[发明专利]烟草杂物剔除方法及装置

说明书

本发明实施例提供一种烟草杂物剔除方法及装置，所述方法包括：将烟草物料投入多级风选设备，进行初步分离，得到初步筛选结果；获取历史杂物样本，将杂物特征数据输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；物料图像采集装置采集初步筛选结果中的烟草物料图像，并将烟草物料图像输入到卷积神经网络模型，得到第一杂物筛选结果；光谱图像采集装置采集初步筛选结果中的烟草物料光谱，并将烟草物料光谱输入到卷积神经网络模型，得到第二杂物筛选结果；结合第一杂物筛选结果和第二杂物筛选结果，得到烟草物料的最终筛选结果。采用本方法能够在节省人力资源的前提下，提高烟草杂质的剔除率，尽可能的减少烟草物料中的杂质。

技术领域

本发明涉及烟草制造技术领域，尤其涉及一种烟草杂物剔除方法及装置。

背景技术

在我国的烟草制造业中，随着生产技术的不断改进和升级，生产时流水线工程的自动化程度越来越高，对得到的烟草产品的质量要求也越来越高。但是，在生成的过程中，烟叶物料中或多或少会混进一些其他杂物，而这些杂物如果不进行剔除的话，会影响成品卷烟的品质，所以要及时并且准确的对这些混入杂物进行清除。

传统烟草加工中遇到的杂物问题，现有的杂物清理，大多都需要人工参与配合，如果没有人工配合，自动检测杂物，则准确率很低，很难彻底的清楚卷烟中的杂物。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种烟草杂物剔除方法及装置。

本发明实施例提供一种烟草杂物剔除方法，包括：

将烟草物料投入多级风选设备，并通过所述多级风选设备对所述烟草物料和烟草物料中的杂物进行初步分离，得到初步筛选结果；

获取历史杂物样本，根据所述历史杂物样本确定对应的杂物特征数据，并将所述杂物特征数据输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，所述杂物特征数据包括：杂物颜色、杂物形状、杂物光谱；

物料图像采集装置采集所述初步筛选结果中的烟草物料图像，并将所述烟草物料图像输入到训练后的卷积神经网络模型，通过所述烟草物料图像的图像颜色和图像形状，得到第一杂物筛选结果；

光谱图像采集装置采集所述初步筛选结果中的烟草物料光谱，并将所述烟草物料光谱输入到训练后的卷积神经网络模型，通过所述烟草物料光谱，得到第二杂物筛选结果；

结合所述第一杂物筛选结果和所述第二杂物筛选结果，得到所述烟草物料的最终筛选结果。

在其中一个实施例中，所述方法还包括：

获取生产线上的原始物料的高光谱图像，将所述高光谱图像输入到训练后的卷积神经网络模型进行二次训练；

所述将烟草物料光谱输入到训练后的卷积神经网络模型，通过所述烟草物料光谱，得到第二杂物筛选结果，包括：

将烟草物料光谱输入到二次训练后的卷积神经网络模型，通过所述烟草物料光谱，得到第二杂物筛选结果。

在其中一个实施例中，所述方法还包括：

获取所述初步筛选结果对应的初步烟草物料图像，通过HSV色彩空间变换技术，将所述初步烟草物料图像转化为对应矩阵；

根据所述矩阵计算对应的数据结果，根据所述数据结果分割出所述初步烟草物料图像的烟草物料部分和杂物部分，并剔除所述杂物部分。

在其中一个实施例中，所述方法还包括：

判断筛选结果是否符合所述第一杂物筛选结果的同时符合所述第二杂物筛选结果；

当所述筛选结果符合所述第一杂物筛选结果的同时符合所述第二杂物筛选结果，所述筛选结果为最终筛选结果。

在其中一个实施例中，所述方法还包括：