烟梗杂质高速分选：我的博士课题

烟梗加工线上混入的麻绳、纸片、塑料等杂质与烟梗颜色相近、形状相似，而且你永远不知道下一种杂质长什么样。这是我博士论文的核心课题（2021 年至今）。

在没有设备之前，这些杂质只能靠工人在车间里人工翻拣：

技术方案

系统采用高光谱相机 + RGB 相机双路成像，提取光谱与纹理特征通道，基于高光谱超像素做小目标抗条纹分选，最后由高速气阀阵列剔除杂质。

检测效果（粉色为识别出的杂质）：

整机设计动画：

产线运行画面：

难点：见不到的杂质怎么学？

杂质样本天然稀少，而且无法穷举——传统"见过才能认"的监督学习思路走不通。论文里我们转向正样本学习：与其学"杂质长什么样"，不如让模型把"合格烟梗"在低维特征空间里描述清楚，凡是落在外面的都该被剔除。

论文与代码

• Li, Zhenye, et al. "Online small-object anti-fringe sorting of tobacco stem impurities based on hyperspectral superpixels." Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy (2023).（Google Scholar）
• 项目代码已开源：NanjingForestryUniversity/supermachine-tobacco