[发明专利]一种运用机器学习在线测量烟丝多项特征的方法

说明书

本发明提供一种运用机器学习在线测量烟丝多项特征的方法，包括以下步骤：S1：通过摄像机分别获取相机下的烟丝图片；S2：通过机器视觉图像算法分别算出图片中烟丝宽度，长度，面积，周长等特征；S3：本发明提供的运用机器学习在线测量烟丝多项特征的方法时，分别获取自然状态下烟丝宽度值和压平状态下的烟丝宽度值。本发明提供的在线测量自然状态下烟丝长度的方法，可以通过计算烟丝中线点的个数进行统计计算。本发明提供的在线测量自然状态下烟丝周长的方法，可以通过计算烟丝轮廓的像素点来求出烟丝周长，通过设置该算法，可以计算出烟丝分离状态下的周长。根据烟丝的特征数值，可以让工作人员实时的把握现场工艺质量并及时做出反应。

技术领域

本发明涉及烟丝质量检测领域，尤其涉及一种运用机器学习在线测量烟丝多项特征的方法。

背景技术

在卷烟生产过程当中，在制丝的烘丝工艺环节，需要对烟丝质量进行检测，即检测烟丝的各项特征数值。

在现有技术当中，工人进行挑选20根烟丝，挑选的烟丝宽度是非常均匀的，没有弯曲、毛刺等不规则形状存在。之后将烟丝整齐的排列在砧板上，之后放到工厂现有的烟丝宽度测量仪上面进行测量烟丝宽度，在一根烟丝上通常随机取5个点测量烟丝宽度，之后将测量的烟丝宽度数值进行求取均值，该均值就代表本根烟丝的宽度，以此类推，进行测量其他根烟丝宽度。

但该测量方法烟丝宽度测量仪器测量的烟丝宽度不能完全的代表本批次烟丝宽度是否符合标准设定值，一方面是实验室测量的烟丝个数有限，另一方面是实验室测量的烟丝都是均匀度极其高的烟丝，除此以外，人工在操作的过程当中存在人为误差等问题，其对于整个批次而言，其不足以代表整个批次的烟丝宽度。

在现有技术当中，工人进行挑选一定重量的烟丝放入一个具有不同网孔大小的振筛机中进行振筛操作。分离出长丝，中丝，短丝和碎丝，以此来判断这批烟丝的长丝率、中丝率、短丝率和碎丝率。

但是该测量方法并不能准确的分离出长丝、中丝、短丝和碎丝，因为烟丝的卷曲形状各异，极有可能发生长丝因为卷曲形状筛漏混合到中丝当中。

因此，有必要提供一种在线测量自然状态下特征值烟丝长度的方法解决上述技术问题。

在烟厂现有的测量设备当中，还没有专门计算烟丝面积和周长的应用使用。

因此，有必要提供这两种在线测量自然状态下特征值烟丝面积和周长的方法补充到烟丝的特征值中。

发明内容

本发明提供一种运用机器学习在线测量烟丝多项特征的方法，解决了目前测量烟丝特征值测量方法存在误差，难以代表整批烟丝的特征值的问题。

为解决上述技术问题，本发明提供的运用机器学习在线测量烟丝多项特征的方法，包括以下步骤：

S1：通过摄像机分别获取相机下的烟丝图片；

S2：通过机器视觉图像算法分别算出图片中烟丝宽度、长度、面积、周长分型维度等特征；

S3：宽度计算时，分别获取自然状态下烟丝宽度值和压平状态下的烟丝宽度值，用神经网络模型对自然状态下烟丝宽度值和压平状态下的烟丝宽度值进行拟合训练，通过网络模型拟合训练后预测出自然状态下的烟丝宽度值。

S4：长度计算时，寻找出烟丝的中线，并计算中线的像素点，根据像素精度计算出烟丝长度。

S5：面积计算时，根据分离状态下的烟丝，找出烟丝的轮廓，计算内部轮廓像素点，计算出烟丝的面积。

S6：周长计算时，根据分离状态下的烟丝，找出烟丝的轮廓，计算外部轮廓像素点个数，计算出烟丝的周长。

所述机器视觉图像算法中烟丝宽度值算法具体包括以下步骤：

S31：通过烟丝分离装置将烟丝进行分离；