基于机器视觉和MSD微结构描述算法的霉变烟在线检测研究

为实现醇化烟叶中霉变烟的自动在线精选,设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像,采用MSD微结构描述算法提取烟叶图像颜色、纹理特征,基于神经网络集成分类算法,通过合格烟叶样本和霉烟样本的训练学习,实现霉变烟的在线检测识别。经过测试,该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示,采用霉烟靶物单独过料时,机器视觉系统对霉烟的平均在线识别率在95%以上;将霉烟靶物与合格烟片混掺过料时,系统对霉烟的平均识别率在87%以上。研究结果表明,机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。

基于光学剔梗方法的打叶工序叶梗分离工艺

为提升打叶去梗工艺的叶梗分离效果、提高片烟纯净度,将光学剔梗方法应用于传统打叶去梗流程,提出了一种打叶工序叶梗分离新工艺,并开展了工艺验证。结果表明:1光学剔梗装置对叶梗的分离效率随片烟处理流量的增大而降低,片烟处理量≤1 400 kg/h时,烟梗的剔除率高于90%,误剔率低于10%;2现行4打12风分打叶去梗工艺中,5、6级风分单元输出片烟的烟梗富集浓度最高,故将光学剔梗装置串联至现行工艺中的5、6级风分单元与2打机组之间,设计了风选-光学剔梗组合的叶梗分离工艺;3在风选-光学剔梗组合的叶梗分离工艺方式下,打叶去梗工序输出片烟的叶中含梗率由现行工艺的2.06%降至1.33%,降幅35%以上,叶中含粗梗率由0.46%降低至0.14%。因此,将光学剔梗方法应用于传统打叶去梗流程可有效提升叶梗分离效果。