基于CenterNet模型的烟草甲虫视觉检测方法设计

【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94%以上。(2)该模型对于烟丝、粉尘颗粒等干扰因素具有一定的抗干扰能力,能实现对烟厂烟虫的精确检测,对于小个体烟虫及粘连烟虫也能获得较优的检测结果。【结论】基于CenterNet模型设计的烟虫检测报警系统能准确统计出烟虫数量,为虫情的有效预警与防治提供了保障。     

雪茄烟烟支外观质量检测方法

为解决雪茄烟烟支外观质量检测自动化程度低、人为影响因素大等问题,研制了一种雪茄烟烟支外观质量检测装置,并构建了基于机器视觉技术和深度学习的烟支外观质量缺陷检测模型。通过检测装置采集雪茄烟柱面缺陷图像,并利用随机平移、翻转等方法对图像进行均衡和增强,建立数据集;使用K-means聚类算法生成适用于柱面缺陷数据集的先验框;对YOLOv5模型进行训练,并验证检测效果;采用大津法求得最佳阈值对雪茄烟端面空头图像进行分割,通过统计烟丝缺失比例实现空头缺陷检测。结果表明：(1)采用YOLOv5模型对柱面缺陷进行检测,多类别平均准确率MAP(Mean Average Precision)为87.7%,单张图像检测时间为13.1 ms/张,模型抗干扰能力强,检测精度和时间均优于对比模型。(2)YOLOv5模型能够准确识别和定位多尺寸、多种类以及密集缺陷,具有较强泛化能力和鲁棒性。(3)在不同亮度光照环境下,均能够实现空头缺陷检测。该方法可为提高雪茄烟产品质量提供支持。     

烟丝含签率在线检测设备的研制和应用

为解决人工检测烟丝含签率效率低、耗时长、结果差异大等问题,采用多级流化原理研制了一种烟丝含签率在线检测设备。该设备主要由流化室、吸丝管、烟丝收集室、烟尘烟末收集室等部分组成,流化室采用截面大、小、大、小、大、小交替变化的气流通道实现梗签和烟丝的完全分离。以广州卷烟厂某牌号烟丝为对象进行测试,结果表明:烟丝含签率实测值与理论值绝对误差在0.007 9%~0.188 1%之间,标准偏差在0.295 0%~0.862 3%之间,在线检测设备的准确度和精密度均可满足生产要求;最佳取样量和取样次数分别为150 g和30次;烟丝含签率在3%以上时,烟丝含签率增大对检测结果的绝对误差、相对误差、标准偏差无明显影响,在线检测设备对不同烟丝含签率的检测效果良好。该系统可为制丝线快速、准确检测烟丝含签率提供技术支持。     

烟丝回弹特性检测方法的建立及参数优化

【目的】解决烟丝填充值、弹性等物理指标不能全面真实反映卷制时烟丝回弹对卷烟质量影响的问题。【方法】建立了一套烟丝回弹特性检测方法并运用质构仪进行检测,对该方法进行重复性、差异性验证,通过单因素及响应面优化确定最佳测试参数,探究不同烟丝结构对回弹特性的影响。【结果】（1）通过分析烟丝卷制过程烟丝压缩及回弹过程,将烟丝回弹特性P定义为烟丝束受压后回弹至固定直径时的能力。（2）质构仪测定烟丝回弹特性的最佳条件：探头型号为A/BE-d45圆板探头,测前速度12 mm/s,测中速度6 mm/s,触发力4 g,回弹速度1 mm/s,压缩时间3 s,回弹保持时间16 s。该方法的日内和日间精密度分别小于4.20%和2.93%。（3）烟丝回弹特性受烟丝结构影响,烟丝尺寸越长,烟丝回弹特性越大。【结论】该表征方法科学可行且精密度较好,可对烟丝回弹特性进行准确测量。适宜的烟丝结构可保证烟丝的回弹能力,保持烟支的填充的饱满度,提高产品质量。     

烟丝气力输送风洞试验

为了深入探讨烟丝气力输送的特征与规律,建立了烟丝气力输送风洞试验系统,对速度和湍流度试验数据分析结果表明,风洞试验系统的气流稳定性系数η小于0.005,证明该风洞具有良好的均匀性和稳定性.在圆锥形试验段内对4种品牌烟丝进行了流动性实验,结果表明:①烟丝气力输送风洞试验系统设计合理,符合烟丝流实验要求;②烟丝的悬浮速度是以概率分布曲线形式表现的速度区间.当风速较低(Re<1.5×105)时概率分布曲线斜率较小;达到某一速度(3.0×105>Re>1.5×105)后曲线斜率急速增大;继续增加流速(Re>3.0×105),曲线斜率逐渐减小并趋于平稳;③烟丝物料中长度小于2.5 mm烟丝微片的悬浮速度较小,约占试验烟丝总重量的5%;杂质和结团烟丝的悬浮速度较大,约占试验烟丝总重量的5%;正常烟丝的悬浮速度在前两者之间,约占试验烟丝总重量的90%;④在本实验条件下烟丝、杂质分离的区间Re数为3.0×105～4.0×105.     

基于PP-PicoDet的半自动标注烟丝异物检测研究

【目的】应用半自动标注技术和轻量级目标检测模型,实现烟丝异物实时检测模型的快速开发和落地应用。【方法】在少量标注的样本上使用picodet-s-320训练基础模型,基于该模型生成对剩余数据样本的预测标注,人工矫正预测标注结果I后,.使用picodet-l-640训练基于全量数据的最终应用模型。【结果】数据标注效率提升223%,迭代周期缩短到1d,训练模型m APoU=o5达到1.000,测试集上漏检率为0%、误检率0.3%,部署模型推理速度提高291%,试运行期间无漏检,多检误报控制在0.23次/批。【结论】采用基于PP-PicoDet的半自动标注技术,大幅缩短算法的开发和迭代周期,模型的预测速度、精度、通用性好,可实现制丝工序烟丝异物的实时检测处置。     

基于改进卷积神经网络的食品异物自动识别方法

目的：提高食品中异物识别速度和精度。方法：在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果：与传统的模型相比,该模型具有更高的检测精度和更快的识别速度,食品异物的识别准确率为99.75%,识别时间仅为0.332 s。结论：建立的饺子图像异物识别模型具有较好的检测速度和识别精度。     

基于近红外光谱的卷烟配方结构识别

采用近红外光谱仪分析烟末样品,并用偏最小二乘法分析近红外数据,研究了不同配方结构的烟丝与近红外光谱的关系,建立了4个不同配方的识别模型。结果表明:梗丝与叶丝配方模型具有较好的预测准确性,对不同批次的样品预测均方根误差小于0.9%,平均相对误差在7.6%以下;在4丝配方中,对梗丝、膨胀烟丝和再造烟丝的预测准确度较低,其平均相对误差在10%左右。     

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。     

基于机器视觉的烟支接装质量在线检测系统

为解决人工识别烟支接装质量准确率低、劳动强度大等问题,设计了基于机器视觉的烟支外观在线检测系统。该系统采用CCD相机采集烟支图像并对其进行预处理,利用建立的二级检测模型对烟支外观进行分析,第一级采用轮廓最大面积判定法检测有明显外观缺陷的烟支,第二级采用模板匹配法检测有轻微缺陷的烟支,并将不合格烟支剔除。以宁波卷烟厂生产的200支"利群(新版)"牌卷烟为对象进行测试,结果表明:利用二级检测模型能够对所有烟支进行准确识别,在100支测试集中共检测出合格烟支50支,不合格烟支49支,检测准确率达到98%。该技术可为提高卷接设备自动化水平提供支持。     

谈烟丝膨胀设备的选型

烟丝膨胀技术在近几年来发展很快,引起了烟草行业广泛的注意,是卷烟厂技术改造的重点。我认为烟丝膨胀的含义,从广义的角度上讲,应包括烟叶丝和烟梗丝的膨胀,而就其在生产流程中所处的位置来看,烟丝的膨胀又可分为在线膨胀和采用特殊介质的独立烟丝膨胀系统两种。上述各种膨胀技术装备型式繁多又各有特点,本文想就上述装置的选型谈谈个人的浅见,以供读者选择时参考。     

模块加工中叶丝宽度组合对卷烟质量的影响

以青岛卷烟厂中高档卷烟“泰山”(宏图)牌号作为实验对象,在卷烟分组加工过程中,根据模块干燥方式设定不同的切丝宽度,测定了混合烟丝结构、成品含末率等物理指标以及加工过程消耗,并结合感官质量对比评吸结果研究了模块加工中叶丝宽度组合对产品质量的影响.结果表明:采用薄板干燥的主料烟板块和采用气流干燥的填充模块,切丝宽度分别设定为0.9,1.0 mm时,烟丝碎丝率降低0.39％,叶丝出柜烟末筛分量降低17.1kg,卷烟含末率降低0.79 mg/支,空头剔除率减少0.83％,感官质量得分提高0.4分.     

基于改进Mobile-Net-V2的原棉杂质分类方法

针对现有原棉杂质分析需要人工参与过多以及精度不容易量化的问题,提出一种以机器学习算法为核心的Mobile-Net-V2模型的棉花表面杂质自动化识别方法,系统采用基于深度学习算法中的Mobile-Net-V2的模型算法为主要算法,首先对图形进行通过图像二值化、以及导向滤波对原图像进行简单预处理,然后使用深度学习Mobile-Net-V2模型进行卷积运算的算法,通过将实验算法部署在嵌入式计算设备中,成功实现了棉花表面杂质的精准检测与分类。实验结果表明:该方法对多种杂质的细分类查准率为训练集90.7%,测试集89.5%,在尽量简化设备及算法的同时保证了原棉的杂质检测效率,采用十分交叉验证进一步保证了该方法的有效性,也为棉花杂质的智能检测与分类识别提供了参考依据。     

外置式卷接机组梗签分离装置的设计

为降低成品烟丝中的梗中含丝率,减少烟丝浪费,在ZJ17卷接机组的基础上设计了一种外置式梗签分离装置。原机分离出的梗丝混合物进入梗签一次分离装置,在真空悬浮腔内将混合物再次分离;一次分离出的较重烟丝和梗签的混合物输送到除尘房,较轻烟丝输送到梗签二次分离装置,在离心分离腔内将混合物再次分离;二次分离出的较轻烟丝直接进入制烟环节,含有少量烟丝的梗签混合物进入吸尘室。利用Ansys Workbench14.0软件对两种真空悬浮腔进行仿真分析,结果显示:方形腔体的梗丝分离效果好于圆柱形腔体,风分气压范围为-1.8×10~5～-2.3×10~5Pa;将离心分离腔体设计为"马蹄形",有利于气流流速发生变化,减少烟丝造碎。以曲靖卷烟厂生产的"云烟(软珍品)""云烟(软紫)"两种卷烟牌号为对象进行测试,结果表明:(1)改进后ZJ17卷烟机组平均梗中含丝率从20.27%下降到1.80%,每台机组可节约烟丝3 180 kg∕年;(2)安装分离装置不会对烟支卷制质量产生影响。该装置可为提升卷烟厂精益生产水平提供支持。     

电子鼻检测烤后烟叶挥发性组分的方法研究

本研究采用电子鼻系统对不同形态烤后烟样进行测定,以便初步建立一个烤后烟叶挥发性组分判别检测的方法。结果表明,不同样品形态、同一样品不同放置时间均对电子鼻检测效果有一定影响。对于烟丝样品,放置4h检测为宜;对于烟末样品,放置30 min检测为宜;采用烟丝样品检测效果优于烟末样品。结果分析表明,线性判别分析（LDA）比主成分分析（PCA）更能有效的区分不同样品,幵且LDA分析的结果更能代表样品的整体特征。传感器Loadings分析表明,烟丝样品检测时贡献率较大的传感器是2、7、8、9;烟末样品检测时贡献率较大的传感器是2、7、9。利用电子鼻技术在合适的条件下,可以对不同品种不同部位的烟样进行区分和鉴别。     

贮存期间盒装卷烟含水率的影响因素

为考察贮存期间盒装卷烟含水率的影响因素,对比了负压抽气法与充气法对密封度检测结果的影响,建立了基于烟包质量变化的烟丝含水率计算模型,研究了贮存时间、贮存温度、相对湿度及密封度对烟包内烟丝含水率的影响规律.结果表明:①负压抽气法与充气法的检测结果均能够表征烟包的密封性能,两种方法检测结果的R2=0.8873.300个样品...     

TM710红外水分仪在香烟生产中的应用

0 引言 在香烟生产过程中,烟丝的水分含量直接影响产品的质量(烟支的填充值、吸味及保存期等).因此,对在线水分监控设备的准确度要求极高.为了进一步提高监控精度,青州卷烟厂将红外水分仪TM55替换为TM710,取得了很好的效果.     

卷烟携带烟草普通花叶病毒(TMV)的测定研究

对国内15个省市34个卷烟厂家64个品牌的卷烟样品生物检测结果表明,TMV检出率为67.69%;不论是混合型还是烤烟型以及不同等级的卷烟样品都可以检出。卷烟烟丝研磨液和不同浓度的TMV汁液一样,接种后足以导致烟苗发病。      

基于改进Faster R-CNN的食品包装缺陷检测

目的：对纸质包装盒缺陷进行准确的识别与定位。方法：应用改进Faster R-CNN的网络模型自动对包装盒缺陷进行检测。对训练集图片进行数据增强并添加噪声，提升模型的训练精度和鲁棒性；将特征提取网络替换为ResNet50，并融合特征金字塔网络（FPN），提高模型多尺度检测的能力；使用K-means++对数据集中缺陷尺度进行聚类，优化锚框方案。结果：改进后的Faster R-CNN模型在测试集上的平均准确率（AP）达到93.9%，检测速度达到8.65帧/s。结论：应用改进的Faster R-CNN模型能够有效检测出包装盒缺陷并定位，可应用于包装盒缺陷的自动检测与分拣。     

基于计算机视觉与机器学习的烟丝杂质图像级联检测方法

为提高烟丝杂质检测及剔除的准确率,设计了一种基于计算机视觉与机器学习的烟丝杂质图像级联检测方法。该方法采用颜色特征和梯度能量计算机视觉方法对烟丝杂质进行定位,结合HOG特征、LBP特征与级联Adaboost分类器,设计多窗口检测算法对烟丝杂质进行实时检测。结果表明：基于颜色特征的静态杂质检测方法的准确率高于梯度能量方法,在结合了HOG特征和级联Adaboost分类器算法后,检测结果非常稳定,烟丝杂质检测准确率达到97.33%,在实际操作过程中不需要人工调整算法参数,在保证算法准确率和有效性的同时降低了时间成本。