基于機(jī)器視覺技術(shù)的烘絲質(zhì)量評(píng)價(jià)模型的研究

胥海東 王宇陽(yáng)

摘要：烘絲是決定煙絲質(zhì)量的重要工藝部分，但現(xiàn)階段烘絲質(zhì)量檢測(cè)存在一定的局限性，導(dǎo)致煙絲質(zhì)量的波動(dòng)不能被實(shí)時(shí)檢測(cè)。抽檢樣本量?。汉娼z質(zhì)量要素是在加香后采用離線采樣方式檢測(cè)，檢測(cè)頻率低、時(shí)間長(zhǎng)，烘絲質(zhì)量穩(wěn)定性檢測(cè)缺乏高效率的手段。質(zhì)量問題滯后：整個(gè)過(guò)程時(shí)間久、滯后性大，期間可能產(chǎn)生較多質(zhì)量不穩(wěn)定的煙絲，導(dǎo)致下游生產(chǎn)過(guò)程的質(zhì)量波動(dòng)。本研究通過(guò)利用機(jī)器視覺技術(shù)對(duì)烘絲前后的煙絲進(jìn)行視覺采集、分析及建模，探索建立一套具有實(shí)時(shí)檢測(cè)與評(píng)價(jià)功能的烘絲在線評(píng)價(jià)系統(tǒng)，通過(guò)對(duì)煙絲特征的大數(shù)據(jù)分析，穩(wěn)定烘絲過(guò)程質(zhì)量。

關(guān)鍵詞：烘絲;機(jī)器視覺;在線評(píng)價(jià)

0.引言

（1）烘絲質(zhì)量穩(wěn)定性重要性高及影響度大

對(duì)于卷煙生產(chǎn)過(guò)程中烘絲質(zhì)量對(duì)煙支的卷制質(zhì)量影響明顯，但現(xiàn)階段烘絲質(zhì)量檢測(cè)存在一定的局限性，導(dǎo)致煙絲質(zhì)量的波動(dòng)不能被實(shí)時(shí)檢測(cè)。抽檢樣本量?。汉娼z質(zhì)量要素是在加香后采用離線采樣方式檢測(cè)，檢測(cè)頻率低、時(shí)間長(zhǎng)，烘絲質(zhì)量穩(wěn)定性檢測(cè)缺乏高效率的手段。質(zhì)量問題滯后：整個(gè)過(guò)程時(shí)間久、滯后性大，期間可能產(chǎn)生較多質(zhì)量不穩(wěn)定的煙絲，導(dǎo)致下游生產(chǎn)過(guò)程的質(zhì)量波動(dòng)。因此，傳統(tǒng)的烘絲質(zhì)量檢測(cè)方式存在效率低及質(zhì)量問題滯后等不足，研究高效準(zhǔn)確的烘絲質(zhì)量穩(wěn)定性檢測(cè)技術(shù)是必然趨勢(shì)。

（2）國(guó)內(nèi)研究現(xiàn)狀

針對(duì)煙絲質(zhì)量檢測(cè)與波動(dòng)控制，目前主要采用離線人工抽樣檢測(cè)辦法以及滯后性的工藝參數(shù)調(diào)整方式。抽樣檢測(cè)主要采用傳統(tǒng)的人工單一批次抽樣離線檢測(cè)，難以實(shí)時(shí)的對(duì)烘絲以及其他制絲過(guò)程中煙絲質(zhì)量波動(dòng)進(jìn)行客觀地全面評(píng)估，也難以對(duì)影響后續(xù)卷包質(zhì)量的因素提供深層次的識(shí)別，進(jìn)而影響制絲質(zhì)量的精準(zhǔn)控制以及向更高層次的提升。

當(dāng)前隨著國(guó)內(nèi)經(jīng)濟(jì)發(fā)展和工業(yè)生產(chǎn)技術(shù)的提升，對(duì)于產(chǎn)品質(zhì)量檢測(cè)的要求越來(lái)越高。而隨著數(shù)字技術(shù)的飛速發(fā)展及企業(yè)數(shù)字化轉(zhuǎn)型的趨勢(shì)，工業(yè)企業(yè)生產(chǎn)過(guò)程對(duì)計(jì)算機(jī)控制系統(tǒng)和低成本的機(jī)器視覺檢測(cè)技術(shù)的需求也越來(lái)越強(qiáng)烈。

1.主要內(nèi)容

（1）圖像采集、存儲(chǔ)方法開發(fā)

結(jié)合安裝現(xiàn)場(chǎng)的情況、圖像傳感器類型、分辨率以及精度等需求，選擇合適工業(yè)攝像機(jī)、鏡頭、安裝方式、成像區(qū)域和焦距確定鏡頭參數(shù)。此外，根據(jù)攝像機(jī)特點(diǎn)，結(jié)合對(duì)檢測(cè)系統(tǒng)采集精度、傳輸信號(hào)速率匹配等因素的考慮，選取合適的圖像采集卡，完成圖像模擬信號(hào)的傳輸、存儲(chǔ)及數(shù)字化處理問題。最后，基于圖像大小，采用合理的圖像存儲(chǔ)與壓縮技術(shù)，為實(shí)現(xiàn)在線檢測(cè)與降低存儲(chǔ)成本提供解決方案并實(shí)施。

（2）圖像特征提取并建立屬性特征庫(kù)

使用圖像特征，并利用用基于模板、邊緣、灰度、空間變化、輪廓提取等方法進(jìn)行降維與特征提取，從而得到可能有效描述目標(biāo)關(guān)鍵特征信息的特征量，建立屬性特征庫(kù)。此外也需要收集對(duì)應(yīng)控制參數(shù)筒壁溫度、熱風(fēng)溫度、排潮負(fù)壓、熱風(fēng)風(fēng)速等參數(shù)作為優(yōu)化烘烤工藝的指導(dǎo)建議資料。

圖像特征包含：灰度特征，顏色特征，邊緣特征，紋理特征，形狀特征等。

（3）建立目標(biāo)函數(shù)庫(kù)

結(jié)合以往離線檢測(cè)的歷史數(shù)據(jù)，并聘請(qǐng)專家評(píng)定一定數(shù)量照片中的煙絲質(zhì)量，給出煙絲整絲率、碎絲率、填充值等。并將烘絲環(huán)節(jié)質(zhì)量指標(biāo)物料含水率、含水率標(biāo)偏、以及卷包環(huán)節(jié)剔除率等一并收入目標(biāo)函數(shù)庫(kù)，作為算法訓(xùn)練指標(biāo)。

（4）關(guān)聯(lián)模型構(gòu)建

通過(guò)積累一段時(shí)間的烘絲出口煙絲圖像，進(jìn)一步篩選屬性特征庫(kù)特征，并作為屬性特征，離線進(jìn)行模型訓(xùn)練，將屬性特征庫(kù)映射到目標(biāo)函數(shù)庫(kù)，進(jìn)行圖像的特征匹配與還原。通過(guò)該訓(xùn)練方法，可將圖像信息直接轉(zhuǎn)化到質(zhì)量相關(guān)的檢測(cè)指標(biāo)上，并可以找到與整絲率、碎絲率、填充值等質(zhì)量相關(guān)參數(shù)的關(guān)聯(lián)性，提高質(zhì)量評(píng)定分級(jí)的準(zhǔn)確性。

2.研究成果

目前研究已取得部分成果：煙絲結(jié)構(gòu)特征和熱風(fēng)速成強(qiáng)相關(guān)關(guān)系;煙絲長(zhǎng)度、顏色和煙絲流量成強(qiáng)相關(guān)關(guān)系;

圖像特征與工藝參數(shù)關(guān)聯(lián)分析結(jié)果顯著，模型預(yù)測(cè)準(zhǔn)確率77.5%。

圖像特征與質(zhì)量參數(shù)關(guān)聯(lián)分析結(jié)果較顯著，模型預(yù)測(cè)準(zhǔn)確率70.2%。

3.結(jié)論

1.根據(jù)現(xiàn)階段質(zhì)量管理現(xiàn)狀，結(jié)合實(shí)際需求，提出了一種基于機(jī)器視覺技術(shù)的的烘絲特征關(guān)聯(lián)模型，并通過(guò)實(shí)際產(chǎn)線數(shù)據(jù)，驗(yàn)證模型的正確性和有效性

2.通過(guò)對(duì)生產(chǎn)數(shù)據(jù)的分析，可以快速找到制絲生產(chǎn)過(guò)程中的瓶頸模塊，大幅提高發(fā)現(xiàn)問題和定位問題的效率，有利于對(duì)生產(chǎn)過(guò)程進(jìn)行針對(duì)性的優(yōu)化與改進(jìn)。

參考文獻(xiàn)：

[1]王彥輝，趙培琨，邊東良.基于計(jì)算機(jī)視覺的瓜果采摘系統(tǒng)的運(yùn)用研究[J].農(nóng)機(jī)化研究.2018（01）.

[2]賈真真，張濤，曹興強(qiáng)，曾建，李曉，姚二民.基于機(jī)器視覺的食品內(nèi)包裝缺陷檢測(cè)裝置設(shè)計(jì)與實(shí)現(xiàn)[J].食品與機(jī)械.2018（07）.

[3]吳強(qiáng)，崔躍利，張耀.基于機(jī)器視覺的零件缺陷檢測(cè)算法[J].科學(xué)技術(shù)創(chuàng)新.2018（26）.

[4]戴衛(wèi)軍.基于機(jī)器視覺的蜂窩陶瓷側(cè)面缺陷檢測(cè)算法研究[J].陶瓷學(xué)報(bào).2014（03）.

[5]羅時(shí)光.基于機(jī)器視覺的玻璃瓶口缺陷檢測(cè)方法[J].包裝工程.2018（03）.

[6]郭進(jìn)杰，王瑜，李婷，霍宗亮.基于FLASH-March算法的FLASH缺陷檢測(cè)系統(tǒng)[J].微電子學(xué)與計(jì)算機(jī).2014（10）.