[發(fā)明專利]一種煙葉等級自動識別分揀方法

有效

• 申請?zhí)枺?/td>: 201911351413.3
• 申請日: 2019-12-25
• 公開（公告）號: CN111067131B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設計）人: 連長偉;楊連意;盧敏瑞;龔濤;王芳;張騰健;劉國慶;楊全忠
• 申請（專利權(quán)）人: 福建武夷煙葉有限公司
• 主分類號: A24B3/16
• 分類號: A24B3/16;A24B1/04
• 代理公司: 福州君誠知識產(chǎn)權(quán)代理有限公司 35211
• 代理人: 戴雨君

1.一種煙葉等級自動識別分揀方法，其特征在于：其包括以下步驟：

步驟1，將原煙包進行人工解包，上料至皮帶輸送機，利用震動裝置將煙葉進行抖散處理；

步驟2，將抖散的煙葉分別夾持，進行精片分離；

步驟3，精片分離后的煙葉輸送至煙葉識別系統(tǒng)分別采集煙葉的近紅外光譜和圖像信息；具體地，煙葉識別系統(tǒng)為一個相對密閉空間，煙葉入、出口處采用輕質(zhì)檔簾，保持內(nèi)部光線不受外部光線變化影響，在密閉空間內(nèi)部亦用輕質(zhì)檔簾劃分為兩個空間，空間一采用恒定標準光源，利用工業(yè)相機采集煙葉圖像信息，空間二不設置光源，利用在線近紅外光譜儀自有光源采集煙葉近紅外光譜信息；

步驟4，對采集后的近紅外光譜和圖像進行預處理，剔除干擾信息；

步驟5，提取預處理后的近紅外光譜和圖像關鍵特征；

步驟6，利用近紅外光譜等級識別模型和圖像視覺等級智能識別模型對煙葉等級進行綜合判定，圖像信息和近紅外光譜信息利用大量數(shù)據(jù)訓練成熟的深度學習等級識別模型形成的綜合模型；等級識別模型包括煙葉整片圖像青、霉、雜、爛副組識別模型和煙葉圖像數(shù)字化特征部位識別模型；

步驟7，等級綜合判定為含有雜物的煙葉自動進入雜物分揀框內(nèi)，由人工剔除雜物并定級；

步驟8，等級綜合判定為正常識別等級的煙葉分別進入不同等級框內(nèi)，按一定比例進行抽檢，不符合人工判別的煙葉重新定級，并加入等級識別模型內(nèi)；

步驟9，等級綜合判定為難以判別等級的煙葉自動進入人工判別框內(nèi)，由人工進行等級判別，并加入等級識別模型內(nèi)。

2.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟1中，人工解包后需對煙葉水分、煙葉黏連程度進行測定，保證煙葉水分為15%-17%；當水分過小或過大，則對應進行增濕或除濕操作；當煙葉黏連較為嚴重，則對應進行微波加熱，降低煙葉黏連力度，利用振槽對拆解后的煙葉進行抖散操作，抖散后的煙葉進入皮帶輸送機運送至精片分離工序。

3.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟2中，抓住抖散煙葉的葉基部，將整把煙葉葉柄卡入夾持裝置內(nèi)，并通過小齒輪將煙葉進行單片分離，保持每個二級卡位一片煙葉。

4.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟4中，在對煙葉近紅外光譜預處理時采用平滑處理，在對煙葉圖像預處理時采用灰度分析和透射分析，剔除異常干擾信息。

5.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟5中，提取近紅外光譜反射特征，對不同波段光譜信息進行提取和分析，提取煙葉圖像中的色度、色彩分布、幾何特征、脈象信息數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟6中，利用煙葉整片圖像青、霉、雜、爛副組識別模型剔除青、霉、雜、爛副組煙葉，再利用煙葉圖像數(shù)字化特征部位識別模型確定煙葉的準確部位，再利用近紅外光譜等級識別模型模糊判別煙葉等級，確定煙葉等級大致范圍，最后利用圖像視覺等級識別模型對煙葉等級進行二次精確判別，綜合判定煙葉等級。

7.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟7中，等級綜合判定為含有雜物，特別是煙葉上附有蟲繭的，進行單獨分流；雜物判定主要依據(jù)圖像視覺進行，由人工剔除相應雜物，人工定級后進入分揀線。

8.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟8中，不同等級煙葉通過自動化輸送系統(tǒng)進入相應等級框內(nèi)，每個等級框具有不同顏色，并且煙葉擺放方向一致；每批次分揀煙葉按照一定比例進行人工抽檢，由分級專家進行等級二次判定，當專家判定等級與自動識別等級不符，則以專家眼光為準，重新定級后的煙葉送入分揀線進行機器學習，更新等級識別模型。

9.根據(jù)權(quán)利要求1所述的一種煙葉等級自動識別分揀方法，其特征在于：在步驟9中，等級綜合判別中近紅外光譜模型難以模糊判別煙葉等級或者圖像視覺確定等級可信度較低的煙葉自動進入人工判別框內(nèi)，由分級專家對煙葉等級進行判定，以專家眼光為準，重新定級后的煙葉送入分揀線進行機器學習，更新等級識別模型。