排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
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。 相似文献
3.
4.
在线片烟精选系统的开发与应用 总被引:1,自引:0,他引:1
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。 相似文献
5.
为满足卷烟制丝环节单等级片烟预处理的工艺要求,解决传统柜式片烟存贮占地面积大、贮柜数量多、贮柜型号不统一等问题,通过合理设计系统的装箱方式、存贮形式、翻箱形式及料箱结构,采用实时含水率折算与静态秤计量组合技术,设计了单等级片烟箱式存贮系统。应用效果表明,该系统存贮能力为1900料位(每料位120~150 kg),满足了卷烟生产企业精细化加工处理工艺要求,保证了各等级片烟的精确配比,配比精度提高0.29百分点,生产用煤降低5.46×105kg/年,片烟造碎率减少0.17百分点,有效提升了叶组配方精度的保证能力,提高了系统单位空间存贮密度,实现了分组加工模式下片烟存贮与配比过程的柔性化生产。 相似文献
6.
7.
为了优化箱式储丝工艺,对比了传统压实法与抽空法装箱方式对储存过程中烟丝物理质量、烟气指标及感官质量的影响。结果表明:①与传统压实法装箱方式相比,抽空法装箱方式对烟丝产生造碎相对较小,且储存时间对烟丝的结构影响不明显,整丝率最大可降低0.24%;②两种方式装箱后,烟丝填充值随储存时间的增加均略有下降,但抽空法装箱并储存一定时间后烟丝填充值仍高于压实法;烟丝含水率随储存时间的增加变化不大;③抽空法装箱后,不同储丝时间对烟气指标基本无影响,感官评吸结果表明,抽空后存储9 d内的试验样品其感官质量较对照样无明显差异。 相似文献
8.
9.
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。 相似文献
10.
1