横滤嘴棒自动剔除和图像识别预警方法

廖宇，陈琳，何攀，刘文婷，黄家兴，伍芬儒，李冉

横滤嘴棒自动剔除和图像识别预警方法

廖宇1，陈琳1，何攀2，刘文婷1，黄家兴3，伍芬儒2，李冉1

（1.湖北中烟工业有限责任公司，武汉 430030；2.武汉虹之彩包装印刷有限公司，武汉 430040；3.华中师范大学，武汉 430079）

基于图像识别和结构改进对嘴棒发射机运行中产生的横滤嘴棒进行智能剔除、识别和预警，以提高生产效率。采集滤嘴棒侧面运输图像，对异常图像进行追踪，从中提取异常滤嘴棒特征点，基于图像生成警示信息，同时对滤嘴棒发射机输送轨道背板进行结构优化，能剔除大部分横滤嘴棒。改进后的模拟样机，经过输送轨道背板的横滤嘴棒的剔除率高达约77%，其余异常横滤嘴棒被及时预警，嘴棒发射机的管道卡堵概率降低约60%，设备运行效率显著提高。图像识别和结构改进能有效识别预警和剔除嘴棒发射机运行中产生的横滤嘴棒。

滤嘴棒；图像识别；结构优化；预警系统

滤嘴棒是烟支上用来与卷烟相接的必不可少的部件之一，在滤嘴棒的生产加工过程中，大量的滤嘴棒会从卸槽机整齐的堆积排列至输送轨道上，经输送轨道运输至嘴棒发射机[1-3]。卸槽机在卸盘以及滤嘴棒在输送轨道上输送时，不可避免地会存在个别滤嘴棒发生偏移，形成横滤嘴棒，而这些横滤嘴棒若输送至嘴棒发射机处，可能会导致管道堵塞，影响生产效率。目前商用滤嘴棒发射机运行速度快，最大发射速率约为15 000根/min。横滤嘴棒堵塞管道造成频发停机，需要人工疏通管道后才能再启动设备，严重影响各卷烟厂的生产效率，而且人工剔除横滤嘴棒、疏通管道的过程中大量滤嘴棒掉落至地上造成浪费，频发停机和重启设备也加快了设备磨损老化。操作人员需要时刻观察挡板与滤嘴棒之间是否存在横滤嘴棒，大大增加了操作人员的工作量，且长时间枯燥的观察下，工作人员的注意力会下降，导致横滤嘴棒处理不及时。嘴棒发射机缺乏自动剔除横滤嘴棒和横滤嘴棒预警系统，这降低了生产效率，增加了机台操作人员的工作量，长期高频停机重启设备加快了机器的磨损老化。

图像识别已经广泛应用于生产环节，利用相机模拟人眼完成对客观事物的观察和判断，图像识别的应用大幅度提高了生产效率、生产智能化程度[4]。文中利用图像识别技术[5-6]，提出一种改进嘴棒发射机运行速度，减少操作人员工作量，提高生产效率的方法。

1 背板结构优化

1.1 背景介绍

现有嘴棒发射机是通过一个背板和输送轨道与卸槽机连接为一体的。设备正面都是钢化透明塑料，便于操作人员及时发现并剔除横滤嘴棒，但是设备的背板都是钢材质，夹在背板与滤嘴棒之间的横滤嘴棒无法被观察到，需要操作人员检查并手动剔除才能确保没有横滤嘴棒，见图1。图1a是操作人员检查滤嘴棒与背板之间是否夹有横滤嘴棒，图1b圆圈标注的是发现的具有一定形状凸起的成片滤嘴棒，图1c是拨开图1b凸起位置滤嘴棒后发现的横滤嘴棒。手动检查和剔除横滤嘴棒给机台操作人员带来了相当大的工作量。

连接嘴棒发射机和卸槽机的输送轨道的正面是可以开启的钢化透明塑料板，见图2a。正面夹在滤嘴棒和透明板之间的横滤嘴棒清晰可见，由于摩擦力的作用，横滤嘴棒不能轻易掉落，开启透明挡板后见图2b，横滤嘴棒在重力作用下自动掉落，因此，正面的横滤嘴棒可以自动掉落，部分不能自行掉落的横滤嘴棒，操作人员也容易观察到并及时剔除，但是滤嘴棒与背板之间被夹住的横滤嘴棒不容易被察觉，也很难在重力作用下自行掉落，滤嘴棒与背板之间的结构见图2c，传输带与背板之间有缝隙，但滤嘴棒与背板之间没有缝隙，因此滤嘴棒与背板之间被夹住的横滤嘴棒难以掉落。

图1 人工检查并剔除横滤嘴棒

图2 滤嘴棒经过传输带示意图

1.2 背板结构改进

由于背板和滤嘴棒之间的横滤嘴棒被夹住不易掉落，且不易被观察到。为此在连接嘴棒发射机和卸槽机的背板上预留一个开口，便于被夹住的横滤嘴棒经过开口时因失去背板和嘴棒的挤压摩擦力而自动掉落，其示意图见图3a。开口的长宽为15 cm×15 cm，大于滤嘴棒的长度。考虑到存在部分滤嘴棒排列不齐而出现图3b滤嘴棒“搭桥”的情况，为此在背板开口处设置导流板，导流板与背板的夹角为30°，见图3c，排列不齐的滤嘴棒经过背板开口时，导流板重新将滤嘴棒规整见图3d。如此，大部分横滤嘴棒经过带有导流板的开口处自行掉落，大大减少了通往嘴棒发射机的横滤嘴棒。

2 图像识别算法

为了及时剔除嘴棒发射机管道口前的横滤嘴棒，以实现更高的卷烟生产效率，需要对横滤嘴棒进行高效准确地识别。横嘴棒在形态上相较于正常嘴棒存在差异，通过在透明导流板上设置高速摄像探头，可以捕捉嘴棒发射机管道内的实时图像，通过对该图像进行处理，识别图像中的横嘴棒的直线边缘可以实现对横滤嘴棒的自动识别。其具体操作流程见图4。操作步骤可以简要描述：首先通过高速摄像机获取嘴棒图像，随后将嘴棒图像转换为灰度图，并进行去噪处理，对得到的嘴棒灰度图进行分割与边缘检测操作，并进行霍夫直线检测以确定图像中是否存在横滤嘴棒[7]。

2.1 图像去噪

嘴棒图像在成像过程中可能受到随机信号的干扰，进而影响对横滤嘴棒识别的精度，因此，在进行横滤嘴棒识别的过程中，首先需要对图像进行去噪处理，以降低图像噪声对横滤嘴棒识别精度的影响。传统的图像去噪算法主要在空间域进行操作，直接对原图像进行处理以获取每个像素的灰度值[8-9]。这种去噪方式具有方法简单、处理效率高等优点，适用于对横滤嘴棒的快速识别。文中采用算术中值滤波器进行嘴棒图像去噪处理，具体公式见式（1）。

将去噪后的嘴棒图像转换为灰度图像，转换公式见式（2）。

式中：为转换后的灰度图像中像素坐标（,）处的像素点的灰度值[14-15]；R、G和B分别为去噪后的嘴棒图像在、和3个颜色通道上的像素值。各色彩通道权重采用标准化参数。

实验效果见图5，图5a为原始嘴棒图像，图5b展示的是去噪后的嘴棒图像，图5c展示的则是嘴棒灰度图。

图3 背板改进的示意图

图4 横滤嘴棒图像处理流程

图5 滤嘴棒去噪实验示意图

2.2 图像分割

针对去噪后的嘴棒灰度图像，首先需要对图像进行分割。传统的图像分割方法按照阈值选择方式的不同，可以分为2种：确定阈值的图像分割方法与自适应图像分割方法。前者将图像中像素值大于某一阈值的点归为一类，小于某一阈值的点归为另一类，进而得到图像分割结果。后者则自动确定阈值进行图像分割。文中采用自适应阈值图像分割算法OSTU进行图像分割。

OSTU算法根据图像的最大类间方差对图像进行分割，其类间方差定义公式见式（3）。

式中：0为图像中灰度值小于阈值的所有像素的平均值；0为这部分像素在整个图像中占据的比例；1为图像中灰度值大于阈值的所有像素的平均值；1为这部分像素在整个图像中占据的比例；为图像的平均灰度值。

通过最大化类间方差值，可以计算得到自适应阈值，对嘴棒图像进行分割。嘴棒图像分割结果见图6。

2.3 边缘检测

图像边缘是图像灰度在空间中发生突变的像素集合，对分割后的嘴棒图像进行边缘检测，可以获取图像的结构特征。当前常用的图像边缘检测算子通常属于一阶微分算子和二阶微分算子，主要包括Canny算子、Roberts算子、Sobel算子和Laplace算子等。考虑到Sobel算子相较于其他边缘检测算子而言提取的边缘更为明显，文中采用Sobel算子进行嘴棒图像边缘检测。

Sobel算子是prewitt算子的改进方法，需要分别计算方向与方向的方向梯度，其卷积模板为：

将以上模板与分割后的嘴棒图像作平面卷积，以检测图像中的边缘区域。嘴棒边缘检测结果见图6。

2.4 霍夫直线检测

霍夫变换是图像处理领域检测物体几何形状的基本方法之一，通常被用于检测图像中是否存在 直线，因此可以被应用于检测嘴棒图像中的横滤嘴棒[16]。霍夫变换的实质是2个坐标空间之间的变换，在实际应用中，考虑到直角坐标系在平行于轴方向的直线斜率为无穷大，因此通常采用极坐标作为参数空间进行变换[17]。

3 实验结果与分析

将嘴棒图像中的所有像素点转换为参数空间中的曲线，通过计算参数空间中曲线的交点即可确定嘴棒图像中的直线[20]。霍夫直线检测结果见图7。图7中直线表示利用霍夫直线检测标记出的直线区域，其中两两平行的直线表示检测得到的横滤嘴棒。横滤嘴棒为规则的圆柱体，因此利用霍夫直线检测到横滤嘴棒时，通常会得到2条规则的平行直线，即可判断为横滤嘴棒。这避免了因图中识别到设备上其他部件的单条直线特征而发生错误判断。另外，通过模拟样机与现有常规嘴棒发射机进行对比实验，统计设备运行时，滤嘴棒输送导轨出现横滤嘴棒的次数和模拟样机背板剔除的横滤嘴棒数量，以及统计常规嘴棒发射机出现卡堵管道的次数，统计设备运行速度（1 000根/min）5 h的数据进行对比。常规嘴棒发射机以1 000根/min的发射速率运行5 h背板出现横滤嘴棒的平均次数为62，管道卡堵的平均次数为15。模拟样机以相同的嘴棒发射速率，运行5 h后通过改进后的背板，有48根横滤嘴棒被剔除，只发生了9次管道卡堵。由以上可知，改进后的模拟样机，经过输送轨道背板的横滤嘴棒的剔除率高达约77%，其余异常横滤嘴棒被及时预警，嘴棒发射机的管道卡堵概率降低约60%，设备运行效率显著提高。

图7 嘴棒图像霍夫直线检测结果

4 结语

文中以横滤嘴棒为研究对象，通过结构改进和图像识别技术，能有效自动去除横滤嘴棒，同时对部分被夹住的横滤嘴棒进行图像识别预警，便于操作人员及时处理，防止嘴棒发射机堵塞管道，大幅度提高了嘴棒发射机的工作效率。结果表明，研究设计的结构改进和基于霍夫直线检测的图像识别技术应用，在卷烟嘴棒发射机上的应用能有效去除横滤嘴棒和识别预警，具有一定的借鉴意义。

[1] 堵德华. YF171型滤棒储存输送装置技术参数的设计[J]. 烟草科技, 2005, 38(8): 16-18.

DU De-hua. Design of Technological Parameters of Filter Rod Reservoir and Conveyor System YF171[J]. Tobacco Science & Technology, 2005, 38(8): 16-18.

[2] 王京林. 青岛卷烟厂咀棒自动化立体库系统项目可行性研究[D]. 青岛: 中国海洋大学, 2008: 14-20.

WANG Jing-lin. Research on the Feasibility of China Tobacco Shandong Industrial Corporation Qingdao Cigarette Factory Filter Automatic Warehouse System Project[D]. Qingdao: Ocean University of China, 2008: 14-20.

[3] 史晓. YJ24接装机加胶嘴棒掉嘴分析与调整[J]. 科技与企业, 2013(18): 276.

SHI Xiao. Analysis and Adjustment of Glue Nozzle Drop in YJ24 Connector[J]. Science-Technology Enterprise, 2013(18): 276.

[4] 李蓉娟. 包装物料形状特征提取和识别方法[J]. 包装工程, 2020, 41(5): 209-213.

LI Rong-juan. Method of Shape Feature Extraction and Recognition of Packaging Materials[J]. Packaging Engineering, 2020, 41(5): 209-213.

[5] 刘俊琪. 基于图像识别的铝塑包装材料边缘检测[J]. 包装工程, 2017, 38(13): 154-158.

LIU Jun-qi. Edge Detection of Aluminum-Plastic Packaging Materials Based on Image Recognition[J]. Packaging Engineering, 2017, 38(13): 154-158.

[6] 张广云. 基于机器视觉的药物自动识别技术[J]. 包装工程, 2019, 40(15): 206-213.

ZHANG Guang-yun. Automatic Drug Recognition Technology Based on Machine Vision[J]. Packaging Engineering, 2019, 40(15): 206-213.

[7] 王颖, 王鹏飞, 杨余旺. 基于图像分割的目标尺寸特征测量[J]. 计算机技术与发展, 2018, 28(2): 191-195.

WANG Ying, WANG Peng-fei, YANG Yu-wang. Object Dimension Feature Measurement Based on Image Segmentation[J]. Computer Technology and Development, 2018, 28(2): 191-195.

[8] 孙勇, 肖勇, 方彦军. 基于改进自适应阈值法的指针仪表图像预处理[J]. 自动化与仪表, 2014, 29(9): 5-9.

SUN Yong, XIAO Yong, FANG Yan-jun. Analog Meter Image Preprocessing Based on Improved Adaptive Threshold Algorithm[J]. Automation & Instrumentation, 2014, 29(9): 5-9.

[9] 孙仕柏, 张勇. 基于交通视频的背景建模方法[J]. 上海船舶运输科学研究所学报, 2016, 39(1): 69-72.

SUN Shi-bai, ZHANG Yong. Research on Background Modeling of Traffic Video Image[J]. Journal of Shanghai Ship and Shipping Research Institute, 2016, 39(1): 69-72.

[10] 尤卫卫. 机器人分拣作业中工件识别实用技术的研究与实现[D]. 南京: 东南大学, 2016: 15-21.

YOU Wei-wei. The Research and Development of Workpiece Detection in Robort Sorting System[D]. Nanjing: Southeast University, 2016: 15-21.

[11] 胡钡. 基于神经网络的导航用非标准DM码的定位与识别[D]. 郑州: 郑州大学, 2019: 32-36.

HU Bei. Location and Recognition of Non-Standard DM Codes for Navigation Based on Neural Network[D]. Zhengzhou: Zhengzhou University, 2019: 32-36.

[12] 郭俊俏. 基于改进的LBP和PHOG特征的人脸表情识别方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2017: 6-15.

GUO Jun-qiao. Facial Expression Recognition Based on Improved LBP and PHOG Feature[D]. Harbin: Harbin Engineering University, 2017: 6-15.

[13] 郭伟, 董宏亮, 赵德冀. 基于截断奇异值低秩矩阵恢复的Canny边缘检测算法[J]. 计算机工程与科学, 2018, 40(9): 1670-1678.

GUO Wei, DONG Hong-liang, ZHAO De-ji. A Canny Edge Detection Algorithm Based on Truncated Singular Value Low-Rank Matrix Recovery[J]. Computer Engineering & Science, 2018, 40(9): 1670-1678.

[14] 王琳. 基于双目立体视觉技术的桥梁裂缝测量系统研究[D]. 上海: 上海交通大学, 2015: 25-31.

WANG Lin. Bridge Crack Measurement System Based on Binocular Stereo Vision[D]. Shanghai: Shanghai Jiao Tong University, 2015: 25-31.

[15] 梁昌, 韩良. 基于Matlab的转向轴承珠碗的检测技术研究[J]. 内燃机与配件, 2019(1): 52-55.

LIANG Chang, HAN Liang. Research on Detection for Steering Bearing Bead Bowl Based on Matlab[J]. Internal Combustion Engine & Parts, 2019(1): 52-55.

[16] 耿蓓, 陈涛, 高尚兵. 基于车道线的车辆种类划分方法[J]. 电脑知识与技术, 2019, 15(10): 230-234.

GENG Bei, CHEN Tao, GAO Shang-bing. Vehicle Classification Algorithm Based on Lane Line[J]. Computer Knowledge and Technology, 2019, 15(10): 230-234.

[17] 张吉玲. 基于Hough变换检测直线的研究[J]. 福建电脑, 2009, 25(4): 89-90.

ZHANG Ji-ling. Research on Line Detection Based on Hough Transform[J]. Fujian Computer, 2009, 25(4): 89-90.

[18] 唐阳山, 李栋梁, 朱停仃, 等. 基于canny和霍夫变换的车道线识别算法研究[J]. 汽车实用技术, 2017(22): 81-83.

TANG Yang-shan, LI Dong-liang, ZHU Ting-ding, et al. Lane Line Recognition Algorithm Based on Hough Transform and Canny[J]. Automobile Applied Technology, 2017(22): 81-83.

[19] 胡仁伟, 张希仁, 杨立峰, 等. 基于傅里叶变换和Hough变换的商标图案倾斜校正[J]. 轻工机械, 2018, 36(1): 62-65.

HU Ren-wei, ZHANG Xi-ren, YANG Li-feng, et al. Trademark Pattern Tilt Correction Based on Fourier and Hough Transform[J]. Light Industry Machinery, 2018, 36(1): 62-65.

[20] 吴梦怡, 何家溢, 王翾. 一种基于Hough变换的远红外图像座椅定位方法[J]. 现代电影技术, 2017(7): 12-18.

WU Meng-yi, HE Jia-yi, WANG Xuan. A Chair Positioning Method Based on Hough Transform in Far Infrared Image[J]. Advanced Motion Picture Technology, 2017(7): 12-18.

Automatic Removal of Transverse Filter Tip and Early Warning Method of Image Recognition

LIAO Yu1, CHEN Lin1, HE Pan2, LIU Wen-ting1, HUANG Jia-xing3, WU Fen-ru2,LI Ran1

(1. China Tobacco Hubei Industrial Co., Ltd., Wuhan 430030, China; 2. Wuhan Hanchang Paper Products Co., Ltd., Wuhan 430040, China; 3. Central China Normal University, Wuhan 430040, China)

The work aims to carry out intelligent elimination, identification and early warning of the transverse filter tipproduced during the operation of a transmitter to improve the efficiency of the production based on image recognition and structure improvement. The lateral transport images of filter rods were collected, and the abnormal images were tracked, from which the feature points of abnormal filter rods were extracted, and the warning information was generated based on the images. At the same time, the structure optimization of the backplane of the transmission track of the filter rods transmitter was carried out to eliminate most of the transverse filter tips. In the improved simulation prototype, the rejection rate of the transverse filter tip was as high as 77% when the transverse filter tip was transported to the conveying track backplane, and the other abnormal transverse filter tip was immediately warned. The blockage probability of the nozzle transmitter pipeline was reduced by about 60%, and the operating efficiency of the equipment was significantly improved.Therefore, image recognition and structure improvement can effectively identify and eliminate the transverse filter tip generated during the operation of the transmitter.

filter tip; image recognition; structure optimization; early warning system

TB492；TB486.+3

A

1001-3563(2022)11-0212-07

10.19554/j.cnki.1001-3563.2022.11.028

2021–08–25

湖北中烟工业有限责任公司项目（TS2021ZB068）

廖宇（1991—），男，博士，工程师，主要研究方向为烟用包装印刷材料。

李冉（1979—），男，博士，高级工程师，主要研究方向为烟用材料。

责任编辑：曾钰婵