摘" 要：在工業(yè)智能化和自動(dòng)化的發(fā)展背景下，在煙草生產(chǎn)過程中，利用機(jī)器視覺技術(shù)來實(shí)現(xiàn)煙葉雜物的在線識(shí)別和剔除，能夠提高雜物剔除率，保障煙草產(chǎn)品的品質(zhì)及質(zhì)量，擴(kuò)大煙草企業(yè)的銷售市場(chǎng)。該研究主要對(duì)煙葉雜物在線識(shí)別剔除系統(tǒng)結(jié)構(gòu)及工作原理進(jìn)行概述，指出基于機(jī)器視覺技術(shù)下系統(tǒng)軟件算法和硬件的進(jìn)一步優(yōu)化，并開展現(xiàn)場(chǎng)測(cè)試，以期利用全新的雜物分揀算法構(gòu)建分揀性能強(qiáng)大的煙葉雜物在線識(shí)別剔除系統(tǒng)，增強(qiáng)生產(chǎn)線的自動(dòng)化程度，進(jìn)一步降低煙葉雜物誤檢率，增強(qiáng)煙草企業(yè)競(jìng)爭(zhēng)力。

關(guān)鍵詞：機(jī)器視覺;煙草;雜物;在線識(shí)別;剔除

中圖分類號(hào)：TP391.41" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2024）26-0042-04

Abstract： In the context of industrial intelligence and automation， using machine vision technology to achieve online recognition and removal of tobacco debris in the tobacco production process can improve the debris removal rate， ensure the quality and quality of tobacco products， and expand the sales market of tobacco enterprises. This study mainly provides an overview of the structure and working principle of the online identification and removal system for tobacco debris. It points out the further optimization of the system software algorithm and hardware based on machine vision technology， and conducts on-site testing in order to use a new debris sorting algorithm， so as to build a powerful online identification and removal system for tobacco debris， enhance the automation level of the production line， further reduce the 1 detection rate of tobacco debris， and enhance the competitiveness of tobacco enterprises.

Keywords： machine vision; tobacco; debris; online identification; elimination

隨著煙草行業(yè)產(chǎn)品質(zhì)量管控力度的不斷加強(qiáng)，在實(shí)際生產(chǎn)加工環(huán)節(jié)，不斷創(chuàng)新、升級(jí)原材料篩選系統(tǒng)，解決無法剔除與煙葉顏色相近雜物的缺陷已成為必然的趨勢(shì)。機(jī)器視覺技術(shù)涉及圖像處理、人工智能及計(jì)算機(jī)科學(xué)等多領(lǐng)域知識(shí)，通過光學(xué)器件來替代傳統(tǒng)人眼進(jìn)行判斷、測(cè)量，以非接觸感知的方式獲取真實(shí)場(chǎng)景形成的圖像，能夠得到所需信息，并完成機(jī)器控制操作，在電子、食品、醫(yī)藥及煙草行業(yè)發(fā)揮著重要的作用[1]。在煙草生產(chǎn)領(lǐng)域中充分發(fā)揮機(jī)器視覺技術(shù)的優(yōu)勢(shì)，對(duì)傳統(tǒng)算法進(jìn)行改進(jìn)，構(gòu)建雜物在線識(shí)別剔除系統(tǒng)，能夠提升自動(dòng)化設(shè)備性能，有效彌補(bǔ)傳統(tǒng)雜物剔除系統(tǒng)的不足，高效開展煙葉雜物剔除、品質(zhì)檢測(cè)等工作，推進(jìn)煙草行業(yè)現(xiàn)代化發(fā)展進(jìn)程，并為相關(guān)研究提供參考意見。

1" 煙葉雜物在線識(shí)別剔除系統(tǒng)結(jié)構(gòu)及工作原理

作為典型的機(jī)器視覺系統(tǒng)，煙葉雜物在線識(shí)別剔除系統(tǒng)主要用于制絲生產(chǎn)線、烤片線中，通常安裝于潤(rùn)葉后。系統(tǒng)由煙葉輸送、光學(xué)成像及圖像采集、實(shí)時(shí)圖像處理、執(zhí)行剔除四大子系統(tǒng)構(gòu)成，主要利用數(shù)字信號(hào)處理、人工智能、模式識(shí)別、機(jī)器視覺等多項(xiàng)先進(jìn)技術(shù)，發(fā)揮識(shí)別、分揀和剔除煙葉中存在的紙張、麻繩、塑料、霉變煙葉等雜物的作用。

煙葉雜物在線識(shí)別剔除系統(tǒng)的具體工作原理為：在煙葉輸送子系統(tǒng)攤薄散開、平穩(wěn)輸送待檢測(cè)煙葉，在檢測(cè)點(diǎn)拋出煙葉;應(yīng)用光學(xué)成像及圖像采集子系統(tǒng)中的LED照明裝置和線陣CCD高速相機(jī)，對(duì)清晰、完整的高品質(zhì)圖像進(jìn)行采集;在實(shí)時(shí)圖像處理子系統(tǒng)中處理現(xiàn)場(chǎng)圖像數(shù)據(jù)，判斷是否存在雜物，并識(shí)別和明確雜物位置，向執(zhí)行剔除子系統(tǒng)反饋處理結(jié)果[2];由執(zhí)行剔除子系統(tǒng)啟動(dòng)電磁剔除閥，以實(shí)時(shí)圖像處理子系統(tǒng)所提供的雜物坐標(biāo)數(shù)值，實(shí)現(xiàn)對(duì)雜物的準(zhǔn)確、快速剔除，將通過檢測(cè)的煙葉從系統(tǒng)另一側(cè)的傳輸帶進(jìn)行輸出。系統(tǒng)具體工作原理如圖1所示。

煙葉雜物在線識(shí)別剔除系統(tǒng)主要依靠相機(jī)獲取煙葉圖像，通過對(duì)圖像的分析處理來判斷是否存在雜物。鑒于單個(gè)相機(jī)在視場(chǎng)、精度等方面存在一定的局限性，所以通常系統(tǒng)會(huì)結(jié)合生產(chǎn)需求，對(duì)4臺(tái)或6臺(tái)相機(jī)進(jìn)行配備。利用高速圖像采集卡，相機(jī)可以將采集的圖像傳遞給工控機(jī)，完成對(duì)圖像數(shù)據(jù)的處理分析操作，向執(zhí)行機(jī)構(gòu)傳送最終結(jié)果，實(shí)現(xiàn)對(duì)雜物的自動(dòng)化剔除。在網(wǎng)絡(luò)連接方式下，多臺(tái)相機(jī)相互配合，協(xié)同完成剔除雜物的任務(wù)。用戶能夠在主機(jī)中對(duì)檢測(cè)狀況進(jìn)行查看，結(jié)合實(shí)際需求對(duì)系統(tǒng)參數(shù)進(jìn)行調(diào)整和優(yōu)化。但當(dāng)前大多數(shù)煙葉雜物在線識(shí)別剔除系統(tǒng)所應(yīng)用的是基于RGB顏色空間的顏色算法方案，主要結(jié)合色度圖來識(shí)別煙葉中的雜物，雖然具有性能穩(wěn)定、檢測(cè)多種雜物的優(yōu)勢(shì)，但剔除性能仍有待提升。當(dāng)前軟件方案下的煙葉雜物在線識(shí)別剔除系統(tǒng)無法很好地識(shí)別、剔除黃色皮帶、紙箱板，檢測(cè)穩(wěn)定性較差，不能很好地滿足生產(chǎn)線日益提高的檢測(cè)要求，仍需進(jìn)行進(jìn)一步的優(yōu)化，創(chuàng)新軟件算法，實(shí)現(xiàn)對(duì)軟件方案的優(yōu)化、升級(jí)。

2" 基于機(jī)器視覺的煙葉雜物在線識(shí)別剔除系統(tǒng)軟件算法及硬件優(yōu)化

為了有效解決顏色與煙葉相近雜物檢測(cè)率較低的問題，在對(duì)煙葉雜物在線識(shí)別剔除系統(tǒng)進(jìn)行改進(jìn)的過程中，需要對(duì)圖像處理算法進(jìn)行優(yōu)化，依靠基于支持向量機(jī)的雜物檢測(cè)圖像處理算法，并結(jié)合算法實(shí)時(shí)性要求調(diào)整中央處理架構(gòu)，采用高速DSP圖像采集卡，提高煙葉品質(zhì)檢測(cè)率。

2.1" 基于支持向量機(jī)的雜物檢測(cè)圖像處理算法

在改進(jìn)和升級(jí)系統(tǒng)時(shí)，要基于機(jī)器學(xué)習(xí)算法的視角，結(jié)合煙葉、雜物的紋理特點(diǎn)，研制出基于支持向量機(jī)的雜物識(shí)別剔除圖像處理算法，與傳統(tǒng)顏色分析法相配合，依次進(jìn)行Laws預(yù)分類、支持向量機(jī)分類，通過多種分類器達(dá)到提高剔除率的目的。基于支持向量機(jī)的檢測(cè)算法的檢測(cè)對(duì)象為分辨率為32×32的區(qū)域，分別將判斷結(jié)果正常與異常標(biāo)為0和1，若結(jié)果為0則不打開噴氣閥，若為1則打開噴氣閥。該算法借助5×5的Laws濾波器進(jìn)行濾波處理，進(jìn)行卷積運(yùn)算后獲取能量矩陣L（含有紋理、邊緣特征點(diǎn)），通過對(duì)比矩陣與閾值T的能量大小，做出輸送到紋理分類器（gt;T）、邊緣分類器（lt;T）的處理結(jié)果[3]。分類器可以判定結(jié)果異常與否，通過0和1的形式進(jìn)行記錄，可以根據(jù)結(jié)果操作噴氣閥。算法流程圖如圖2所示。

首先，Laws預(yù)分類。在圖像通過Laws濾波時(shí)，系統(tǒng)可以獲取紋理能量信息，紋理變化速度及復(fù)雜程度均同能量值大小成正比。針對(duì)該特征，雜物識(shí)別剔除系統(tǒng)可以借助相應(yīng)的紋理特征濾波器呈現(xiàn)出獲取圖像的紋理分布特征，進(jìn)行預(yù)分類，為基于支持向量機(jī)分類的開展奠定基礎(chǔ)。其中，W5E5卷積后得到的濾波器為最優(yōu)：鋁箔模板M為WE5，分辨率為m×n的原始圖像f（x，y），L為進(jìn)行濾波處理后獲得的能量矩陣。紋理分類器中顯示，煙葉紋理雜亂無序，而雜物紋理呈規(guī)律周期性變化。在實(shí)際處理過程中，需要對(duì)區(qū)域圖像進(jìn)行Laws變換。

其次，紋理分析。該優(yōu)化算法主要對(duì)區(qū)域細(xì)節(jié)變化進(jìn)行分析，結(jié)合紋理給出判斷結(jié)果。鑒于無法掌握雜物同煙葉紋理的構(gòu)成規(guī)則、基元，在研究分析中需要借助頻譜法，在傅里葉頻譜中對(duì)二者的紋理進(jìn)行分析，結(jié)合頻譜圖能夠得知，高頻區(qū)多為紋理特征描述波峰，而低頻區(qū)多為圖像變化較慢的部分，所以要借助高通濾波器完成濾波處理，對(duì)表達(dá)紋理特征的高頻分量進(jìn)行保留。

最后，機(jī)器學(xué)習(xí)與分類。機(jī)器學(xué)習(xí)能夠在當(dāng)下數(shù)據(jù)學(xué)習(xí)、訓(xùn)練的過程中，獲得相應(yīng)的知識(shí)及判斷機(jī)制，并將其應(yīng)用到后期分析工作中。作為機(jī)器學(xué)習(xí)的基本方式，支持向量機(jī)可以完成最終分類判斷的任務(wù)，適用于線性可分類、線性不可分類2種情況。系統(tǒng)能夠通過學(xué)習(xí)部門從環(huán)境中獲取信息作為訓(xùn)練數(shù)據(jù)，可以利用選取的學(xué)習(xí)算法對(duì)獲取信息進(jìn)行學(xué)習(xí)，由此可能會(huì)對(duì)環(huán)境產(chǎn)生影響，也能夠從環(huán)境中獲得全新訓(xùn)練數(shù)據(jù)。結(jié)束學(xué)習(xí)之后，所獲取的知識(shí)結(jié)合不同學(xué)習(xí)算法表示成神經(jīng)網(wǎng)絡(luò)、表格、表達(dá)式及規(guī)則庫(kù)等多種形式。同時(shí)，依據(jù)學(xué)習(xí)結(jié)果，執(zhí)行部門可以處理待識(shí)別數(shù)據(jù)，獲取識(shí)別結(jié)果，向?qū)W習(xí)部分反饋執(zhí)行結(jié)果，可以開展更深層的學(xué)習(xí)，從而對(duì)系統(tǒng)性能進(jìn)行改進(jìn)。煙葉雜物在線識(shí)別剔除系統(tǒng)從邊緣、紋理的視角，依托支持向量機(jī)，構(gòu)建出紋理分離器、邊緣分類器，用于對(duì)煙葉和雜物進(jìn)行分類，使分類效果達(dá)到預(yù)期要求。

2.2" 系統(tǒng)硬件優(yōu)化

煙葉雜物在線識(shí)別剔除系統(tǒng)應(yīng)在原有基礎(chǔ)上，對(duì)中央處理架構(gòu)進(jìn)行調(diào)整，秉承適應(yīng)現(xiàn)場(chǎng)的原則，持續(xù)對(duì)算法進(jìn)行改進(jìn)，設(shè)計(jì)實(shí)現(xiàn)算法現(xiàn)場(chǎng)測(cè)試的平臺(tái)。

在圖像采集區(qū)、雜物剔除口間，煙葉飛行時(shí)長(zhǎng)約為40 ms，要保證相機(jī)可以對(duì)圖像進(jìn)行持續(xù)采集，并及時(shí)向處理單元傳輸數(shù)據(jù)，確保剔除執(zhí)行機(jī)構(gòu)能夠收到實(shí)時(shí)性的處理結(jié)果。為了達(dá)到實(shí)時(shí)性要求，要對(duì)擁有實(shí)時(shí)操作系統(tǒng)、做到硬件實(shí)現(xiàn)專用圖像處理的平臺(tái)進(jìn)行構(gòu)建[4]。本研究應(yīng)用TI公司TMS320C6000系列的TMS320DM642作為硬件邏輯實(shí)現(xiàn)基于支持向量機(jī)的雜物檢測(cè)圖像處理算法，并選擇DH-DP1000圖像采集卡下的接口同原有相機(jī)設(shè)備連接起來，該數(shù)字圖像采集卡擁有強(qiáng)大的性能，自身帶有實(shí)時(shí)圖像處理功能，且集成了PCI總線，擁有Camera Link接口，做到了快速采集及處理、穩(wěn)定傳輸，同時(shí)也便于用戶開展二次開發(fā)。此外，在系統(tǒng)中應(yīng)用DSP處理卡后，因?yàn)楝F(xiàn)場(chǎng)狀況非常復(fù)雜，還需要改進(jìn)算法，保證每32幀圖像處理時(shí)間控制在3 ms，來獲得一張張圖片形式的圖像數(shù)據(jù)。

同時(shí)，還要秉承便利化、改動(dòng)少的原則，對(duì)測(cè)試算法的研究平臺(tái)進(jìn)行搭建，還需調(diào)整系統(tǒng)中央處理單元結(jié)構(gòu)。對(duì)此，應(yīng)將圖像處理單元調(diào)整為DSP處理卡，借助 Camera Link 接口對(duì)相機(jī)、DH-DP1000 圖像采集卡進(jìn)行連接，并應(yīng)用PCI總線連接DSP處理卡和工控機(jī)。系統(tǒng)采用DSP處理卡后，中央處理結(jié)構(gòu)改進(jìn)后的結(jié)構(gòu)框架如圖3所示。

3" 煙葉雜物在線識(shí)別剔除系統(tǒng)優(yōu)化后的現(xiàn)場(chǎng)測(cè)試

將某卷煙廠作為現(xiàn)場(chǎng)測(cè)試場(chǎng)地，依據(jù)改進(jìn)方案來替換DSP卡并對(duì)系統(tǒng)各結(jié)構(gòu)進(jìn)行調(diào)整和連接，針對(duì)優(yōu)化后的基于機(jī)器視覺的煙葉雜物在線識(shí)別剔除系統(tǒng)進(jìn)行測(cè)試。

3.1" 檢驗(yàn)方法

將系統(tǒng)應(yīng)用到卷煙生產(chǎn)線時(shí)，需要識(shí)別、剔除的雜物主要有霉變煙葉、紙片、黃色皮帶、麻繩、橡膠、羽毛和土塊等。考慮到雜物規(guī)格不一致，在對(duì)基于支持向量機(jī)的雜物檢測(cè)圖像處理算法進(jìn)行驗(yàn)證時(shí)，可以選用10塊標(biāo)準(zhǔn)雜物作為典型試驗(yàn)樣本，完成算法驗(yàn)證測(cè)試工作。

在實(shí)際檢測(cè)時(shí)，每次煙葉投入量為50 kg，將50個(gè)標(biāo)準(zhǔn)雜物摻入其中，即典型雜物摻入量為每種5個(gè)。應(yīng)保證測(cè)試條件相同，隨機(jī)開展多次檢測(cè)，將平均值作為最終測(cè)試結(jié)果。結(jié)合下述公式計(jì)算出系統(tǒng)剔除率和誤剔率：剔除率=剔除雜物數(shù)量/投入雜物數(shù)量×100%;誤剔率=誤剔除煙葉重量/投入煙葉總重量×100%。

3.2" 測(cè)試流程

在系統(tǒng)正常運(yùn)行狀態(tài)下，完成分類器訓(xùn)練操作后開展測(cè)試。進(jìn)行算法訓(xùn)練。使用基于支持向量機(jī)的學(xué)習(xí)算法時(shí)，要對(duì)正負(fù)樣本進(jìn)行篩選，開展學(xué)習(xí)訓(xùn)練。具體操作步驟為：大量采集雜物、煙葉未進(jìn)入系統(tǒng)時(shí)的圖片，從中挑選出200張僅有背景色的標(biāo)準(zhǔn)圖片，將其作為正樣本實(shí)施分類器訓(xùn)練;大量采集未摻入雜物的煙葉圖片，從中挑選出2 000張標(biāo)準(zhǔn)圖片，將其作為正樣本實(shí)施分類器訓(xùn)練;大量采集僅有雜物無煙葉的圖片，從中挑選出20張標(biāo)準(zhǔn)圖片，將其作為負(fù)樣本實(shí)施分類器訓(xùn)練;大量采集煙葉中摻入雜物的圖片，從中挑選出500張標(biāo)準(zhǔn)圖片，為研究測(cè)試分類效果提供依據(jù);按照32×32的標(biāo)準(zhǔn)對(duì)采集到的圖片進(jìn)行區(qū)域化分割，實(shí)施Laws預(yù)分類，并將區(qū)域劃分至紋理、邊緣兩大分類器中;通過人工篩選的方式，從各分類器中將正樣本、負(fù)樣本篩選出來;在不同分類器中，借助正、負(fù)樣本開展訓(xùn)練，得到完成訓(xùn)練的紋理分類器和邊緣分類器[5];依據(jù)測(cè)試圖片，對(duì)不同分類器的分類效果進(jìn)行測(cè)試，查看是否符合標(biāo)準(zhǔn)要求，結(jié)合緣由再次進(jìn)行人工篩選樣本、樣本訓(xùn)練、分類器分類效果檢測(cè)，反復(fù)操作直至符合規(guī)定。背景色圖、煙葉圖、雜物圖、摻有雜物的煙葉圖如圖4所示。

將上述前4個(gè)步驟所采集的圖片存儲(chǔ)至系統(tǒng)，后面由人工開展4個(gè)操作步驟，借助Matlab程序?qū)Ψ诸惼鬟M(jìn)行訓(xùn)練，并匯總成分類文件，由雜物識(shí)別剔除系統(tǒng)保存，用于后期實(shí)際生產(chǎn)。

完成算法訓(xùn)練操作后需要開展算法現(xiàn)場(chǎng)測(cè)試，要在系統(tǒng)中載入完成訓(xùn)練的分類器文件，對(duì)各項(xiàng)參數(shù)進(jìn)行調(diào)整，之后將待測(cè)試樣本放置投放處，在傳送系統(tǒng)啟動(dòng)并平穩(wěn)運(yùn)行狀態(tài)后進(jìn)行投放，完成檢測(cè)操作后關(guān)閉系統(tǒng)，對(duì)剔除的煙葉、雜物進(jìn)行收集整理和統(tǒng)計(jì)，對(duì)剔除率、誤剔率進(jìn)行運(yùn)算，反復(fù)開展準(zhǔn)備檢測(cè)樣本、投放、統(tǒng)計(jì)計(jì)算的操作，取最終的檢測(cè)平均值。

結(jié)合現(xiàn)場(chǎng)測(cè)試結(jié)果得知：基于支持向量機(jī)的雜物檢測(cè)圖像處理優(yōu)化算法能夠有效檢測(cè)出煙葉雜物，極大地提高了對(duì)皮帶、泡沫、海綿、木材等雜物的剔除率，明顯降低了誤剔率，整體剔除率得到了顯著的提升。

4" 結(jié)束語

本研究在構(gòu)建基于機(jī)器視覺的煙葉雜物在線識(shí)別剔除系統(tǒng)中，應(yīng)用全新的基于支持向量機(jī)的雜物識(shí)別算法，有效解決了傳統(tǒng)識(shí)別算法的不足，提高了雜物剔除率，大大改善了設(shè)備性能，具有較高的使用價(jià)值。煙葉雜物在線識(shí)別剔除系統(tǒng)將升級(jí)算法應(yīng)用到高速DSP處理卡上，經(jīng)現(xiàn)場(chǎng)測(cè)試符合實(shí)時(shí)性的要求，降低了雜物剔除誤差率，能夠應(yīng)用到煙草生產(chǎn)線中，有助于提高煙草企業(yè)產(chǎn)品質(zhì)量，顯著提升了煙草企業(yè)競(jìng)爭(zhēng)力，促進(jìn)了煙草企業(yè)的持續(xù)發(fā)展。

參考文獻(xiàn)：

[1] 吳玉生，李安虎，萬亞明，等.基于機(jī)器視覺的煙草在線檢測(cè)技術(shù)研究進(jìn)展[J].激光與光電子學(xué)進(jìn)展，2024，61（8）：49-62.

[2] 梁將來.基于機(jī)器視覺的煙絲雜質(zhì)檢測(cè)方法研究[D].昆明：云南財(cái)經(jīng)大學(xué)，2023.

[3] 鄧晨曦.基于機(jī)器視覺的煙葉自動(dòng)分級(jí)方法研究[J].科技創(chuàng)新導(dǎo)報(bào)，2020，17（12）：39-40.

[4] 李海杰.基于機(jī)器視覺的煙草異物檢測(cè)和煙葉分類分級(jí)方法研究[D].南京：南京航空航天大學(xué)，2016.

[5] 劉迪清.基于機(jī)器視覺的雜物識(shí)別的關(guān)鍵技術(shù)研究與應(yīng)用[D].南京：南京航空航天大學(xué)，2012.

第一作者簡(jiǎn)介：鄧銀正（1975-），男，助理工程師。研究方向?yàn)樵O(shè)備工程、技改。