謝惠斌
摘要:介紹了應(yīng)用于煙草工業(yè)的制絲和打葉復(fù)烤生產(chǎn)線中的煙絲除雜設(shè)備,包括系統(tǒng)的結(jié)構(gòu)、工作原理及硬件設(shè)計(jì),該系統(tǒng)運(yùn)用機(jī)器視覺(jué)原理,采用獨(dú)創(chuàng)的新一代圖像處理算法,綜合異物的顏色、形狀、紋理等多項(xiàng)特征參數(shù),以卓越的效率和精度剔除高速傳送的葉片中摻雜的異物,免除繁瑣的手工勞動(dòng),最大限度地提高了煙草的純凈度。
關(guān)鍵詞:煙絲除雜;硬件設(shè)計(jì);機(jī)器視覺(jué);圖像處理;純凈度
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
隨著工業(yè)自動(dòng)化技術(shù)的迅速發(fā)展,自動(dòng)化檢測(cè)與控制系統(tǒng)逐步替代我國(guó)傳統(tǒng)產(chǎn)業(yè)[1-2]。煙葉中含有的雜物,燃燒過(guò)程中會(huì)產(chǎn)生有害物質(zhì),且對(duì)產(chǎn)品品質(zhì)產(chǎn)生影響,在線異物剔除已經(jīng)成為煙絲生產(chǎn)線上不可或缺的工序。早期,煙草行業(yè)采用拋落抽風(fēng)等方式將與片煙懸浮速度相差較大的雜物剔除[3-4],難免存在誤差,而且對(duì)于懸浮速度相近的雜物難以剔除。另一種方法是采用金屬探測(cè)儀檢測(cè)和剔除金屬異物,人工輔助剔除其他異物,費(fèi)時(shí)費(fèi)力,且剔除率受人為影響比較大。少數(shù)卷煙廠引進(jìn)國(guó)外煙草異物剔除設(shè)備,但價(jià)格昂貴且配件更換困難,售后服務(wù)不到位。在圖像獲取和采集及處理之間增加圖像增強(qiáng)功能目前已有較多研究,例如PCNN[5-6]、Retinex[7-10]、直方圖均衡、同態(tài)濾波[11-12]等算法。但上述算法的實(shí)時(shí)性都較差,不適合應(yīng)用在煙草異物剔除系統(tǒng)中。本文所設(shè)計(jì)的煙絲除雜設(shè)備基于圖像處理,在制絲和打葉復(fù)烤生產(chǎn)線中廣泛應(yīng)用,為企業(yè)節(jié)約開(kāi)支,成為卷煙品質(zhì)控制的重要設(shè)備之一,對(duì)于提高我國(guó)煙草行業(yè)的國(guó)際競(jìng)爭(zhēng)力也有重要意義。
1 總體結(jié)構(gòu)
異物檢測(cè)剔除裝置主要由進(jìn)料輸送機(jī)、視頻系統(tǒng)、氣流平衡柜、電控系統(tǒng)等四個(gè)主要部件組成。這四個(gè)組件協(xié)調(diào)工作,主輸送帶上的煙葉經(jīng)鼓風(fēng)機(jī)系統(tǒng)對(duì)葉片進(jìn)行攤薄,上下攝像機(jī)對(duì)煙葉進(jìn)行圖像采集,傳給圖像處理平臺(tái)做分析、識(shí)別,剔除閥對(duì)其中的異物進(jìn)行分揀、剔除。整體用不銹鋼制造,易于清潔、保養(yǎng)。
2 硬件設(shè)計(jì)
2.1 基于棱鏡分光的彩色高速線陣相機(jī)
相機(jī)是異物剔除裝置的眼睛,是非常重要的關(guān)鍵器件。本設(shè)備采用的基于棱鏡分光的彩色高速線陣工業(yè)相機(jī),能有效保證所采集圖片的質(zhì)量,從而為檢測(cè)和剔除提供可靠的保障。
此類(lèi)相機(jī)核心感光器件由分光棱鏡和3片CCD組成[13],相對(duì)于傳統(tǒng)的加裝拜爾濾鏡的單片CCD相機(jī)來(lái)說(shuō),棱鏡分光3CCD相機(jī)能把入射光分解成紅綠藍(lán)三種色光,由3片CCD分別獨(dú)立負(fù)責(zé)其中一種色光的成像,色彩還原性、亮度和清晰度都比單CCD好,所以成像效果更好。一般只有高端工業(yè)級(jí)相機(jī)才會(huì)采用此技術(shù)。
此外,高速線陣相機(jī)與通常用的面陣CCD不同的是:線陣CCD圖像掃描輸出的是一條線上的像素,而不是一個(gè)面上的像素。當(dāng)物體在CCD下不停的移動(dòng)時(shí),這些線就組合成一個(gè)延綿不斷的面。采用線陣CCD的另一個(gè)好處是掃描頻率很高,達(dá)到11KHz(即每秒鐘11000條掃描線),即使對(duì)于高速運(yùn)動(dòng)中的物料,也能形成高分辨率的圖像。而通常使用的面陣CCD掃描頻率為25/30Hz,遠(yuǎn)低于線陣CCD的掃描頻率,并且在物體高速運(yùn)動(dòng)時(shí),面陣CCD還可能會(huì)導(dǎo)致圖像模糊,使圖像處理單元無(wú)法準(zhǔn)確識(shí)別異物。
本設(shè)備使用的基于棱鏡分光的彩色高速線陣工業(yè)相機(jī)可識(shí)別的顏色種類(lèi)數(shù)量為1616,777,216(解析成三原色),最小尺寸分辨率為1200毫米/4096=0.3毫米,大大優(yōu)于國(guó)外同類(lèi)設(shè)備。
2.2 LED光源
光源對(duì)于一個(gè)圖像識(shí)別系統(tǒng)而言,起到非常關(guān)鍵的作用。傳統(tǒng)照明光源一般采用熒光燈或者陶瓷金屬鹵素?zé)簦瑹晒鉄粢话銐勖^短,光衰至額定照度的80%僅3000小時(shí);而金屬鹵素?zé)綦m然壽命相對(duì)于熒光燈較長(zhǎng),但線性均勻度較差。文采設(shè)備采用的全新LED光源具有亮度高、壽命長(zhǎng)以及線性均勻度好的特點(diǎn),相對(duì)于傳統(tǒng)光源,LED光源是迄今為止最適合異物剔除系統(tǒng)的光源。單條LED光源光強(qiáng)可達(dá)20000流明;光源線性均勻度好,相機(jī)成像圖像一致性好、色彩還原性好,對(duì)于圖像識(shí)別十分有利。
2.3 靶向水冷系統(tǒng)
圖像識(shí)別一般對(duì)照明光源的亮度都有較高的要求,高亮度一般都會(huì)伴隨著高熱量,即使最新的LED照明技術(shù)也避免不了這一特性。如果沒(méi)有高效的散熱方式,則光源的壽命會(huì)大打折扣,所以高熱量的產(chǎn)生對(duì)光源的冷卻系統(tǒng)提出了更高的要求。傳統(tǒng)照明系統(tǒng)一般采用風(fēng)冷方式散熱,散熱慢,且效率低。本設(shè)備采用獨(dú)創(chuàng)的靶向水冷系統(tǒng),直接針對(duì)于光源本身冷卻,以極高的效率大大降低了LED線性光源的工作溫度,使其溫度均衡保持在攝氏30度以?xún)?nèi),因此有效延長(zhǎng)了LED光源的使用壽命,能確保用戶(hù)正常使用至少2萬(wàn)小時(shí)而無(wú)需更換備件(光強(qiáng)衰減度控制在10%以)。
2.4全彩有源LED背景色
可編程的全彩有源LED背景燈,對(duì)于消除陰影、提高黑色異物和黃色異物的檢出率更加有效。本設(shè)備采用全彩色有源LED制成線陣背景光源。采用三基色(RGB)貼片封裝LED,通過(guò)改變LED的控制電流,改變其發(fā)光顏色,這樣就使得LED背景燈的發(fā)光顏色可以在線編程,根據(jù)物料的品種不同,控制LED發(fā)出不同的背景色。
相對(duì)于傳統(tǒng)的反射光背景,全彩有源LED背景能更有效的突出異物在葉片上的顯示效果,并能消除葉片及異物的陰影干擾,使得異物更容易識(shí)別。采用這項(xiàng)技術(shù)后,對(duì)傳統(tǒng)難以剔除的異物(比如麻繩、黑膠皮、橡膠、紙箱板)效果更好。同時(shí)也大大降低了葉片帶出率。
2.5圖像處理平臺(tái)
在流水線上,物料移動(dòng)速度非???,可達(dá)5米/秒。在如此高的速度下,為了成像清晰,必須掃描頻率非常快,一般采用11K行/秒,每行2K象素,每象素是24位真彩顏色。這樣,僅僅圖像采集速度就在528Mb/秒,如此海量的數(shù)據(jù)需要進(jìn)行高級(jí)的形狀、紋理方面的圖像處理,基于PC體系的工控機(jī)根本無(wú)法勝任。為了解決這一問(wèn)題,采用基于嵌入式FPGA+DSP硬件體系的高速圖像處理平臺(tái)。
嵌入式FPGA+DSP圖像處理卡內(nèi)含多達(dá)88個(gè)矩陣CPU內(nèi)核,運(yùn)算速度是DSP的128倍,完全能夠滿(mǎn)足高級(jí)算法的要求。傳統(tǒng)的異物檢測(cè)剔除裝置對(duì)異物的識(shí)別算法,一般采用基于DSP的硬件基礎(chǔ),受限于算法運(yùn)行速度,而無(wú)法采用更先進(jìn)的形狀、紋理識(shí)別算法,只能采用單一的顏色識(shí)別方法。
基于上述FPGA+DSP硬件平臺(tái)的獨(dú)創(chuàng)新一代先進(jìn)算法融合了顏色、形狀、紋理等異物特征參數(shù)[14],對(duì)麻繩、黑膠皮、綠膠皮、黃色紙殼、傳送帶碎片等(采用傳統(tǒng)算法難以剔除)異物的剔除效果更好。
嵌入式設(shè)計(jì),圖像采集處理功能集于一身,無(wú)需經(jīng)工控機(jī)處理,相對(duì)于傳統(tǒng)的使用工控機(jī)作為處理中心的剔除裝置更加穩(wěn)定可靠。算法固件化,大大提升了運(yùn)算速度的同時(shí)更增加了系統(tǒng)可靠性。
2.6基于工業(yè)以太網(wǎng)的分布嵌入式體系結(jié)構(gòu)
本設(shè)備采用基于工業(yè)以太網(wǎng)的分布嵌入式體系結(jié)構(gòu),大大減少了系統(tǒng)不穩(wěn)定因素。各采集處理單元相對(duì)獨(dú)立,相機(jī)與采集處理卡一一對(duì)應(yīng),不因一個(gè)處理單元故障而影響其他處理單元正常工作;上位機(jī)起到人機(jī)界面的作用,不參與實(shí)際采集處理過(guò)程。
3 設(shè)備維護(hù)
傳統(tǒng)異物剔除裝置一般需要人工建模,保存為牌號(hào),使用時(shí)由工作人員調(diào)出已有的牌號(hào)。人工建模一般需要較為專(zhuān)業(yè)的人員,操作相對(duì)復(fù)雜,而且每批煙葉的特征不盡相同,所以原先建立好的模板并不最適合本批次煙葉。
本設(shè)備應(yīng)用自動(dòng)建模軟件,摒棄了牌號(hào)的概念,針對(duì)每一批次煙葉,獨(dú)立自動(dòng)設(shè)置該批次煙葉的最優(yōu)模板,直至該批次煙葉生產(chǎn)完畢,大大降低了對(duì)操作工的要求和勞動(dòng)強(qiáng)度。同時(shí),該模板僅用于該批次煙葉,用畢即作廢,不再使用,從而提高了采樣模板與被檢測(cè)煙葉的一致性。
下表為KEY測(cè)試用標(biāo)準(zhǔn)異物:
4 結(jié)論
采用機(jī)器視覺(jué)系統(tǒng)的煙絲異物檢測(cè)剔除裝置,有效的剔除、分揀出了異物,經(jīng)測(cè)試使用,本設(shè)備指標(biāo)優(yōu)異,剔除率高,帶出率低,異物有效剔除率大于85%,葉片帶出率小于0.6%。由于不需要人工挑揀異物,省工省時(shí),剔除質(zhì)量得到保證,品質(zhì)可控。自煙絲異物檢測(cè)剔除裝置投入使用以來(lái),系統(tǒng)運(yùn)行穩(wěn)定,性能可靠,完全達(dá)到了設(shè)計(jì)預(yù)期各項(xiàng)技術(shù)指標(biāo),解決了傳統(tǒng)殘煙處理煙絲回收率低,煙絲中含異物率高,煙絲結(jié)構(gòu)差等問(wèn)題,顯著提高了回收煙絲的質(zhì)量,對(duì)降低卷煙廠的原料消耗有積極意義。
參考文獻(xiàn):
[1]李琳.CMOS數(shù)字成像技術(shù)在電力系統(tǒng)圖像監(jiān)控中的應(yīng)用[J]. 光學(xué)精密工程,2002,10(1):84-88
[2]張業(yè)鵬.機(jī)器視覺(jué)在工業(yè)測(cè)量中的應(yīng)用與研究[J].光學(xué)精密工程,2001,9(4):324-329
[3]張俊榮,李艷華,張望興,等.一種多功能煙葉風(fēng)選除雜方法及設(shè)備:中國(guó),2010106189466[P].2010-12-31.
[4]李曉,熊安言.FX6型就地風(fēng)選器在梗簽風(fēng)選中的應(yīng)用[J].煙草科技,2006(8):9-11.
[5]張煜東,王水花,周振宇,等.基于HVS與PCNN的彩色圖像增強(qiáng)[J].中國(guó)科學(xué):信息科學(xué),2010,40(7):909-924.
[6]陳銳,馬義德,鄭曉,等.基于PCNN和視覺(jué)特性的圖像對(duì)比度增強(qiáng)[J].微計(jì)算機(jī)信息,2010,26(4-1):108-112.
[7]程芳瑾,杜曉駿,馬麗,等.基于Retinex的低照度圖像增強(qiáng)[J].電視技術(shù),2013,37(15):4-10.
[8]肖進(jìn)勝,單姍姍,段鵬飛,等.基于不同色彩空間融合的快速圖像增強(qiáng)算法[J].自動(dòng)化學(xué)報(bào),2014,40(4):697-705.
[9]江興方,王戈,沈?yàn)槊?一種色彩改進(jìn)型Retinex彩色圖像增強(qiáng)方法[J].光電子·激光,2008,19(10):1402-1404.
[10]許欣,陳強(qiáng),孫懷江,等.快速Retinex 彩色圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(5):4-6.
[11]禹晶,李大鵬,廖慶敏.基于顏色恒常性的低照度圖像視見(jiàn)度增強(qiáng)[J].自動(dòng)化學(xué)報(bào),2011,37(8):923-930.
[12]韓麗娜,熊杰,耿國(guó)華,等.利用HSV空間的雙通道同態(tài)濾波真彩圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)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]楊威.基于模式識(shí)別方法的多光譜遙感圖像分類(lèi)研究[D]:長(zhǎng)春:東北師范大學(xué),2011.