切絲質(zhì)量在線評價技術(shù)的研究

王迪 胥海東

【摘要】切絲工藝是卷煙制造過程的重要工藝部分，現(xiàn)階段切絲質(zhì)量檢測存在一定的局限性，切絲過程沒有一種實時的、有效的檢測手段。切絲質(zhì)量只能在加香后采用離線采樣方式檢測，檢測頻率低、時間長，切絲質(zhì)量穩(wěn)定性檢測缺乏高效率的手段。質(zhì)量問題滯后：整個過程時間久、滯后性大，期間可能產(chǎn)生較多質(zhì)量不穩(wěn)定的煙絲，導致下游生產(chǎn)過程的質(zhì)量波動。本研究通過利用機器視覺技術(shù)對切絲工序過程中的煙絲進行視覺采集、分析及建模，探索建立一套具有實時檢測與評價功能的切絲在線評價系統(tǒng)，通過對煙絲特征的大數(shù)據(jù)分析，穩(wěn)定切絲過程質(zhì)量。

【關(guān)鍵詞】切絲;機器視覺;質(zhì)量評價

引言

（1）切絲質(zhì)量穩(wěn)定性重要性高及影響度大對于卷煙生產(chǎn)過程中切絲質(zhì)量對煙支的卷制質(zhì)量影響明顯，但現(xiàn)階段切絲質(zhì)量檢測存在一定的局限性，導致煙絲質(zhì)量的波動不能被實時檢測。抽檢樣本量小：切絲質(zhì)量要素是在加香后采用離線采樣方式檢測，檢測頻率低、時間長，烘絲質(zhì)量穩(wěn)定性檢測缺乏高效率的手段。質(zhì)量問題滯后：整個過程時間久、滯后性大，期間可能產(chǎn)生較多質(zhì)量不穩(wěn)定的煙絲，導致下游生產(chǎn)過程的質(zhì)量波動。因此，傳統(tǒng)的切絲質(zhì)量檢測方式存在效率低及質(zhì)量問題滯后等不足，研究高效準確的烘絲質(zhì)量穩(wěn)定性檢測技術(shù)是必然趨勢。

（2）國內(nèi)研究現(xiàn)狀

目前，機器視覺已是現(xiàn)代加工制造業(yè)不可或缺的產(chǎn)品，在食品和飲料[1]、化妝品、制藥、建材、化工、金屬加工[2]、工藝品制造[3]、電子制造[4]、包裝及汽車制造等行業(yè)均有應(yīng)用。

在煙草行業(yè)上，在煙葉分級、卷包過程等環(huán)節(jié)上已有大量的機器視覺應(yīng)用，在該行業(yè)已經(jīng)奠定了成熟的機器視覺技術(shù)，并且積累了豐富的實踐經(jīng)驗。因此，在線煙絲質(zhì)量檢測中結(jié)合基于機器視覺技術(shù)是未來重要的發(fā)展方向。本研究在烘絲后工序加裝煙絲質(zhì)量檢測設(shè)備，采集并分析煙絲圖像數(shù)據(jù)，并提取烘絲生產(chǎn)的工藝參數(shù)、對應(yīng)批次煙絲的質(zhì)檢參數(shù)及剔除率數(shù)據(jù)。

1主要內(nèi)容

1.1圖像采集、存儲方法開發(fā)

結(jié)合安裝現(xiàn)場的情況、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、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)攝像機特點，結(jié)合對檢測系統(tǒng)采集精度、傳輸信號速率匹配等因素的考慮，選取合適的圖像采集卡，完成圖像模擬信號的傳輸、存儲及數(shù)字化處理問題。最后，基于圖像大小，采用合理的圖像存儲與壓縮技術(shù)，為實現(xiàn)在線檢測與降低存儲成本提供解決方案并實施。

1.2圖像特征提取并建立屬性特征庫

煙絲的圖像屬性特征如灰度、色澤會隨著煙絲過程質(zhì)量參數(shù)的波動而存在一定差異，在不同工藝環(huán)節(jié)的煙絲圖像也存在差異，提取煙絲圖像特征及煙絲生產(chǎn)的過程質(zhì)量參數(shù)，利用大數(shù)據(jù)和機器視覺技術(shù)構(gòu)建煙絲圖像屬性特征檢測模型，并將圖像特征與煙絲過程質(zhì)量參數(shù)關(guān)聯(lián)，形成煙絲生產(chǎn)線圖像自成長平臺，系統(tǒng)自動更新數(shù)據(jù)，為不斷優(yōu)化煙絲質(zhì)量評價提供依據(jù)。

1.3建立目標函數(shù)庫

結(jié)合以往離線檢測的歷史數(shù)據(jù)，并聘請專家評定一定數(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)量指標物料含水率、含水率標偏、以及卷包環(huán)節(jié)剔除率等一并收入目標函數(shù)庫，作為算法訓練指標。

2.研究成果

目前研究已取得部分成果。

根據(jù)國標煙絲長中短碎長度規(guī)定，經(jīng)過轉(zhuǎn)換計算后，模擬國標煙絲結(jié)構(gòu)中長中短碎絲。如圖3所示，為切絲后表面煙絲圖像分割處理后效果，再統(tǒng)計分析分割后的紅色圈出區(qū)域的長度或像素數(shù)目，從而分為長中短碎絲。

通過跟蹤識別一個批次內(nèi)固定一個點的煙絲特征，來研究煙絲特征值的變化，切絲后觀察點進行拍攝分析，3個月的批次數(shù)據(jù)，共識別其中的批次內(nèi)該點的煙絲特征變化，通過追溯分析，發(fā)現(xiàn)生產(chǎn)過程中部分參數(shù)有一定量的變化。烘絲后根據(jù)國標可以較為準確地識別出固定點位表面煙絲圖像的煙絲特征。兩個批次煙絲圖像提取特征量變化效果如圖4所示，從圖中可以看出，批次內(nèi)模擬特征量在一定范圍內(nèi)波動，不同批次的波動情況不同。

通過在切絲后的固定位置對煙絲進行連續(xù)3個月的拍攝、觀察、分析與采集，識別生產(chǎn)過程跑片數(shù)量的變化，跑片檢測過程效果如圖5所示：

目前我們對跑片的識別率已經(jīng)可以達到80%，部分統(tǒng)計結(jié)果如表1所示。

3. 結(jié)論

（1）根據(jù)現(xiàn)階段質(zhì)量管理現(xiàn)狀，結(jié)合實際需求，提出了一種基于機器視覺技術(shù)的的切絲質(zhì)量特征檢測方法，并通過實際產(chǎn)線數(shù)據(jù)，驗證該方法的正確性和有效性。

（2）通過對切絲后跑片的連續(xù)觀察，豐富切絲過程質(zhì)量評價的方法，提升對切絲過程的管控能力。

參考文獻

[1]基于機器視覺的食品內(nèi)包裝缺陷檢測裝置設(shè)計與實現(xiàn)[J]. 賈真真，張濤，曹興強，曾建，李曉，姚二民.? 食品與機械. 2018（07）

[2]基于機器視覺的零件缺陷檢測算法[J]. 吳強，崔躍利，張耀.? 科學技術(shù)創(chuàng)新. 2018（26）

[3]基于機器視覺的蜂窩陶瓷側(cè)面缺陷檢測算法研究[J]. 戴衛(wèi)軍.? 陶瓷學報. 2014（03）

[4]基于FLASH-March算法的FLASH缺陷檢測系統(tǒng)[J]. 郭進杰，王瑜，李婷，霍宗亮.? 微電子學與計算機. 2014（10）

作者簡介：王迪（1991.01--），男，河南鄭州人，本科，助理工程師;研究方向為計算機科學與技術(shù)。