[發明專利]用于煙草生產線煙絲雜質的在線檢測方法

有效

• 申請號: 202011091416.0
• 申請日: 2020-10-13
• 公開（公告）號: CN112189877B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 張立國;孫勝春;金梅;張少闊;張子豪;張勇;劉博;郎夢園
• 申請（專利權）人: 燕山大學
• 主分類號: A24B3/18
• 分類號: A24B3/18;A24C5/00;B07C5/34;G01N21/25;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 孫建

本發明提供一種用于煙草生產線煙絲雜質的在線檢測方法，其包括數據降維和煙絲雜質檢測兩部分，具體實施步驟為：數據降維通過改進的最佳指數法對煙絲光譜圖像數據進行波段選擇，實現數據降維，在計算最佳指數前依次對煙絲光譜圖像數據進行去噪、采樣和分組三次篩選，從而選出信息量較大、波段間相關性較小、數量較少的波段子集；煙絲雜質檢測將深度卷積神經網絡與鄰域去散點算法相結合，先通過訓練好的卷積神經網絡模型對待識別光譜圖像各點進行初步識別，得到分類圖像；再通過鄰域去散點算法對分類出的雜質進行再識別，剔除分類圖像中雜質中的錯分的散點。根據光譜圖像中各點的反射率對其進行分類，有效減小光照變化對分類結果的影響。

技術領域

本發明涉及信號處理和數據降維技術領域，特別涉及一種用于煙草生產線煙絲雜質的在線檢測方法。

背景技術

香煙在生產過程中煙絲中往往不可避免的會混有運輸過程中的紙或者塑料包裝碎屑，影響香煙的品質，因此需要對生產線上的煙絲進行雜質檢測。人工挑選全憑人眼尋找煙絲中的雜質異物，受個體主觀意識影響，且費時費力，長時間工作容易造成視覺疲勞，無法保證工作效率。傳統的機器視覺方法檢測香煙雜質時受煙絲間隙陰影影響較大，其紙屑與煙絲顏色十分相近，檢測準確率有待提高。

基于光譜信息的目標檢測技術通過獲取目標的光譜信息得到目標連續的光譜曲線，根據不同物質間的光譜差異辨別出不同的物質，對顏色相近、光譜差異較大的物質尤為有效。香煙生產線上的煙絲在500-600nm間光譜呈上升曲線，在700-900nm間光譜呈下降曲線。

發明內容

針對現有技術存在的問題，本發明提供一種用于煙草生產線煙絲雜質的在線檢測方法，通過波段選擇選出少量保留較多有用信息的波段數據，減小計算量，提高處理效率；通過高光譜圖像分類對煙絲光譜圖像中的各點進行分類，預測每一點的類別，實現煙絲雜質的檢測。

本發明提供了一種用于煙草生產線煙絲雜質的在線檢測方法，其包括數據降維和煙絲雜質檢測兩部分，所述在線檢測方法的具體實施步驟如下：

S1、對成像光譜儀采集的煙絲光譜圖像數據進行降維：

S11、根據設定的單波段煙絲光譜圖像特征值的閾值，剔除成像光譜儀所獲得的煙絲光譜圖像數據中，圖像噪聲影響較大，含有有用信息非常少的單波段，縮小在煙絲光譜圖像數據全波段中的選擇范圍；

S12、將步驟S11獲得的煙絲光譜圖像數據，按光譜通道進行等距下采樣處理，在經過剔除的煙絲光譜圖像數據的波段子集中，等間隔抽取波段，將抽取的波段進行拼接組合，減小波段間的相關性，縮小波段的組合范圍；

S13、將步驟S12得到的煙絲光譜圖像數據的波段子集進行分組，計算步驟S12得到的波段子集中兩波段間的相關系數，得到波段間的相關性，根據波段間的相關系數大小進行分組，連續波段間相關系數均大于設定的相關系數閾值的，分為同一組；

S14、求取步驟S13中各組煙絲光譜圖像數據的最佳波段組合，分組計算每一組中波段的標準差和波段間的相關系數，計算各波段組合的最佳波段指數OIF，最佳波段指數最大的組合即為該組的最佳波段組合：

其中，stdev_i為某一組中第i個波段的標準差，r_ij為某一組中第i個波段與第j個波段間的相關系數，m為某一組的最佳波段組合中波段的個數；

S15、對步驟S14得到的各組煙絲光譜圖像數據的最佳波段組合進行波段合成，通過拼接組合得到最終的波段組合，最終選出的最佳波段組合的總波段數為各組選出的最佳波段組合的波段數的和；

S2、用深度卷積神經網絡對步驟S1處理的煙絲高光譜圖像數據進行煙絲雜質檢測：

S21、構建深度卷積神經網絡分類模型的訓練集和測試集；