基于机器视觉技术的烘丝质量评价模型的研究

2019-04-04胥海东王宇阳

科学与财富 2019年6期

胥海东王宇阳

摘要：烘丝是决定烟丝质量的重要工艺部分，但现阶段烘丝质量检测存在一定的局限性，导致烟丝质量的波动不能被实时检测。抽检样本量小：烘丝质量要素是在加香后采用离线采样方式检测，检测频率低、时间长，烘丝质量稳定性检测缺乏高效率的手段。质量问题滞后：整个过程时间久、滞后性大，期间可能产生较多质量不稳定的烟丝，导致下游生产过程的质量波动。本研究通过利用机器视觉技术对烘丝前后的烟丝进行视觉采集、分析及建模，探索建立一套具有实时检测与评价功能的烘丝在线评价系统，通过对烟丝特征的大数据分析，稳定烘丝过程质量。

关键词：烘丝;机器视觉;在线评价

0.引言

（1）烘丝质量稳定性重要性高及影响度大

对于卷烟生产过程中烘丝质量对烟支的卷制质量影响明显，但現阶段烘丝质量检测存在一定的局限性，导致烟丝质量的波动不能被实时检测。抽检样本量小：烘丝质量要素是在加香后采用离线采样方式检测，检测频率低、时间长，烘丝质量稳定性检测缺乏高效率的手段。质量问题滞后：整个过程时间久、滞后性大，期间可能产生较多质量不稳定的烟丝，导致下游生产过程的质量波动。因此，传统的烘丝质量检测方式存在效率低及质量问题滞后等不足，研究高效准确的烘丝质量稳定性检测技术是必然趋势。

（2）国内研究现状

针对烟丝质量检测与波动控制，目前主要采用离线人工抽样检测办法以及滞后性的工艺参数调整方式。抽样检测主要采用传统的人工单一批次抽样离线检测，难以实时的对烘丝以及其他制丝过程中烟丝质量波动进行客观地全面评估，也难以对影响后续卷包质量的因素提供深层次的识别，进而影响制丝质量的精准控制以及向更高层次的提升。

当前随着国内经济发展和工业生产技术的提升，对于产品质量检测的要求越来越高。而随着数字技术的飞速发展及企业数字化转型的趋势，工业企业生产过程对计算机控制系统和低成本的机器视觉检测技术的需求也越来越强烈。

1.主要内容

（1）图像采集、存储方法开发

结合安装现场的情况、图像传感器类型、分辨率以及精度等需求，选择合适工业摄像机、镜头、安装方式、成像区域和焦距确定镜头参数。此外，根据摄像机特点，结合对检测系统采集精度、传输信号速率匹配等因素的考虑，选取合适的图像采集卡，完成图像模拟信号的传输、存储及数字化处理问题。最后，基于图像大小，采用合理的图像存储与压缩技术，为实现在线检测与降低存储成本提供解决方案并实施。

（2）图像特征提取并建立属性特征库

使用图像特征，并利用用基于模板、边缘、灰度、空间变化、轮廓提取等方法进行降维与特征提取，从而得到可能有效描述目标关键特征信息的特征量，建立属性特征库。此外也需要收集对应控制参数筒壁温度、热风温度、排潮负压、热风风速等参数作为优化烘烤工艺的指导建议资料。

图像特征包含：灰度特征，颜色特征，边缘特征，纹理特征，形状特征等。

（3）建立目标函数库

结合以往离线检测的历史数据，并聘请专家评定一定数量照片中的烟丝质量，给出烟丝整丝率、碎丝率、填充值等。并将烘丝环节质量指标物料含水率、含水率标偏、以及卷包环节剔除率等一并收入目标函数库，作为算法训练指标。

（4）关联模型构建

通过积累一段时间的烘丝出口烟丝图像，进一步筛选属性特征库特征，并作为属性特征，离线进行模型训练，将属性特征库映射到目标函数库，进行图像的特征匹配与还原。通过该训练方法，可将图像信息直接转化到质量相关的检测指标上，并可以找到与整丝率、碎丝率、填充值等质量相关参数的关联性，提高质量评定分级的准确性。

2.研究成果

目前研究已取得部分成果：烟丝结构特征和热风速成强相关关系;烟丝长度、颜色和烟丝流量成强相关关系;

图像特征与工艺参数关联分析结果显著，模型预测准确率77.5%。

图像特征与质量参数关联分析结果较显著，模型预测准确率70.2%。

3.结论