基于黑箱法的成品卷烟外观检测设备设计与试验

针对成品卷烟外表面缺陷种类多、分类细、人工质检无法对卷烟外观的细粒度缺陷进行系统性检测的问题,设计一种成品卷烟外观检测设备,自动完成成品卷烟的外观全矢量成像和缺陷检测。利用黑箱法对检测设备的技术系统进行分析,并设计了成品卷烟检测设备,该设备主要包括储供装置、单元离散装置、外观成像装置、分拣装置和缺陷检测模型;对影响卷烟运行稳定性、卷烟无损率、成像质量的关键因素进行试验,在单元离散装置上对卷烟运行稳定性因素进行正交试验,结果表明,当滑板提升速度为0.3m/s、过渡板倾斜角为40°、辊子速度为0.045m/s时,烟支输送无斜率可达100%,无偏移率可达99.5%,在分拣装置上对造成卷烟损伤的关键因素进行正交试验,结果表明,当气缸伸缩速度为20mm/s、弹簧刚度为3N/mm时,烟支损伤率为0,对影响成像质量的关键光照因素进行试验,结果表明,光源照射角为10°、光源与烟支高差为30mm时,图像直方图的像素点与其亮度分布包络线平缓,图像清晰;最后,在设备上完成54mm×100规格烟支的检测试验,利用改进HourglassNet-YOLO v4网络模型对成像进行缺陷检测,结果表明,烟支缺陷检出准确率达到98%,缺陷分类准确率达到95.4%。试验结果表明,该设备运行稳定,能够满足成品卷烟外观检测需求。     

用人工嗅觉系统评定卷烟的内在品质

迄今为止,卷烟的内在品质是靠评吸专家的感官的评定的,由于受到其经验,情绪以环境条件等多种因素的影响,评定结果的准确性难以保证。为此,作者运用模仿人的嗅觉系统功能的人工嗅觉系统来评定卷烟的内在品质。深入研究了人工嗅觉系统的气敏传感器阵列和数据处理分析方法,提出了阵列的组成方法以及神经网络集和测试集的构造方法。     

基于近红外光谱的卷烟加料均匀性检测

结合近红外光谱分析技术在烟草分析上的应用,通过对加料后的烟丝进行近红外光谱分析,发现近红外光谱分析法可用于卷烟加料均匀性研究。利用扫描谱图及料液的施加比例,初步探索了卷烟加料均匀性近红外光谱分析的数学建模,模型验证误差2%,具有较好的实用价值。     

基于近红外光谱的卷烟加料均匀性检测

结合近红外光谱分析技术在烟草分析上的应用,通过对加料后的烟丝进行近红外光谱分析,发现近红外光谱分析法可用于卷烟加料均匀性研究。利用扫描谱图及料液的施加比例,初步探索了卷烟加料均匀性近红外光谱分析的数学建模,模型验证误差＜2%,具有较好的实用价值。      

烟草工业新型短梗、细梗筛分设备的研究

<正>用于烟草产品加工的烟叶中约含有25%～30%的烟梗,随着卷烟工艺的日益优化,经膨胀工艺生产的梗丝按比例添加进烟丝中,不仅可以控制成本,而且可以降低卷烟焦油含量、中和烟气、改善烟支燃烧性能~([1])。近年来,烟梗已经成为卷烟工业公司广泛采用的卷烟原料之一,梗丝质量直接影响卷烟制品的质量,影响梗丝加工质量的因素很多,当生产设备及其他工艺条件一致时,来料烟梗中短梗、细梗和梗拐所占比例大小就成为影响梗丝加工质量的主要因     

基于雪球效应的剔杂技术研究

原料卷烟产品的质量是关键,除了打叶复烤生产水平的提升,减少烟叶杂物数量也是保证卷烟生产原料的重要组成部分,为有效解决现有问题,决定基于一种自然存在的客观规律解决问题,不但达到了节能提质的效果,而且应用成效可以广泛推广。文章通过对原有剔杂系统的调查分析,查找杂物数量过多的主要症结,并结合雪球效应提出了一种有效应用自然规律的低投入、新颖、实用的烟叶剔杂技术,即通过杂物麻绒的相互缠绕,对烟叶中的杂物进行依附剔除。     

烟草制丝工序优化对卷烟品质的影响研究

烟草制丝工序是卷烟生产中的重要工艺环节,制丝工序中不同切丝方式将对烟丝结构和烟支吸阻有显著影响,松散回潮、贮叶和叶丝干燥会改变烟碱形态变化,影响卷烟内在质量,加强烟草制丝工序的管理和优化将对卷烟质量有重要的影响。因此,课题组提出了制丝工序优化工作流程、提升操作人员工作水平、优化设备、确保严格执行技术规程等四个方面的举措,优化烟草制丝工序的工艺管理,从而提高卷烟产品的质量。     

机采棉的成纱质量试验

本文通过对两年两种不同的加工工艺的机采棉进行的试纺试验的质量评定，研究探讨了机采棉的成纱质量 及生产应用的可能性。     

滚筒烘丝机烟丝含水率控制系统的改进

滚筒烘丝机是卷烟制作流程中的重要设备,烘丝机的主要任务就是控制烟丝的含水量,以此达到卷烟产品的质量要求。本文首先阐述滚筒烘丝机系统的工作原理,以滚筒烘丝机所存在的缺陷为切入口,分析改进滚筒烘丝机系统缺陷的方案,以此强化对烟丝含水率的控制,提高卷烟的质量。     

烟草制丝工艺质量控制要点分析

随着人们健康生活意识的不断增强,我国烟民数量大幅度下降,烟草行业进入了"寒冬期"。据相关数据显示,2018年上半年,我国卷烟产量为11893支,预计下半年卷烟产量将比上半年有所减少,全年卷烟产量整体呈现下降态势。烟草生产企业身处如此恶劣的环境中,要谋求生存与发展,就要重视烟草制丝工艺质量控制。文章对烟草制丝工艺质量控制要点展开了分析。     

并联神经网络在烤烟内在品质评定中的应用

应用并联神经网络分析方法,能直接将烤烟主要化学成分测量数据转换为与香气,吃味,杂气,刺激性等评吸专家的感官评分指标值相一致的结果,应用实例表明,与感官评定方法相比,该方法在客观性,准确性等方面具其优越性。     

融合ARIMA模型和GAWNN的溶解氧含量预测方法

针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络（WNN）获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络（GAWNN）和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。     

基于模糊神经网络的农村电力短期负荷预测

为提高负荷预测精度,提出了一种新的模糊神经网络短期负荷预测模型。该模型将模糊系统和神经网络的优点融合在一起,并利用小生境遗传算法优化模糊神经网络参数,提升网络运算性能。某农村地区电力短期负荷预测的计算结果表明,该方法具有较好的预测效果。     

基于遗传对角回归神经网络的农机总动力预测

利用遗传算法强全局随机搜索特点,结合DRNN神经网络对非线性数据具有鲁棒性和自学习能力的优点,通过将历年农机总动力数据作为时间序列进行分析,建立DRNN神经网络预测模型对农机总量进行预测。本文采用遗传算法对DRNN神经网络进行训练,可克服基于梯度算法的神经训练算法的缺点,收敛速度快,可达到全局最优。通过与校验用数据的比较证明本文建立的预测模型具有较高的精度。     

基于遗传神经网络的酒类鉴别技术

通过感官鉴别酒类质量结果的准确性难以保证，因此研究快速、准确的鉴别方法是必要的。用人工嗅觉系统鉴别酒类质量是一种快速、简便的方法。提出了一种遗传径向基函数神经网络作为人工嗅觉系统的模式识别方法，以进行酒类质量的鉴别计算。实例表明，该方法是有效的，不仅能用于酒的分类，还可用来鉴别酒的质量等级。     

基于MEA-BP神经网络的土壤养分评价模型

针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。     

基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究

面板堆石坝应力变形计算过程相当费时费力,如果直接调用有限元计算程序进行反演计算,难度相当大,效率也非常低.利用遗传算法优化BP神经网络权值与阈值,建立遗传神经网络模型代替堆石坝的有限元计算程序以提高反演计算效率,同时利用遗传优化算法全局搜索功能寻找使遗传神经网络模拟值和实测值之间误差最小的最优参数组,并通过MATLAB实现基于遗传算法和遗传神经网络算法的堆石料参数反演分析,反演结果表明该算法能够很好地提高反分析效率及准确性.     

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对,结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。     

机采棉清杂运动规律模型预测

针对机采棉中残地膜与棉花分离容易受到残地膜质量、机采棉飞入速度及强静电场电压等因素的影响,提出一种机采棉清杂过程中棉花与残地膜运动规律的预测方法。以南疆机采棉新陆早26号为研究对象,利用棉花与残地膜之间的分离率来表征运动规律。利用残地膜质量级别(1、2、3、4级)、荷电后的机采棉飞入速度(9、10、11、12m/s)、强静电场电压(30、40、50、60k V)3个因素作为BP神经网络模型的输入量,再利用改进的遗传算法训练所设计的网络的权值和阈值,建立能表征机采棉运动规律的分离率的预测模型。试验结果表明:利用改进遗传算法结合BP神经网络得到的机采棉与残地膜分离率预测模型能够很好地反应新陆早26号机采棉与残地膜分离应力与主要控制因素之间的非线性关系,预测结果与实测结果之间的平均绝对百分比误差为0.8 2,测试的样本实测值与理想值之间的相关系数为0.9 1 7 5 1,所得到的预测模型效果良好,可为机采棉清杂提供参考。