[發(fā)明專利]一種基于人工智能的片煙雜物檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010772950.1
• 申請日: 2020-08-04
• 公開（公告）號: CN111912850A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設計）人: 蔡小五;池敏
• 申請（專利權(quán)）人: 南京文采工業(yè)智能研究院有限公司
• 主分類號: G01N21/892
• 分類號: G01N21/892;G01N21/01
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于人工智能的片煙雜物檢測系統(tǒng)，屬于煙草生產(chǎn)技術(shù)領(lǐng)域。該檢測系統(tǒng)包括圖像采集裝置、圖像處理裝置、圖像輸出裝置、傳送帶、雜質(zhì)、非雜質(zhì)、采集的圖像、輸出的圖像和標記，所述的圖像采集裝置與所述的圖像處理裝置相連，將所述的采集的圖像傳輸給所述的圖像處理裝置，所述的圖像處理裝置與所述的圖像輸出裝置相連，將所述的輸出的圖像傳輸給所述的圖像輸出裝置。本發(fā)明通過圖像的采集和對比，然后計算出圖像中的雜質(zhì)的位置及大小，并通過光線將標記雜質(zhì)在流水線上的位置，從幫助工作人員將雜質(zhì)去除。

技術(shù)領(lǐng)域

本發(fā)明屬于煙草生產(chǎn)技術(shù)領(lǐng)域，具體講就是涉及了一種基于人工智能的片煙雜物檢測系統(tǒng)，利用現(xiàn)有技術(shù)混合使用對煙葉流水線雜質(zhì)進行檢測。

背景技術(shù)

近年隨著生活水平的提高，消費者對各個檔次的香煙品牌有了更高且多樣化的要求，隨著煙葉產(chǎn)地的多元化使香煙的品質(zhì)控制受到更加重視，其中制絲環(huán)節(jié)的煙葉雜質(zhì)剔除環(huán)節(jié)由于雜質(zhì)種類繁多、雜質(zhì)與非雜質(zhì)難以剝離、流水線流速快等因素在部分除雜環(huán)節(jié)依然依賴工作人員的知識經(jīng)驗和技能的熟練程度進行人工辨識和剔除工作，但隨著品控要求的提高，產(chǎn)量的擴大現(xiàn)有的人工除雜的方式已經(jīng)無法滿足生產(chǎn)的需要。因此如何在保證品控水平的前提下，減少對人的知識經(jīng)驗、注意力、反應速度的依賴程度，降低工作人員的勞動強度成為煙葉除雜生產(chǎn)過程中需要解決的技術(shù)難題。

發(fā)明內(nèi)容

為了解決上述存在的問題，本發(fā)明提出一種基于人工智能的片煙雜物檢測系統(tǒng)，從流水線上快速運動的混有雜質(zhì)的原材料中找出雜質(zhì)，并以混合現(xiàn)實技術(shù)將標識后的結(jié)果投射到流水線的原材上，方便工作人員以視覺方式辨別，提高除雜效率和準確度，降低了工人的勞動強度。

為了實現(xiàn)上述目的，本發(fā)明采用以下方案，

一種基于人工智能的片煙雜物檢測系統(tǒng)，其特征在于：它包括圖像采集裝置、圖像處理裝置、圖像輸出裝置、傳送帶、雜質(zhì)、非雜質(zhì)、采集的圖像、輸出的圖像和標記，所述的圖像采集裝置與所述的圖像處理裝置相連，將所述的采集的圖像傳輸給所述的圖像處理裝置，所述的圖像處理裝置與所述的圖像輸出裝置相連，將所述的輸出的圖像傳輸給所述的圖像輸出裝置。

進一步地，上述基于人工智能的片煙雜物檢測系統(tǒng)的檢測方法，包括以下幾個步驟：(1)將圖像采集裝置拍攝到的流水線的圖像傳給圖像處理裝置；(2)圖像處理裝置識別圖像上雜物的位置及尺寸；(3)圖像處理裝置把圖像采集裝置的圖像上雜物的位置坐標轉(zhuǎn)換為圖像輸出裝置的圖像的坐標及尺寸；(4)圖像處理裝置生成標識出雜物區(qū)域的圖像，傳輸給圖像輸出裝置；(5)圖像輸出裝置將圖像以人眼可見的方式展示。

進一步地，所述步驟(1)中圖像采集裝置固定在流水線的上方，將拍攝的范圍覆蓋需要檢測的流水線的區(qū)域，該區(qū)域至少需要包含可能摻雜著雜質(zhì)的原材料以及傳送帶。

進一步地，所述步驟(1)中圖像采集裝置使用攝像機或照相機或紅外接收器或超聲波接收器可以接收可見光、非可見光、聲波、震動、電磁信號燈物理特征并將其轉(zhuǎn)化為數(shù)字或模擬信號的傳感器，圖像可以在圖像采集裝置合成也可以將原始數(shù)據(jù)傳輸?shù)綀D像處理裝置后合成。

進一步地，所述步驟(2)中圖像處理裝置對采集到的圖像中的物體進行識別，判斷哪些為雜質(zhì)哪些為非雜質(zhì)，并計算雜質(zhì)在圖像中坐標及尺寸。

進一步地，所述步驟(3)中圖像處理裝置將獲得的雜質(zhì)在采集圖像中的坐標及尺寸轉(zhuǎn)換到投射圖像中的坐標及尺寸，傳輸?shù)较乱徊健?/p>

進一步地，所述轉(zhuǎn)換的方式使用基于非線性模型的空間映射。

進一步地，所述非線性模型的空間映射包括神經(jīng)網(wǎng)絡或支持向量機或邏輯回歸方式。