李继阳 杨文慧 王翼
河南中烟工业有限责任公司黄金叶生产制造中心 河南 郑州 450000
摘要：所谓烟草异物的识别系统属于自动化设备，能够将烟草当中存在的异物剔除，应用该系统能够有效将生产过程自动化程度提升，提高烟草品质。从机器视觉角度出发，完成异物识别系统的设计，对于优化系统性能优化具有重要影响。下文对于机器视觉系统简要分析，并结合烟草异物剔除系统应用需求，对于其设计思路进行分析，以期改善系统性能。
关键词：机器视觉；烟叶；异物排除；系统设计
引言：烟草企业为了保证产品品质，通常会利用异物剔除系统，将烟叶原料当中的各类杂物剔除，防止异物对于烟草生产和加工造成影响。为了适应烟草生产设备自动化运行需求，可以利用机械视觉系统完成异物的筛选和剔除相关工作，以提高烟草企业的市场竞争力。
一、机器视觉系统概述
机器视觉系统是外界环境为系统学习所提供训练数据或者信息，机器可以利用对应算法展开学习，在此期间还可能从环境当中获得更多训练数据，在学习之后能够根据规则库、神经网络和表达式等算法表示出来，系统还拥有执行部分，根据识别数据的处理结果展开对应操作，还能向学习部分反馈结果，以便后续系统性能的优化[1]。
二、基于机器视觉的烟叶异物剔除系统设计
（一）异物剔除系统组成
烟草的异物剔除系统组成部分共有4个：
第一，输送系统，负责烟叶的输送，烟叶处于输送状态时，应该尽可能散开运送。这样，异物就难以在上下烟叶之间存留，让烟叶始终保持良好的状态，以便检测。利用机械振动，使用摊薄机将烟叶摊平，这样异物可以从其中露出，在传送带的应用之下，将烟叶传送到检测位置，传送速度控制在5~7m/s之间即可，将烟叶摊薄有助于后续检测的进行，能够达到系统对于异物剔除精度要求。
第二，采集系统，主要是完成光学成像、图像采集等流程，可以获取相对清晰、品质较高图片信息。烟叶流入待检区域的时候，系统照明装置即可通过高速相机获取检测图片，有助于异物识别。应用系统以前，需要预先完成背景颜色的设定，更好地配合高速相机，通常会利用红色当作背景色，之后高速相机能够拍摄烟叶图像，在采集卡的应用下向处理系统当中输送，采集卡可以使用接口连接，辅助图像和数据的传递，同时，接口还能执行控制指令，辅助图像采集。
第三，处理系统，利用该系统能够完成图像实时化处理，将结果向剔除系统反馈，精准控制其排除异物。处理系统可以在工控机上运行，拥有良好抗干扰性能，且处理速度也相对较快，依托图像处理库的算法，对于现场数据和图片进行高效处理，系统还能将异物位置精准识别出来，并向剔除系统传递处理结果，保证异物剔除环节更加精准。
第四，执行系统，执行系统是借助气动电磁阀将异物剔除，按照系统给出的异物信息，以精准的方式快速剔除或者击落异物。电磁剔除法处于检测图像区后方15cm位置，气阀的孔中心距离9.37mm，能够进一步确保系统识别、异物剔除精度。系统流程图如图1所示：
.png)
（二）硬件系统的设计
1.设计要求
该系统的硬件设计应该满足如下几点要求：第一，实时性，烟草自采集区到剔除区域时间在40ms左右，相机连续工作，将采集信息向处理单元传输，因此系统可及时向执行机构反馈处理结果。例如：某卷烟厂传送系统中，传送带运行速度5m/s，传送带的宽度2m，利CCD相机，其采集频率可以达到10kHz，能够采集图像10000帧/s。为了达到实时剔除异物的目标，应该在数据量积累到32帧时，完成采集数据、处理数据、传递结果整个操作流程。第二，处理速度，应该保证平台处理速度更快，可以选择具备实时处理功能操作系统，并且利用硬件专属平台处理图像，可以选择DSP处理卡。
2.DSP处理卡的选择
DSP处理卡选择方面需要分析其处理性能，保证能够达到实时剔除异物的要求，还需要观察其接口能否满足设备升级和改进需求。因此，需要选择成熟类型产品，本文利DH-DP1000采集卡，其图像处理功能强大，而且能够实现数字化采集，让采集和处理过程能够同步执行。处理卡上存在PCI总线，还有照相机接口，便于工业生产高速线阵相机的使用需求，可实现高速采集信息，快速处理数据，结果传输稳定，I/O接口也较为实用，可支持用户在DSP端、PC端二次开发[2]。
图像采集卡能够提供照相机连接接口，和设备之间高效连接，PCI为现场总线，选择的DSP能够满足处理速度方面要求，采集卡还能适应设备改造要求，现场测试算法应用便利。
3.改进算法
由于现场工况复杂，因此图像采集的数据信息并非标准的图片形式，所以还需要对算法加以改良。剔除系统处理图像和实验室处理情况不同，当现场图像数据采集量达到32帧的时候，即可展开处理，保证处理流程连续，结果精准。经过处理以后，结果能够持续向执行机构发送，因此，算法的优化能够提高图像处理效率。经过算法改进和现场测试，实践表明，该系统在处理32帧图像时，只需要花费3ms时间，因此能够契合实时处理要求。
（三）系统的应用测试
1.算法训练
机器视觉异物剔除系统应用之前需要先进行算法训练，流程如下：第一，烟叶、异物等未进入系统以前，需要采集超过200张仅有背景色的图片，作为正样本；第二，采集不含异物烟叶图片信息，品质高、清晰度强的图片应该超过2000张，作为分类器训练环节应用的正样本；第三，在系统没有烟叶环境之下，向其中投递异物，采集图片，保证各类异物图片数量超过20张，作为机器训练环节应用的负样本；第四，采集烟草当中存在异物的图像，数量超过500张，用以上图像展开分类测试；第五，将图像划分成不同区域，并且通过Laws进行预分类，归入纹理分类器、边缘分类器当中；第六，针对不同分类器，通过人工方式将正负样本筛选出来；第七，利用已经筛选完成的样本展开训练；第八，通过测试图片对于分类器的分类效果进行测试。
2.算法测试
在算法训练环节结束以后，即可展开现场测试，向系统当中导入分类器文件，并对参数进行调整，选择50kg烟草叶，其中含有标准异物10种，每种数量5个，共计50个，在特定位置进行投放，之后将传送系统启动，让烟叶能够平稳运行，保持良好的状态，将准备的烟叶投入其中，检测结束以后将系统关闭，统计异物剔除情况。
3.结果分析
应用该系统对纹理特征相对较明显的异物剔除效率较高，如：黄色皮带、绿色皮带、蓝色海绵、木材、泡沫等异物的剔除效率能够达到95%，黄色、白色等纸箱板剔除效率达到85%，有机玻璃剔除效率90%，红色塑料和蓝色塑料的剔除效率可达80%，整体异物的平均剔除率超过90%。需要注意现场使用该系统时，剔除率可能与测试结果存在差距，因为现场工况复杂，可能产生多种干扰图像采集的因素，进而影响边缘分类器的剔除效率，但是，可以定期清洗采集区玻璃板控制干扰问题[3]。
结束语：总之，经上文分析，明确烟草异物识别系统设计，找到机器视觉的应用优势，合理设计软硬件，运用相关测试，对于系统的应用效率进行判断。实践表明该系统应用价值较高，能够满足烟草企业生产对于异物的识别、剔除等要求，合理应用该系统有助于检测设备性能方面的提升。
参考文献：
[1]刘东来.基于机器视觉的烟叶分级关键技术分析[J].农业技术与装备，2020,(11):22-23+26.
[2]杨俊杰，陶文华.基于激光分拣技术的烟草异物剔除系统[J].机械制造与自动化，2019,(06):220-222.
[3]高铁功，蒋太耕，甘建军.烟草异物智能剔除系统中相机优化系统的研究[J].科技创新导报，2019,(27):89+91.