-
公开(公告)号：CN117911688A
公开(公告)日：2024-04-19
申请号：CN202311785698.8
申请日：2023-12-22
Applicant: 中国烟草总公司郑州烟草研究院
IPC: G06V10/26 , G06V10/30 , G06V10/58 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01N21/84 , G01N21/25
Abstract: 本发明提出一种烟叶脉络的识别方法，属于烟草行业检测技术领域。获取多个标准烟叶样品的高光谱图像数据；对所述高光谱图像数据进行数据校正；对经过数据校正的所述高光谱图像数据进行光谱预处理；将经过光谱预处理后的所述光谱图像数据，通过主成分分析算法选择最佳波段特征，并将其合成为假彩色图像；以所述假彩色图像为样本数据，建立UNet++网络分割模型；基于UNet++网络分割模型对待测试烟叶样本脉络进行分割识别。本发明提出的烟叶脉络分割识别方法，有效地检测和分割出烤烟叶脉区域，实现烟叶脉络的自动化、精确化、鲁棒化的分割识别，与人工方法相比，具有速度快、效率高、精度高等优点。
-
公开(公告)号：CN117907246A
公开(公告)日：2024-04-19
申请号：CN202410111014.4
申请日：2024-01-25
Applicant: 福建中烟工业有限责任公司 , 中国烟草总公司郑州烟草研究院
Abstract: 本公开涉及烟叶醇化过程中感官质量的检测方法及装置、计算机可存储介质，涉及计算机技术领域。烟叶醇化过程中感官质量的检测方法，包括：在烟叶醇化过程中，获取待检测烟叶在当前时间的高光谱数据，作为当前高光谱数据；根据所述当前高光谱数据，利用时间序列预测模型，预测所述待检测烟叶在当前时间的目标感官质量。根据本公开，可以实现烟叶醇化过程中感官质量的无损检测，提高烟叶醇化过程中感官质量检测的准确性和高效性。
-
公开(公告)号：CN117308815A
公开(公告)日：2023-12-29
申请号：CN202311185795.3
申请日：2023-09-14
Applicant: 中国烟草总公司郑州烟草研究院 , 陕西中烟工业有限责任公司
Abstract: 本发明提出一种烟支打孔质量表征方法，属于烟支制造领域。包括：获取烟支滤嘴的激光打孔的三维形貌数据和烟支滤嘴参数；通过所述三维形貌数据和所述烟支滤嘴参数计算所述激光打孔的三维评价参数；根据所述三维评价参数评价所述激光打孔的效果和质量。通过本发明提出的一种烟支打孔质量表征方法获取卷烟烟支激光打孔的三维形貌信息，从三维层面表征激光的打孔质量，并为后续激光打孔在线调控提供支持。
-
公开(公告)号：CN117044981A
公开(公告)日：2023-11-14
申请号：CN202311046286.2
申请日：2023-08-18
Applicant: 中国烟草总公司郑州烟草研究院
IPC: A24B3/10
Abstract: 本发明涉及一种滚筒烘丝机多块过程监测方法及系统，属于烟草监测领域，针对叶丝干燥异常工况检测不精确的问题，本发明包括将测试样本数据集根据变量特性划分为多个子块；基于训练好的自编码模型提取每个子块的隐特征，将每个子块的隐特征作为新的观测数据集，建立多个子PCA模型，计算每个子块在每个子PCA模型的监测统计量；将每个子块的监测结果进行融合，得到最终的监测结果；判断监测结果是否超过预设的控制限阈值，若超过，则进行异常处理；其中训练好的自编码模型通过标准化处理正常数据集；根据变量特性将过程变量分为多个子块；每个子块分别训练自编码模型得到训练好的自编码模型；通过该方法提升了一定监测效果。
-
公开(公告)号：CN110458474B
公开(公告)日：2023-09-26
申请号：CN201910767231.8
申请日：2019-08-20
Applicant: 中国烟草总公司郑州烟草研究院
IPC: G06Q10/0639 , G06Q50/04
Abstract: 一种卷烟卷制物理质量综合评价方法，其特征在于：该方法通过卷烟卷制质量历史数据分析、质量指标主成分分析，考虑不同单项指标之间的协同效应，从支重、吸阻、硬度、通风率、端部落丝、含末率、空头率等质量指标出发，通过数据采集、数据标准化处理、标准化数据主成分分析，建立批次卷烟综合物理质量评价模型。为卷烟卷制综合质量评价分析和卷烟加工质量提升提供必要的评价技术手段，促进卷烟生产过程的改进提升。
-
Patent Agency Ranking
公开(公告)号：CN113681156B
公开(公告)日：2023-08-08
申请号：CN202110705215.3
申请日：2021-06-24
Applicant: 中国烟草总公司郑州烟草研究院
IPC: G01N21/27 , B23K26/082 , B23K26/38 , B23K26/402 , A24B7/14
Abstract: 本发明提出了一种基于紫外激光器的烟用原料分切装置与方法，其中，分切方法包括：将烟用原料以单张平铺的方式输运至紫外激光器的分切区域；烟用原料输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；高光谱成像装置采集烟用原料的图谱信息后，保存至高光谱图像处理服务器进行图像处理获得烟用原料的光谱特征的位置、形状和大小；根据获得的光谱特征，形成烟用原料的分切轨迹图传输至紫外激光器；紫外激光器以设定的扫描速度基于分切轨迹图对烟用原料进行分切；装置包括烟用原料输运平台、高光谱成像装置、紫外激光器和高光谱图像处理服务器。本发明能够实现对烟用原料的精细分切和特种需求的加工处理。
-
公开(公告)号：CN115479907A
公开(公告)日：2022-12-16
申请号：CN202211029170.3
申请日：2022-08-26
Applicant: 中国烟草总公司郑州烟草研究院 , 厦门烟草工业有限责任公司 , 福建省龙岩金叶复烤有限责任公司
Abstract: 本发明的目的在于提供一种数字化烟叶及其制作方法，涉及卷烟生产技术领域，该数字化烟叶由标准烟叶的图像信息组成，图像信息至少包括标准烟叶的原始光谱图像数据、非青烟区域的数据和青烟区域的数据。本发明提出的数字化烟叶能够将保存各等级烟叶的光谱图像，以快速评价烟叶的等级。
-
公开(公告)号：CN115439690A
公开(公告)日：2022-12-06
申请号：CN202211078519.2
申请日：2022-09-05
Applicant: 湖南大学 , 中国烟草总公司郑州烟草研究院
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/42 , G06V10/80
Abstract: 一种结合CNN和Transformer的烤烟烟叶图像分级方法，先拍照采集烤烟烟叶图像建立烤烟烟叶数据集；接着将烤烟烟叶数据集进行预处理；然后将经过预处理后的烤烟烟叶数据集输入至烤烟烟叶图像分类模型中进行分类训练，由定位模块得到烟叶图像的目标位置、关键局部区域，由定位模块计算原始损失，根据该原始损失对烤烟烟叶图像分类模型参数进行更新，再然后由分类模块根据关键局部区域得到分类结果，由分类模块计算分类损失，根据该分类损失对烤烟烟叶图像分类模型参数进行再次更新，得到优化后的烤烟烟叶图像分类模型；最后，将待分类的烤烟烟叶图像输入至已训练好的烤烟烟叶图像分类模型中，输出烟叶的分类结果。本发明可靠、有效，分类效果好。
-
公开(公告)号：CN115290579A
公开(公告)日：2022-11-04
申请号：CN202211011547.2
申请日：2022-08-23
Applicant: 中国烟草总公司郑州烟草研究院 , 福建中烟工业有限责任公司
Abstract: 本发明提出一种烟叶烘烤过程阶段的判断方法，属于烟叶烘烤技术领域。该烟叶烘烤过程阶段的判断方法，在实际烘烤之前，通过烤房控制端输入烘烤全部过程的预设烘烤参数；在实际烘烤的全部烘烤的过程中，依据标定的烘烤过程阶段的数据采集时刻t，采集的烟叶状态指标X的高光谱信息；并对通过在所述时刻t所采集的高光谱信息，建立在所述采集时刻t时的烟叶状态指标X的特征光谱数据；将所述的烟叶状态指标X在实际烘烤时刻t的特征光谱数据与所述预先标定的高光谱信息进行比较；通过比较结果判断当前烟叶烘烤过程所处的阶段。可实现烟叶烘烤控制过程的阶段判断的自动化，提高对烘烤过程阶段判断的效率。
-
公开(公告)号：CN113681156A
公开(公告)日：2021-11-23
申请号：CN202110705215.3
申请日：2021-06-24
Applicant: 中国烟草总公司郑州烟草研究院
IPC: B23K26/082 , B23K26/38 , B23K26/402 , G01N21/27 , A24B7/14
Abstract: 本发明提出了一种基于紫外激光器的烟用原料分切装置与方法，其中，分切方法包括：将烟用原料以单张平铺的方式输运至紫外激光器的分切区域；烟用原料输运至指定位置后，启动高光谱成像装置进行高光谱图像采集；高光谱成像装置采集烟用原料的图谱信息后，保存至高光谱图像处理服务器进行图像处理获得烟用原料的光谱特征的位置、形状和大小；根据获得的光谱特征，形成烟用原料的分切轨迹图传输至紫外激光器；紫外激光器以设定的扫描速度基于分切轨迹图对烟用原料进行分切；装置包括烟用原料输运平台、高光谱成像装置、紫外激光器和高光谱图像处理服务器。本发明能够实现对烟用原料的精细分切和特种需求的加工处理。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.065 seconds)
