一种烟丝异物检测剔除装置系统设计

谢惠斌

摘要：介绍了应用于烟草工业的制丝和打叶复烤生产线中的烟丝除杂设备，包括系统的结构、工作原理及硬件设计，该系统运用机器视觉原理，采用独创的新一代图像处理算法，综合异物的颜色、形状、纹理等多项特征参数，以卓越的效率和精度剔除高速传送的叶片中掺杂的异物，免除繁琐的手工劳动，最大限度地提高了烟草的纯净度。

关键词：烟丝除杂；硬件设计；机器视觉；图像处理；纯净度

Abstract： It introduces a tobacco removing apparatus device which is applied in the tobacco cutting， leaf threshing？and re-drying production lines， including system structure， working principle， hardware and software design. The？system？adopts？machine？vision？technology， using original new generation image processing algorithm that combines several characteristic parameters of foreign materials， such as colors， shapes and textures， to achieve the purpose of eliminating foreign materials doped in tobacco while delivering at a high speed on the conveyorbelt superiorly efficiently and with？high accuracy， thus， avoids tedious manual labor and maximizes the purity of tobacco.

Keywords：tobacco impurity removal； hardware design； machine vision； image processing algorithm； the purity of tobacco

0 引言

随着工业自动化技术的迅速发展，自动化检测与控制系统逐步替代我国传统产业[1-2]。烟叶中含有的杂物，燃烧过程中会产生有害物质，且对产品品质产生影响，在线异物剔除已经成为烟丝生产线上不可或缺的工序。早期，烟草行业采用抛落抽风等方式将与片烟悬浮速度相差较大的杂物剔除[3-4]，难免存在误差，而且对于悬浮速度相近的杂物难以剔除。另一种方法是采用金属探测仪检测和剔除金属异物，人工辅助剔除其他异物，费时费力，且剔除率受人为影响比较大。少数卷烟厂引进国外烟草异物剔除设备，但价格昂贵且配件更换困难，售后服务不到位。在图像获取和采集及处理之间增加图像增强功能目前已有较多研究，例如PCNN[5-6]、Retinex[7-10]、直方图均衡、同态滤波[11-12]等算法。但上述算法的实时性都较差，不适合应用在烟草异物剔除系统中。本文所设计的烟丝除杂设备基于图像处理，在制丝和打叶复烤生产线中广泛应用，为企业节约开支，成为卷烟品质控制的重要设备之一，对于提高我国烟草行业的国际竞争力也有重要意义。

1 总体结构

异物检测剔除装置主要由进料输送机、视频系统、气流平衡柜、电控系统等四个主要部件组成。这四个组件协调工作，主输送带上的烟叶经鼓风机系统对叶片进行摊薄，上下摄像机对烟叶进行图像采集，传给图像处理平台做分析、识别，剔除阀对其中的异物进行分拣、剔除。整体用不锈钢制造，易于清洁、保养。

2 硬件设计

2.1 基于棱镜分光的彩色高速线阵相机

相机是异物剔除装置的眼睛，是非常重要的关键器件。本设备采用的基于棱镜分光的彩色高速线阵工业相机，能有效保证所采集图片的质量，从而为检测和剔除提供可靠的保障。

此类相机核心感光器件由分光棱镜和3片CCD组成[13]，相对于传统的加装拜尔滤镜的单片CCD相机来说，棱镜分光3CCD相机能把入射光分解成红绿蓝三种色光，由3片CCD分别独立负责其中一种色光的成像，色彩还原性、亮度和清晰度都比单CCD好，所以成像效果更好。一般只有高端工业级相机才会采用此技术。

此外，高速线阵相机与通常用的面阵CCD不同的是：线阵CCD图像扫描输出的是一条线上的像素，而不是一个面上的像素。当物体在CCD下不停的移动时，这些线就组合成一个延绵不断的面。采用线阵CCD的另一个好处是扫描频率很高，达到11KHz（即每秒钟11000条扫描线），即使对于高速运动中的物料，也能形成高分辨率的图像。而通常使用的面阵CCD扫描频率为25/30Hz，远低于线阵CCD的扫描频率，并且在物体高速运动时，面阵CCD还可能会导致图像模糊，使图像处理单元无法准确识别异物。

本设备使用的基于棱镜分光的彩色高速线阵工业相机可识别的颜色种类数量为1616，777，216（解析成三原色），最小尺寸分辨率为1200毫米/4096=0.3毫米，大大优于国外同类设备。

2.2 LED光源

光源对于一个图像识别系统而言，起到非常关键的作用。传统照明光源一般采用荧光灯或者陶瓷金属卤素灯，荧光灯一般寿命较短，光衰至额定照度的80%仅3000小时；而金属卤素灯虽然寿命相对于熒光灯较长，但线性均匀度较差。文采设备采用的全新LED光源具有亮度高、寿命长以及线性均匀度好的特点，相对于传统光源，LED光源是迄今为止最适合异物剔除系统的光源。单条LED光源光强可达20000流明；光源线性均匀度好，相机成像图像一致性好、色彩还原性好，对于图像识别十分有利。

2.3 靶向水冷系统

图像识别一般对照明光源的亮度都有较高的要求，高亮度一般都会伴随着高热量，即使最新的LED照明技术也避免不了这一特性。如果没有高效的散热方式，则光源的寿命会大打折扣，所以高热量的产生对光源的冷却系统提出了更高的要求。传统照明系统一般采用风冷方式散热，散热慢，且效率低。本设备采用独创的靶向水冷系统，直接针对于光源本身冷却，以极高的效率大大降低了LED线性光源的工作温度，使其温度均衡保持在摄氏30度以内，因此有效延长了LED光源的使用寿命，能确保用户正常使用至少2万小时而无需更换备件（光强衰减度控制在10%以）。

2.4全彩有源LED背景色

可編程的全彩有源LED背景灯，对于消除阴影、提高黑色异物和黄色异物的检出率更加有效。本设备采用全彩色有源LED制成线阵背景光源。采用三基色（RGB）贴片封装LED，通过改变LED的控制电流，改变其发光颜色，这样就使得LED背景灯的发光颜色可以在线编程，根据物料的品种不同，控制LED发出不同的背景色。

相对于传统的反射光背景，全彩有源LED背景能更有效的突出异物在叶片上的显示效果，并能消除叶片及异物的阴影干扰，使得异物更容易识别。采用这项技术后，对传统难以剔除的异物（比如麻绳、黑胶皮、橡胶、纸箱板）效果更好。同时也大大降低了叶片带出率。

2.5图像处理平台

在流水线上，物料移动速度非常快，可达5米/秒。在如此高的速度下，为了成像清晰，必须扫描频率非常快，一般采用11K行/秒，每行2K象素，每象素是24位真彩颜色。这样，仅仅图像采集速度就在528Mb/秒，如此海量的数据需要进行高级的形状、纹理方面的图像处理，基于PC体系的工控机根本无法胜任。为了解决这一问题，采用基于嵌入式FPGA+DSP硬件体系的高速图像处理平台。

嵌入式FPGA+DSP图像处理卡内含多达88个矩阵CPU内核，运算速度是DSP的128倍，完全能够满足高级算法的要求。传统的异物检测剔除装置对异物的识别算法，一般采用基于DSP的硬件基础，受限于算法运行速度，而无法采用更先进的形状、纹理识别算法，只能采用单一的颜色识别方法。

基于上述FPGA+DSP硬件平台的独创新一代先进算法融合了颜色、形状、纹理等异物特征参数[14]，对麻绳、黑胶皮、绿胶皮、黄色纸壳、传送带碎片等（采用传统算法难以剔除）异物的剔除效果更好。

嵌入式设计，图像采集处理功能集于一身，无需经工控机处理，相对于传统的使用工控机作为处理中心的剔除装置更加稳定可靠。算法固件化，大大提升了运算速度的同时更增加了系统可靠性。

2.6基于工业以太网的分布嵌入式体系结构

本设备采用基于工业以太网的分布嵌入式体系结构，大大减少了系统不稳定因素。各采集处理单元相对独立，相机与采集处理卡一一对应，不因一个处理单元故障而影响其他处理单元正常工作；上位机起到人机界面的作用，不参与实际采集处理过程。

3 设备维护

传统异物剔除装置一般需要人工建模，保存为牌号，使用时由工作人员调出已有的牌号。人工建模一般需要较为专业的人员，操作相对复杂，而且每批烟叶的特征不尽相同，所以原先建立好的模板并不最适合本批次烟叶。

本设备应用自动建模软件，摒弃了牌号的概念，针对每一批次烟叶，独立自动设置该批次烟叶的最优模板，直至该批次烟叶生产完毕，大大降低了对操作工的要求和劳动强度。同时，该模板仅用于该批次烟叶，用毕即作废，不再使用，从而提高了采样模板与被检测烟叶的一致性。

下表为KEY测试用标准异物：

4 结论

采用机器视觉系统的烟丝异物检测剔除装置，有效的剔除、分拣出了异物，经测试使用，本设备指标优异，剔除率高，带出率低，异物有效剔除率大于85%，叶片带出率小于0.6%。由于不需要人工挑拣异物，省工省时，剔除质量得到保证，品质可控。自烟丝异物检测剔除装置投入使用以来，系统运行稳定，性能可靠，完全达到了设计预期各项技术指标，解决了传统残烟处理烟丝回收率低，烟丝中含异物率高，烟丝结构差等问题，显著提高了回收烟丝的质量，对降低卷烟厂的原料消耗有积极意义。

参考文献：

[1]李琳.CMOS数字成像技术在电力系统图像监控中的应用[J]. 光学精密工程，2002，10（1）：84-88

[2]张业鹏.机器视觉在工业测量中的应用与研究[J].光学精密工程，2001，9（4）：324-329

[3]张俊荣，李艳华，张望兴，等.一种多功能烟叶风选除杂方法及设备：中国，2010106189466[P].2010-12-31.

[4]李晓，熊安言.FX6型就地风选器在梗签风选中的应用[J].烟草科技，2006（8）：9-11.

[5]张煜东，王水花，周振宇，等.基于HVS与PCNN的彩色图像增强[J].中国科学：信息科学，2010，40（7）：909-924.

[6]陈锐，马义德，郑晓，等.基于PCNN和视觉特性的图像对比度增强[J].微计算机信息，2010，26（4-1）：108-112.

[7]程芳瑾，杜晓骏，马丽，等.基于Retinex的低照度图像增强[J].电视技术，2013，37（15）：4-10.

[8]肖进胜，单姗姗，段鹏飞，等.基于不同色彩空间融合的快速图像增强算法[J].自动化学报，2014，40（4）：697-705.

[9]江兴方，王戈，沈为民.一种色彩改进型Retinex彩色图像增强方法[J].光电子·激光，2008，19（10）：1402-1404.

[10]许欣，陈强，孙怀江，等.快速Retinex 彩色图像增强[J].计算机工程与应用，2010，46（5）：4-6.

[11]禹晶，李大鹏，廖庆敏.基于颜色恒常性的低照度图像视见度增强[J].自动化学报，2011，37（8）：923-930.

[12]韩丽娜，熊杰，耿国华，等.利用HSV空间的双通道同态滤波真彩图像增强[J].计算机工程与应用，2009，45（27）：18-20.

[13]Guru D S，Mallikarjuna P B，Manjunath S，et al.Machine vision based classification of tobacco leavesfor automatic harvesting[J].Intelligent Automation &Soft Computing，2012，18（5）：581-590.

[14]杨威.基于模式识别方法的多光谱遥感图像分类研究[D]：长春：东北师范大学，2011.