摘要：卷煙廠制葉絲生產線上的翻箱機翻箱后，部分煙箱內會殘留一定煙葉。為了實現殘留煙葉的智能吹掃，本文設計了一種基于機器視覺的煙箱智能吹掃系統。采用智能相機對煙葉進行識別，生成煙葉的檢測模型，機器人根據煙葉檢測模型識別的殘留煙葉數據形成吹掃路徑，完成殘留煙葉的智能吹掃。另外，本文還介紹了系統的組成、殘留煙葉檢測原理和吹掃控制策略。

關鍵詞：煙箱；殘留煙葉；機器視覺；煙葉檢測；吹掃

一、引言

在卷煙廠制葉絲生產線上，真空回潮物流區域涉及到煙箱、翻箱機、松垛松把機等設備，翻箱機需要將煙箱內的煙葉倒入松垛松把機中完成煙葉的輸送，翻箱機翻箱后，由于煙葉有一定的粘性，部分煙箱內會殘留一定量的煙葉。殘留在煙箱內的煙葉如果不及時清理，會再次進入生產線的真空回潮設備中，多次回潮后不僅會使上次殘留的煙葉粘性更大，后續難以清理，還會影響煙絲的生產質量。

目前，煙草行業一般通過人工清掃的方式對煙箱內的殘留煙葉進行清掃，在翻箱機旁邊配置專門清掃人員和手動控制按鈕。當清掃人員觀察到翻箱后的煙箱內殘留較多煙葉時，按下手動控制按鈕，翻箱機停止動作；清掃人員利用長柄掃把對煙箱底部進行清掃，完成后再次按下手動控制按鈕，翻箱機完成后續動作，如圖1所示。

圖1 人工清除煙箱殘留煙葉

隨著企業不斷向著精細化、數字化、智能化的方向發展，非常有必要設計一種安全可靠的煙箱智能吹掃系統，以提高對煙箱內殘留煙葉吹掃工序的智能化程度，避免人工干預造成質量不穩定，提高產品質量、降低成本，同時便于生產數據的記錄和分析。為此，本文設計了一種基于機器視覺的煙箱智能吹掃系統。

二、工作原理

本文設計的煙箱吹掃機器人和殘留煙葉智能檢測系統擬布置在在制葉絲生產線的翻箱機和松垛松把機附近。殘留煙葉智能檢測系統可以對翻箱機倒料后的煙箱底部進行檢測，檢測殘留煙葉的位置和面積大小，并生成機器人需要的吹掃位置信息。吹掃機器人根據吹掃位置信息對煙箱底部進行吹掃。吹掃完成后殘留煙葉智能檢測系統對煙箱底部進行二次檢測，并判斷是否需要對煙箱進行二次吹掃。系統將對每次檢測所獲的殘留煙葉位置與面積大小等數據進行記錄。

為完成對殘留煙葉的識別，首先需要建立煙葉檢測的模型，檢測模型的建立過程如下：

1.按圖2所示，布置智能相機、矩陣光源和煙箱的位置，并在煙箱底部粘上真實的煙葉。

圖2 檢測模型硬件布置示意圖

2.智能相機對煙箱底部進行拍照取樣，并標識每處煙葉的HSV顏色值，記錄在智能相機中。

3.智能相機對煙箱上側面局部進行拍照取樣，提取上側面局部的顏色亮度值，記錄在相機中。由于煙箱上側面局部不會殘留煙葉，所以可以利用上側面局部的亮度值作為矩陣光源亮度的參考值。

4.在智能相機中設置煙葉識別的最小面積和最大面積。最小面積的值可以根據實際情況設定，如果相機識別的煙葉很小，可以忽略，不進行吹掃。最大面積的值設置為煙箱底部的實際面積。

為完成機器人吹掃系統對殘留煙葉的智能吹掃，機器人需要知道殘留煙葉在煙箱底部的實際位置和面積，這里的位置和面積信息通過智能相機進行采樣和計算。

機器人獲得殘留煙葉的位置和面積信息后，生成吹掃路徑。本設計將煙箱底部劃分成x行y列的多個矩形區域，如圖3所示，機器人根據煙葉在多個矩形區域內的分布情況，生成能夠覆蓋這些矩形區域的最優吹掃路徑，完成殘留煙葉的吹掃。

圖3 煙箱底部分區示意圖

三、系統組成

煙箱智能吹掃系統由機器人吹掃系統、控制系統、殘留煙葉智能檢測系統組成。

機器人吹掃系統安裝在機架上，并設置在煙箱側邊，可防止設備漏油對煙葉造成污染。智能相機和矩陣光源設置在煙箱前面，煙箱倒料后，煙箱底部正對智能相機和光源矩陣，控制柜與智能相機、矩陣光源和機器人連接，煙箱智能吹掃系統組成如圖4所示。

1.機器人吹掃系統

機器人吹掃系統由關節機器人和吹掃夾具組成，吹掃夾具固定在機器人末端關節處，吹掃夾具由氣動盒、接頭、直管和噴嘴組成，如圖4所示。吹掃夾具通過氣動盒與機器人連接，氣動盒內部設有調壓元件，可根據需要調節吹掃殘留煙葉的壓力。

圖4 煙箱智能吹掃系統組成

2.控制系統

控制系統由工業機器人控制器、智能相機及光源、PLC及相關附件組成。其中智能相機負責采集圖像信號并檢測出煙箱煙葉殘留位置信息，工業機器人規劃吹掃路徑并控制夾具吹掃功能，PLC主要是將智能相機數據轉換發給工業機器人和上位機通信。

控制系統結構圖如圖5所示。

圖5控制系統結構圖

為提高智能相機提取殘留煙葉顏色特征的準確性，采用矩陣光源，保證煙箱底部光照強度的均勻性。智能相機設置在矩陣光源的中心，有助于提高智能相機對殘留煙葉位置識別的準確度。

3.殘留煙葉智能檢測系統

殘留煙葉智能檢測系統可根據智能相機采集的煙箱底部圖像信息，計算出實際位置的殘料多少和大小，并通過路徑規劃算法結合物料信息得出機器人最優吹掃策略。

殘留煙葉智能檢測系統工作時，分為以下幾個步驟：

（1）智能相機對煙箱上側面局部進行拍照采樣，得出該局部區域實際的亮度值，并與檢測模型的亮度值進行比對，根據比對結果調整矩陣光源的亮度，以匹配檢測模型的亮度值。

（2）智能相機對煙箱底部進行拍照取樣，根據檢測模型中記錄的煙葉的HSV顏色值，將煙箱底部實際的煙葉位置信息和面積標記在煙箱底部劃分的矩形區域內。

（3）機器人根據煙箱底部矩形區域內殘留煙葉的位置信息和面積制定最優的吹掃路徑完成煙葉的吹掃。

需要指出的是，煙箱倒料完成后，需要將煙箱翻轉到正對著智能相機和矩陣光源，如圖6所示。

圖6 殘留煙葉檢測測試圖

四、系統測試

為測試殘留煙葉智能檢測系統對殘留煙葉的識別率，按以下方法進行了測試。

如圖7所示，在煙箱底部不同位置（m種不同的擺放）粘貼大小不一的殘料煙葉。

圖7殘留煙葉檢測測試圖

每處擺放拍照n次，共計 mxn次，通過對比圖像軟件處理的信息與實際殘料信息是否一致，每處擺放正確識別的次數記數為a，并按以下公式計算：

如表1所示，經過測試，殘留煙葉智能檢測系統對殘留煙葉的識別率為96%，滿足系統要求。

目前，該系統已經應用在煙葉制絲生產線上，每次均能將煙箱內殘留的煙葉吹掃干凈。使用煙箱智能吹掃系統之后，每次吹掃的時間≤35秒，大幅低于每次人工清掃花費的時間（人工清掃約2分鐘）。

表1殘留煙葉的識別率記錄表

五、結論

基于機器視覺的煙箱智能吹掃系統設計，通過機器人和機器視覺的應用，替代人工檢測和清掃，避免了人工檢測容易出現疲勞而導致檢測效率降低的情況，通過自動記錄所有檢測數據，而且能夠將數據上傳到服務器，便于生產過程統計和分析，實現了煙廠真空回潮物流區域煙箱翻箱后煙箱的智能吹掃、智能檢測功能，對提高煙葉制絲生產線的生產效率和智能化程度有著重要的意義。

參考文獻：

[1]孫學宏等.機器視覺技術及應用.機械工業出版社,2021.

[2]葉偉昌.機械工程及自動化簡明設計手冊.機械工業出版社,2008.

[3]徐灝等.機械設計手冊.機械工業出版社,1992.