煙草加工過程中，煙葉常混入麻繩、木屑、塑料、金屬、油污等異物，以及霉變煙葉和梗簽等雜質。這些雜物不僅影響卷煙產品的安全性和質量，還可能損害生產設備及品牌聲譽。傳統除雜方法（如風力、磁力、光電或人工篩選）存在效率低、精度不足等問題。為此，深圳中達瑞和公司基于高光譜成像技術的煙葉除雜做了可行性的測試，通過物質光譜特征的精準識別與自動化剔除，顯著提升煙葉純凈度。

高光譜成像技術原理

高光譜成像是一種結合圖像與光譜分析的三維檢測技術，其核心在于“圖譜合一”。不同物質在特定波長光照下具有獨特的吸收或反射特性，形成如“指紋”般的光譜曲線。通過短波紅外高光譜相機（光譜范圍900-1700nm），可采集煙葉及雜物的光譜數據，構建高光譜圖像數據立方體。例如：

-煙葉與塑料：在1100nm、1200nm、1400nm等特征波段，兩者的光譜反射強度差異顯著；

-煙葉與油污：不同成分的機油在特定波段下呈現明顯光譜偏移。

基于這些差異，結合定標模型與匹配算法，系統可實時判別雜質并輸出剔除信號。

可行性驗證與案例分析

通過實驗驗證，高光譜成像技術對多種雜質的識別效果顯著：

1、塑料雜質檢測

將塑料碎片混入煙絲，利用短波紅外高光譜相機采集數據，合成偽彩圖后，塑料區域以綠色標記，與煙絲光譜曲線對比差異明顯。

2、油污雜質檢測

在煙葉表面滴加三種不同機油，通過光譜分析發現，油污在特定波段的光譜特征與正常煙葉顯著不同，偽彩圖中可清晰識別污染區域。

實驗結論表明，高光譜技術對塑料、油污等異物的檢測準確率可達行業需求標準，驗證了其技術可行性。

實施方案與系統架構

數據采集：在線高光譜相機實時掃描傳送帶上的煙葉，獲取其光譜信息；

模型匹配：工控機內置定標模型，通過算法比對煙葉與雜質的光譜特征，生成雜質判別信號；

自動化剔除：控制設備接收信號后，聯動機械臂或氣流裝置，精準剔除雜質；

數據閉環：系統支持光譜數據回傳與模型優化，持續提升檢測精度。

系統優勢

高效精準：檢測速度達毫秒級，適應高速生產線；

廣泛適用：可識別金屬、塑料、油污等十類以上雜質；

非接觸式：避免物理接觸對煙葉的二次污染。

結論

高光譜成像技術為煙葉除雜提供了全新的解決方案，其通過物質光譜特征的智能識別，突破了傳統方法的局限性。實際驗證表明，該技術能夠高效區分煙葉與異物，并實現自動化精準剔除，為煙草行業的質量控制與安全生產提供了可靠保障。未來，隨著算法優化與設備迭代，高光譜技術有望在更多工業分選場景中發揮核心作用。

#高光譜成像 #煙葉除雜 #光譜特征 #自動化分選 #短波紅外相機

審核編輯 黃宇