孔令虎，羅小華，陳真興

(湖北中煙恩施卷煙廠，湖北 恩施 445000)

0 引言

由于煙葉的數(shù)量比較多，如果單純采用手工的方式來(lái)分揀生產(chǎn)線上的雜物、異物，其工作量是巨大的[1]，實(shí)現(xiàn)過(guò)程是不太現(xiàn)實(shí)的，而圖像處理和紅外探測(cè)識(shí)別技術(shù)，在提高透明煙草生產(chǎn)質(zhì)量方面具有重要意義，相關(guān)的透明煙草生產(chǎn)線異物去除系統(tǒng)設(shè)計(jì)方法的研究受到人們的極大重視[2]。對(duì)透明煙草生產(chǎn)線異物去除設(shè)計(jì)是通過(guò)圖像特征分析實(shí)現(xiàn)的，傳統(tǒng)方法對(duì)透明煙草生產(chǎn)線異物去除主要有激光分揀技術(shù)、ECO跟蹤算法等[3]，但采用傳統(tǒng)方法進(jìn)行透明煙草生產(chǎn)線異物去除的可靠性不好，辨識(shí)度水平不高，無(wú)法保證生產(chǎn)線生產(chǎn)效率。

針對(duì)上述問(wèn)題，本文提出基于紅外線探測(cè)技術(shù)的透明煙草生產(chǎn)線異物去除方法。采用紅外線探測(cè)技術(shù)，處理透明煙草生產(chǎn)線異物紅外成像，通過(guò)采集、分割并定位處理透明煙草生產(chǎn)線異物紅外圖像，實(shí)現(xiàn)對(duì)透明煙草生產(chǎn)線異物去除，展示了所提方法在提高透明煙草生產(chǎn)線生產(chǎn)效率方面的優(yōu)越性能。

1 透明煙草生產(chǎn)線異物紅外圖像采集及預(yù)處理

1.1 透明煙草生產(chǎn)線異物紅外圖像采集

煙草物料首先經(jīng)過(guò)一邊輸送一邊振動(dòng)的方式使其分散、均勻，然后進(jìn)行加速振動(dòng)輸送實(shí)現(xiàn)物料單層化處理。此時(shí)，以生產(chǎn)線每個(gè)工位為序列點(diǎn)，以填料被制成連續(xù)卷煙條的全部時(shí)間為約束時(shí)間，采集進(jìn)入勻速輸送帶采用點(diǎn)陣CCD攝像機(jī)攝取煙葉的實(shí)時(shí)圖像，即采集透明煙草生產(chǎn)線序列圖像[4]，采集函數(shù)如下：

f(Gn)=mif(x,y)-(Rt,Ro)

(1)

式中：Gn表示透明煙草生產(chǎn)線采集率；mif表示透明煙草生產(chǎn)線的分布節(jié)點(diǎn)；x、y表示每組特征的差異性進(jìn)行透明煙草生產(chǎn)線的大數(shù)據(jù)輸出；Rt表示透明煙草生產(chǎn)線分量[5]；Ro表示色差檢測(cè)的圖像采樣率。根據(jù)透明煙草生產(chǎn)線實(shí)際運(yùn)行數(shù)據(jù)，含有異物的透明煙草生產(chǎn)線的灰度像素值表示為

Φ(Tn)=f(Gn)Kψ+η

(2)

式中：Tn表示透明生產(chǎn)線異物像素值；Kψ表示邊緣信息重組和空間的信息分析；η表示透明煙草生產(chǎn)線異物特征分布集。

其次，結(jié)合紅外檢測(cè)技術(shù)進(jìn)行含有異物的生產(chǎn)線序列紅外圖像分析[6]，透明煙草生產(chǎn)線異物的紅外圖像特征集合描述為

σ2(Z;DX)=Φ(Tn)ki+?x

(3)

式中：Z、DX分別表示透明生產(chǎn)線異物紅外圖像的特征元素和特征點(diǎn)；ki表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像邊緣像素點(diǎn)之間的歐式距離；?x表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的網(wǎng)格像素單元。結(jié)合網(wǎng)格區(qū)域重組方法，得到透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的網(wǎng)格分布特征為

x=σ2(Z;DX)-(Ix+Iy)

(4)

式中：Ix表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的區(qū)域分割閾值；Iy表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的邊緣信息分布集。為了確定異物的位置，整合網(wǎng)格分布特征，設(shè)透明煙草生產(chǎn)線異物紅外線探測(cè)圖像輸出的圖像采集為

(5)

式中：si表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像采集的迭代步數(shù)；qj表示次采集點(diǎn)的像素特征序列。在像素分布集中，以煙草物料輸送生產(chǎn)線工作時(shí)間為約束條件，進(jìn)行RGB特征分解，實(shí)現(xiàn)對(duì)透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的數(shù)學(xué)建模[7]。總體實(shí)現(xiàn)結(jié)構(gòu)如圖1所示。

圖1 透明煙草生產(chǎn)線異物紅外線探測(cè)總體實(shí)現(xiàn)結(jié)構(gòu)

1.2 透明煙草生產(chǎn)線異物紅外圖像降噪預(yù)處理

采用邊緣像素特征增強(qiáng)技術(shù)實(shí)現(xiàn)對(duì)透明煙草生產(chǎn)線異物的紅外特征檢測(cè)，根據(jù)圖像像素序列分離和自適應(yīng)塊特征匹配方法進(jìn)行透明煙草生產(chǎn)線異物成像[8]，得到透明煙草生產(chǎn)線異物特征分解的高頻尺度為u(n)(x,y)，透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的輪廓邊緣特征為

(6)

式中ω0表示透明煙草生產(chǎn)線異物去除信息紋理結(jié)構(gòu)點(diǎn)。通過(guò)色彩明暗比對(duì)，色彩渲染透明煙草生產(chǎn)線異物紅外線探測(cè)圖像，透明煙草生產(chǎn)線異物紅外線探測(cè)圖像分布的中心矩為

npq=p(x,t)H(S)

(7)

式中H(S)表示透明煙草生產(chǎn)線異物紅外線探測(cè)圖像的鄰域灰度值?；诙嗵卣魅诤系奶卣鳈z測(cè)方法，建立透明煙草生產(chǎn)線異物紅外特征采樣，得到每個(gè)塊的梯度直方圖為

(8)

式中Wi,j表示透明煙草生產(chǎn)線異物紅外圖像在梯度方向i和j方向的紋理信息。邊緣輪廓特征檢測(cè)透明煙草生產(chǎn)線異物信息序列，采用顏色矩來(lái)描述異物分布[9]，得到異物特征分布的系數(shù)為

(9)

式中：ti表示透明煙草生產(chǎn)線異物紅外探測(cè)圖像的相似度后驗(yàn)估計(jì)值；ui表示像素的灰度值，其透明煙草生產(chǎn)線異物分布的像素差表示為

Dif(C1,C2)=Φ(Tn)-w(i,j)

(10)

式中Dif表示判別指數(shù)函數(shù)。

通過(guò)分布式檢測(cè)透明煙草生產(chǎn)線異物，得到邊緣信息傳遞函數(shù)為

(11)

式中：σx表示透明煙草生產(chǎn)線異物紅外分布原始圖像的邊緣像素參數(shù)估計(jì)值；σy表示色差等缺陷分布特征集。建立異物去除的多維像素特征解析參數(shù)分析，利用顏色矩特征檢測(cè)結(jié)果[10]，得到透明煙草生產(chǎn)線異物紅外圖像降噪預(yù)處理輸出為

(12)

式中：ρ(t)表示透明煙草生產(chǎn)線異物分布的空間譜特征量；Eint(vi)表示透明煙草生產(chǎn)線異物的多尺度變換參數(shù)。根據(jù)上述分析，構(gòu)建透明煙草生產(chǎn)線異物特征辨識(shí)，提高透明煙草生產(chǎn)線異物紅外圖像降噪能力。

2 透明煙草生產(chǎn)線異物特征提取與去除實(shí)現(xiàn)

2.1 透明煙草生產(chǎn)線異物特征提取

采用邊緣像素特征增強(qiáng)技術(shù)，紅外特征檢測(cè)透明煙草生產(chǎn)線異物，根據(jù)圖像像素序列分離和自適應(yīng)塊特征匹配方法進(jìn)行透明煙草生產(chǎn)線異物成像和特征定位及信息增強(qiáng)處理[11]，得到紅外線探測(cè)透明煙草生產(chǎn)線異物特征分布的模板匹配參數(shù)集為

g(x,y)=Eint(vi)+s(v)

(13)

式中：s(v)表示透明煙草生產(chǎn)線異物的紅外特征灰度退化函數(shù)。根據(jù)圖像像素級(jí)鄰域檢測(cè)結(jié)果，得到紅外線探測(cè)透明煙草生產(chǎn)線異物掃描域?yàn)?/p>

(14)

x(n)=Gk+1+Fj-Gk+1

(15)

式中：Fj表示透明煙草生產(chǎn)線異物紅外探測(cè)的異構(gòu)參數(shù)匹配集；Gk+1表示異常特征分布的頻譜系數(shù)，其透明煙草生產(chǎn)線異物圖像像素級(jí)強(qiáng)度表示為

(16)

式中：?ui表示透明煙草生產(chǎn)線異物分布的尺度；?pi表示輸入訓(xùn)練圖像集。通過(guò)信息熵增強(qiáng)處理[12]，得到透明煙草生產(chǎn)線異物分布的邊緣特征提取輸出為

xi(t)=D-(Xn,Yn-τ)

(17)

式中：Xn表示紅外線探測(cè)透明煙草生產(chǎn)線異物去除函數(shù)；Yn-τ表示灰度像素分布序列。由此，建立透明煙草生產(chǎn)線異物成像的特征融合，通過(guò)模糊度特征匹配方法，實(shí)現(xiàn)對(duì)透明煙草生產(chǎn)線異物紅外檢測(cè)。

2.2 透明煙草生產(chǎn)線異物去除實(shí)現(xiàn)

根據(jù)透明煙草生產(chǎn)線異物的紅外圖譜差異性特征，采集透明煙草生產(chǎn)線異物特征序列[13]，紅外線探測(cè)透明煙草生產(chǎn)線異物去除的聯(lián)合特征表示為

g(m,n)(u,v)=xi(t)+(φ1，φ2，…，φu)

(18)

式中：φ1表示透明煙草生產(chǎn)線異物圖像空間轉(zhuǎn)換的成像序列的標(biāo)量信息；φ2表示相應(yīng)的透明煙草生產(chǎn)線異物檢測(cè)像素的特征點(diǎn)；φu表示紋理信息掃描點(diǎn)的像素值。通過(guò)紅外線探測(cè)透明煙草生產(chǎn)線異物檢測(cè)的分塊匹配，得到紅外線探測(cè)透明煙草生產(chǎn)線異物檢測(cè)的量化誤差為

P2=g(m,n)(u,v)-xi(t)

(19)

將訓(xùn)練圖像集像素參數(shù)融合到透明煙草生產(chǎn)線異物分布中，得到異物檢測(cè)輸出為

(20)

式中：λ表示透明煙草生產(chǎn)線圖像特征融合，得到紅外線探測(cè)透明煙草生產(chǎn)線異物去除的判別函數(shù)[14]；μ表示邊緣輪廓線分割的序列節(jié)點(diǎn)，采用多維空間模塊化匹配，得到透明煙草生產(chǎn)線異物檢測(cè)輸出的特征子集為

(21)

式中x、y、wi表示透明煙草生產(chǎn)線異物分布的融合參數(shù)。根據(jù)紋理參數(shù)估計(jì)，得到紅外線探測(cè)成像序列分布集，去除透明煙草生產(chǎn)線異物實(shí)現(xiàn)信息表示為

(22)

式中：b表示透明煙草生產(chǎn)線異物去除的物理參數(shù)；H(z)表示紅外探測(cè)的誤差分布函數(shù)。綜上分析，根據(jù)透明煙草生產(chǎn)線異物的紅外圖譜差異性特征，實(shí)現(xiàn)對(duì)透明煙草生產(chǎn)線異物去除。

3 仿真測(cè)試與結(jié)果分析

為了驗(yàn)證基于紅外線探測(cè)技術(shù)的透明煙草生產(chǎn)線異物去除方法的有效性，以某實(shí)際透明煙草生產(chǎn)線現(xiàn)場(chǎng)的紅外探測(cè)與異物去除設(shè)備為例，在Matlab軟件平臺(tái)中進(jìn)行測(cè)試。實(shí)驗(yàn)采用配置Intel Core TM2 Duo CPU 2.94 GHz 操作系統(tǒng)、32.0 GB 內(nèi)存、800 G 硬盤、32 位 Windows7操作系統(tǒng)的計(jì)算機(jī)。采用BASLER L301 bc攝像機(jī)，9.20 kHz頻率，2 K分辨率，CCD作為圖像傳感器件。設(shè)置透明煙草生產(chǎn)線異物紅外線探測(cè)的圖像采樣像素分別為245×330、480×640、640×880、968×1 295 pixel，煙草生產(chǎn)線異物紅外圖譜檢測(cè)的特征權(quán)重系數(shù)為0.035 2，迭代次數(shù)為500次，生產(chǎn)線異物紅外線探測(cè)的頻率為12 Hz。將紅外線探測(cè)透明煙草生產(chǎn)線異物檢測(cè)率和去除時(shí)間作為實(shí)驗(yàn)指標(biāo)，對(duì)基于紅外線探測(cè)技術(shù)的透明煙草生產(chǎn)線異物去除方法的可行性進(jìn)行深入驗(yàn)證。

3.1 異物識(shí)別能力對(duì)比

異物檢測(cè)率是指在透明煙草生產(chǎn)線異物紅外線探測(cè)的圖像采樣像素中，檢測(cè)出存在異物的透明煙草生產(chǎn)線異物紅外線探測(cè)的圖像采樣像素。異物檢測(cè)率越高，則表明透明煙草生產(chǎn)線異物識(shí)別能力越強(qiáng)。根據(jù)上述實(shí)驗(yàn)參數(shù)設(shè)定，采用所提方法構(gòu)建透明煙草生產(chǎn)線異物紅外線探測(cè)圖像輸出的圖像采集模型，輸入采集的透明煙草生產(chǎn)線圖像，進(jìn)行透明煙草生產(chǎn)線異物紅外線探測(cè)。分別采用基于激光分揀技術(shù)和基于ECO跟蹤的異物去除方法，與所提算法進(jìn)行對(duì)比，得到不同方法的紅外線探測(cè)透明煙草生產(chǎn)線異物檢測(cè)結(jié)果如圖2所示。

圖2 不同方法的紅外線探測(cè)透明煙草生產(chǎn)線異物檢測(cè)結(jié)果

分析圖2可知，針對(duì)不同的圖像采樣像素，基于激光分揀技術(shù)和基于ECO跟蹤的異物去除方法的平均異物檢測(cè)率分別為65%、73%，而基于紅外線探測(cè)技術(shù)的異物去除方法的平均異物檢測(cè)率高達(dá)91%。由此可知，基于紅外線探測(cè)技術(shù)的異物去除方法的異物檢測(cè)能力較高。因?yàn)樗岱椒ㄍㄟ^(guò)紅外線探測(cè)技術(shù)，分塊匹配透明煙草生產(chǎn)線異物檢測(cè)，得到透明煙草生產(chǎn)線異物檢測(cè)量化誤差，并將訓(xùn)練圖像集像素參數(shù)融合到透明煙草生產(chǎn)線異物分布中，輸出異物檢測(cè)，從而有效地提高了透明煙草生產(chǎn)線異物檢測(cè)能力。

3.2 異物去除效率對(duì)比

異物去除時(shí)間是指去除透明煙草生產(chǎn)線異物所用時(shí)間。異物去除時(shí)間越短，則表明透明煙草生產(chǎn)線異物去除效率越高。在此基礎(chǔ)上，進(jìn)一步驗(yàn)證基于紅外線探測(cè)技術(shù)的透明煙草生產(chǎn)線異物去除效率。不同方法的透明煙草生產(chǎn)線異物去除時(shí)間如圖3所示。

圖3 不同方法的透明煙草生產(chǎn)線異物去除時(shí)間

根據(jù)圖3可知，隨著迭代次數(shù)的增加，不同方法的透明煙草生產(chǎn)線異物去除時(shí)間隨之增加。當(dāng)?shù)螖?shù)為500次時(shí)，基于激光分揀技術(shù)和基于ECO跟蹤的異物去除方法的異物去除時(shí)間分別為10.8 s、9.5 s，而基于紅外線探測(cè)技術(shù)的異物去除方法的異物去除時(shí)間僅為6 s。由此可知，基于紅外線探測(cè)技術(shù)異物去除方法的異物去除時(shí)間較短，異物去除效率較高。因?yàn)樗岱椒ㄔO(shè)置約束條件為煙草物料輸送生產(chǎn)線工作時(shí)間，并分解RGB特征，構(gòu)建透明煙草生產(chǎn)線異物紅外線探測(cè)圖像數(shù)學(xué)模型，從而有效縮短透明煙草生產(chǎn)線異物去除時(shí)間，提高異物去除效率。

4 結(jié)語(yǔ)

為了確保有效去除透明煙草生產(chǎn)線異物，提高透明煙草生產(chǎn)線生產(chǎn)效率，提出基于紅外線探測(cè)技術(shù)的透明煙草生產(chǎn)線異物去除方法。通過(guò)紅外線探測(cè)技術(shù)，建立透明煙草生產(chǎn)線異物分布式檢測(cè)圖像采集模型，采用單一特征解析方法，提取透明煙草生產(chǎn)線異物成像的融合特征，通過(guò)模糊度特征匹配方法，實(shí)現(xiàn)透明煙草生產(chǎn)線異物紅外檢測(cè)，從而有效去除透明煙草生產(chǎn)線異物。研究得知，所提方法的異物識(shí)別能力較強(qiáng)，能夠有效實(shí)現(xiàn)透明煙草生產(chǎn)線異物紅外線探測(cè)，提高異物去除效率。