【技术实现步骤摘要】
本专利技术涉及卷烟检测，特别涉及一种卷烟包灰裂口率计算方法、检测系统及装置。
技术介绍
1、在卷烟生产质量控制过程中，卷烟燃烧性能是评价卷烟产品的重要指标之一。卷烟的燃烧过程直接影响消费者的体验，而包灰裂口率是衡量卷烟燃烧质量的关键参数之一。包灰裂口率通常通过计算卷烟燃烧后的灰柱区域中裂口面积与总包灰区域面积的比率来确定。裂口率越低，表明灰柱的完整性越高，卷烟在燃烧过程中保持结构的能力越强。因此，裂口率的检测和分析不仅可以用于质量控制，还可为卷烟材料和配方的优化提供数据支持。
2、传统的裂口率检测方法依赖于人工检测或简单的图像分析技术，通常基于视觉判断或基础图像处理算法(如阈值分割和边缘检测)，这些方法存在检测精度不高、检测结果易受光照影响和裂口特征模糊等问题。此外，由于灰柱表面形貌复杂，人工检测效率低且结果的客观性难以保证，尤其是在大规模生产检测中更为不便。随着深度学习和图像处理技术的发展，基于深度学习的检测方法开始在工业检测领域展现出显著优势。这些方法能够通过自动特征提取和深度学习模型的高精度图像识别能力，对复杂的灰柱裂口进行自动化、精确的检测和分割。
3、然而，在实际卷烟检测中，灰柱的裂口区域往往具有多样性，包括形状不规则、面积不均匀以及边缘模糊等特点。此外，裂口与非裂口区域的光照反差不同，燃烧程度也影响图像的清晰度。这些因素为卷烟裂口率的检测带来了较大挑战。现有的基于卷积神经网络(cnn)和注意力机制的图像分割方法，如yolo、resnext、swin-transformer等，已被用于类似工业检
4、有鉴于此，本专利技术人根据多年从事本领域和相关领域的生产设计经验，经过反复试验设计出一种卷烟包灰裂口率计算方法、检测系统及装置，以期解决现有技术存在的问题。
技术实现思路
1、本专利技术的目的在于提供一种卷烟包灰裂口率计算方法、检测系统及装置，能够有效提高卷烟包灰裂口率的检测精度。
2、为达到上述专利技术目的，本专利技术提出一种卷烟包灰裂口率计算方法、检测系统及装置，其中，卷烟包灰裂口率计算方法包括：
3、获取卷烟燃烧过程中多角度的包灰图像，并对多角度的包灰图像进行预处理；
4、基于卷积神经网络对预处理后的包灰图像中的灰柱区域进行分割；
5、去除灰柱区域中的裂口区域，并基于自适应门控机制和连通域分析，进行边缘检测和区域填补；
6、对分割且去除裂口区域后的灰柱区域进行裂口率计算并输出计算结果。
7、本专利技术还提出一种卷烟表观燃烧质量检测系统，其特征在于，该系统实现上述的方法，包括以下模块：
8、多角度图像采集模块，获取卷烟燃烧过程中不同视角的包灰图像；
9、灰柱分割模块，基于并行混合注意机制对灰柱区域进行分割；
10、裂口去除模块，通过自适应门控机制去除灰柱图像中的裂口区域；
11、裂口率计算模块，基于卷烟包灰裂口率公式自动计算裂口率；
12、结果输出模块，生成裂口率检测结果及裂口率变化趋势图。
13、本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述的计算方法的步骤。
14、本专利技术还提出一种计算机设备，包括存储器和处理器，在存储器上存储有能够在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述的计算方法的步骤。
15、与现有技术相比，本专利技术具有以下特点和优点：
16、本专利技术提出的一种卷烟包灰裂口率计算方法、检测系统及装置，通过多角度成像系统获取卷烟燃烧过程的图像，利用并行混合注意机制(pham-yolo)结合resnext50与swin-transformer结构的卷积神经网络(cnn)自动分割灰柱区域，并采用自适应门控机制和连通域分析去除灰柱图像中的裂口区域，最终通过计算裂口区域面积与灰柱总面积的比率来确定裂口率，显著提高了卷烟裂口率检测的精度和鲁棒性，解决了传统检测方法中存在的检测精度不高、易受光照影响和裂口特征模糊等问题，为卷烟质量控制和生产优化提供了可靠的数据支持和分析工具，实现了卷烟燃烧质量的自动化、智能化检测，提升了检测效率和客观性。
本文档来自技高网...【技术保护点】
1.一种卷烟包灰裂口率计算方法，其特征在于，所述卷烟包灰裂口率计算方法包括：
2.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，基于卷积神经网络对预处理后的所述包灰图像中的灰柱区域进行分割，包括，采用并行注意机制结合ResNeXt50卷积网络和Swin-Transformer网络对各所述包灰图像中的灰柱特征进行提取。
3.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，基于卷积神经网络对预处理后的所述包灰图像中的灰柱区域进行分割，包括：
4.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，去除所述灰柱区域中的裂口区域，包括，采用CSegNet与JEUNet的融合模型识别裂口区域。
5.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，去除所述灰柱区域中的裂口区域，还包括，使用CSegNet网络模型，结合ECBAM模块进行特征提取与注意力加权进行裂口区域和灰柱区域的分割。
6.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，在去除所述灰柱区域中的裂口区域，并基于自适应门控机制和连通域分析，进行
7.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，所述裂口率的计算公式，包括：
8.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，输出计算结果，包括：以百分比形式表示裂口率并生成裂口率变化趋势图。
9.如权利要求8所述的卷烟包灰裂口率计算方法，其特征在于，输出计算结果，还包括：生成包含裂口率和灰柱完整性的检测报告。
10.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，通过多角度成像系统拍摄持续燃烧的卷烟并获取多角度的包灰图像，多角度的包灰图像至少包括前视图、侧视图和顶视图。
11.如权利要求10所述的卷烟包灰裂口率计算方法，其特征在于，使用基于卷烟燃烧的仿生抽吸机保持卷烟的持续燃烧。
12.一种卷烟表观燃烧质量检测系统，其特征在于，该系统实现权利要求1-11任意一项权利要求所述的方法，包括以下模块：
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现根据权利要求1至11中任一项所述的计算方法的步骤。
14.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的计算方法的步骤。
...【技术特征摘要】
1.一种卷烟包灰裂口率计算方法，其特征在于，所述卷烟包灰裂口率计算方法包括：
2.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，基于卷积神经网络对预处理后的所述包灰图像中的灰柱区域进行分割，包括，采用并行注意机制结合resnext50卷积网络和swin-transformer网络对各所述包灰图像中的灰柱特征进行提取。
3.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，基于卷积神经网络对预处理后的所述包灰图像中的灰柱区域进行分割，包括：
4.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，去除所述灰柱区域中的裂口区域，包括，采用csegnet与jeunet的融合模型识别裂口区域。
5.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，去除所述灰柱区域中的裂口区域，还包括，使用csegnet网络模型，结合ecbam模块进行特征提取与注意力加权进行裂口区域和灰柱区域的分割。
6.如权利要求1所述的卷烟包灰裂口率计算方法，其特征在于，在去除所述灰柱区域中的裂口区域，并基于自适应门控机制和连通域分析，进行边缘检测和区域填补的步骤中，包括以下子步骤：
7.如权利要求1所述的卷烟包灰裂口率计算方法，其特...
【专利技术属性】
技术研发人员：周明珠，董浩，王澍，刘勇，张龙，黄华，王雨凝，徐羽鹏，冯东，禹舰，李晓辉，王锦平，周炜，
申请(专利权)人：国家烟草质量监督检验中心，
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。