[发明专利]烟叶处理方法及系统在审

专利信息
申请号: 201910747628.0 申请日: 2019-08-14
公开(公告)号: CN110639832A 公开(公告)日: 2020-01-03
发明(设计)人: 王艺斌;刘承钧 申请(专利权)人: 南京焦耳科技有限责任公司
主分类号: B07C5/34 分类号: B07C5/34;B07C5/16;A24B3/16
代理公司: 32206 南京众联专利代理有限公司 代理人: 叶涓涓
地址: 210000 江苏省南京市江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 分级 烟叶处理 烟叶品质 分拣 预设 烟叶 采集 匹配 数据库 烟草加工领域 分拣位置 工业分级 商业分级 协同处理 烟叶分级 新工艺 归类 申请 开发
【权利要求书】:

1.一种烟叶处理方法,其特征在于,包括:

采集每片烟叶的烟叶品质信息;

根据所述烟叶品质信息在预设的分级数据库中进行匹配,以确定所述烟叶品质信息所对应的分级码,所述分级码包括商业分级码以及工业分级码;

根据所述分级码按照分拣规则将对应的烟叶分拣至预设的分拣位置。

2.根据权利要求1所述的烟叶处理方法,其特征在于,所述采集每片烟叶的烟叶品质信息包括:

获取每片烟叶的图像信息,所述图像信息包括正面图像、背面图像以及透视图像;

根据所述图像信息按照识别模型获取烟叶品质信息。

3.根据权利要求1所述的烟叶处理方法,其特征在于,还包括:

测取位于每个所述分拣位置处的烟叶的重量值;

判断所述重量值是否大于预设的重量阈值,且在所述重量值达到所述重量阈值时对位于所述分拣位置处的烟叶进行打包,以形成烟包。

4.根据权利要求3所述的烟叶处理方法,其特征在于,还包括:

将所述烟包中烟叶的分级码确定为所述烟包的分级码;

将所述烟包的分级码与所述烟包中的每片烟叶的图像信息进行关联;

用于将相关联的所述烟包的分级码和所述烟包中的每片烟叶的图像信息上传至服务器。

5.根据权利要求2所述的烟叶处理方法,其特征在于,所述识别模型为深度学习模型。

6.根据权利要求1所述的烟叶处理方法,其特征在于,所述分拣单元包括多个所述分拣位置,所述分拣规则包括:所述分级码与所述分拣位置的单一映射关系。

7.一种烟叶处理系统,其特征在于,包括:

采集单元,用于采集每片烟叶的烟叶品质信息;

第一确定单元,用于在预设的分级数据库中进行匹配,以确定所述烟叶品质信息所对应的分级码,所述分级码包括商业分级码以及工业分级码;

分拣单元,用于根据所述分级码按照分拣规则将对应的烟叶分拣至预设的分拣位置。

8.根据权利要求7所述的烟叶处理系统,其特征在于,所述采集单元包括:

采集模块,用于获取每片烟叶的图像信息,所述图像信息包括正面图像、背面图像以及透视图像;

获取模块,用于根据所述图像信息按照识别模型获取烟叶品质信息。

9.根据权利要求7所述的烟叶处理系统,其特征在于,还包括:

称重单元,设置于每个所述分拣位置处,用于测取位于每个所述分拣位置处的烟叶的重量值;

判断单元,用于判断所述重量值是否大于预设的重量阈值;

打包单元,用于在所述重量值达到所述重量阈值时对位于所述分拣位置处的烟叶进行打包,以形成烟包。

10.根据权利要求9所述的烟叶处理系统,其特征在于,还包括:

第二确定单元,用于将所述烟包中烟叶的分级码确定为所述烟包的分级码;

关联单元,用于将所述烟包的分级码与所述烟包中的每片烟叶的图像信息进行关联;

上传单元,用于将相关联的所述烟包的分级码和所述烟包中的每片烟叶的图像信息上传至服务器。

11.根据权利要求8所述的烟叶处理系统,其特征在于,所述识别模型为深度学习模型;

所述分拣单元包括多个所述分拣位置,所述分拣规则包括:所述分级码与所述分拣位置的单一映射关系。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京焦耳科技有限责任公司,未经南京焦耳科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910747628.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top