本发明专利技术公开了一种非烟杂物的识别方法及装置，所述方法包括获取流水线上切后烟丝某一区域的图像，对图像进行扫描获得多个ROI图像，利用FCIS算法获得每个ROI图像中每个像素点的特征数据，利用平移应变性规则预测每个像素点特征数据的可能性得分，根据得分进行杂物的识别。本发明专利技术的装置能够自动完成非烟杂物的识别，更加智能化，减小了人为操作的误差，提高了工作效率和识别准确度。工作效率和识别准确度。工作效率和识别准确度。
【技术实现步骤摘要】
一种非烟杂物的识别方法及装置
[0001]本专利技术属于烟丝杂物识别
，具体地说，涉及一种非烟杂物的识别方法及装置。
技术介绍
[0002]近年随着生活水平的提高，消费者对各个档次的香烟品牌有了更高且多样化的要求，随着烟叶产地的多元化使香烟的品质控制受到更加重视，其中制丝环节中存在杂质，如：麻绳、纸片、塑料袋/绳、鸡毛、头发等，这些杂质混在烟丝中会导致卷烟在燃烧过程中烟气成分的变异，造成质量事故，而烟丝杂质剔除环节由于杂质种类繁多、杂质与非杂质难以剥离、流水线流速快等因素在部分除杂环节依然依赖工作人员的知识经验和技能的熟练程度进行人工辨识和剔除工作，但随着品控要求的提高和产量的扩大，现有的人工除杂的方式已经无法满足生产的需要。
[0003]因此如何在保证品控水平的前提下，减少对人的知识经验、注意力、反应速度的依赖程度，降低工作人员的劳动强度及识别误差，提高工作效率成为烟丝除杂生产过程中需要解决的技术难题。
[0004]有鉴于此特提出本专利技术。
技术实现思路
[0005]本专利技术要解决的技术问题在于克服现有技术的不足，提供一种非烟杂物的识别方法，利用FCIS算法对图像中每个像素点的特征数据进行分析，提高非烟杂物识别的准确性，减小人工操作的误差，提高识别效率，提高卷烟质量。
[0006]为解决上述技术问题，本专利技术采用技术方案的基本构思是：一种非烟杂物的识别方法，包括获取流水线上切后烟丝某一区域的图像，对图像进行预处理后，利用FCIS算法获得图像中每个像素点的特征数据及每个像素点特征数据的可能性得分，根据得分进行杂物的识别。
[0007]进一步的，对图像进行预处理包括：获取流水线上切后烟丝某一区域的图像，对图像进行扫描获得多个ROI图像，所述图像的像素大于ROI图像的像素。
[0008]进一步的，每个ROI图像的区域相互交叉。
[0009]以上方案中，将某一区域的图像分割成多个较小像素的ROI图像，有利于后续算法的处理，提高处理效率；使每个ROI图像区域相互交叉是为了防止遗漏掉某一像素点，提高杂物识别的准确性。
[0010]进一步的，利用FCIS算法获得每个ROI图像中每个像素点的特征数据；
[0011]所述FCIS算法中包括平移应变性规则，利用平移应变性规则预测每个像素点特征数据的可能性得分。
[0012]进一步的，所述平移应变性规则包括区分每个像素点特征数据的得分种类，所述得分种类包括两类：A类得分为烟丝，B类得分为杂物。
[0013]进一步的，所述平移应变性规则还包括对每个像素点特征数据的得分进行判断：
[0014]当像素点特征数据的得分种类为B类，且B的得分数值大于第一预设值时，该像素点为杂物的像素点；
[0015]或者，当像素点特征数据的得分种类为A类和B类，且B的得分数值大于第一预设值或A的得分小于第二预设值时，该像素点为杂物的像素点。
[0016]以上方案中，当像素点正好位于杂物上时，像素点的得分为B类，当像素点正好位于烟丝与杂物的交界处时，像素点的得分可能为A类和B类。
[0017]优选的，所述第一预设值为80，所述第二预设值为20。
[0018]进一步的，所述方法还包括将属于杂物的像素点围圈成面，得到杂物区域，实现杂物的识别。
[0019]以上方案中，像素点特征数据包括像素点的灰度值等。
[0020]一种非烟杂物的识别装置，应用于如上所述的一种非烟杂物的识别方法，所述装置包括：
[0021]机架；
[0022]输送单元，设于机架的下方，沿垂直于输送方向上具有振动振幅，用于输送切出的烟丝；
[0023]图像采集单元，设于机架上，用于对输送单元上的烟丝进行图像采集；
[0024]光源，设于机架上，用于为图像采集提供稳定的照明强度。
[0025]优选的，输送单元的振动振幅为0.3～5cm，振动频率为2～15次/秒。
[0026]输送单元的振动振幅和振动频率可根据实际需要进行调整，更优选振动振幅为1cm，振动频率为5次/秒。
[0027]所述输送单元可以为切丝机的出料振槽，所述出料振槽水平设置，在竖直方向上具有振动振幅，也可以为具有振动振幅的输送带等。
[0028]以上方案中，具有一定振幅和振动频率的输送单元有利于切后烟丝更好地分散，均匀地分布在输送单元上，有利于提高图像采集的准确性，同时，振幅也可以理解为烟丝的纵坐标信息，为烟丝检测提供了更多的有效数据，提高了检测准确性。
[0029]优选机架是以龙门架的方式设于输送单元的上方；优选图像采集单元为像素较高的工业相机；优选光源为LED灯，均匀排列在机架的横梁上。
[0030]进一步的，还包括图像处理单元，与图像采集单元相连，内置图像分析算法，用于对图像采集单元采集的图像进行算法处理。
[0031]进一步的，所述图像处理单元为控制柜，所述控制柜上设有显示区域，用于显示识别结果。
[0032]采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果：
[0033]本专利技术提供了一种非烟杂物的识别方法，利用FCIS算法对图像中每个像素点的特征数据进行分析，提高非烟杂物识别的准确性，减小人工监测的误差，提高识别效率，提高卷烟质量。
[0034]将某一区域的图像分割成多个较小像素的ROI图像，有利于后续算法的处理，提高处理效率；使每个ROI图像区域相互交叉是为了防止遗漏掉某一像素点，提高杂物识别的准确性。
[0035]本专利技术还提供了一种非烟杂物的识别装置，实现了非烟杂物的自动化检测和识别，减小了人为操作的误差，提高了识别效率和识别准确度，具有结构简单、便于使用的特点。
[0036]下面结合附图对本专利技术的具体实施方式作进一步详细的描述。
附图说明
[0037]附图作为本申请的一部分，用来提供对本专利技术的进一步的理解，本专利技术的示意性实施例及其说明用于解释本专利技术，但不构成对本专利技术的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
[0038]图1是本专利技术非烟杂物识别方法的整体流程示意图；
[0039]图2是本专利技术非烟杂物识别装置的整体结构示意图。
[0040]图中：1、输送单元；2、机架；3、光源；4、图像采集单元；5、图像处理单元。
[0041]需要说明的是，这些附图和文字描述并不旨在以任何方式限制本专利技术的构思范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
具体实施方式
[0042]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0043]在本专利技术的描述中，需要说明的是，术语“上”、“下”、“左”、“右”等指示的方位或位置关系为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种非烟杂物的识别方法，其特征在于，包括获取流水线上切后烟丝某一区域的图像，对图像进行预处理后，利用FCIS算法获得图像中每个像素点的特征数据及每个像素点特征数据的可能性得分，根据得分进行杂物的识别。2.根据权利要求1所述的一种非烟杂物的识别方法，其特征在于，对图像进行预处理包括：获取流水线上切后烟丝某一区域的图像，对图像进行扫描获得多个ROI图像，所述图像的像素大于ROI图像的像素。3.根据权利要求2所述的一种非烟杂物的识别方法，其特征在于，每个ROI图像的区域相互交叉。4.根据权利要求1
‑
3任一所述的一种非烟杂物的识别方法，其特征在于，利用FCIS算法获得每个ROI图像中每个像素点的特征数据；所述FCIS算法中包括平移应变性规则，利用平移应变性规则预测每个像素点特征数据的可能性得分。5.根据权利要求4所述的一种非烟杂物的识别方法，其特征在于，所述平移应变性规则包括区分每个像素点特征数据的得分种类，所述得分种类包括两类：A类得分为烟丝，B类得分为杂物。6.根据权利要求5所述的一种非烟杂物的识别方法，其特征在于，所述平移应变性规则还包括对每个像素点特征数据的得分进行判断：当像素点特征数据的得分种类为B类，且B的得分数值大于第一预设值时，该像素点为杂物的像素...
【专利技术属性】
技术研发人员：王小飞，胡江权，魏嘉轩，张红岩，齐海涛，杨江涛，杨志和，周玉生，
申请(专利权)人：秦皇岛烟草机械有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。