在线片烟精选系统的开发与应用

为解决现有片烟精选除杂系统难以统一剔除非等级烟叶和杂物等问题,设计开发了在线片烟精选系统。该系统包括结团烟、烟梗、青霉烟和杂物4个剔除子系统,结团烟剔除子系统采用星辊剔除装置,含梗烟、青霉烟及杂物剔除子系统分别采用低能X射线、可见光等不同成像方式的机器视觉技术检测异物,利用具备机器学习功能的智能图像算法识别异物,并通过高压气体喷吹阀剔除异物。应用效果表明,该系统在不同片烟处理流量下对结团烟的有效剔除率均在95%以上;综合考虑片烟处理能力和精选效果,片烟精选系统处理流量1000 kg/h时工作性能最佳,对含梗烟、青霉烟及杂物的有效剔除率分别为91%,75%和92%,达到或高于人工选叶水平,片烟纯净度有效满足了正常生产要求,提高了片烟精选效率,降低了人工选叶成本。     

基于低能X射线透射成像的打叶片烟中烟梗在线检测

利用打后叶片和烟梗面密度存在的显著差异,采用低能X射线透射成像,结合形态学滤噪、灰度阈值分割、归属判断等图像实时分析处理手段,实现了打叶片烟中烟梗的在线检测识别及剔除。研究确定了70 ke V辐射强度、1.6 m/s检测带速及40 000图像灰度分割阈值等检测条件,并对该检测方法进行了试验验证。结果显示,该方法对直径1.5 mm以上游离烟梗和带叶烟梗靶物的识别率均可达到98.0%以上。将纯净叶片与带叶烟梗靶物混合后连续过料,烟梗识别率达到94.5%,剔除率达到92.5%。采用"芙蓉王"配方中Y1等级打后片烟原料测试表明,在1 000 kg/h处理流量下烟梗剔除率达到93.6%。基于低能X射线透射成像的打叶片烟中烟梗在线检测方法是可行的。     

烟丝结构在线检测装置设计

目的：解决目前烟丝结构检测均采用离线检测方式,检测结果滞后的问题。方法：采用风选摊薄方式与图像智能识别技术,在制丝线风选室内对烟丝结构进行检测,在线检测烟丝长度、宽度和面积,统计烟丝中整丝和碎丝的比例。结果：通过对现有烟丝结构离线检测仪器的对比,该检测装置测量精度较高,稳定性较好,能够较为真实地反映制丝线烟丝结构实际质量状况。结论：该装置能有效减少质检人员的工作量。     

基于机器视觉和MSD微结构描述算法的霉变烟在线检测研究

为实现醇化烟叶中霉变烟的自动在线精选, 设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像, 采用MSD微结构描述算法提取烟叶图像颜色、纹理特征, 基于神经网络集成分类算法, 通过合格烟叶样本和霉烟样本的训练学习, 实现霉变烟的在线检测识别。经过测试, 该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示, 采用霉烟靶物单独过料时, 机器视觉系统对霉烟的平均在线识别率在95%以上; 将霉烟靶物与合格烟片混掺过料时, 系统对霉烟的平均识别率在87%以上。研究结果表明, 机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。      

基于AdaBoost集成学习的烟丝组分识别

目的：提高烟丝的识别效率。方法：利用F-score特征选择方法和AdaBoost集成学习方法对烟丝组分进行识别,提取烟丝的纹理、颜色、形状特征作为模型的输入,通过F-score特征选择方法降低特征维度,以支持向量机(Support Vector Machine,SVM)作为基分类器,再利用AdaBoost集成学习方法,得到烟丝的分类模型。结果：该方法能够有效区分不同组分烟丝,每种烟丝的识别准确率都在95%以上。结论：AdaBoost集成学习方法比传统方法更快捷、方便,也更安全、有效。     

光学烟叶杂物分选机的原理与结构

介绍了光学烟叶杂物分选机的结构、分选原理和分选性能。它主要由烟叶摊薄部分、光学及数字视频处理部分和电控部分 3个部分组成。其分选原理为 :通过线性CCD摄像机对烟叶中杂物的颜色、形状与烟叶对比 ,由气动电磁阀剔除烟叶杂物。其分选性能为 :一般情况下 ,光学烟叶杂物分选机对颜色的分辨能力可达 10亿种 ,对杂物形状的分辨精度可以达 0 .73mm。     

过渡金属功能化硼、氮掺杂碳纳米复合材料的电解水制氢研究进展

可持续地制氢是实现未来氢经济的必要前提。近年来，过渡金属功能化杂原子掺杂碳纳米复合材料，因为其在电催化领域的优点，引起了研究者的广泛关注。其中，与其它杂原子掺杂或未掺杂的碳纳米复合材料相比，硼(B)、氮(N)杂原子共掺杂纳米复合材料在电解水制氢催化中表现出极大的优势。本综述重点介绍了近年来过渡金属功能化的B,N杂原子掺杂碳纳米复合材料的设计、制备、及其电解水制氢催化性能提高的策略。本文考虑了这些特殊结构的纳米材料作为潜在电催化剂的广泛应用。最后，对B,N掺杂碳纳米复合材料电催化剂的发展进行了展望。