基于数据挖掘技术的滤棒质量缺陷可视化检测方法

王晓东，刘敬东，王国彪，文柱，杜剑菁

(湖北中烟卷烟材料厂， 湖北, 武汉 430051)

0 引言

我国香烟市场上出现了许多品牌，品牌间的竞争和市场份额的挤压逐渐趋于白热化。在传统卷烟原料及生产工艺难以创新的情况下，各大企业积极开展卷烟滤棒的研发，各种功能的滤棒逐渐推向市场，与之相对应的卷烟辅料对烟气感官质量的影响已引起研究者的关注。滤棒是卷烟生产中必不可少的材料，它已由单一功能发展为多功能，复合滤棒是高档卷烟中大量使用的滤棒，其降焦、增香、降油等功能效用明显增强，是目前国内卷烟研究的热点之一。在生产、加工和运输过程中，滤棒容易出现缺损、破损等生产不合格现象，影响卷烟的质量，所以对滤棒的质量缺陷进行检测是非常必要的。文献[1]采用高灵敏度光电传感技术，通过PLC控制器控制剔除阀，根据开松丝束宽度的变化识别拼接头，设计了一种丝束拼接头检测剔除装置，解决KDF4滤棒成型机无法自动检测丝束拼接不合格滤棒等问题。文献[2]测试了爆珠破碎前后卷烟物理指标和主流烟气指标的变化，分析了爆珠滤棒与无爆珠滤棒和卷烟的物理指标差异以及卷烟主流烟气常规指标差异，明确爆珠对滤棒、卷烟物理性能和卷烟主流烟气的影响。

滤棒质量缺陷产生位置，具体缺陷形式是不确定的，而数据采掘的过程是循环的，若每个步骤都未达到预期目标，则需要返回前一个步骤，对其进行调整并执行，因此，在滤棒质量信息获取过程中，可以结合数据挖掘技术的特点，将其应用到滤棒质量缺陷的可视化检测中。

1 滤棒质量缺陷可视化检测装置

为了在滤棒长度方向上采集缺陷信号，方便后续数据处理，设计了一种基于微波技术的滤棒质量快速检测装置，主要由消隐器、滤棒输送器、微波检测仪等组成分选装置，如图1所示。

其工作流程如下。

(1) 当被测高频电磁波与复合滤棒同时进入谐振腔时，微波电磁场的能量参数会发生变化，谐振腔的固有频率和振幅也会发生变化，因此，用不同材料的复合滤波器检测放大后的电压信号，并将信号转换为数字信号。

图1 滤棒质量缺陷可视化检测装置

(2) 由数据处理板接收振幅信号，由微波主控板发送频率信号。采用预设的数学计算模型，对不同材料的复合滤棒进行密度和含水率计算。

(3) 过滤检测器板根据轴角编码器发送的每条过滤棒240等分，得到每条过滤棒240组的密度和湿度数据。参考 IPC接口设置的复合滤棒规格，通过比较复合滤棒 A段和 B段材料的密度和含水量，可以判断出复合滤棒的选型是否有误。从数学模型出发，采用240组密度值计算 An、 B型滤棒接合面连续单调增加或减少的初始位置，以此值表示复合滤棒的相变。根据这些结果，可以判断复合滤棒的相位是否有偏差。

(4) 基于工业控制机上设定的消元延时、消元运行时间等消元参数，消元板与轴角编码器信号相结合，将有缺陷滤棒的自动去除。

(5) IPC负责与下游控制板通信、传递参数，统计每一班的产量、废品率等生产数据。

上述为具体检测过程，详细的数据处理等内容如下。

2 基于数据挖掘技术的波峰形位数据挖掘

基于上述检测装置进行质量检测，出料装置将滤棒以2个/s的速度放入滤棒导向槽，滤棒输送装置匀速将滤棒推进通过微波探测装置[3]。由微波谐振腔传感器、微波信号产生和数据处理模块组成。输出信号的强度与样品的介电常数成正比，通过滤棒输送装置的速度推进功能，实现了滤棒轴向等间距的实时数据采集[4]。采样点间隔d[5]为

(1)

式中，f代表采样速率，v代表滤棒输送装置的速度。

通过上位机软件与数据分析算法相结合的方式，对实际数据进行处理，并将处理结果发送给分选设备。为了得到滤棒质量的缺陷情况，需要提取波峰的位置和形状信息。提取出的波峰形状和位置信息主要是以波峰识别为基础，以波峰识别确定波峰间隔，再从波峰间隔提取出对称轴、波峰和形状信息。依据波峰的形状和位置来判断滤棒的质量[6]。为此，在提取之前，采用数据挖掘技术预先进行相关数据的挖掘，其过程如下。

在此基础上的数据挖掘检测过程[7]：

(1) 确定挖掘对象，清晰地定义挖掘对象和数据挖掘目标；

(2) 准备资料，识别出对象后[8]，选择适合数据挖掘的对象个数，对数据进行预处理和分组，以提高挖掘效率，降低模型的复杂度；

(3) 建立挖掘模型[9]，利用挖掘算法将数据转换为分析模型，数据挖掘成功的关键在于建立适合挖掘算法的分析模型;

(4) 数据收集，从转换中挖掘数据。

其原理如图2所示。

图2 数据挖掘原理

3 数据平滑滤波

基于上述过程完成数据的挖掘，但是数据在采集、处理和传输过程中，信号会受到各种噪声干扰，为精确地获取被测物体的信息，需要对采集信号进行滤波处理。首先，确定噪音类型[10]，当样品处于恒温恒湿状态时，将其放置在谐振腔中，连续采集多组数据对数据进行统计学处理，如果高斯滤波器权值的设置满足滤波器位置权值越近[11]，滤波器权值越大，且其分布符合高斯分布规律：

(2)

式中，x代表当前点到相应滤波点的距离，σ代表高斯函数的宽度，它的带宽越大，滤波器滤波效果越好。

4 波峰区域检测

在上述准备工作完成的基础上，对波峰区域检测已实现滤棒质量缺陷可视化检测[12]，但是每个单元滤棒的密度或含水率因材料或截面形状的不同而异，所以无论是二元或多元复合滤棒[13]，只要测量每个单元滤棒的不同密度或含水率的分界点就会产生缝隙、裂缝、裂隙等质量缺陷，从而超出标准范围，因此，需要分析材料的共振曲线宽度差和频率差与材料密度的关系，优化检测结果，如图3所示。

图3 材料共振曲线宽度差和频率差与材料密度的关系

其关系表达式为

S=A/B(L)/f(L)-f(0)

(3)

式中，f(L)-f(0)代表频率差计算参数，B(L)代表宽度差，A代表带宽。

滤棒密度：

P=(XΔF-D)/κ

(4)

式中，X代表谐振频率，F代表带宽，D代表定标常数，κ代表材料密度参数。

在此基础上，提取出波峰的位置信息和形态信息[14]，提取流程如图4所示。

图4 波峰形位分析算法流程

图4中，位置信息与滤棒的位置信息相对应，形态信息与损害程度相对应。通常采用峰位、峰心和中点3种方法检测波峰位置。波峰形位分析算法的主要目的是提取峰的信息，但是随机信号对波峰区域有很大的影响，会使峰偏离对称中心；质心法比中点法需要更多的点，计算也比较复杂。在此基础上对兴趣区多点法进行了改进，兴趣区是一个波峰、半峰高的区域，其曲线斜率较大[15]，随机信号对该区域的影响较小，因此，滤波后的测量信息能得到较好的恢复。所以形式系数表示为

(5)

式中，γ代表形态系数，Xminh代表较大半封高，XminL代表较大半封宽，HL、HR分别代表数据点。

在上述步骤处理后，实现滤棒质量缺陷可视化检测。

5 实验对比

关于滤棒质量缺陷检测方法有效性的验证，需要在一个稳定、可靠的运行环境下进行，因此，需要采用合适的硬件设备和软件设备进行实验分析。在实验中，在线视觉检测系统包括光源系统、光学成像系统、图像采集系统、图像采集与数字化系统;智能图像处理与决策系统以及控制执行模块,如图5所示。

图5中，利用 CCD摄像机采集被测物体的图像信号，再将图像信号通过手持式 D转换成数字信号，传输到专用图像处理系统。通过对图像的像素分布、亮度、颜色等信息进行各种操作来提取目标特征，然后根据预设的判别准则输出判断结果，从而控制驱动器进行相应处理，通过分析得出了滤棒的实际质量缺陷。

图5 实验检测系统

采用此次研究的基于数据挖掘技术的滤棒质量缺陷可视化检测方法与传统方法(文献[1]方法)进行检测，将检测结果与实际检测结果对比，对比2种方法的检测效果。

5.1 缺陷检测准确性对比

随机抽选几支缺陷滤棒与正常滤棒，分别利用传统方法与此次研究方法进行检测，实际的滤棒状态参数如表1所示。

表1 实际的滤棒状态参数

对比2种方法缺陷检测准确性，对比结果如图6所示。

图6 缺陷检测准确性对比

通过分析图6发现，所设计的基于数据挖掘技术的滤棒质量缺陷可视化检测方法在几个滤棒的检测上，具有较高的检测准确度，均能够准确分析出滤棒质量缺陷问题。对比可知，此次研究的检测方法较传统方法的滤棒检测准确性高。

5.2 检测时间对比

传统检测方法与所设计的检测方法的检测时间对比结果如图7所示。

图7 检测时间对比

分析图7可知，在8只滤棒质量检测上，传统方法的滤棒质量缺陷检测时间较多，多于此次研究的滤棒质量缺陷可视化检测方法。

基于上述研究内容以及研究结果可知，所设计的基于数据挖掘技术的滤棒质量缺陷可视化检测方法较传统检测方法检测准确性高、检测时间少。原因是此次研究的方法采用了数据挖掘技术以及检测装置结合的方式对滤棒质量进行了缺陷检测，从而在很大程度上提高了检测效果。

6 总结

此次研究的滤棒质量缺陷可视化检测方法能够对滤棒的破损和缺失情况有效检测，结果表明此次研究的方法具有较好的识别效果，满足快速准确检测滤棒质量的需求。