标系，本专利中a、b和a(x,y,β)、b(x,y,z,β)相同，均表示虚拟探测器上的坐标信息，其中x、y、z、β则分别代表a-b坐标系在x-y-z坐标系中表达因素，即(a,b)可以与(x,y,z)相互转换，在不同的坐标系中表达相同的空间位置信息。
具体实施方法
下面结合附图对本发明的具体实施方式作进一步详细说明。
1.将待测烟支置于工业CT设备载物台上，用夹具保持竖直状态并保证烟丝部分在CT扫描范围内；待测烟支样品在进行实验前需要先放入平衡室进行温度、湿度平衡，具体数值：温度为22℃，相对湿度为65％，平衡时间24h以上。
2.启动工业CT设备对烟支进行扫描，数字平板探测器将接收到的信号传输并保存到计算机；在对待测烟支进行扫描前工业CT设备需要预先设置设备参数，主要是确定专用于烟支结构扫描的图像大小2048x2048、X射线源管电压100kV、X射线源管电流70uA、扫描厚度0.004mm、扫描间距0.004mm、CT扫描方式锥束扫描、CT扫描模式Normal扫描。
3.计算机中的数据处理***使用滤波反投影算法(FDK算法)对获取到的数据进行处理，得到烟支内部烟丝分布状态的二维图像；FDK算法主要包括了投影数据的预加权、一维滤波和反投影几个步骤：
(1)首先利用类似于余弦的函数对投影数据进行加权,适当地修正体素到源点的距离和角度差；
(2)然后对不同投影角度的投影数据进行水平方向上的一维滤波；
(3)把滤波后的数据做锥形束的加权反投影。反投影中的权函数取决于重建点到焦点的距离。具有平面探测器的锥束扫描结构图见附图3。
平板探测器的FDK重建算法用公式表示为：
其中，R代表旋转半径，
表示滤波后的投影数据，g(a)为滤波函数，U(x，y，β))表示被重建像素在x-y平面到X射线源的距离。这里的a、b代表虚拟探测器上的坐标。
a(x，y，β)代表对应射线在虚拟探测器上的水平位置，对应的竖直位置可表示为
对加权函数进行分解，可以表示为
Z为待重建点的Z轴坐标，同理我们可以根据几何关系获得U的长度
U(x，y，β)＝R+xcosβ+ysinβ
加权因子U与二维滤波反投影算法中的加权因子相似，几何含义为射线源点和重建图像之间的连线在中间射线上的投影相关联。
4.计算机中的图像处理***对断层二维CT图像序列进行图像匹配、图像平滑、图像增强等操作，以便进行边缘提取与图像分割；在相邻二维CT图像之间进行插值图像，以提高三维重建模型的精度；最后用图像处理***将三维结构模型重建出来。用CT扫描的图像，其在采样过程中，X，Y方向的间距是相等的，只有在Z方向上的间距有着较大的差距，所以对Z方向上进行一次线性插值。计算公式为：
式中，P1、P2为相邻CT图像对应点的CT值，a1、a2为两对应点距离插值点的Z轴方向距离，P为插值点的CT值。
运用多重分形频谱技术提取每幅烟支CT图像中的内部及轮廓特征，利用图像直观性对其进行分析，设定多重分形频谱理论中频谱值范围，对烟支CT图像的边缘进行检测并提取，利用对每幅烟支CT图像提取出的边缘信息绘制出三维图像的轮廓，将原始烟支CT图像和通过运用线性插值方法提取出的轮廓图像进行相互整合，从而构成三维重建模型，并提取烟支内部烟丝骨架轮廓。
5.以体素点为单位从烟丝一端向另一端推进，依次将烟丝骨架图像两侧长边中次序相对应的体素点连接起来并识别定位出此连接线的中间体素点，这些中间体素点组合成一条烟丝形状特征线：宽度为1个体素点，长度为n(≥5)个体素点，该线的长度即为烟丝长度L；
6.工业CT设备扫描烟支可以获得烟支整体点云数据，其中包含三维坐标X、Y、Z等，利用点云数据可以获得体素具体坐标。创建一个足够大的立方体，将烟丝形状特征线包含在立方体内，然后逐渐减小立方体的长宽高值，直至烟丝形状特征线与立方体的六个面都有一个接触点，记录此时的立方体长宽高值分别为A、B、C，并计算立方体的空间斜边长度D。计算公式为
7.烟丝卷曲度S即为烟丝长度L与最远两点距离D之比,计算公式如下：
结合图2，可以得到0<S<1。S接近0时，烟丝形态越卷曲；S接近1时，烟丝形态越笔直。烟丝卷曲度不仅与烟支燃烧时烟气传递有关，还与烟丝自身的填充性能有关。不同种类烟支对烟丝卷曲程度要求也不相同，因此评价烟支内烟丝卷曲程度是否达到预期，需要根据烟支种类具体分析。
Claims (6)
1.一种卷烟烟支中烟丝形态检测方法，其特征在于：通过工业CT扫描实现烟支三维结构数字化，通过滤波反投影技术和滤噪技术得到烟支内部烟丝分布的二维图像，再通过三维重建技术和插值技术得到烟支三维重建模型，该模型能够定量表征出烟支内部烟丝质量；具体步骤如下：
1)将待测烟支置于工业CT设备载物台上，用夹具保持竖直状态并保证烟丝部分在CT扫描范围内；
2)启动工业CT设备对烟支进行扫描，数字平板探测器将接收到的信号传输并保存到计算机；
3)计算机中的数据处理***使用滤波反投影算法(FDK算法)对获取到的数据进行处理，得到烟支内部烟丝分布状态的二维图像；
4)计算机中的图像处理***对断层二维CT图像序列进行图像匹配、图像平滑、图像增强等操作，以便进行边缘提取与图像分割；在相邻二维CT图像之间进行插值图像，以提高三维重建模型的精度；最后用图像处理***将三维结构模型重建出来，并提取烟支内部烟丝骨架轮廓；
5)以体素点为单位从烟丝一端向另一端推进，依次将轮廓图像两侧长边、
短边中次序相对应的体素点连接起来并识别定位出此连接线的中间体素点，这些中间体素点组合成一条烟丝形状特征线：宽度为1个体素点，
长度为n(≥5)个体素点，该线的长度即为烟丝长度L；
6)创建一个足够大的立方体，将烟丝形状特征线包含在立方体内，然后逐渐减小立方体的长宽高值，直至烟丝形状特征线与立方体的六个面都有一个接触点，记录此时的立方体长宽高值分别为A、B、C，并计算立方体的空间斜边长度D，计算公式为
7)烟丝卷曲度S即为最远两点距离D与烟丝长度L之比,计算公式如下：
2.根据权利要求1所述的卷烟烟支中烟丝形态检测方法，其特征在于：所述待测烟支可为细支卷烟、中支卷烟、常规卷烟。
3.根据权利要求1所述的卷烟烟支中烟丝形态检测方法，其特征在于：所述CT设备设置设备参数如下：确定专用于烟支结构扫描的图像大小2048x2048、X射线源管电压100kV、X射线源管电流70uA、扫描厚度0.004mm、扫描间距0.004mm、CT扫描方式锥束扫描、CT扫描模式Normal扫描。
4.根据权利要求1所述的卷烟烟支中烟丝形态检测方法，其特征在于：在步骤1)中，待测烟支样品在进行实验前需要先放入平衡室进行温度、湿度平衡，具体数值：温度为22℃，相对湿度为65％，平衡时间24h以上。
5.根据权利要求1所述的卷烟烟支中烟丝形态检测方法，其特征在于：
步骤3)中的FDK算法主要包括了投影数据的预加权、一维滤波和反投影几个步骤：
(1)首先利用类似于余弦的函数对投影数据进行加权,适当地修正体素到源点的距离和角度差；
(2)然后对不同投影角度的投影数据进行水平方向上的一维滤波；
(3)把滤波后的数据做锥形束的加权反投影，反投影中的权函数取决于重建点到焦点的距离，
平板探测器的FDK重建算法用公式表示为：
其中，R代表旋转半径，
表示滤波后的投影数据，g(a)为滤波函数，U(x，y，β))表示被重建像素在x-y平面到X射线源的距离；
a(x，y，β)代表对应射线在虚拟探测器上的水平位置，对应的竖直位置可表示为
对加权函数进行分解，可以表示为
Z为待重建点的Z轴坐标，同理我们可以根据几何关系获得U的长度
U(x，y，β)＝R+xcosβ+ysinβ
加权因子U与二维滤波反投影算法中的加权因子相似，几何含义为射线源点和重建图像之间的连线在中间射线上的投影相关联。
6.根据权利要求1所述的卷烟烟支中烟丝形态检测方法，其特征在于：步骤4)的具体过程如下：用CT扫描的图像，其在采样过程中，X，Y方向的间距是相等的，只有在Z方向上的间距有着较大的差距，所以对Z方向上进行一次线性插值，计算公式为：
式中，P1、P2为相邻CT图像对应点的CT值，a1、a2为两对应点距离插值点的Z轴方向距离，P为插值点的CT值；
运用多重分形频谱技术提取每幅烟支CT图像中的内部及轮廓特征，利用图像直观性对其进行分析，设定多重分形频谱理论中频谱值范围，对烟支CT图像的边缘进行检测并提取，利用对每幅烟支CT图像提取出的边缘信息绘制出三维图像的轮廓，将原始烟支CT图像和通过运用线性插值方法提取出的轮廓图像进行相互整合，从而构成三维重建模型，并提取烟支内部烟丝骨架轮廓。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310245353.7A CN116433603A (zh) | 2023-03-15 | 2023-03-15 | 一种卷烟烟支中烟丝形态检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310245353.7A CN116433603A (zh) | 2023-03-15 | 2023-03-15 | 一种卷烟烟支中烟丝形态检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116433603A true CN116433603A (zh) | 2023-07-14 |
Family
ID=87088105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310245353.7A Pending CN116433603A (zh) | 2023-03-15 | 2023-03-15 | 一种卷烟烟支中烟丝形态检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433603A (zh) |
-
2023
- 2023-03-15 CN CN202310245353.7A patent/CN116433603A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aschoff et al. | Algorithms for the automatic detection of trees in laser scanner data | |
| CN108444934B (zh) | 一种复合材料脱粘缺陷的自动分割及量化方法 | |
| CN113393460B (zh) | 基于图像处理的烟丝质量参数检测方法及*** | |
| Richner et al. | Root image analysis and interpretation | |
| CN108335310B (zh) | 一种便携式粒形粒度检测方法及*** | |
| CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
| CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
| CN116433603A (zh) | 一种卷烟烟支中烟丝形态检测方法 | |
| CN111256596B (zh) | 基于cv技术的尺寸测量方法、装置、计算机设备及介质 | |
| CN117058089A (zh) | 烟支外观检测方法 | |
| CN112505039A (zh) | 一种烟用梗丝复切理论成丝效果评价方法 | |
| CN114820611B (zh) | 基于人工智能的机械零件质量评估方法及*** | |
| CN113838123B (zh) | 基于图像处理的烟丝形貌特征的测量方法 | |
| CN116242860A (zh) | 一种烟支内梗签检测与表征方法 | |
| CN116223541A (zh) | 一种基于工业ct三维重建的烟支内不同密度物料的检测方法 | |
| CN114549485A (zh) | 一种基于x射线视觉的梗签检测方法 | |
| CN116242859A (zh) | 一种加热不燃烧卷烟烟支中烟丝空间分布状态检测与定量表征方法 | |
| CN116297573A (zh) | 一种烟支中烟丝空间形态检测与定量表征方法 | |
| CN117745649A (zh) | 一种卷烟型雪茄烟支中打孔质量检测方法 | |
| CN116797593A (zh) | 一种烟支中烟丝分布的检测方法 | |
| CN109682843B (zh) | 一种对ct***的参数标定方法 | |
| CN113758840A (zh) | 一种基于Image J的碳烟颗粒粒径及面积的测量方法 | |
| Liu et al. | Measurement method of the width of the strands of cut tobacco based on digital image processing | |
| CN116297574A (zh) | 一种雪茄烟烟叶分布的检测方法 | |
| CN115953384B (zh) | 一种烟叶形态参数在线检测和预测方法 |
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 |