[发明专利]一种使用机器学习算法在线测量烟丝特征的新型检测仪在审
申请号: | 202210069648.9 | 申请日: | 2022-01-21 |
公开(公告)号: | CN114424832A | 公开(公告)日: | 2022-05-03 |
发明(设计)人: | 孙哲;朱航;黄金;郭亚亚 | 申请(专利权)人: | 首域科技(杭州)有限公司 |
主分类号: | A24B3/00 | 分类号: | A24B3/00;B65G15/58;B65G69/04;G01N1/04;G06T7/00;G06T7/62 |
代理公司: | 深圳驿航知识产权代理事务所(普通合伙) 44605 | 代理人: | 孙小丁 |
地址: | 310000 浙江省杭州市滨*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 使用 机器 学习 算法 在线 测量 烟丝 特征 新型 检测 | ||
本发明提供一种使用机器学习算法在线测量烟丝特征的新型检测仪,包括,检测仪主体,本发明提供的使用机器学习算法在线测量烟丝特征的新型检测仪,通过江抽检的烟丝分散落在水平皮带装置上,然后使用机器视觉的方式获取烟丝的各项尺寸特征,将获取到的特征数值送入训练好的机器学习模型中进行预测,从而推断出平整状态下的烟丝宽度,分类出不同类别的烟丝长度,反映出烟丝实时的面积和周长,本抽检仪可以实时在线检测仪可以向现场工作人员实时反应烟丝尺寸的各项数值,可以立即给予现场工作人员参考,从而及时调整各项生产指标,保证烟丝整体的产品质量,帮助烟厂把控烟丝工艺质量,从而提高产品质量。
技术领域
本发明涉及烟丝检测技术领域,尤其涉及一种使用机器学习算法在线测量烟丝特征的新型检测仪。
背景技术
烟丝是指将烟叶切成丝状、粒状、片状、末状或其他形状,再加入辅料,经过发酵、储存,不经卷制即可供销售吸用的烟草制品,如斗烟、莫合烟、烟末、水烟、黄红烟丝等等烟丝的使用方法有多种,可以直接用卷烟纸卷成任意形状抽,也有用专用的卷烟器将烟丝卷成香烟状来使用,更有用烟斗等烟具配合使用的方法。
一般来说,在烟草行业,对烘丝、风选、掺配、加香等工序段工序烟丝各项特征,如烟丝宽度,烟丝长度等的检测都是离线进行的,主要有以下原因:首先,生产线上的烟丝缠绕在一起,不能一根根区分开来进行检测;
现有的检测技术不能够同时得出烟丝的各项特征值,如烟丝宽度,烟丝长度,烟丝面积和周长,烟丝宽度的测量需要质检人员挑选均匀的,没有弯曲和毛刺的烟丝,之后将烟丝整齐的排列开来,放在烟丝宽度测量仪器测量出来,再取出所测全部烟丝宽度的平均值作为烟丝宽度的最终值,并且人工测量比较麻烦。
因此,有必要提供一种使用机器学习算法在线测量烟丝特征的新型检测仪解决上述技术问题。
发明内容
本发明提供一种使用机器学习算法在线测量烟丝特征的新型检测仪,解决了人工测量对烟丝测量比较麻烦的问题。
为解决上述技术问题,本发明提供的使用机器学习算法在线测量烟丝特征的新型检测仪,包括:检测仪主体,所述检测仪主体上固定安装有用于由获取烟丝的伸缩接料装置,并且检测仪主体上固定安装有用于烟丝分散的两轴烟丝震动散料装置,所述检测仪主体上固定安装有用于烟丝抓拍的相机组件,并且检测仪主体上固定安装有用于烟丝输送的水平皮带装置,所述检测仪主体上固定安装有用于烟丝特征显示的显示器,并且检测仪主体上固定安装有用于将取样后烟丝送回的爬坡机械装置,所述检测仪主体上固定安装有用于减少光照强度的遮光罩。
优选的,所述两轴烟丝震动散料装置位于所述伸缩接料装置的下方,并且两轴烟丝震动散料装置的一端位于所述水平皮带装置一端的上方。
优选的,所述爬坡机械装置位于所述水平皮带装置的一侧,所述遮光罩位于所述水平皮带装置的一侧。
优选的,所述相机组件包括相机支架和相机,所述相机支架固定安装在所述检测仪主体上,所述相机固定安装在所述相机支架上,并且相机位于所述水平皮带装置的上方。
优选的,所述两轴烟丝震动散料装置上设置有过滤组件,所述过滤组件包括支撑杆,所述支撑杆的一端转动连接有收纳壳,所述收纳壳的底部设置有过滤网,并且收纳壳的内部固定安装有阻隔块,所述收纳壳上开设有下料槽,并且收纳壳上固定安装有连接板,所述连接板上固定安装有第一弹簧,所述两轴烟丝震动散料装置上固定安装有驱动电机,所述驱动电机的输出端固定安装有凸轮,所述收纳壳的一侧设置有收集壳,并且收纳壳的表面固定连接有传动杆。
优选的,所述支撑杆固定安装在所述两轴烟丝震动散料装置上,并且支撑杆为L形,所述阻隔块为弧形,并且阻隔块位于所述过滤网的一侧。
优选的,所述下料槽位于所述阻隔块的一侧,所述连接板位于所述收纳壳的一侧,所述第一弹簧的一端与所述两轴烟丝震动散料装置的表面固定连接。
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首域科技(杭州)有限公司,未经首域科技(杭州)有限公司许可,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/202210069648.9/2.html,转载请声明来源钻瓜专利网。