[发明专利]一种烟梗梗头剔除装置及方法

权利要求书

1.一种烟梗梗头剔除装置及方法，其特征在于：所述的烟梗梗头剔除装置包括摊薄振槽、与摊薄振槽衔接的检测背景皮带、设置在检测背景皮带上方的图像采集装置、图像处理系统、设置在检测背景皮带后端的剔除装置；其中，图像采集装置包括光源、高速相机、图像采集卡；图像处理系统包括工控机、深度学习系统；剔除装置包括剔除信号放大卡、位于检测背景皮带后端的剔除气阀、正常梗通道及梗拐头通道，所述的高速相机输出端与图像采集卡连接，图像采集卡与工控机连接，工控机内装有深度学习系统，工控机输出端与剔除装置连接，光源用于照射烟梗，为高速相机拍照提供光照。

2.根据权利要求所述的一种烟梗梗头剔除装置及方法，其特征在于：所述的烟梗梗头剔除方法具体采用以下步骤实现的：

步骤1.烟梗离散：通过摊薄振槽的作用使烟梗均匀平铺在振槽上，使烟梗沿振槽长度方向传输的同时处于单层化的状态；经过摊薄后的烟梗被拋落在检测背景皮带上；最终使烟梗在皮带面上呈现完全离散化状态；

步骤2.图像采集：经过步骤1处理后的烟梗，在通过高速相机下方时被采集得到烟梗的数字图像，并传输/保存到图像处理系统，并且创建梗头识别检测模型；

步骤3.图像处理：利用深度学习算法，对采集到的烟梗图像进行处理和识别，经过梗头识别处理后，系统将产生剔除信号并发送给剔除气阀；

步骤4.剔除处理：剔除信号是由图像处理系统发出指令给剔除气阀，从而将混合在烟梗中的梗头剔除，剔除下来的梗头进入梗拐头通道，而其余的烟梗则进入正常烟梗通道。

3.根据权利要求2所述的一种烟梗梗头剔除装置及方法，其特征在于：所述的步骤2创建梗头识别检测模型采用以下具体方案实现：

A.创建梗头分类识别模型

a.建立样本集：将烟梗图像分为训练样本和测试样本，其中，梗头标记为正样本，非梗头标记为负样本；

b.创建模型：创建Faster-R-CNN物体检测模型，通过CNN对输入图像进行特征提取；利用RPN生成建议窗口(proposals)，每张图片生成300个建议窗口；把建议窗口映射到CNN的最后一层卷积feature map上；通过RoI pooling层使每个RoI生成固定尺寸的featuremap；利用Softmax Loss(探测分类概率)和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练，从而创建好梗头检测模型框架；

c.训练模型：将样本集导入上述模型中进行迭代训练，得到梗头分类模型，记录梗头的位置和个数；

d.校验模型：导入测试样本测试模型准确率，对误检样本不断地进行继承训练，到衡量算法效果的指标MAP接近1，精确率和召回率接近1，即得到最优梗头识别模型；

B.调用已经训练好的梗头分类识别模型，对采集到的烟梗图像进行检测，从而的梗头的个数和位置信息；

C.产生烟拐剔除信号：利用梗头的位置信息和剔除气阀的位置对应关系，产生梗头剔除信号。