摘要：卷烟厂制叶丝生产线上的翻箱机翻箱后，部分烟箱内会残留一定烟叶。为了实现残留烟叶的智能吹扫，本文设计了一种基于机器视觉的烟箱智能吹扫系统。采用智能相机对烟叶进行识别，生成烟叶的检测模型，机器人根据烟叶检测模型识别的残留烟叶数据形成吹扫路径，完成残留烟叶的智能吹扫。另外，本文还介绍了系统的组成、残留烟叶检测原理和吹扫控制策略。

关键词：烟箱；残留烟叶；机器视觉；烟叶检测；吹扫

一、引言

在卷烟厂制叶丝生产线上，真空回潮物流区域涉及到烟箱、翻箱机、松垛松把机等设备，翻箱机需要将烟箱内的烟叶倒入松垛松把机中完成烟叶的输送，翻箱机翻箱后，由于烟叶有一定的粘性，部分烟箱内会残留一定量的烟叶。残留在烟箱内的烟叶如果不及时清理，会再次进入生产线的真空回潮设备中，多次回潮后不仅会使上次残留的烟叶粘性更大，后续难以清理，还会影响烟丝的生产质量。

目前，烟草行业一般通过人工清扫的方式对烟箱内的残留烟叶进行清扫，在翻箱机旁边配置专门清扫人员和手动控制按钮。当清扫人员观察到翻箱后的烟箱内残留较多烟叶时，按下手动控制按钮，翻箱机停止动作；清扫人员利用长柄扫把对烟箱底部进行清扫，完成后再次按下手动控制按钮，翻箱机完成后续动作，如图1所示。

图1 人工清除烟箱残留烟叶

随着企业不断向着精细化、数字化、智能化的方向发展，非常有必要设计一种安全可靠的烟箱智能吹扫系统，以提高对烟箱内残留烟叶吹扫工序的智能化程度，避免人工干预造成质量不稳定，提高产品质量、降低成本，同时便于生产数据的记录和分析。为此，本文设计了一种基于机器视觉的烟箱智能吹扫系统。

二、工作原理

本文设计的烟箱吹扫机器人和残留烟叶智能检测系统拟布置在在制叶丝生产线的翻箱机和松垛松把机附近。残留烟叶智能检测系统可以对翻箱机倒料后的烟箱底部进行检测，检测残留烟叶的位置和面积大小，并生成机器人需要的吹扫位置信息。吹扫机器人根据吹扫位置信息对烟箱底部进行吹扫。吹扫完成后残留烟叶智能检测系统对烟箱底部进行二次检测，并判断是否需要对烟箱进行二次吹扫。系统将对每次检测所获的残留烟叶位置与面积大小等数据进行记录。

为完成对残留烟叶的识别，首先需要建立烟叶检测的模型，检测模型的建立过程如下：

1.按图2所示，布置智能相机、矩阵光源和烟箱的位置，并在烟箱底部粘上真实的烟叶。

图2 检测模型硬件布置示意图

2.智能相机对烟箱底部进行拍照取样，并标识每处烟叶的HSV颜色值，记录在智能相机中。

3.智能相机对烟箱上侧面局部进行拍照取样，提取上侧面局部的颜色亮度值，记录在相机中。由于烟箱上侧面局部不会残留烟叶，所以可以利用上侧面局部的亮度值作为矩阵光源亮度的参考值。

4.在智能相机中设置烟叶识别的最小面积和最大面积。最小面积的值可以根据实际情况设定，如果相机识别的烟叶很小，可以忽略，不进行吹扫。最大面积的值设置为烟箱底部的实际面积。

为完成机器人吹扫系统对残留烟叶的智能吹扫，机器人需要知道残留烟叶在烟箱底部的实际位置和面积，这里的位置和面积信息通过智能相机进行采样和计算。

机器人获得残留烟叶的位置和面积信息后，生成吹扫路径。本设计将烟箱底部划分成x行y列的多个矩形区域，如图3所示，机器人根据烟叶在多个矩形区域内的分布情况，生成能够覆盖这些矩形区域的最优吹扫路径，完成残留烟叶的吹扫。

图3 烟箱底部分区示意图

三、系统组成

烟箱智能吹扫系统由机器人吹扫系统、控制系统、残留烟叶智能检测系统组成。

机器人吹扫系统安装在机架上，并设置在烟箱侧边，可防止设备漏油对烟叶造成污染。智能相机和矩阵光源设置在烟箱前面，烟箱倒料后，烟箱底部正对智能相机和光源矩阵，控制柜与智能相机、矩阵光源和机器人连接，烟箱智能吹扫系统组成如图4所示。

1.机器人吹扫系统

机器人吹扫系统由关节机器人和吹扫夹具组成，吹扫夹具固定在机器人末端关节处，吹扫夹具由气动盒、接头、直管和喷嘴组成，如图4所示。吹扫夹具通过气动盒与机器人连接，气动盒内部设有调压元件，可根据需要调节吹扫残留烟叶的压力。

图4 烟箱智能吹扫系统组成

2.控制系统

控制系统由工业机器人控制器、智能相机及光源、PLC及相关附件组成。其中智能相机负责采集图像信号并检测出烟箱烟叶残留位置信息，工业机器人规划吹扫路径并控制夹具吹扫功能，PLC主要是将智能相机数据转换发给工业机器人和上位机通信。

控制系统结构图如图5所示。

图5控制系统结构图

为提高智能相机提取残留烟叶颜色特征的准确性，采用矩阵光源，保证烟箱底部光照强度的均匀性。智能相机设置在矩阵光源的中心，有助于提高智能相机对残留烟叶位置识别的准确度。

3.残留烟叶智能检测系统

残留烟叶智能检测系统可根据智能相机采集的烟箱底部图像信息，计算出实际位置的残料多少和大小，并通过路径规划算法结合物料信息得出机器人最优吹扫策略。

残留烟叶智能检测系统工作时，分为以下几个步骤：

（1）智能相机对烟箱上侧面局部进行拍照采样，得出该局部区域实际的亮度值，并与检测模型的亮度值进行比对，根据比对结果调整矩阵光源的亮度，以匹配检测模型的亮度值。

（2）智能相机对烟箱底部进行拍照取样，根据检测模型中记录的烟叶的HSV颜色值，将烟箱底部实际的烟叶位置信息和面积标记在烟箱底部划分的矩形区域内。

（3）机器人根据烟箱底部矩形区域内残留烟叶的位置信息和面积制定最优的吹扫路径完成烟叶的吹扫。

需要指出的是，烟箱倒料完成后，需要将烟箱翻转到正对着智能相机和矩阵光源，如图6所示。

图6 残留烟叶检测测试图

四、系统测试

为测试残留烟叶智能检测系统对残留烟叶的识别率，按以下方法进行了测试。

如图7所示，在烟箱底部不同位置（m种不同的摆放）粘贴大小不一的残料烟叶。

图7残留烟叶检测测试图

每处摆放拍照n次，共计 mxn次，通过对比图像软件处理的信息与实际残料信息是否一致，每处摆放正确识别的次数记数为a，并按以下公式计算：

如表1所示，经过测试，残留烟叶智能检测系统对残留烟叶的识别率为96%，满足系统要求。

目前，该系统已经应用在烟叶制丝生产线上，每次均能将烟箱内残留的烟叶吹扫干净。使用烟箱智能吹扫系统之后，每次吹扫的时间≤35秒，大幅低于每次人工清扫花费的时间（人工清扫约2分钟）。

表1残留烟叶的识别率记录表

五、结论

基于机器视觉的烟箱智能吹扫系统设计，通过机器人和机器视觉的应用，替代人工检测和清扫，避免了人工检测容易出现疲劳而导致检测效率降低的情况，通过自动记录所有检测数据，而且能够将数据上传到服务器，便于生产过程统计和分析，实现了烟厂真空回潮物流区域烟箱翻箱后烟箱的智能吹扫、智能检测功能，对提高烟叶制丝生产线的生产效率和智能化程度有着重要的意义。

参考文献：

[1]孙学宏等.机器视觉技术及应用.机械工业出版社,2021.

[2]叶伟昌.机械工程及自动化简明设计手册.机械工业出版社,2008.

[3]徐灏等.机械设计手册.机械工业出版社,1992.