一种在线烟梗的重叠率计算方法

1.本发明属于图像识别技术领域，具体涉及一种在线烟梗的重叠率计算方法。


背景技术：

2.一般卷烟的基本原料由烟叶和烟梗加工成叶丝和梗丝，按照一定的比例卷接成型。烟梗的加工过程一般由梗拐剔除、喂料、加湿、储梗、切丝、膨化、干燥等几个工序。烟梗的结构是影响梗丝质量的一项重要指标，进而影响卷烟制品的质量。目前烟梗结构主要采用肉眼进行观测，对后续的烟梗剔除工作带来不小的困难。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种在线烟梗的重叠率计算方法，可以对烟梗的重叠率进行计算，能够对异物剔除工序加速带式输送机离散效果、杂物剔除设备运行工况以及杂物识别、剔除等效率进行可靠直观的评价。
4.为达到上述目的，本发明提供如下技术方案：
5.本发明一种在线烟梗的重叠率计算方法，其特征在于，包括以下步骤：
6.s1：在线对烟梗进行图像采集；
7.s2：对烟梗图像进行预处理；
8.s3：计算所有烟梗像素；
9.s4：计算烟梗实际面积和像素占比；烟梗面积占比o1为：
[0010][0011]
其中，s1为视野范围内烟梗片面积，s2为视野范围面积；s1＝单像素点面积
×
所有烟梗像素；烟梗像素占比o2为：
[0012][0013]
其中，q1视野范围内烟梗片的像素总和，q2为视野范围像素总和；
[0014]
s5：计算烟梗综合平均重叠率o为：
[0015][0016]
进一步，步骤s2具体包括：
[0017]
s2.1：将rgb烟梗图像灰度化，rgb图像转换为灰度图的公式为：
[0018]
gray(i,j)＝0.299*r(i,j)+0.587*g(i,j)+0.114*b(i,j)
[0019]
其中r(i,j)为图像的红色通道坐标位置，g(i,j)为绿色通道坐标位置，b(i,j)为蓝色通道坐标位置；
[0020]
s2.2：进行通道二值化，转换公式如下所示：
[0021][0022]
s2.3：烟梗轮廓提取，使用canny算子进行边缘检测，再进行图像膨胀，得到烟梗的所有轮廓。
[0023]
进一步，步骤s3具体包括：先计算出所有烟梗像素，并筛选掉噪点轮廓，然后将所有分散的烟梗像素累计求和。
[0024]
本发明的有益效果在于：
[0025]
本发明一种在线烟梗的重叠率计算方法，可以对烟梗的重叠率进行计算，能够对异物剔除工序加速带式输送机离散效果、杂物剔除设备运行工况以及杂物识别、剔除等效率进行可靠直观的评价。
[0026]
本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0027]
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
[0028]
图1为本发明方法的流程图；
[0029]
图2为实施例1中5次烟梗片在视野范围内输送状态照片示意图；
[0030]
图3为实施例2中5次烟梗片在视野范围内输送状态照片示意图。
具体实施方式
[0031]
如图1所示，一种在线烟梗的重叠率计算方法，其特征在于，包括以下步骤：
[0032]
s1：在线对烟梗进行图像采集；
[0033]
s2：对烟梗图像进行预处理，具体包括：
[0034]
s2.1：将rgb烟梗图像灰度化，rgb图像转换为灰度图的公式为：
[0035]
gray(i,j)＝0.299*r(i,j)+0.587*g(i,j)+0.114*b(i,j)
[0036]
其中r(i,j)为图像的红色通道坐标位置，g(i,j)为绿色通道坐标位置，b(i,j)为蓝色通道坐标位置；
[0037]
s2.2：进行通道二值化，转换公式如下所示：
[0038][0039]
s2.3：烟梗轮廓提取，使用canny算子进行边缘检测，再进行图像膨胀，得到烟梗的所有轮廓。
[0040]
s3：计算所有烟梗像素，具体为先计算出所有烟梗像素，并筛选掉噪点轮廓，然后将所有分散的烟梗像素累计求和；
[0041]
s4：计算烟梗实际面积和像素占比；烟梗面积占比o1为：
[0042]
[0043]
其中，s1为视野范围内烟梗片面积，单位(m2)，s2为视野范围面积，固定值为1.36
×
0.17＝0.2312m2；s1＝单像素点面积
×
所有烟梗像素；烟梗像素占比o2为：
[0044][0045]
其中，q1视野范围内烟梗片的像素总和，q2为视野范围像素总和；
[0046]
s5：计算烟梗综合平均重叠率o为：
[0047][0048]
未接入引料板，取现有产线梗线片，人工放置进入色选设备，通过观察和记录剔除数据，验证检测功能的有效性。选取两个不同批次不同速度下各指标进行对比。批次a速度2m/s，批次b速度2.5m/s。
[0049]
实施例1，如图2，批次a线上取样，过色选设备过程中，取5次烟梗片在视野范围内输送状态照片，统计面积比，重叠率如表1；
[0050]
表1批次a重叠率数据
[0051][0052]
实施例2，如图3，批次b线上取样，过色选设备过程中，取5次烟梗片在视野范围内输送状态照片，统计面积比，重叠率如表2；
[0053]
表2批次b重叠率数据
[0054][0055]
对比实施例1和实施2，批次a速度为2m/s，平均重叠率为11.29％，批次b速度2.5m/s，平均重叠率为14.15％。对比两个实施例，批次b的重叠率更大，说明批次b的烟梗在输送带上离心分布状态越好，更加利于烟梗分选等后续工作。
[0056]
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。


技术特征：
1.一种在线烟梗的重叠率计算方法，其特征在于，包括以下步骤：s1：在线对烟梗进行图像采集；s2：对烟梗图像进行预处理；s3：计算所有烟梗像素；s4：计算烟梗面积占比和烟梗像素占比；烟梗面积占比o1为：其中，s1为视野范围内烟梗片面积，s2为视野范围面积；s1＝单像素点面积
×
所有烟梗像素；烟梗像素占比o2为：其中，q1视野范围内烟梗片的像素总和，q2为视野范围像素总和；s5：计算烟梗综合平均重叠率o为：2.根据权利要求1所述的一种在线烟梗的重叠率计算方法，其特征在于，步骤s2具体包括：s2.1：将rgb烟梗图像灰度化，rgb图像转换为灰度图的公式为：gray(i,j)＝0.299*r(i,j)+0.587*g(i,j)+0.114*b(i,j)其中r(i,j)为图像的红色通道坐标位置，g(i,j)为绿色通道坐标位置，b(i,j)为蓝色通道坐标位置；s2.2：进行通道二值化，转换公式如下所示：s2.3：烟梗轮廓提取，使用canny算子进行边缘检测，再进行图像膨胀，得到烟梗的所有轮廓。3.根据权利要求2所述的一种在线烟梗的重叠率计算方法，其特征在于，步骤s3具体包括：先计算出所有烟梗像素，并筛选掉噪点轮廓，然后将所有分散的烟梗像素累计求和。

技术总结
本发明公开了一种在线烟梗的重叠率计算方法，属于图像识别技术领域，该方法首先在线对烟梗进行图像采集，然后对烟梗图像进行预处理；通过计算得到所有烟梗像素；得到计算烟梗实际面积和像素占比，最后得到计算烟梗综合平均重叠率。本发明方法可以对烟梗的重叠率进行计算，能够对异物剔除工序加速带式输送机离散效果、杂物剔除设备运行工况以及杂物识别、剔除等效率进行可靠直观的评价。除等效率进行可靠直观的评价。除等效率进行可靠直观的评价。


技术研发人员：杨超 杨兴党 章斌 杨思磊 杨树仁 杨智程 钟金成 牛小仙 徐丹
受保护的技术使用者：北京航空航天大学云南创新研究院
技术研发日：2023.04.17
技术公布日：2023/7/21