基于Vue.js 框架的复合滤棒成型机上料检测系统开发

何江 ，彭春晖 *，龚艺 ，王宁博

1 湖北中烟工业有限责任公司，湖北省武汉市东西湖区海口二路2号 430040；

2 湖北中烟卷烟材料厂，湖北省武汉市汉阳区罗七路岱李湾4号 430050

复合滤棒是由两种或多种滤棒（工艺称为基棒），经专用复合滤棒成型设备分切、组合而成[1]。随着复合滤棒成型设备与生产工艺的不断发展，适用于滤棒生产的检测系统也层出不穷，光电技术、人工智能、物联网被广泛运用其中。傅靖刚等[2]使用红外线传感器，对光电信号进行识别研制了一种三元复合滤棒质量检测系统，能够有效提高产品质量，实现高速生产；钱杰等[3]将射频识别和PLC 相结合开发出基于物联网技术的滤棒使用信息检测系统，实现了滤棒批次的追本溯源，提高了生产质量管理水平；王闻等[4]利用图像识别技术和PLC 控制软件设计出基于机器视觉的“神龙珠”异型滤棒在线检测系统，提高了检测的准确性。然而在高速成型过程中，由于基棒外观极为相似，一旦出现上料错误，很容易造成一个批次的废棒，损失相当严重。目前，国产和进口的滤棒成型机均未配备相应的基棒上料检测装置，上料的正确与否仅仅依靠人工判断，极易发生上料错误的情况。因此，本文旨在设计一种智能上料检测系统，能够实时获得基棒上料信息，对上料正确性进行判断，方便操作并能够提醒工人及时采取措施避免误操作。

1 系统设计

1.1 系统整体结构

图1 整体结构图Fig. 1 Overall structure diagram

为便于基棒检测，在生产过程中将基棒的盒子外侧贴有不同颜色的标签以区别不同型号的基棒，通过对标签的识别达到基棒检测的目的。系统整体结构图如图1 所示，本文采用ARM 作为主要控制器，与颜色传感器相结合以构建上料检测系统的硬件部分，颜色传感器对标签颜色信息进行采集。利用Linux 操作系统，Apache Web 服务器，MySQL 数据库，PHP 服务器脚本语言四个开放源环境，进行软件系统的开发，设计了基于Vue.js 的前端框架，后端使用PHP 语言，使用Axios 交互机制的智能信息管理平台以实现信息的读取与显示。

1.2 硬件系统组成

硬件系统如图2 所示，组成包括光电开关、颜色传感器、主控制器、直流继电器、蜂鸣器、报警灯、WiFi 模块、人机交互界面。工作原理是：当盒装基棒标签进入到传感器的工作区域时，光电开关检测到基棒标签，给出信号到主控系统，随后颜色传感器开始进行识别，标签颜色正确时直流继电器得电蜂鸣器连续鸣叫，当标签颜色错误时直流继电器得电报警灯亮。

图2 硬件整体结构示意图Fig. 2 Schematic diagram of the overall hardware structure

光电开关是控制颜色传感器开始工作的节点。本文采用基恩士限定反射型光电开关，型号为PZ-G102，检测距离为5 mm～45 mm，响应速度为500 μs。

为准确识别标签颜色选择色标传感器，选择基恩士LR-W70C 型白光色标传感器，相比于传统的红光色标传感器，它能够检测的可见光范围更广。同时该传感器不易受倾斜和距离变化的影响。

本文采用ARM Cortex-A53 内核的微处理器，它是一款基于ARM v8 架构的应用处理器，稳定运行速度可达1.4 GHz，工耗效率，高结构紧凑[5]。主控电路板上配有网口、串口、USB OTG、HDMI、GPIO、WiFi 等系统所需的接口。

直流继电器采用ORMON MY2N-GS/DC12V 小型电磁继电器，最大开关电压为250 VAC/125 VDC。

蜂鸣器和报警灯用来显示检测结果，采用朗本LED-1101J 旋转式警示灯，工作电压220 V，LED 黄色灯泡。

颜色传感器、光电开关、蜂鸣器和报警灯的连线示意图分别如图3～图5 所示。

图3 颜色传感器连接示意图Fig. 3 Color sensor connection diagram

图4 光电开关连接示意图Fig. 4 Connection diagram of photoelectric switches

1.3 软件系统设计

软件系统需要实现两个功能：一是获取传感器信息，主要依靠控制程序读取或写入GPIO 点的状态，将时间、传感器的状态等信息写入到数据库；二是信息显示，通过设计智能信息管理平台实现从数据库读取信息，方便操作人员及时查询到相关信息，并根据信息及时做出有效的处理。

1.3.1 控制程序设计

控制程序不断地扫描光电开关的工作状态，当基棒进入到颜色识别传感器的工作范围后，控制程序开启颜色识别传感器开始对基棒的便签进行识别。如果颜色正确，将相关信息写入数据库；如果颜色错误，也会将错误信息写入数据库，同时通过控制中间继电器开启蜂鸣器和警报灯来通知操作人员进行处理。

控制程序读取传感器工作状态和控制直流继电器工作，都是通过读取或改变GPIO 的状态来实现的。传感器和直流继电器与ARM 主控板的GPIO 引脚连接，控制系统首先访问linux 系统的sys/class/gpio/目录下的export 文件，导出传感器和直流继电器的GPIO 引脚号，随后读取direction 文件获取传感器对应的GPIO 高低电平的状态，并控制直流继电器所对应的GPIO 引脚的状态，程序使用结束后利用unexport 文件取消导出相应的引脚号。

1.3.2 智能信息管理平台设计

图5 蜂鸣器和报警灯连接示意图Fig. 5 Connection diagram of buzzer and alarm light

用户界面程序从数据库读取相关数据，在页面上展示操作人员查询的相关信息。本系统选择Linux+ Apache Web+ MySQL+ PHP（LAMP）的开发环境，完全采用了Web 的前后端分离和RESTful的开发架构与设计模式，即前端采用JavaScript 的Vue.js 框架，通过使用Axios 向后端请求数据，利用互联网技术科学管理基棒使用情况，软件架构示意图如图6 所示。

本系统的功能需求包括登陆模块、状态显示模块、数据统计模块，产量预测模块，主要功能为状态显示与数据统计模块。

前端界面如图7 所示，主要分为以下几个模块：1、登录模块，登陆成功后，可根据不同的用户从而确定权限，进入相应的访问区域，操作人员仅能够进入状态显示模块，过控人员则能够对状态显示、数据统计、产量预测进行访问和操作，对产品产量进行整体把控；2、状态显示模块，主要包括生产班次信息，基棒有效信息、失效信息、基棒上料分布信息，这个模块代替了依靠人工判别基棒上料正确与错误；3、数据统计模块，过控人员根据查询时间、班次、基棒状态等条件，可获取每一盒基棒的使用数据，便于详细了解原料的使用情况。该模块可以在0.2 s 内查询出100 万条左右的数据，而传统的组态软件至少需要5 s。4、产量预测模块，过控人员通过该模块绘制的立方柱状图，可以准确预测未来的基棒使用情况，方便生产部门及时调整生产计划，达到产量最大化，基棒浪费最小化的目标。

图6 软件架构示意图Fig. 6 Schematic diagram of software architecture

图7 前端界面图Fig. 7 Front-end interface diagram

2 技术实现

2.1 前端的实现

前端框架和界面的搭建主要依托于Vue 技术，页面功能利用vue-cli 建立的项目和Element 套件设计实现，前端框架图如图8 所示。

Vue 是一套用于构建用户界面的渐进式框架，自底向上逐层应用[6]。利用Vue router 路由系统，提供操作人员、管理人员、维修人员相应的权限页面；Vuex 则解决不同组件状态和数据传递的问题，并存储相关的临时信息，例如查询的时间间隔、默认显示的基棒型号。使用Element UI 构建按钮、图标、单选框、开关、表格等页面基本元素，均可以供不同项目复用。在调试前端程序时，还使用了Webpack-dev-server 服务，mock.js、count.js 等第三方模块。

图8 前端框架图Fig. 8 Front-end frame diagram

2.2 后端的实现

后端接受前端的请求，与数据库进行连接，映射，主要实现一些逻辑判断的功能，例如选定生产时间返回不同班次，然后再通过数据库查询相应的数据。本系统使用PHP 语言编写，前端通过使用Axios 向后端请求数据，后端程序查询到MySQL 数据库的数据后返回给前端。

3 应用效果

3.1 试验设计

材料：基棒A 为E120.2×325V12 二元滤棒，贴橙色标；基棒B 为Y260V12 高透滤棒，贴绿色标。

设备：ITM“思睿”复合滤棒成型机

试验指标：识别率为正确识别占测试样本的比例。

方法：使用ITM“思睿”复合滤棒成型机按照480 m/min 的常规速度，两班生产SFT/A-120×280的复合滤棒，跟踪调查一星期。为模拟实际生产过程中人为上料失误，分别在二圆滤棒堆和高透滤棒堆中随机加入对应错误的滤棒，每天每班测试的样本如表1 所示。设置试验组和对照组，甲班为试验组操作人员使用检测系统对进入卸盘机卸盘后的每盒基棒进行上料，当出现上料错误时系统及时报警操作人员甄别出错误的滤棒，乙班为对照组操作人员对进入卸盘机卸盘后的每盒基棒进行上料，当出现上料错误时由过控人员提醒操作人员取出错误滤棒并进行记录。另外，同一天每一班消耗的基棒数量相同，在生产过程中由于操作失误、设备维护、维修和故障等因素造成产量不足的班次依然计入试验数据，本试验只验证智能上料检测系统对基棒的识别率。

表1 每天每班测试的样本集Tab. 1 Sample set of each test per day

3.2 试验效果

由表2 可知，系统运行一周并未出现滤棒漏识的情况，并且对基棒和混入的错误滤棒能够实现100%识别，同时本文所设计并制作的智能上料检测系统与过控人员统计的基棒识别率完全相同，说明该系统能够有效完成对基棒的识别，识别率达到100%，还能够通过报警提醒操作人员对误操作进行纠正，能够有效地降低因操作人员失误而造成的损失。此外该系统能够记录基棒使用情况，方便材料员对基棒使用情况进行查询。

表2 试验数据统计表Tab. 2 Statistics table of test data

4 结论

本文所设计的上料检测系统，可以实现对复合滤棒成型机基棒上料进行检测，系统识别率达到了100%，避免了上料错误导致复合滤棒生产损失的情况。该系统拥有良好的人机互动界面，方便操作，极大降低了工人的工作强度，提高了生产效率。在LAMP 的开发环境下利用基于Vue.js 框架的前端技术和设计模式能够有效地提高程序的开发效率，前后端分离的开发模式使得该系统与滤棒成型机能够进行数据共享。此外该系统已经和原辅材料管理系统并联使用，通过数据分析达到提升产能减少损耗的目标。考虑到实际情况的复杂，对智能上料检测系统将会进行半年的跟踪调查，对系统进行改进，未来还将与成品质量检测系统联合实现滤棒生产线数字化、智能化升级。