专利名称：一种基于主动加热的叶中含�：焱獬上窦觳夥椒�
技术领域：
本发明属于烟草行业烟叶中含梗(率)的识别检测技术，特别是一种基于主动加热的叶中含�：焱獬上窦觳夥椒�。
背景技术：
随着社会的发展，人们对产品品质的要求不断提高。对于香烟制品来说，提高烟叶的纯净度是提高香烟品质的重要保证，一些烟草生产企业，更是采用大量的人力，在生产线上采用手工挑选的方式来提高烟叶的纯净度。但是这个人工挑选的方式虽然提高了烟叶的纯净度，但是却降低了生产的效率，也耗费了大量的人力成本和管理成本，不利于社会化大生产的发展。为了提高烟叶的纯净度同时提高生产效率，不断提升卷烟质量，实现先进设备精选技术逐步替代传统的人工手动挑选烟叶的必然转变。目前用于剔除叶梗主要为人工筛�。诠谕庠菔泵挥型枷翊矸椒ń猩秆》矫嫜芯浚颐歉菔导市枨螅岢隽艘恢衷诨魇泳醯幕∩希捎猛枷翊淼姆椒ɡ刺岣哐桃短粞〉男�。(罗海燕，方文青，董海云，杨林波，谢立磊，叶中含梗率与相关打叶质量指标的关系，烟草科技，2005，216 (7)，pp: 11-14)要求目前的打叶复烤生产线能够在线实时检测叶中含梗率，通过自动控制调节打叶复烤过程中的风速等风分工艺参数，最大限度地分离梗叶，增加大片率，减少烟叶造碎，提高叶片质量。专利(申请号CN200610163801.5)公开了一种将把�：桶岩督蟹掷耄萘街治锪细髯缘奈锢硖匦苑直鹬贫ㄊ室说拇蛞陡纯竟ひ战屑庸さ姆椒�。申请号为CN200710052480. 6的专利公开了一种降低片烟含梗率的打叶复烤方法及抽梗工具。专利(申请号CN200720018754. 5和CN200520022442. 2)分别公开了一种能提高叶梗筛分效率的叶梗筛分装置和烟草叶梗高效风分装置。这些装置对于改善打叶复烤生产线的打叶性能和叶梗分离有积极意义，但均不适合作为在线实时检测方法，因为该设备方法检测周期较长(若干小时)，相对于生产来说检测具有滞后性，不能够很好的满足生产动态实时控制的要求。专利(专利201110213062)公开了一种利用组合光透视烟叶后用相机成像并运用图像处理算法将烟叶与叶梗识别出来，计算出烟叶的含梗率，而本专利则是利用烟叶的热辐射现象，通过对烟叶进行主动加热使烟叶叶�：鸵镀虏睿擞萌瘸上褚遣杉枷癫⒃擞猛枷翊硭惴ń桃队胍豆Ｊ侗鸪隼矗扑愠鲅桃兜暮Ｂ省�
发明内容
本发明的目的在于提供一种基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ谘桃兜囊镀胍豆Ｉ⑷人俣炔钜斓脑恚紫冉桃兑镀胍豆＜尤戎料嗤露热缓蠼幸欢üひ盏睦淙矗桃兑镀胍豆Ｐ纬晌露炔睿萌群焱獬上褚嵌砸镀�、叶梗成像，基于叶片和叶梗特征设计图像处理算法可以在线识别叶�：鸵镀馑愕ノ皇奔浠蛑柿炕虻ノ惶寤碌囊吨泻Ａ俊Ｊ迪直痉⒚髂康牡募际踅饩龇桨肝恢只谥鞫尤鹊囊吨泻：焱獬上窦觳夥椒ǎ街枞缦碌谝徊剑桃锻ü穸毯图铀倨ご忍。『蟮难桃端媸渌蜕呓牒嫦洌坏诙剑跃忍〉难桃断仍擞眉尤茸爸媒屑尤群笏腿胫评渥爸媒欣淙矗僭擞煤焱馊瘸上褚嵌匝桃督猩栊纬梢镀�、叶梗图像，通过红外热成像仪探测目标烟叶的红外热辐射，获取目标烟叶的叶片、叶梗分布图像；第三步，首先对获取目标烟叶的叶片、叶梗分布图像进行图像分割，分割出叶梗信息，然后对分割出的叶梗图像进行分析，最终得到最符合实际生产的需求的叶梗信息，其中，对目标烟叶的叶片、叶梗分布图像进行图像分割，首先对灰度化后的红外叶梗图像进行高斯滤波，然后对滤波后的图像进行显著性映射，最后完成图像分割，对分割出的叶梗图像进行分析，首先对经过图像分割后的叶梗图像进行细化，然后对红外叶梗信息进行描述，实现叶梗的检测，获得叶�：鸵镀某叽缣卣鳎坏谒牟剑扑阋吨泻Ｂ剩锤莸谌交竦玫囊豆：鸵镀巫闯叽缣卣鳎扑阋豆：鸵镀奶寤岷喜饬康囊豆：鸵镀芏龋扑阋豆：鸵镀闹柿浚竦靡吨泻Ｂ�。本发明与现有技术相比，其显著优点(1)该方法基于主动加热和冷却工艺，利用叶片和叶梗不同的散热物理特性，通过红外热成像仪对烟叶中叶�：鸵镀谐上瘢袢∏逦难桃兑豆Ｍ枷�。(2)对于获取的烟叶叶梗热红外图像，通过本发明的图像处理算法，可以准确快速识别叶片和叶梗的形状尺寸。(3)该方法解决了烟叶有一定重叠条件下识别困难的问题。该方法不仅可以用于叶片的形状尺寸特征检测，而且可以用于叶梗的形状尺寸特征检测，以及离线或在线叶中含梗率的检测与叶梗分拣；(4)该方法是一种非接触实时检测方法，适合实时流水线式操作，处理速度快，效率高，克服了目前称重检测方法检测周期较长(若干小时)的缺陷。下面结合附图对本发明作进一步详细描述。
图1是基于主动加热的叶中含�：焱獬上窦觳夥椒ü掏�。图2是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄈ斯ぜ尤燃爸评涔�。图3是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ灾杂成渌惴鞒掏�。图4是基于主动加热的叶中含�：焱獬上窦觳夥椒ǜ咚孤瞬ㄇ巴枷�。图5是基于主动加热的叶中含�：焱獬上窦觳夥椒ǜ咚孤瞬ê笸枷�。图6是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ灾约觳馇暗耐枷�。图7是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ灾约觳夂蟮耐枷�。图8是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ灾约觳馇巴枷竦闹狈酵肌Ｍ�9是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ灾约觳夂笸枷竦闹狈酵�。图10是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄖ兄德瞬ㄇ暗耐枷瘛Ｍ�11是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄖ兄德瞬ê蟮耐枷�。图12是基于主动加热的叶中含�：焱獬上窦觳夥椒ň指詈蟮耐枷�。图13是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄏ富蟮囊豆Ｌ卣魍枷瘛Ｍ�14是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄒ豆Ｃ枋鐾枷瘛�
图15是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄒ豆Ｍ枷竦南富惴āＭ�16是基于主动加热的叶中含�：焱獬上窦觳夥椒ㄒ豆５拿枋鏊惴�。
具体实施例方式本发明基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ岷洗蛞陡纯旧哂τ檬道�。如图1，步骤如下:第一步，将烟叶通过振动盘和加速皮带均匀摊�。『蟮难桃端媸渌蜕呓牒嫦洌坏诙剑缤�2，烟叶自动加热工序。设置生产线输送速度和烘箱的温度，使烟叶通过该工序后加热到50-100度。本实施例中，设置烘箱的温度为120-200度，生产线速度为1-3米/秒。第三步，烟叶自动快速冷却工序。完成自动加热后，对烟叶进行冷却，设置冷却工艺，包括冷却室的温度以及生产线的速度的设置，使经过冷却后的烟叶(叶片和叶梗)温度达到20-50度左右。根据制冷时间设置输送带的速度，将加热过后的烟叶经输送带以设定的速度通过冷却室，制冷过程需注意制冷时间的选择，过长的制冷时间会使得叶片与叶梗都制冷到同一温度或温度差较小，过短的制冷时间同样会导致叶片与叶梗的温度差较小，根据制冷装置及制冷环境的不同，进行多次试验选择出适当的制冷时间，对整个制冷过程的时间进行设置。本实例中，冷却室温度设定为10-20度左右，生产线速度为1-3米/秒。第四步，固定时间的制冷后，由于烟叶的叶片与叶梗物质密度、结构等物理特性存在较大的差异，叶片的散热速度要快于叶梗的散热速度，叶片与叶梗产生了较大的温度差。将烟叶随皮带机运送到红外热成像仪的正下方，运用红外热成像仪探测目标烟叶的红外辐射，并通过光电转换、信号处理等手段，将目标物体的温度分布图像转换成图像，产生清晰的叶片、叶梗分布图像。第五步，通过图像处理算法对图像特征进行提取，识别叶片和叶梗，图像处理算法步骤如下:步骤1、高斯滤波是一种线性低通滤波器，其由高斯函数作为权函数，能有效消除正态分布的噪声。
权利要求
1.一种基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣髟谟诓街枞缦�: 第一步，将烟叶通过振动盘和加速皮带均匀摊�。『蟮难桃端媸渌蜕呓牒嫦洌� 第二步，对均匀摊薄的烟叶先运用加热装置进行加热后送入制冷装置进行冷却，再运用红外热成像仪对烟叶进行扫描形成叶片、叶梗图像，通过红外热成像仪探测目标烟叶的红外热辐射，获取目标烟叶的叶片、叶梗分布图像； 第三步，首先对获取目标烟叶的叶片、叶梗分布图像进行图像分割，分割出叶梗信息，然后对分割出的叶梗图像进行分析，最终得到最符合实际生产的需求的叶梗信息，其中，对目标烟叶的叶片、叶梗分布图像进行图像分割，首先对灰度化后的红外叶梗图像进行高斯滤波，然后对滤波后的图像进行 显著性映射，最后完成图像分割，对分割出的叶梗图像进行分析，首先对经过图像分割后的叶梗图像进行细化，然后对红外叶梗信息进行描述，实现叶梗的检测，获得叶�：鸵镀某叽缣卣鳎� 第四步，计算叶中含梗率，即根据第三步获得的叶�：鸵镀巫闯叽缣卣鳎扑阋豆：鸵镀奶寤岷喜饬康囊豆：鸵镀芏龋扑阋豆：鸵镀闹柿浚竦靡吨泻Ｂ�。
2.根据权利要求1所述的基于主动加热的叶中含梗红外成像检测方法,其 特征在于第二步中加热及冷却的步骤如下: 步骤1，将烟叶均匀摊�。媸渌痛牒嫦洌� 步骤2，烟叶自动加热工序，使烟叶在生产线上通过加热工序进行加热； 步骤3，烟叶自动快速冷却工序，完成自动加热后，对烟叶进行冷却，使生产线通过冷却工艺，将叶片和叶梗温度降低； 步骤4，固定时间的制冷后，将烟叶经皮带机运送到红外热成像仪的正下方，运用红外热成像仪探测目标烟叶的红外辐射，并通过光电转换、信号处理手段，将目标烟叶的温度分布图像转换成图像，产生清晰的叶片、叶梗分布图像。
3.根据权利要求2所述的基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣鞑皆谟诓街�2、3中的生产线以1-3米/秒速度通过加热工序或冷却工艺。
4.根据权利要求2所述的基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣鞑皆谟诓街�2中的烟叶加热温度到50-100度，步骤3中的叶片和叶梗温度降低到20-50度。
5.根据权利要求1所述的基于主动加热的叶中含�：焱獬上窦觳夥椒�,其特征步在于第三步中的图像处理及检测的骤如下: 步骤1:利用高斯滤波对通过红外热成像仪获取目标烟叶的叶片、叶梗分布图像进行处理，消除正态分布的噪声，将目标图像更好的保留下来:1-H^-Xii)2+(y-y0r)
6.根据权利要求5所述的基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣鞑皆谟诓街�5中，图像细化提出叶梗骨架图像，图像分割后叶梗图像I，图像的宽度为《，高度为h，步骤如下: (1)对图像进行反色处理，对叶梗图像I中像素点P进行反色处理公式如下:V' p = 255-vp 其中Vp为像素点p的像素值，v' p为反色处理后像素点p的像素值； (2)根据下面所述的判据制作一张容量为256的索引表，基于数学形态学的索引表表细化算法判断一个点是否能去掉，要根据它的八个邻域的情况来判断，有如下的判据:1)内部点不能删除；2)孤立点不能删除；3)直线端点不能删除；4)如果点X是边界点，去掉X后，如果连通分量不增加，则X可以删除，根据上述的判据，事先做出一张表，从0到255共有256个元素，每个元素要么是0，要么是I ; (3)从上到下，从左到右，对二值图像进行扫描，对扫描到的像素点进行加权操作后的值，查找索引表，如果表中对应元素为I则删除该点，将其改为背景点，反则保留该点，处理下一个点； (4)从左到右，从上到下，对二值图像进行第二次扫描，对每一个像素点进行加权操作后的值，查找索引表，如果表中对应元素为I则删除该点，将其改为背景点，反则保留该点，处理下一个点； (5)如果本次循环存在目标像素点被删除，则跳到步骤(3)，否则，终止循环。
7.根据权利要求5所述的基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣鞑皆谟诓街�6中，对叶梗信息进行描述，I为图像分割后的叶梗图像，I’为经过图像细化算法处理以后的得到的叶梗骨架图像，步骤如下: (1)叶梗图像进行链码跟踪，得到区域Qi； (2)对链码跟踪的区域Qi,根据叶梗骨架图像I’，计算区域Qi包含的骨架点个数N； (3)计算区域Qi中每个骨架点的最大的内切圆半径R，累加区域Qi的所有点的最大内切圆半径R，结果为Sum，则区域Qi内的平均叶�？矶劝刖段猂’ =Sum/R ； (4)在区域Qi里，以骨架点为中心点，R’为半径，垂直与骨架，得到叶梗描述图像； (5)若还有待处理的区域Qi+1，则转向步骤(2)，反之，退出。
8.根据权利要求1所述的基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ涮卣髟谟诘谒牟街校扑阋吨泻Ｂ实木咛骞涛�: 对于第i段叶梗尺寸特征用直径Cli和长度Ii表示，则整段叶梗的体积Vg计算依据公式/ ((1,/2)2Ii ;减去叶梗的面积，对于叶片的尺寸特征用面积O表示；设测量的叶片面密度为O，叶梗的单位体积密度为P，则叶�：鸵镀闹柿考扑阋谰莨椒直鹞�1和O�。竦靡吨泻Ｂ室谰莨� 式P Vg/ 0小。
全文摘要
本发明公开了一种基于主动加热的叶中含�：焱獬上窦觳夥椒ǎ桃锻ü穸毯图铀倨ご忍。跃忍〉难桃断仍擞眉尤茸爸媒屑尤群笏腿胫评渥爸媒欣淙矗僭擞煤焱馊瘸上褚嵌匝桃督猩栊纬梢镀�、叶梗图像，通过红外热成像仪探测目标烟叶的红外热辐射，获取目标烟叶的叶片、叶梗分布图像；对获取目标烟叶的叶片、叶梗分布图像进行图像分割，对分割出的叶梗图像进行分析，最终得到最符合实际生产的需求的叶梗信息；计算叶中含梗率。本发明能够获取清晰的烟叶叶梗图像，可以准确快速识别叶片和叶梗的形状尺寸。
文档编号G01N21/84GK103076329SQ20121047596
公开日2013年5月1日 申请日期2012年11月21日 优先权日2012年11月21日
发明者刘永, 王欢, 时定兵, 刘承钧 申请人:南京理工大学, 南京焦耳科技有限责任公司
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
