一种卷烟的烟丝组分识别方法及系统技术方案

本申请公开了一种卷烟的烟丝组分识别方法及系统，方法包括：对烟支进行取样；对取样的烟支进行处理，获得烟支内烟丝；对烟丝进行图像采集，获得烟丝图像；将烟丝图像输入人工智能分类模型，获得烟丝中各种成分的分类结果并显示；其中，人工智能分类模型采用改进后的

【技术实现步骤摘要】
一种卷烟的烟丝组分识别方法及系统


[0001]本申请涉及卷烟检测
，更具体地，涉及一种卷烟的烟丝组分识别方法及系统
。

技术介绍

[0002]梗丝
、
膨胀叶丝
、
叶丝和再造烟丝的掺配比例是影响烟支口感
、
配方设计的重要指标
。
因此，提高烟丝类型识别的精度和效率对探究配方设计
、
烟草制品质量检验具有重要意义
。
[0003]在现有技术中，卷烟组分质检大多采用人工检测，但由于卷烟中的烟丝成分较多，检测中梗丝
、
膨胀丝
、
薄片丝
、
叶丝形状相似，颜色相近，人工分拣法是具有经验的工人进行辨识并完成分拣工作，该方法效率低，准确性受人工经验影响波动较大，使得卷烟烟丝组分质量检测存在检测时间长
、
效率低的缺陷，从而导致烟丝质量的波动不能被实时检测，大大影响了卷烟的质量评价工作
。

技术实现思路

[0004]本申请提供一种卷烟的烟丝组分识别方法及系统，通过人工智能分类模型获得烟丝中各种成分的分类结果，提高卷烟烟丝组分质量检测的效率和精度，可以实时监测烟丝质量的波动，提高了卷烟的质量评价效率
。
[0005]本申请提供了一种卷烟的烟丝组分识别方法，包括：
[0006]对烟支进行取样；
[0007]对取样的烟支进行处理，获得烟支内烟丝；
[0008]对烟丝进行图像采集，获得烟丝图像；<br/>[0009]将烟丝图像输入人工智能分类模型，获得烟丝中各种成分的分类结果并显示；
[0010]其中，人工智能分类模型采用改进后的
VGG16
神经网络模型，改进后的
VGG16
神经网络模型包括四个卷积层组，每个卷积层组包括两个卷积堆叠
。
[0011]优选地，对取样的烟支进行处理，获得烟支内烟丝，包括：
[0012]对烟支的烟丝和烟纸进行分离；
[0013]将获得的烟丝摊平分散
。
[0014]优选地，改进后的
VGG16
神经网络模型还包括全局平均池化层和归一化层，全局平均池化层的输入为第四个卷积层组的输出，全局平均池化层的输出为归一化层的输入，归一化层的输出为改进后的
VGG16
神经网络模型的输出
。
[0015]优选地，烟丝组分识别方法还包括：
[0016]在完成图像采集后将摊平分散的烟丝收集起来
。
[0017]本申请还提供一种卷烟的烟丝组分识别系统，包括控制系统以及分别与控制系统信号连接的取样系统
、
烟丝处理系统
、
图像采集与传输系统以及图像分析系统；
[0018]取样系统用于对烟支进行取样；
[0019]烟丝处理系统用于对取样的烟支进行处理，获得烟支内烟丝；
[0020]图像采集与传输系统用于对烟丝进行图像采集，获得烟丝图像；
[0021]图像分析系统用于利用人工智能分类模型，基于烟丝图像获得烟丝中各种成分的分类结果并显示；
[0022]其中，人工智能分类模型采用改进后的
VGG16
神经网络模型，改进后的
VGG16
神经网络模型包括四个卷积层组，每个卷积层组包括两个卷积堆叠
。
[0023]优选地，烟丝处理系统包括烟丝烟纸分离系统和烟丝摊平系统；
[0024]烟丝烟纸分离系统用于对烟支的烟丝和烟纸进行分离；
[0025]烟丝摊平系统包括振动分散平台，获得的烟丝在振动分散平台的振动作用下摊平分散
。
[0026]优选地，改进后的
VGG16
神经网络模型还包括全局平均池化层和归一化层，全局平均池化层的输入为第四个卷积层组的输出，全局平均池化层的输出为归一化层的输入，归一化层的输出为改进后的
VGG16
神经网络模型的输出
。
[0027]优选地，烟丝组分识别系统还包括烟丝收集系统，用于在完成图像采集后将摊平分散的烟丝收集起来
。
[0028]优选地，烟丝组分识别系统还包括烟纸收集系统，用于在烟丝和烟纸分离后收集烟纸
。
[0029]通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚
。
附图说明
[0030]被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请的原理
。
[0031]图1为本申请提供的卷烟的烟丝组分识别方法的流程图；
[0032]图2为本申请提供的改进后的
VGG16
神经网络模型的结构示意图；
[0033]图3为现有技术的
VGG16
神经网络模型的结构示意图；
[0034]图4为本申请提供的改进后的
VGG16
神经网络模型的第一个卷积层组的结构示意图；
[0035]图5为本申请提供的改进后的
VGG16
神经网络模型的全局平均池化层和归一化层的原理图；
[0036]图6为现有技术的
VGG16
以及各个改进模型的消融实验准确率曲线；
[0037]图7为现有技术的
VGG16
以及各个改进模型在烟丝数据集的表现情况；
[0038]图8为本申请提供的卷烟的烟丝组分识别系统的结构示意图
。
具体实施方式
[0039]现在将参照附图来详细描述本申请的各种示例性实施例
。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置
、
数字表达式和数值不限制本申请的范围
。
[0040]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请
及其应用或使用的任何限制
。
[0041]对于相关领域普通技术人员已知的技术
、
方法和设备可能不作详细讨论，但在适当情况下，技术
、
方法和设备应当被视为说明书的一部分
。
[0042]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制
。
因此，示例性实施例的其它例子可以具有不同的值
。
[0043]本申请提供一种卷烟的烟丝组分识别方法及系统，通过人工智能分类模型获得烟丝中各种成分的分类结果，提高卷烟烟丝组分质量检测的效率和精度，可以实时监测烟丝质量的波动，提高了卷烟的质量评价效率
。
[0044]如图1所示，本申请提供的卷烟的烟丝组分识别方法包括：
[0045]S110
：对烟支进行取样
。
[0046]具体地，取样阶段，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种卷烟的烟丝组分识别方法，其特征在于，包括：对烟支进行取样；对取样的烟支进行处理，获得所述烟支内烟丝；对所述烟丝进行图像采集，获得烟丝图像；将所述烟丝图像输入人工智能分类模型，获得所述烟丝中各种成分的分类结果并显示；其中，所述人工智能分类模型采用改进后的
VGG16
神经网络模型，所述改进后的
VGG16
神经网络模型包括四个卷积层组，每个卷积层组包括两个卷积堆叠
。2.
根据权利要求1所述的卷烟的烟丝组分识别方法，其特征在于，对取样的烟支进行处理，获得所述烟支内烟丝，包括：对所述烟支的烟丝和烟纸进行分离；将获得的烟丝摊平分散
。3.
根据权利要求1所述的卷烟的烟丝组分识别方法，其特征在于，所述改进后的
VGG16
神经网络模型还包括全局平均池化层和归一化层，所述全局平均池化层的输入为第四个卷积层组的输出，所述全局平均池化层的输出为所述归一化层的输入，所述归一化层的输出为所述改进后的
VGG16
神经网络模型的输出
。4.
根据权利要求2所述的卷烟的烟丝组分识别方法，其特征在于，还包括：在完成图像采集后将摊平分散的烟丝收集起来
。5.
一种卷烟的烟丝组分识别系统，其特征在于，包括控制系统以及分别与所述控制系统信号连接的取样系统
、
烟丝处理系统
、
图像采集与传输系统以及图像分析系统；所述取样系统用于对烟支进行取样；所述烟丝处理系统用于对取...

【专利技术属性】
技术研发人员：靳毅，宋魁，刘玉叶，刘正年，王文飞，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：