張元，孫惟剛，李漢堯，寧佳宏，丁國忠

（1.云南省煙葉復(fù)烤有限責(zé)任公司文山復(fù)烤廠，云南 文山 663099；2.華中科技大學(xué)能源與動力工程學(xué)院，湖北 武漢 430074）

1 前言

非煙雜物是指除煙葉以外的其他物質(zhì)，如麻絲、碎紙、塑料膜（繩）、羽毛、蟲繭、棉花、頭發(fā)、金屬物、沙土等，這些非煙雜物既影響卷煙質(zhì)量和口感，又會對人體造成危害，因此，在煙葉處理過程中，都很重視對非煙雜物的處理和剔除。打葉復(fù)烤是初烤煙葉之后的工序，在此工藝中，要盡量剔除掉非煙雜物，因此在打葉復(fù)烤過程采用的非煙雜物剔除工序就非常多，主要有篩沙、風(fēng)選除雜、在線人工挑選、麻絲剔除、圖像識別異物剔除、激光分選機及金屬剔除等。目前，各復(fù)烤廠應(yīng)用最多的是風(fēng)選除雜、圖像識別異物剔除、激光分選，最新的高光譜成像技術(shù)也在煙草全流程中開發(fā)和應(yīng)用，本文將對這幾項技術(shù)的研究進展進行梳理，為后續(xù)的應(yīng)用及選型提供參考。

2 打葉復(fù)烤工藝中的除雜技術(shù)進展

2.1 風(fēng)選除雜技術(shù)

風(fēng)選除雜系統(tǒng)的原理是利用送風(fēng)對非煙雜物和煙葉（片煙）產(chǎn)生的落位不同來加以分離。除雜的基本過程為輸送帶將煙葉物料在布料器上拉薄、布寬，并使物料松散、均勻地進入風(fēng)選倉，然后在風(fēng)力作用下，較重的煙葉落到出料口后被送到下道工序，而較輕的片煙和雜物則被吹到排雜口，再通過人工將雜物從煙葉中剔除。

風(fēng)選除雜系統(tǒng)主要由風(fēng)分設(shè)備、落料器、風(fēng)機、循環(huán)管路、均料設(shè)備、皮帶、振篩輸送機等組成。風(fēng)選除雜過程中影響除雜效果的參數(shù)較多，如煙草種類、加工工藝、潤葉、打葉工序等，對風(fēng)選除雜效果以及最終煙葉產(chǎn)品的質(zhì)量都會產(chǎn)生影響。目前國內(nèi)對煙葉風(fēng)選除雜系統(tǒng)的研究主要集中在對風(fēng)分設(shè)備的結(jié)構(gòu)優(yōu)化及工藝流程、運行參數(shù)、送風(fēng)速度等進行改進調(diào)整，包括風(fēng)分室的內(nèi)部結(jié)構(gòu)優(yōu)化、進風(fēng)口角度與煙葉進料角等，這些優(yōu)化或改進提高了風(fēng)選除雜設(shè)備的剔除效果。

較早的是黃彩鳳等實現(xiàn)了風(fēng)選除雜技術(shù)在打葉生產(chǎn)線中的應(yīng)用。其研究表明風(fēng)分器要達到較好的分離效果，煙葉物料的初速度、進料角度需要滿足優(yōu)化值，且物料速度與拋料方向的寬度有關(guān)。例如，拋料方向的輸送帶寬度達到1200mm 時，拋料的初速度應(yīng)達到3m/s，而拋料方向的輸送帶寬度達到1500mm 時，拋料初速度應(yīng)達到4 ～5m/s。這指明了拋料寬度與拋料初速度的對應(yīng)關(guān)系。

效果上，馬春麗等在采用風(fēng)選除雜系統(tǒng)后，在打葉工序和葉基挑選工序上兩個采樣點的含雜總量有較大下降，幅度達到22.1%，這表明風(fēng)選除雜方法有較好的除雜效果，且較難剔除的雞毛、頭發(fā)、麻絨等細小雜物的剔除也效果明顯。

結(jié)構(gòu)優(yōu)化上，鄭博文等對風(fēng)選除雜系統(tǒng)的氣料分離器進行了結(jié)構(gòu)改進，使除雜效果較改進前提升了73%。

由于風(fēng)選除雜工藝具有投資少、雜物剔除效果明顯等優(yōu)點，使得該技術(shù)在打葉復(fù)烤企業(yè)得到了廣泛的應(yīng)用，不過，該技術(shù)有原料煙葉的損失缺點。實踐中，打葉復(fù)烤過程通過風(fēng)選除雜的煙葉，還需要經(jīng)過人工挑雜后，在打葉風(fēng)分處回填到煙葉原料中，比例約占煙葉原料總投量的1%～2%。

2.2 基于圖像識別的除雜技術(shù)

圖像識別除雜系統(tǒng)的基本工作原理為利用煙葉和異物在物理特性（主要是顏色）上的差異，采用機器視覺技術(shù)實時地識別煙葉和異物，然后對識別出來的異物，采用高速噴嘴將其吹除，達到除雜的目的。

煙草在線異物剔除系統(tǒng)領(lǐng)先的是德國的豪尼HAUNI公司和美國的SRC VISION 公司，其中美國公司的設(shè)備原理如圖1 所示。

圖1 Tobacco Sorter 系列煙草異物剔除系統(tǒng)示意圖

該設(shè)備的異物剔除原理是煙葉物料的正面和背面狀態(tài)分別由上、下攝像機拍攝。拍攝到的圖像信號被高速傳入計算機內(nèi)存中，經(jīng)過計算后，將與正常煙葉不同的信息進行放大并生成相應(yīng)位置的定位信號，剔除機構(gòu)接收到雜物定位信號后啟動該位置對應(yīng)的電磁閥，將通過該閥的雜物吹離正常物流路徑，從而實現(xiàn)剔除，而正常物料則拋至正常物料區(qū)。由于檢測和剔除是在物料行進過程中進行，因此軟件處理程序的快慢和通訊的速度是剔除成功的關(guān)鍵。

國內(nèi)在學(xué)習(xí)國外產(chǎn)品的基礎(chǔ)上也進行了研制，如由安徽大學(xué)、秦皇島煙機設(shè)備公司和渦陽煙葉復(fù)烤廠共同研制的“智能型雜質(zhì)在線探測儀”在2003 年就投入了運行。當(dāng)然，早期對圖像處理不夠，致使該產(chǎn)品的圖像存在亮度失真，煙葉信號閾值空間擴張，從而導(dǎo)致多臺分機操作不方便等問題。

煙草異物圖像識別剔除主要基于顏色物理特性，因此，需要對煙草和雜物進行顏色識別。顏色模型上，陳杰等研究認為煙草主要是呈黃褐色，而異物主要是呈其他顏色，這樣就可以將色度差異作為煙草與異物的識別特征。而張海林等則是設(shè)置CCD 攝像機的彩色為RGB 三原色，將每種顏色由8 位數(shù)字量表示，每線像素1024 個，對應(yīng)的傳送帶寬度為1.5m，此時CCD 攝像機的顏色和空間分辨率都很高。計算機將采集的煙葉圖像的每個像素的顏色與預(yù)先設(shè)置的煙葉顏色范圍進行比較，從而識別出其中的雜物。該方案需要CCD 攝像機采集一批標(biāo)準(zhǔn)的煙葉圖像，并依據(jù)統(tǒng)計的煙葉顏色RGB 三通道的均方誤差來定義一個數(shù)組，只要是RGB 三通道的顏色分量在一個標(biāo)準(zhǔn)差范圍內(nèi)浮動，則數(shù)組值被賦值為0，表示正常的煙葉顏色，而其他情況則賦值為1，表示異物的顏色。這是利用正常煙葉的顏色和異物顏色的顯著差異來實現(xiàn)異物的識別與剔除，類似的顏色特征提取方案研究還有文獻[10]和文獻[11]。

煙草圖像識別剔除設(shè)備的另一個關(guān)鍵技術(shù)是數(shù)據(jù)通訊。聞平等基于高速總線傳輸，研發(fā)出煙草異物智能剔除系統(tǒng)。該系統(tǒng)通過高速線掃描相機實時采集煙草圖像，然后通過并行總線傳輸信息給計算機，實時分析雜物圖像所處位置，再通過并行高速總線將數(shù)據(jù)信息傳輸給噴嘴閥的驅(qū)動系統(tǒng)，該系統(tǒng)驅(qū)動高速閥，實時剔除煙草雜物。在該系統(tǒng)基礎(chǔ)上，高鐵功等通過對相機系統(tǒng)進行優(yōu)化，實現(xiàn)了煙草異物智能剔除系統(tǒng)的性能提升。

總體來說，圖像識別設(shè)備的研究與發(fā)展主要是基于對顏色特征的提取和改進而發(fā)展，高速數(shù)據(jù)傳輸則逐漸不成為問題。早在2009 年，張紹堂、董德春等就建立了標(biāo)準(zhǔn)煙葉顏色庫和典型異物顏色庫，并基于已有的異物顏色庫對標(biāo)準(zhǔn)煙葉顏色庫進行過濾，得到了新的標(biāo)準(zhǔn)顏色庫，利用新獲得的標(biāo)準(zhǔn)顏色庫來識別異物。2011 年，劉迪清將采集的煙葉圖像劃分為若干個區(qū)域，每個區(qū)域的大小分別對應(yīng)剔除閥閥口的大小，使用Laws 濾波預(yù)處理得到圖像中的紋理能量信息，再根據(jù)能量信息對該區(qū)域進行預(yù)分類，然后使用機器學(xué)習(xí)方法，在頻域分析煙葉和異物的紋理和邊緣特征，并使用基于支持向量機的分類模型訓(xùn)練，得到紋理分類器和邊緣分類器用來檢測煙葉中的異物。隨后的顏色特征研究中，2014 年，李斐斐采用改進的Gist 特征提取方法得到特征向量，然后使用SVM（支持向量機）分類器來分類識別煙草中的異物。

對顏色特征的研究逐漸充分的同時，圖像重構(gòu)算法也發(fā)展起來。隨后的研究開始對圖像數(shù)據(jù)進行處理，以改善識別。如姜炬達利用采集的煙葉圖像在經(jīng)過圖像均值濾波、邊緣檢測以及圖像融合模塊后，建立了二值化顏色查找表，再基于滑動窗口的方式利用表中的結(jié)果來判斷滑窗中的異物像素總和，通過設(shè)置閾值進行異物的識別和剔除。2016 年，涂平平針對煙草RGB 顏色特征設(shè)置閾值，過濾得到不含異常數(shù)據(jù)點或者異物數(shù)據(jù)點的煙草RGB 顏色特征，然后按照B 通道對煙草顏色數(shù)據(jù)分布進行切片處理，進而得到煙葉顏色的邊界數(shù)據(jù)點，然后對其使用移動最小二乘擬合來建模，將擬合得到的模型保存到查找表格中，作為判定依據(jù)識別煙草中的異物。

除了顏色特征外，逐漸開始采用其他特征與顏色特征的結(jié)合方法。李陽萱研究了基于顏色特征和基于梯度能量特征的兩種圖像處理方法及其結(jié)合方法來做異物檢測，其算法考慮了圖像光照不均、異物顏色偏暗等條件。結(jié)果表明，基于顏色特征的方法異物除雜率能夠達到99%，而基于梯度能量的方法異物除雜率能夠達到約85%。如果將這兩種方法結(jié)合起來，則理論上能達到100%的除雜率。

進一步的研究就是對圖像進行校正了，沈文超研究了一種煙葉圖像校正算法，避免對異物識別的干擾，用于獲得較好質(zhì)量的煙葉圖像，以保證辨識精度。

除了顏色模型的不斷深入研究外，圖像傳輸也得到了重視。吳亞成研究了煙草除雜機的圖像傳輸，他以傳輸層UDP 協(xié)議為基礎(chǔ)，在應(yīng)用層分別采用滑動窗口機制與最大化傳輸方式來保證傳輸?shù)目煽啃耘c實時性，實現(xiàn)了網(wǎng)絡(luò)信息的傳輸。

總的來說，圖像分類識別的本質(zhì)首先是選擇合適的特征描述待分類目標(biāo)的圖像，這些特征參數(shù)能夠唯一標(biāo)識目標(biāo)，并與其他非目標(biāo)區(qū)域有顯著區(qū)別，而顏色、紋理等作為圖像最基礎(chǔ)的特征，其計算相對簡單，是研究分類識別的常用方法。然后是對獲取的樣本圖像，經(jīng)過畸變矯正、亮度均衡、場區(qū)還原等算法校正，再通過去噪濾波、增強等預(yù)處理方法優(yōu)化圖像信息，最后分析圖像中各對象的特征信息，并用數(shù)字化來表征顏色、形狀和紋理特性參數(shù)，將此結(jié)果用于分類前的模式識別。

但是，采用圖像識別的煙草異物剔除系統(tǒng)既有的缺點也限制了其應(yīng)用，如物料通過攤薄后的煙葉中還不可避免地存在紙片、砂石、塑料膜等異物，且圖像設(shè)備背景色經(jīng)常需要校正，維修保養(yǎng)費用偏高。此外，圖像處理系統(tǒng)對與煙葉顏色相同或相近的異物識別并不好。

2.3 激光除雜技術(shù)

當(dāng)異物與煙草顏色相同或相似時，圖像識別無法識別出異物，但是激光除雜系統(tǒng)則可剔除與煙草顏色相同或相似的異物。

激光除雜系統(tǒng)主要由物料單層化處理裝置、激光發(fā)生及掃描裝置、物料信息采集系統(tǒng)、實時圖像處理系統(tǒng)、異物剔除系統(tǒng)等5 個子系統(tǒng)構(gòu)成。其工作原理是當(dāng)激光光束照射在不同物質(zhì)上會發(fā)生不同的物理現(xiàn)象，如選擇性吸收、反散射、熒光效應(yīng)等，利用這些現(xiàn)象可以用來對產(chǎn)品進行顏色分揀、結(jié)構(gòu)分揀以及熒光分揀，從而達到識別和剔除異物的目的。

不同物質(zhì)對不同波長單色光的反射和吸收強度不同，在顏色分揀過程中，探測器探測照射物質(zhì)后的反射或透出的光信號，再根據(jù)接收光信號的強弱來識別顏色差異較大的產(chǎn)品和異物。

結(jié)構(gòu)分揀是基于被檢測物質(zhì)內(nèi)部結(jié)構(gòu)的疏密程度進行區(qū)分。由于物質(zhì)在結(jié)構(gòu)上的差異，當(dāng)紅外激光照射到物質(zhì)上時，會產(chǎn)生不同強度的散射光斑，從而可根據(jù)探測到的散射光的不同強度識別出異物。結(jié)構(gòu)分揀需要設(shè)置濾光元件，如透光孔、透光環(huán)等，以加強正常產(chǎn)品和異物表面的散射強度差異。

而熒光分揀利用的是物質(zhì)的熒光特性。常溫物質(zhì)被某種波長的入射光照射后，能夠輻射出比入射光波長更長的出射光，當(dāng)停止入射光照射，發(fā)光現(xiàn)象又會立即消失，這種出射光就被稱為熒光。激光照射到煙葉與異物時，由于葉綠素含量不同就能得到不同的熒光光譜，探測到煙葉的較強熒光會得到較強的電平信號，而異物（塑料、紙片、羽毛等）因不含葉綠素而沒有熒光，從而實現(xiàn)對煙葉和異物的分揀。

效果上，激光分選機的雜物綜合剔除率可達90%以上。但是，激光分選機主要依靠進口，設(shè)備價格高昂，不利于降低打葉復(fù)烤廠的生產(chǎn)成本。

2.4 高光譜成像技術(shù)

高光譜成像技術(shù)（Hyperspectral imaging，HSI）是圖像與光譜技術(shù)相結(jié)合的三維信息獲取技術(shù)，其中包括上百個波段的地物特征光譜信息和空間圖像信息，通過采用機器學(xué)習(xí)和深度學(xué)習(xí)方法分析高光譜數(shù)據(jù)的光譜和圖像空間的特征信息，可以有效地進行地物識別和分類，且對比近紅外光譜儀等傳統(tǒng)光譜分析設(shè)備，高光譜成像儀不僅能提供光譜信息，還能夠顯示該光譜所在像元的位置，提供物品的空間分布信息，實現(xiàn)不同被測物的可視化成像。因該技術(shù)的功能強大，國外各種涉農(nóng)產(chǎn)品從生產(chǎn)到分揀都有很多采用，參考文獻眾多。

近年來，高光譜成像技術(shù)在煙草行業(yè)中得到了應(yīng)用。打葉復(fù)烤過程中，也可利用高光譜成像技術(shù)，對煙葉和雜物在高光譜圖像空間中進行光譜分析，然后利用不同物質(zhì)獨特的光譜特征，對煙葉和雜物進行識別。

李智慧等使用可見-近紅外高光譜成像技術(shù)，采用歸一化、標(biāo)準(zhǔn)正態(tài)變化、多元散射校正、一階導(dǎo)數(shù)、卷積平滑對光譜數(shù)據(jù)進行預(yù)處理，通過連續(xù)投影變換和主成分載荷的特征波長選擇，并應(yīng)用隨機森林、Softmax 和支持向量機建立分類模型，最后通過高光譜成像技術(shù)結(jié)合SPA-SVM 模型實現(xiàn)了有效分類識別煙葉中的非煙物質(zhì)。

目前，該技術(shù)在煙草行業(yè)處于起步階段，未來的應(yīng)用推廣取決于成本。

3 結(jié)語

本文主要是對風(fēng)選除雜技術(shù)、圖像識別除雜技術(shù)、激光除雜及高光譜成像技術(shù)在打葉復(fù)烤中的應(yīng)用研究進行了總結(jié)梳理。除了振篩砂石和金屬剔除外，多年來打葉復(fù)烤過程中對煙葉異物除雜的研究主要集中在風(fēng)選除雜和圖像識別除雜兩個方面，取得了很多的應(yīng)用成果和效益，但這兩種方法對雜物的剔除不完全，效果上總體雜物剔除率低于90%。

應(yīng)用中圖像識別智能剔除設(shè)備成本很高，且維護保養(yǎng)成本也很高，不利于打葉復(fù)烤廠的生產(chǎn)成本降低。

近年來，隨著激光除雜技術(shù)及高光譜成像技術(shù)的引入，必將在打葉復(fù)烤除雜中實現(xiàn)多種雜物的一次性有效剔除。如何將新技術(shù)與既有除雜系統(tǒng)結(jié)合，并開展多項除雜技術(shù)的融合研究，在提升煙葉異物除雜效果的同時，有效降低除雜設(shè)備及其維護保養(yǎng)費用，是迫切需要開展的工作。只有除雜設(shè)備的成本夠低，該技術(shù)才會真正應(yīng)用并普及。