缺陷分类系统 |
|||||||
申请号 | CN202280060009.4 | 申请日 | 2022-09-06 | 公开(公告)号 | CN117916582A | 公开(公告)日 | 2024-04-19 |
申请人 | 明答克株式会社; | 发明人 | 关谷宏; 坂田人丸; | ||||
摘要 | 本 发明 提供一种易于准备、维护且能够识别 缺陷 的原因的缺陷分类系统。本发明是一种缺陷分类系统(10),具备:拍摄单元(11),其使拍摄装置(G)对经过干燥部(D)后的纸(P2)进行拍摄,获取所拍摄的图像数据;检测单元(12),其用于在图像数据中检测纸(P2)的缺陷;提取单元(13),其用于提取该缺陷的特征值;计算单元(14),其根据该缺陷的特征值,使预先设定了基准特征值的分类模型(20)计算缺陷原因项目的 置信度 ;以及显示单元(15),其用于显示置信度,分类模型(20)根据预先积累的缺陷的特征值与多个缺陷原因项目间的关系,通过 机器学习 ,学习了基准特征值。 | ||||||
权利要求 | 1.一种缺陷分类系统,所述缺陷分类系统用于将基于抄纸工序中经过干燥部后的纸的缺陷而形成的缺陷信息,分类为基于预先设定的缺陷的原因所设的多个缺陷原因项目中相应的缺陷原因项目,所述缺陷分类系统的特征在于,具备: |
||||||
说明书全文 | 缺陷分类系统技术领域[0001] 本发明涉及一种缺陷分类系统,更详细而言,涉及一种用于将基于抄纸工序中经过干燥部后的纸的缺陷而形成的缺陷信息,分类为预先设定的多个缺陷原因项目中相应的缺陷原因项目的缺陷分类系统。 背景技术[0002] 造纸过程包括纸料制备工序和抄纸工序。纸料制备工序中,将干燥的浆板解纤,并加入填充剂和上浆剂等添加剂搅拌混合成纸浆分散体。抄纸工序中,利用抄纸机,通过湿部(包括网部和压榨部)、干燥部和卷绕部将该纸浆分散体制成纸张。 [0003] 但是,在抄纸工序中,为了提高生产效率,会以极快的速度进行纸(也包括干燥前的湿纸幅状态)的输送。因此,当在纸上发生了树脂等异物的附着等缺陷时,会大大降低成品率。 [0004] 因此,为在抄纸工序中极力抑制缺陷的发生,开发了各种各样的技术。 [0005] 例如,已知有一种监视系统,其具备:施加装置,其用于向与纸接触的抄纸机的部位施加药液;操作盘,其用于设定该施加装置的施加条件;监视相机,其用于对监视对象部位进行监视;控制装置,其通过网络与该监视相机连接,控制装置具有:运算部,其使用由监视相机拍摄的影像,通过二值化将监视对象部位的状态量化;显示部,其用于显示检测数据,该检测数据是在该运算装置对运行期间的二值化了的数值相对于稳定状态下的二值化了的数值的变化量进行量化所得的数据;以及存储部,其存储检测数据(例如,参照专利文献1)。 [0006] 现有技术文献 [0007] 专利文献: [0008] 专利文献1:日本专利特许第6697132号公报 发明内容[0009] 发明要解决的问题 [0010] 在上述专利文献1所述的监视系统中,虽然能够识别作为缺陷的原因的监视对象部位,并且能够防止因此在纸上产生缺陷,但由于需要将监视相机设置在高温多湿的监视对象部位,因此存在难以准备、维护的问题。 [0011] 本发明是鉴于上述情况而提出的,其目的在于提供一种易于准备、维护并且能够识别缺陷的原因的缺陷分类系统。 [0012] 用于解决问题的方案 [0013] 本发明人等为解决上述问题经过深入研究后发现,经过干燥部后的纸上发生的缺陷具有特征。并且发现,通过具备将经过干燥部后的纸作为摄像对象并提取缺陷的特征量的提取单元、使用机器学习到的分类模型计算置信度的计算单元、以及显示置信度的显示单元等,即可解决上述问题,从而完成了本发明。 [0014] 本发明的第1技术方案为,一种缺陷分类系统,其用于将基于抄纸工序中经过干燥部后的纸的缺陷而形成的缺陷信息,分类为基于预先设定的缺陷的原因所设的多个缺陷原因项目中相应的缺陷原因项目,其中,该缺陷分类系统具备:拍摄单元,其使拍摄装置对经过干燥部后的纸进行拍摄,获取所拍摄的图像数据;检测单元,其用于在图像数据中检测纸的缺陷;提取单元,其用于提取该缺陷的特征值;计算单元,其根据该缺陷的特征值,使预先设定了基准特征值的分类模型计算缺陷原因项目的置信度;以及显示单元,其用于显示置信度,分类模型根据预先积累的缺陷的特征值与多个缺陷原因项目间的关系,通过机器学习,学习了基准特征值。 [0015] 本发明的第2技术方案为,根据上述第1技术方案所述的缺陷分类系统,其中,在计算单元分别计算每个缺陷原因项目的所述置信度,还具备分类单元,该分类单元将缺陷信息分类为作为多个置信度中最大值的置信度的缺陷原因项目。 [0016] 本发明的第3技术方案为,根据上述第2技术方案所述的缺陷分类系统,其中,分类模型根据最大值的置信度为预先设定的规定值以下的缺陷的特征值与其所分类到的缺陷原因项目间的关系,通过机器学习,进一步进行了学习。 [0017] 本发明的第4技术方案为,根据上述第1技术方案至第3技术方案中任一方案所述的缺陷分类系统,其中,在缺陷的缺陷信息中,除了该缺陷的特征值外,还包含在纸上设置了坐标时的该缺陷的坐标数据。 [0018] 本发明的第5技术方案为,根据上述第1技术方案至第4技术方案中任一方案所述的缺陷分类系统,其中,缺陷原因项目至少包含将干燥部的异物附着作为缺陷的原因的项目。 [0019] 发明效果 [0020] 在本发明的缺陷分类系统中,将抄纸工序中的经过干燥部后的纸作为拍摄的对象,例如,在干燥部后设置拍摄装置即可。由此,由于不需要为了设置拍摄装置等而进入到进行抄纸工序的装置的内部,所以能够极其安全且简单地进行旨在使用缺陷分类系统的准备、维护。 [0021] 需要说明的是,缺陷分类系统中,由于将经过干燥部后的纸作为拍摄的对象,所以在纸上发生的缺陷起因于纸料制备工序或抄纸工序的干燥部以前的部分。 [0022] 本发明的缺陷分类系统中,由于具备检测单元及提取单元,所以会检测出在纸上发生的缺陷并提取其特征值。 [0023] 另外,由于具备计算单元,所以会根据其缺陷的特征值计算针对缺陷原因项目的置信度。 [0024] 而且,会通过显示单元显示该置信度。 [0025] 缺陷分类系统中,通过以上条件,能够识别针对该缺陷的缺陷原因项目的置信度。其结果是,能够将该缺陷分类为置信度较高的缺陷原因项目,同时,能够识别该缺陷的原因。 [0026] 例如,缺陷原因项目至少包含将干燥部的异物附着作为缺陷的原因的项目时,通过识别对该项目的置信度,能够识别该缺陷的原因是源于干燥部,还是源于干燥部以外。 [0027] 本发明的缺陷分类系统中,还具备分类单元时,能够识别包含该缺陷的缺陷原因项目。 [0028] 另外,通过根据该缺陷的缺陷信息和该缺陷被分类的缺陷原因项目,变更分类模型的基准特征值,能够提高分类的精度。 [0029] 本发明的缺陷分类系统中,能够使分类模型根据最大值的置信度为预先设定的规定值以下的缺陷的特征值与其所分类到的缺陷原因项目间的关系,通过机器学习进一步学习。由此,进一步提高通过分类模型计算的置信度的精度。 [0030] 本发明的缺陷分类系统中,当缺陷的缺陷信息中包含在纸上设置了坐标时的该缺陷的坐标数据时,能够根据缺陷的坐标数据推测出作为缺陷的原因的部分的更详细的位置。 [0031] 例如,在纸的长度方向上反复发生缺陷时,可能有异物附着在引导纸的辊、毛毡、帆布等环形工具上,另外,根据反复发生的缺陷彼此间的距离,能够在异物附着于辊时计算辊的直径,能够在异物附着于环形工具时计算异物在环形工具上的位置。附图说明 [0032] 图1是用于说明本实施方式的缺陷分类系统的结构的框图。 [0033] 图2是用于说明使用本实施方式的缺陷分类系统的抄纸工序以及拍摄装置的设置位置的侧视示意图。 [0034] 图3是示出本实施方式的缺陷分类系统中的缺陷原因项目与该缺陷原因项目中包含的缺陷的图像的图。 [0035] 图4是示出本实施方式的缺陷分类方法的流程图。 具体实施方式[0036] 以下根据需要参照附图,对本发明的优选实施方式进行详细说明。需要说明的是,附图中,对同一要素标注同一附图标记,省略重复的说明。另外,除非有特别强调,否则上下左右等位置关系基于附图所示的位置关系。而且,附图的尺寸比例不限于图示的比例。 [0039] 作为上述抄纸机,只要是能够进行所谓的抄纸工序的一系列的装置即可,不作特别限定,能够适当地采用现有已知的装置。 [0040] 缺陷分类系统中,作为对象的纸只要是能够通过抄纸工序制造,就不作特别限定。例如,作为该纸,能够采用印刷用纸、报纸用纸、涂布用纸、包装用纸、薄纸、卫生纸、纸巾等家庭纸、杂纸等所谓的洋纸、瓦楞纸板原纸、白板纸、色板纸、纸管原纸、建材原纸、各种衬纸等所谓的纸板等。 [0042] 另外,“异物”不仅包括树脂,还包括虫、纸粉、泥浆等。需要说明的是,“树脂”是指作为纸的原材料的纸浆中含有的夹杂物中的、来自胶带、浆糊的具有粘性的物质和来源于木材的具有粘性的物质。 [0043] 另外,“缺陷原因项目”是将作为缺陷的原因的事项区别开来形成的项目。需要说明的是,“多个缺陷原因项目”是指缺陷原因项目的集合体,该缺陷原因项目的缺陷的原因互不相同。 [0044] 另外,“置信度”是指是用于衡量预测的确定性有多大的统计量度(概率)。 [0045] 本实施方式的缺陷分类系统将基于抄纸工序中经过干燥部后的纸的缺陷所形成的缺陷信息,分类为基于预先设定的缺陷的原因所设的多个缺陷原因项目中相应的缺陷原因项目。 [0046] 图1是用于说明本实施方式的缺陷分类系统的结构的框图。 [0047] 如图1所示,缺陷分类系统10具备:使拍摄装置拍摄经过干燥部后的纸并获取所拍摄的图像数据的拍摄单元11、用于在图像数据中检测纸的缺陷的检测单元12、用于提取该缺陷的特征值的提取单元13、根据该缺陷的特征值使预先设定了基准特征值的分类模型计算缺陷原因项目的置信度的计算单元14、用于显示置信度的显示单元15、将缺陷信息分类为置信度为预先设定的规定值以上的缺陷原因项目的分类单元16、以及用于存储图像数据的存储单元17。 [0048] 缺陷分类系统中,通过具备这些单元,能够识别缺陷的针对每个缺陷原因项目的置信度。其结果是,如后所述,能够将该缺陷分类为置信度较高的缺陷原因项目,同时能够识别该缺陷的原因。 [0049] 拍摄单元11是使拍摄装置拍摄经过干燥部后的纸,并获取所拍摄的图像数据的单元。 [0050] 拍摄单元11经由有线或无线的网络,与拍摄装置连接。然后,向拍摄装置发出对经过干燥部后的纸进行拍摄的指令,使拍摄装置开始拍摄。 [0052] 然后,将拍摄单元11接收到的图像数据存储在存储单元17中。 [0053] 这里,拍摄装置被设置在抄纸工序中的比干燥部靠近纸的输送方向的下游侧。 [0054] 图2是用于说明使用本实施方式的缺陷分类系统的抄纸工序以及拍摄装置的设置位置的侧视示意图。 [0055] 如图2所示,利用抄纸机M进行抄纸工序。 [0056] 抄纸工序具有湿部W、干燥部D、压光部C以及卷绕部R。湿部W由网部W1和压榨部W2构成。网部W1将使纸浆分散在水中形成的分散液置于抄纸用的网上,使多余的水自然下落,由压榨部W2使其穿过一对压辊之间,隔着毛毡用压辊对其进行挤压,再由干燥部D隔着帆布K使其与加热了的干燥辊D1接触,使其干燥。 [0057] 需要说明的是,刮片D2抵接于干燥辊D1,用来去除附着在该干燥辊D1的表面的异物。 [0058] 抄纸工序中,在纸料制备工序得到的纸浆的分散体通过经过湿部W,成为所谓湿纸幅P1的状态,通过经过干燥部D,湿纸幅P1成为干燥后的纸P2的状态。 [0059] 然后,经过干燥部D后的纸P2通过经过压光部C,使纸P2的表面的凹凸变得平滑,在卷绕部R通过卷轴等卷取纸P2。 [0060] 拍摄装置G设置在压光部C与卷绕部R间的纸P2的上方。由此,纸P2在压光部C与卷绕部R之间,通过拍摄装置G对纸P2的表面进行拍摄。 [0061] 这样,缺陷分类系统10中,不必为设置拍摄装置G等而进入进行抄纸工序的装置的内部,能够极其安全且简单地进行准备、维护。 [0062] 回到图1,检测单元12是用于在所拍摄的图像数据中检测在纸上发生的缺陷的单元。 [0063] 需要说明的是,如上所述,由于拍摄装置G位于比干燥部D靠近纸的输送方向的下游侧,所以图像数据以经过干燥部D后的纸P2为对象。意即,可以说在图像数据中检测出的缺陷是在纸料制备工序或抄纸工序的干燥部D以前的部分发生的。 [0064] 检测单元12除了检测缺陷外,还在纸上设置虚拟的坐标并检测该缺陷的坐标数据。由此,能够根据缺陷的坐标,推测作为缺陷的原因的部分的更详细的位置。 [0065] 缺陷的坐标数据例如以纸的输送方向为Y轴,以纸的宽度方向为X轴。 [0066] 这里,只要将作为原点的位置设为:例如以到达通过拍摄装置G进行拍摄的开始位置的纸P2的前端为Y轴的原点(Y=0),以纸P2的左端为X轴的原点(X=0)即可。意即,只要以纸P的前端的左端为(X,Y)=(0,0)即可。 [0067] 然后,Y的值只要沿着纸P的长度方向越前往上游侧而数值越大即可,X的值只要从左端越前往右端而数值越大即可。 [0068] 此时,优选X轴方向上的相邻的坐标彼此间的距离是0.001~10mm,Y轴方向上的相邻的坐标彼此间的距离是0.001~10mm。这种情况下,即使在纸P2上发生了在可目视范围内极小的缺陷,也能可靠地检测出来。 [0069] 另外,当在纸的长度方向上相同的缺陷按照一定周期反复发生时,则很可能有异物附着在引导纸的辊、毛毡、帆布等环形工具上,从而成为纸的缺陷的原因。 [0070] 这种情况下,能够根据缺陷的坐标计算反复发生的缺陷彼此间的距离。然后,当异物附着在辊上时,由于该距离与辊的周长相当,所以能够推测出异物所附着的辊的直径,当异物附着在环形工具上时,能够根据该距离推测出异物附着的位置。 [0071] 缺陷的检测通过明暗检测或RGB检测实施量化而进行。意即,在规定的坐标,在量化的值发生异常时,可以说该坐标发生了缺陷。 [0072] 具体而言,当量化通过明暗检测实施时,只要通过灰度将上述图像作为黑白二值图像,将其灰度例如分成0~255的256个等级进行量化即可。 [0073] 另外,量化通过RGB检测实施时,只要量化特定颜色(例如,蓝色)即可。 [0074] 这样,由于检测单元12采用明暗检测或RGB检测,所以能够简单地识别缺陷的有无。 [0075] 需要说明的是,缺陷的图像、检测单元12的坐标数据以及量化缺陷的数据作为缺陷信息存储在存储单元17中。 [0076] 提取单元13是用于使用通过检测单元12量化出的缺陷的数据提取该缺陷的特征值的单元。 [0077] 提取单元13中,作为提取特征值的方法,能够适当地采用过滤法、封装法、内置法等。 [0078] 缺陷分类系统中,作为所提取的特征值的具体例子,可举出量化的缺陷的大小、形状、最大值、最小值、灰度差异、灰度等。 [0079] 作为深度学习的模型,例如能够使用CNN(Convolutional Neural Network:卷积神经网络)模型,作为网络模型,能够采用LeNet、AlexNet、VGG(VGG16、VGG19)、GoogLeNet、ResNet等。 [0080] 需要说明的是,缺陷的特征值作为缺陷信息存储在存储单元17中。 [0081] 计算单元14是根据通过提取单元12提取的缺陷的特征值,使预先设定了基准特征值的分类模型,分别计算每个缺陷原因项目的置信度的单元。 [0082] 图3是示出本实施方式的缺陷分类系统中的缺陷原因项目和该缺陷原因项目中包含的缺陷的图像的说明图。 [0083] 图3所示的“树脂”是指来自干燥部的辊或来自帆布的树脂的附着是缺陷的原因,“刮片”是指来自干燥部的刮片的树脂的付着是缺陷的原因,“抄入”是指纸料制备工序中的异物的抄入。 [0084] 另外,“孔洞”是指孔洞是缺陷的原因,“油污”是指油的附着是缺陷的原因,“虫”是指虫的附着是缺陷的原因,“断边”是指纸的边缘断裂是缺陷的原因。 [0085] 例如关于图3所示的缺陷的原因,分类模型根据缺陷原因项目以及从该缺陷原因项目包含的积累的缺陷的图像提取的特征值,通过机器学习,学习了基准特征值。 [0086] 需要说明的是,新得到了缺陷原因项目和该缺陷原因项目包含的缺陷的特征值的数据时,能够使分类模型进一步学习上述数据。意即,能够变更基准特征值。由此,进一步提高分类模型所计算的置信度的精度。 [0087] 这里,缺陷分类系统10中,作为缺陷原因项目,优选至少包含将干燥部的异物的附着作为缺陷的原因的项目。这种情况下,通过识别针对该项目的置信度,能够识别该缺陷的原因是源于干燥部,还是源于干燥部以外。 [0088] 需要说明的是,由于图3所示的树脂的附着在干燥部发生,抄入在纸料制备工序发生,所以通过对这些进行区别,能够识别缺陷的原因是源于纸料制备工序,还是源于干燥部。 [0089] 计算单元14中,分类模型针对通过提取单元12提取的缺陷的特征值,对每个缺陷原因项目计算置信度。 [0090] 然后,将所计算出的置信度显示在显示单元15上。 [0091] 由此,能够识别置信度较高的缺陷原因项目、置信度较低的缺陷原因项目。 [0092] 需要说明的是,作为显示单元15采用监视器、触控屏等即可。 [0093] 回到图1,分类单元16是针对一个缺陷将该缺陷的缺陷信息分类为对每个缺陷原因项目计算的置信度中的、作为最大值的置信度的缺陷原因项目的文件夹的单元。 [0094] 由此,能够识别包含该缺陷的缺陷原因项目。 [0095] 另外,通过根据该缺陷的缺陷信息和该缺陷被分类的缺陷原因项目,变更分类模型的基准特征值,能够提高分类的精度。 [0096] 分类单元16中,当最大值的置信度为预先设定的规定值以下时,优选使分类模型根据该缺陷的特征值与其所分类到的缺陷原因项目的关系,通过机器学习进一步学习。需要说明的是,上述分类的操作既可以根据最大值的置信度将该最大值的置信度为预先设定的规定值以下的缺陷分类为缺陷原因项目,然后,通过由人追认其是否正确来进行,也可以通过由人将最大值的置信度为预先设定的规定值以下的缺陷分类为正确的缺陷原因项目来进行。 [0097] 由此,进一步提高分类模型计算的置信度的精度。需要说明的是,可任意设定规定值。 [0098] 下面,对使用本实施方式的缺陷分类系统的缺陷分类方法进行说明。 [0099] 图4是示出本实施方式的缺陷分类方法的流程图。 [0100] 如图4所示,缺陷分类方法具有:使拍摄装置G对经过干燥部后的纸进行拍摄并获取所拍摄的图像数据的拍摄步骤S11、用于在图像数据中检测纸的缺陷的检测步骤S12、用于提取该缺陷的特征值的提取步骤S13、根据该缺陷的特征值使预先设定了基准特征值的分类模型20计算缺陷原因项目的置信度的计算步骤S14、用于显示置信度的显示单元S15、将缺陷信息分类为置信度为预先设定的规定值以上的缺陷原因项目的分类步骤S16。 [0101] 缺陷分类方法中,至少拍摄单元11及检测单元12存储在第1计算机C1中,至少提取单元13、计算单元14、显示单元15、分类单元16、存储单元17存储在第2计算机C2中。然后,第1计算机C1与第2计算机C2经由云等连接在一起。 [0102] 因此,缺陷分类方法中,拍摄步骤S11及检测步骤S12利用第1计算机C1执行,提取步骤S13、计算步骤S14、显示步骤S15及分类步骤S16利用第2计算机C2执行。 [0103] 需要说明的是,也可在上述第2计算机C2上连接多个执行拍摄步骤S11等的第1计算机C1。 [0104] 根据缺陷分类方法,由于与上述缺陷分类系统同样,具有检测步骤S11及提取步骤S12,所以能够检测出在纸上发生的缺陷,并提取其特征值。 [0105] 另外,由于具有计算步骤S13,所以能够根据该缺陷的特征值,计算针对缺陷原因项目的置信度。 [0106] 然后,通过显示步骤S15显示该置信度。 [0107] 通过以上这些,在缺陷分类方法中,能够识别该缺陷的针对缺陷原因项目的置信度。其结果是,能够将该缺陷分类为置信度较高的缺陷原因项目,同时能够识别该缺陷的原因。 [0108] 另外,由于具有分类步骤S16,所以通过根据该缺陷的缺陷信息和该缺陷所分类到的缺陷原因项目,变更分类模型的基准特征值,能够提高分类的精度。 [0109] 以上对本发明的优选实施方式进行了说明,但本发明不限于上述实施方式。 [0110] 本实施方式的缺陷分类系统10中,拍摄装置G设置于压光部C及卷绕部R之间的纸P2的上方,但不限于该位置。例如,也可以设置在纸P2的下方,或是设置在上方和下方这两处。 [0111] 本实施方式的缺陷分类系统10中,抄纸工序具有湿部W、干燥部D、压光部C及卷绕部R,但不限于此。 [0112] 例如,也可以不具有压光部C及卷绕部R。 [0113] 另外,也可以取代卷绕部R而设置切割和回收纸张的加工机器等。 [0114] 本实施方式的缺陷分类系统10中,拍摄装置G设置于压光部C及卷绕部R之间的纸P2的上方,但不限于此,只要是干燥部D的下游侧即可。 [0115] 例如,也可以设置在干燥部D与压光部C之间的纸P2的上方。 [0116] 另外,只要将拍摄装置G设置在干燥部D的下游侧,则也可以还具备其它的拍摄装置。这种情况下,能够实现更详细的分类。 [0117] 本实施方式的缺陷分类系统10中,设定坐标时,将作为原点的位置设为:以纸P2的前端为Y轴的原点(Y=0),以纸P的左端为X轴的原点(X=0),但不限于此。 [0118] 本实施方式的缺陷分类系统10中,缺陷的检测通过明暗检测或RGB检测实施量化而进行,但不限于此,也可以采用灰度处理、图案搜索、边缘检测等方法。 [0119] 【产业上的可利用性】 [0120] 本发明的缺陷分类系统可用作将基于抄纸工序中的经过干燥部后的纸的缺陷所形成的缺陷信息,分类为预先设定的多个缺陷原因项目中相应的缺陷原因项目的系统。 [0121] 根据本发明的缺陷分类系统,易于准备、维护,且能够识别缺陷的原因。 [0122] 附图标记说明 [0123] 10:缺陷分类系统 [0124] 11:拍摄单元 [0125] 12:检测单元 [0126] 13:提取单元 [0127] 14:计算单元 [0128] 15:显示单元 [0129] 16:分类单元 [0130] 17:存储单元 [0131] 20:分类模型 [0132] C:压光部 [0133] C1,C2:计算机 [0134] D:干燥部 [0135] D1:干燥辊 [0136] D2:刮片 [0137] G:拍摄装置 [0138] K:帆布 [0139] M:抄纸机 [0140] P1:湿纸幅 [0141] P2:纸 [0142] R:卷绕部 [0143] S11:拍摄步骤 [0144] S12:检测步骤 [0145] S13:提取步骤 [0146] S14:计算步骤 [0147] S15:显示步骤 [0148] S16:分类步骤 [0149] W:湿部 [0150] W1:网部 [0151] W2:压榨部。 |