应用探析 | AI智能高速视觉技术在烟草行业的应用

      烟草行业拥有复杂、完整的生产工艺：烟叶初烤-打叶复烤-烟叶发酵-卷烟配方-卷烟制丝-烟支制卷-卷烟包装（见图1）。历经多年发展，自动化水平已达较高水准，但随着卷烟产品高端向上的品质策略及个性化新SKU数量的持续快速增长，客观存在识别能力、识别速度、剔除率/识别率日益增长的视觉检测需求与能力简单、效率一般、识别准确率有限的传统2D机器视觉之间的矛盾，此矛盾贯穿卷烟生产工艺全过程。

                                                    图1  打叶复烤流水生产线

      1打叶复烤工艺关键是其杂质检测剔除装置（见图5），对可能混杂在烟草中的各类异物进行剔除，如麻绳、橡胶、塑料薄膜、鸡毛、纸片、布标、霉变烟叶等，千眼狼高速视觉检测系统嵌入了关键的深度学习模块，采用BP、SGD网络训练算法，基于针对异物采集的数万张图片，训练过程按训练-验证-测试三大子集层层递进。通过10~15次的迭代训练，建立可备份、可迁移的模型（见图6），实现高达96%的剔除效率。

图5 集成深度学习模块的杂质检测剔除装置

图6深度学习过程

      2成品烟质量检测分外观（见图7）与内部质量检测（见图8）。采用千眼狼高速摄像机5F10，核心参数1280×860@1000 fps，可实现800支/秒的检测效率，用于可见污迹（杂物、粘胶、黄斑、油渍）、钢印缺陷、褶皱等外观缺陷。

图7 成品烟外观质量检测

      内部质量检测主要针对过滤嘴中各种口味的爆珠，因外部无法形成检测，千眼狼高速视觉检测系统集成了X光检测仪对过滤嘴的位置长度、间距、不同结构间间隙进行检测（见图8），精度可达0.3mm。对不符合要求的过滤嘴做下线处理。

图8 对过滤嘴质量检测

      3成品烟包装质量检测领域应用，以单包为例，针对商标、顶部图案是否漏印，方向及位置是否正确，内包装和外包装的相关位置检测需求，亦融入深度需学习模块，对烟包的前、后、左、右、顶五个面进行图像捕捉与特征标注，然后利用定位分析“软传感器（spectation）”功能锁定软包的边缘，根据确定边缘后的实际位置执行检测任务。

图9单包快速外观质量检测

      展望烟草行业未来潜在应用中，如何对烟丝的质量深度检测与学习能力、效率的持续提升成为业内兴趣话题，比如通过多光谱高速相机对烟丝的污斑进行极ng准识别，深度学习模块中融入双目三维测量（烟丝的间距、弯曲度、长短信息）等。随着烟草行业产品品质向上的策略进一步推进，相信具有深度学习及支持专业测量、多光谱测量的高速AI智能视觉系统将发挥越来越重要的作用。