刘军[1]2003年在《烟草在线异物实时识别与自动剔除系统研究》文中研究指明烟草在线异物剔除系统作为一种重要的分选设备，在卷烟生产中具有广泛的应用前景。随着科学技术的发展，对卷烟生产工作过程的自动检测和控制已成为一个国内、外研究的重要课题。本文首先阐述了国内外烟草在线异物识别系统的应用及研究现状，介绍了国内烟草行业利用人工剔除异物的弊端和专用异物剔除设备的不足，以及开发烟草在线异物实时识别与自动剔除系统的意义。通过分析、比较颜色与均匀性等特征上烟草与异物的差异，提出了一种简洁高效的烟草异物识别与准确定位方法，设计了烟草在线异物实时识别与自动剔除系统原理样机，然后对原理样机进行了实时性及在线识别有效性的实验。这种系统与国内同类设备相比，在剔除异物的种类多样性、系统的稳定性、减少操作人员和维护费用、易于操作等方面有了明显的优势，相对于国外同类产品也有非常明显的价格优势。本文的主要内容有：统计模式识别基础理论及它们在烟草异物识别中的应用；讨论了RGB（ Red、Green、Blue）基础颜色空间、Ohta颜色空间、HSI（Hue 色调，Saturation 饱和度，Intensity亮度）颜色空间及其变换空间、物料图像纹理、灰度均匀性等在烟草异物识别中的应用，并在此基础上提出了"基于判别单元颜色统计特性"的烟草在线异物识别模型，设计并研制了烟草在线异物实时识别与自动剔除系统原理样机，它由供料系统、光学系统、图像数据采集系统、实时智能图像处理系统、异物自动剔除系统以及自诊断系统等组成。对硬件进行了分析和选择，对光学系统、电磁阀驱动电路等环节进行了具体设计。本文在对系统的实时性进行分析、比较的基础上，提出并实现了内存直接操作、双缓存技术等。另外对Winsows2000下微秒级高精度计时方法也进行了探讨。本文采用C语言，在Windows2000下以SDK方式编制了系统控制软件。原理样机的实验表明，系统具有较好的实时性，完全能够满足生产现场实时性要求，"基于判别单元颜色统计特性" 的烟草在线异物识别模型是可行的。具有新颖性、高效性和实用性特点。相信只要对原理样机加以改进，该系统完全可以达到降低成本，减轻工人劳动强度，提高产品质量的目的。
陈文涛[2]2003年在《烟草异物在线高速模式识别与剔除技术研究》文中进行了进一步梳理物料在线无损检测与分选系统是近年来工农业自动化研究与应用的热点。烟草异物剔除系统（TFES）是用于卷烟厂的烟草生产线上，用以识别并剔除烟叶中混杂的异物（如包装箱、纸片、霉变烟叶以及其它杂物）的自动化光电检测系统。系统的研制成功对优化烟草产品质量具有重要的意义。烟草异物在线高速模式识别与剔除技术的研究是烟草异物剔除系统设计与研制的基础。这项技术易于推广，可应用于其它物料生产检测和异物剔除的场合，具有重要的实用价值。在分别从产品研发和相关关键技术研究这两个角度调研了国内外烟草异物剔除系统研究现状的基础上，本文对烟草异物在线高速模式识别技术进行了系统深入的理论分析和广泛而具有针对性的实验研究。成功研究出一套具有自主知识产权的烟草异物在线高速模式识别方法，并以该方法为基础，成功试制出烟草异物剔除系统原理样机。本文的主要研究内容如下：采用统计模式识别模型来对烟草异物识别问题进行理论描述，对其中的图像分割、特征提取、分类与决策等环节中的基本理论进行了分析。针对烟草异物模式识别速度要求非常高的特点，着重分析了与系统实时性的实现关系较密切的几个问题，如图像的阈值分割法、特征空间与降维、最小距离分类器等。在这些分析的基础上，建立了烟草异物在线高速模式识别模型。模型中，烟草异物模式识别问题被分割成为在各个判别单元之中的判别问题，根据从判别单元中能够获得的所有数据，判定该判别单元是属于烟叶的还是属于异物。针对有些异物色度和烟叶差异较大，而另一些异物色度则和烟叶接近的实际情况，从像素点色度及判别单元整体色度分布等两个层次上提取有效特征对烟叶和异物进行识别。具体研究内容包括：基于灰度特征量的互补色增强烟草异物灰度差原理与方法；RGB色度空间及其特征选取与降维、Ohta颜色系统、HIS颜色系统等；从纹理、色度分布均匀度等差异去区分图像中的烟叶和异物的原理与方法；从变换域的角度分析提取烟叶和异物的色度差异特征的基本理论与方法等。这些研究表明：采用像素点的色调、像素点的修正灰度、判别单元中灰度的一阶中心矩（或标准差）这3个特征可对烟叶和多种异物进行有效的识别。提出适于在线检测条件下的动态阈值方法―机敏阈值判别法，该方法可降低实际生产线上光照等条件的变化对烟叶异物准确识别的影响。分析了烟草异物剔除系统中的数据流程。研究了Windows2000操作系统中的内存管理机制及直接访问物理内存的方法等。采用双缓存技术，实现了系统数据<WP=5>采集和处理的连续进行，最终实现了系统运作的实时性。在以上研究的基础上，试制出了烟草异物剔除系统原理样机，设计了原理样机的调试实验。实验结果表明原理样机能实时地运行，并能对多种异物进行有效识别及剔除。本文的创新之处主要体现在以下几个方面。①提出了新颖的互补色增强烟草异物灰度差的方法。研究了RGB颜色空间中的特征提取与降维、判别单元灰度均匀性特征应用等有效的烟草异物高速模式识别技术。解决了在异物种类繁多，而且有些异物色度和烟叶接近的条件下烟叶和异物高速准确识别这一难题。②采用双缓存技术，实现对采集数据的连续存取和处理。并结合物理内存直接操作技术，实现了系统的实时性。③提出了适于在线条件下的动态阈值方法―机敏阈值判别法。使系统对烟叶和异物进行判别的色度阈值能够根据生产线上条件的变化而自动调节。④以basler L301bc摄像机为例，研究了彩色线阵CCD摄像机的色彩偏移问题，计算了摄像机扫描频率和被摄物运动速度处于各种匹配关系情形下的色彩偏移校正量，提出并实现了校正的方法。
姚富光[3]2009年在《智能高速在线异物识别分拣关键技术研究》文中指出异物识别分拣系统是现代物流和生产线上非常重要组成部分,用来代替人工将混入正常物料中的异物检测出来,极大提高了异物分拣的效率和稳定性,对于提高产品品质和企业竞争力有着重要意义。高速在线异物识别分拣技术能够广泛的应用到工农业生产加工、医药、食品安全等领域,有着重要的实用意义。本文以烟草异物在线剔除系统为研究平台,针对高速在线异物识别的难点,以提高识别率和降低误识率为目的,深入研究了高速异物识别分拣的关键问题。论文首先进行了异物检测方法的基础性实验研究,设计了基于机器视觉的高速在线异物识别的系统结构。研究了统计模式识别基本理论,提出了高速在线异物识别的模式识别模型。针对颜色与物料和背景接近的异物不易识别的现象,提出了基于单元整体特征的异物识别算法。深入研究了支持向量机原理,针对物料样本有限和异物样本复杂多样难以采集的现象,提出了一类超球面支持向量机异物识别算法;提出了D-QDPSO优化算法,进行OC-SCM的求解,减小了误识率。研究了高速异物识别中智能在线学习技术,提出了异物识别智能在线学习模型,提出了记忆式在线学习和自适应动态阈值算法,针对线阵CCD的成像特点,提出了高速线阵CCD自学习和自适应纠错机制。最后,将高速在线异物识别技术应用于烟草异物的在线剔除系统中,实践表明,烟草异物在线识别剔除系统满足设计指标,满足自动化生产要求。本文的创新点主要体现在以下几个方面:①针对像素点算法不能很好识别颜色与物料接近的异物这一难题,提出了单元整体识别算法。通过计算单元灰度均匀性获得单元新属性,进而对平滑异物得到较好的识别效果;对纹理性较强的异物,提出了FFT纹理识别算法;提出自适应聚类单元识别算法,通过用少量的颜色特征表征整个单元。②提出了适用于异物识别的一类超球面支持向量机算法,算法提出了离心系数ω,由于ω是固定值并可由支持向量求得,避免了求解a和R的繁琐步骤,简化了求解过程;改进的SMO算法根据Zoutendijk最速下降方向策略确定工作集,寻找最大收敛方向对作为优化子集,实验表明改进后的算法比原SMO算法效率提高20%～30%,且在有限样本情况下,识别率优于正态拟合算法。③结合量子粒子群优化,针对OCSVM提出了D-QDPSO算法。算法在初始化粒子群时即可获得最优解附近位置,同时采用边界点作为初始粒子,在最大范围内搜索避免了陷入局部最优;根据每次迭代的群最优gBest,由Zoutendijk策略求其引导粒子,加快了收敛速度。实验表明,D-QDPSO算法的运算效率比标准粒子群算法提高2倍左右,得到的支持向量个数比SMO算法更少,泛化性更高,得到的训练结果其误识率更低。④提出了记忆式在线学习和自适应动态阈值算法,通过计算一个时间段内某色度出现几率判断该色度属于异物还是非异物,并通过统计一个时间段内获得颜色的整体均值实时调整分类器的阈值,以适应光源变化对采集图像的影响。针对线阵CCD的成像特点,提出了高速线阵CCD自学习和自适应纠错机制,在学习中了增加横坐标特征,并通过考察一个横坐标位置上的点是否长时间没有变化,以确定是否有杂质影响了图像采集和识别,避免了将异物当成正常物料进行学习,提高了识别率。
陈杰[4]2003年在《烟草异物在线检测与实时剔除系统的研究与应用》文中提出烟草行业作为一个特殊的产业，为世界经济的发展做出了巨大贡献，成为了各国经济财政收入的重要来源。然而，随着人们生活水平的不断提高，人们对自身健康状况的关注日益加强，吸烟有害健康这一思想已深入人心，如何降低烟草对人的危害程度，提高香烟的品质与质量，已经成为烟草行业长足发展的首选途径。在世界经济一体化进程逐步推进的今天，对利润丰厚的烟草行业，更成为世界各国的各大烟草公司追逐的焦点。要想在日益激烈的市场竞争中获取胜利，必须提高公司产品的竞争力。提高烟草产品的质量，减少对人的伤害，最重要的环节就是在烟草生产过程中的异物剔除问题。在传统的生产工艺中，异物剔除这一环节是通过人们手工来完成，这种方式效率低下，而且可靠性极低。为了提高企业竞争力，不少大型烟草企业都想使用高自动化的异物剔除设备来完成异物的自动剔除。然而，目前这种大型的高自动化的异物剔除设备在我国国内还没有研制与开发的成功经验，更不可能有满意的产品以供选择，获取的唯一途径便是通过进口。但是引进这种高技术含量的设备除了价格昂贵，技术支持困难等因数外，而且更重要的是受知识产权的限制，根本不可能引进到与国外同期水平的该类产品，因而，也不可能与国外烟草企业进行平等的竞争。因此，研制出具有我国自主知识产权的异物剔除设备具有十分深远的意义。由重庆大学和昆明船舶集团公司联合研制的烟草异物在线检测与实时剔除系统就是在国家计委专项基金的支持下，结合了国内外同行研制与开发的经验，自行独立研制的具有自主知识产权的异物剔除设备。该系统的工作原理为：由高性能彩色线阵CCD摄像机获取高速运动的烟草物流图像，通过实时测控软件的处理，完成异物识别与异物相对位置信息的获取，最后将异物位置信息发送给执行机构，由执行机构来完成异物剔除的最终目的。该系统的关键是要解决大数据量处理的实时性和对多种异物不同批次烟叶的准确判别这两个问题。在通用操作系统Windows 2000中解决工业用高实时性问题不是一件容易的事情，笔者在结合相应软件开发包的基础上，实现对物理内存的直接访问和操作，完成系统的实时性要求。针对不同的烟草和大量不可预知的异物，设计了浮动阈值和自适应机敏阈值判别方法，同时结合各种不同的色彩空间进行处理，完成对多达18种异物的精确识别和剔除。本系统原理样机在缺少风压护送系统的作用下实现了光、机、电、气以及计算机控制的一体化联调，实现了自动送料、物料均散、高速输送（5m/s）、动态图<WP=5>像采集、高速数据传输、异物识别、异物剔除等功能。原理样机在传送带速度为5m/s左右时，用烟草中可能混合的各种异物进行测试，结果表明：基本上能对各种异物进行识别和剔除。原理样机在异物单独测试的情形下，对30mm×30mm异物的综合识别率为78.7℅，剔除率为62.4℅，验证了本系统设计方案的可行性。在大异物30mm×30mm处理与识别时，本系统能够达到较高的技术水平，但在小异物的识别与处理上，与实际产品的指标还有一定距离。经过后期的数据分析和讨论，找到了提高识别精度的办法，作为后期研制的主要切入点。首先，提高线阵CCD的工作性能，采用棱镜分光实现R、G、B叁色同时感光，彻底消除叁色错位问题；其次，采用更优质的采集卡，解决采集卡的最小采集单元(目前只能实现最小采集16线)的问题。最后，综合更简洁有效处理与识别算法以及提高光源稳定性等。
郑志军[5]2006年在《基于网络通信和图像处理的烟草异物剔除技术研究》文中提出烟草异物剔除系统是运用光、电、机械、计算机、图像处理、网络通信等技术研发出来的精密机、电、气控制检测系统。广泛应用在烟草、塑料、制药、食品加工等行业的高速自动化流水线上,可以无损检测出生产产品物料中金属和非金属杂物,并自动剔除,能保证生产的产品质量,降低生产成本,减少生产设备的损耗,具有高速、高效、准确的优点。它的使用大大地提高了生产线的自动化程度,降低了劳动强度,改善了工作环境,拥有广阔的应用前景。本文所研究的课题就是应用在烟草行业中用来剔除烟叶异物的分拣系统。文中首先介绍研制本系统的必要性、可行性和应用价值,然后阐述系统的总体设计方案思想。其次对系统的工作原理和各硬件子系统的设计进行详细的说明。然后介绍计算机获取烟叶图像数据过程,对标准烟叶颜色库的建立和杂质识别思想以及编程方法进行深入的探讨。通过对软件功能需求的分析划分出各个功能模块,同时介绍主要功能模块的软件设计方法。对满足系统实时性要求而采用的几个关键技术也进行较为深入的研究。最后介绍远程控制在本系统中的应用,重点介绍其可靠性和鲁棒性的设计与实现,由于实行一台主机对现场多台分拣机的控制,大大节约了硬件资源,改善了工作环境,此系统可以根据生产能力对分拣机的数量进行扩展。
刘迪清[6]2011年在《基于机器视觉的杂物识别的关键技术研究与应用》文中研究表明烟草异物智能剔除系统是一种专门用于剔除烟叶中异物的自动化设备。它的使用大大提高了生产线的自动化程度，降低了工人的劳动强度，对于提高烟草产品质量，提升企业竞争力具有十分重要的意义。烟草异物剔除系统是基于视觉的自动化设备，属于典型的机器视觉系统。它目前所采用的基于颜色的检测方法难以剔除与烟叶颜色相同或相近的异物，设备性能提升遭遇瓶颈。本课题在频域中分析图像的纹理特征，提出了基于支持向量机的检测方法，可以检测出基于颜色的检测方法所无法检测到的异物，对于提高设备的性能具有十分重要的意义。本文首先具体分析了现有的烟草异物智能剔除系统的原理、结构及其优缺点。然后分别从软件和硬件角度提出了新的设计方案。课题提出的基于支持向量机的检测算法，经过实验室仿真测试，证实了其有效性。针对这一检测算法，课题提出了新系统的设计方案，设计了新系统的中央处理单元，并为其选择了合适的高速DSP图像处理卡。最后，通过现场测试，证明了该算法具有一定的应用价值。
陈文涛[7]2005年在《烟草异物高速模式识别系统与算法研究》文中进行了进一步梳理介绍了烟草异物在线高速模式识别与剔除系统的设计方法,并对其中的两大关键问题:系统实时性的实现与烟草异物图像识别算法的设计进行了深入的分析。设计出了有效可行的烟草异物高速模式识别算法,实现了系统的实时性。
龚未[8]2017年在《基于聚类算法的烟叶颜色空间分布建模研究》文中提出烟叶异物的识别与剔除是香烟生产过程中非常重要的环节。随着科技的进步,烟草在线识别与剔除设备逐步取代人工操作,其除杂效果主要取决于烟叶在线识别算法的准确率。因此提出一种有效的烟叶异物识别方法就具有重要意义。本文以标准烟叶为研究对象,通过分层聚类对烟叶颜色空间分布进行建模,将建立的模型作为烟叶异物识别的依据,为烟叶异物识别提供了一种有效的新方法。首先,为了避免背景像素的干扰,对烟叶图像进行去背景处理,使建立的模型更加准确。本文对比了几种常用的图像分割算法,最终提出一种适应于本文烟叶图像特点的背景去除算法,并通过试验验证了本文背景去除算法的有效性。其次,将经典K-均值算法作为本文的分层聚类算法,并针对传统算法存在的以下两个缺点进行改进:K值预先给定;初始聚类中心随机选取。本文提出了一种改进的分层K-均值聚类算法,通过划分网格的方式对数据集新建分层属性,根据分层属性值的大小将数据集分为高低层,由高层向低层依次降层聚类,动态的调整K值和聚类中心。并且将数据集按照分层属性值的大小依次输入,能够弥补了传统算法对输入顺序敏感的不足。最后,在烟叶颜色空间分布建模方面,本文提出了一种基于分层聚类的建模方法。将烟叶RGB颜色空间沿B方向等分为若干个子空间,在子空间内对烟叶像素进行投影降维、排序等处理,并根据像素对应数目这一分层属性将子空间内烟叶像素进行分层。采用改进的分层K-均值聚类算法对各个B子空间内烟叶颜色进行聚类,从而建立烟叶颜色空间分布的有效模型,然后通过试验验证了本文所建模型的有效性,以及证明将该模型作为烟叶异物识别参考标准的可行性。
陈文涛[9]2005年在《烟草异物高速模式识别系统与算法研究》文中认为介绍了烟草异物在线高速模式识别与剔除系统的设计方法,并对其中的两大关键问题:系统实时性的实现与烟草异物图像识别算法的设计进行了深入的分析。设计出了有效可行的烟草异物高速模式识别算法,实现了系统的实时性。
王长远[10]2008年在《基于FPGA的图像采集卡的研究与实现》文中进行了进一步梳理近年来,随着计算机技术的飞速发展,特别是FPGA等可编程逻辑器件技术的不断成熟,FPGA技术已成为目前电路设计领域最为热门的技术之一。它目前己经广泛地应用于通信、数据处理、网络、仪器、工业控制、军事和航空航天等众多领域。本套图像采集卡系统可应用于烟草异物剔除系统中,用于实时读取流水线上的CCD相机拍照产生的烟叶图像,并经过一定的预处理传输给后台控制程序。本图像采集卡系统在硬件系统上以Lattice的LFXP6 FPGA芯片为核心。系统充分利用FPGA的高性能,用以实现整个系统的逻辑控制。系统通过专用Camera Link接口芯片获取CCD相机图像数据,通过CH365芯片和PCI总线通讯。在系统学习过程中,以高速CMOS静态RAM作为图像帧存储器来暂存图像数据,以解决FPGA芯片与PCI总线之间的速率不同步的问题。在系统识别过程,通过在图像采集卡内部实现硬件颜色表,对实时的图像数据进行编码,以达到数据传输的高速、高效。论文分别从硬件和软件两部分对系统的原理和实现进行了详细论述。硬件部分前端进行图像的采集和预处理,后端通过PCI总线实现与主机的数据交换。软件部分实现了对目标图像的数据采集和传输。
参考文献：
[1]. 烟草在线异物实时识别与自动剔除系统研究[D]. 刘军. 重庆大学. 2003
[2]. 烟草异物在线高速模式识别与剔除技术研究[D]. 陈文涛. 重庆大学. 2003
[3]. 智能高速在线异物识别分拣关键技术研究[D]. 姚富光. 重庆大学. 2009
[4]. 烟草异物在线检测与实时剔除系统的研究与应用[D]. 陈杰. 重庆大学. 2003
[5]. 基于网络通信和图像处理的烟草异物剔除技术研究[D]. 郑志军. 南京航空航天大学. 2006
[6]. 基于机器视觉的杂物识别的关键技术研究与应用[D]. 刘迪清. 南京航空航天大学. 2011
[7]. 烟草异物高速模式识别系统与算法研究[C]. 陈文涛. 第七届青年学术会议论文集. 2005
[8]. 基于聚类算法的烟叶颜色空间分布建模研究[D]. 龚未. 南京航空航天大学. 2017
[9]. 烟草异物高速模式识别系统与算法研究[J]. 陈文涛. 仪器仪表学报. 2005
[10]. 基于FPGA的图像采集卡的研究与实现[D]. 王长远. 南京航空航天大学. 2008