煙草行業(yè)擁有復雜、完整的生產(chǎn)工藝：煙葉初烤-打葉復烤-煙葉發(fā)酵-卷煙配方-卷煙制絲-煙支制卷-卷煙包裝（見圖1）。歷經(jīng)多年發(fā)展，自動化水平已達較高水準，但隨著卷煙產(chǎn)品高端向上的品質(zhì)策略及個性化新SKU數(shù)量的持續(xù)快速增長，客觀存在識別能力、識別速度、剔除率/識別率日益增長的視覺檢測需求與能力簡單、效率一般、識別準確率有限的傳統(tǒng)2D機器視覺之間的矛盾，此矛盾貫穿卷煙生產(chǎn)工藝全過程。

圖1   打葉復烤流水生產(chǎn)線

富煌君達為煙草行業(yè)量身打造的千眼狼高速視覺檢測系統(tǒng)，融入基于CNN卷積神經(jīng)網(wǎng)絡的深度學習模塊，具有智能、可擴展性、高效、高準確率等特點，具體可應用至“打葉復烤工藝雜質(zhì)視覺檢測”、“成品煙質(zhì)量檢測”、“包裝外觀質(zhì)量檢測”等多個子領(lǐng)域中（見圖2-4）。

1打葉復烤工藝關(guān)鍵是其雜質(zhì)檢測剔除裝置（見圖5），對可能混雜在煙草中的各類異物進行剔除，如麻繩、橡膠、塑料薄膜、雞毛、紙片、布標、霉變煙葉等，千眼狼高速視覺檢測系統(tǒng)嵌入了關(guān)鍵的深度學習模塊，采用BP、SGD網(wǎng)絡訓練算法，基于針對異物采集的數(shù)萬張圖片，訓練過程按訓練-驗證-測試三大子集層層遞進。通過10~15次的迭代訓練，建立可備份、可遷移的模型（見圖6），實現(xiàn)高達96%的剔除效率。

圖5 集成深度學習模塊的雜質(zhì)檢測剔除裝置

圖6深度學習過程

2成品煙質(zhì)量檢測分外觀（見圖7）與內(nèi)部質(zhì)量檢測（見圖8）。采用千眼狼高速攝像機5F10，核心參數(shù)1280×860@1000 fps，可實現(xiàn)800支/秒的檢測效率，用于可見污跡（雜物、粘膠、黃斑、油漬）、鋼印缺陷、褶皺等外觀缺陷。

圖7 成品煙外觀質(zhì)量檢測

內(nèi)部質(zhì)量檢測主要針對過濾嘴中各種口味的爆珠，因外部無法形成檢測，千眼狼高速視覺檢測系統(tǒng)集成了X光檢測儀對過濾嘴的位置長度、間距、不同結(jié)構(gòu)間間隙進行檢測（見圖8），精度可達0.3mm。對不符合要求的過濾嘴做下線處理。

圖8 對過濾嘴質(zhì)量檢測

3成品煙包裝質(zhì)量檢測領(lǐng)域應用，以單包為例，針對商標、頂部圖案是否漏印，方向及位置是否正確，內(nèi)包裝和外包裝的相關(guān)位置檢測需求，亦融入深度需學習模塊，對煙包的前、后、左、右、頂五個面進行圖像捕捉與特征標注，然后利用定位分析“軟傳感器（spectation）”功能鎖定軟包的邊緣，根據(jù)確定邊緣后的實際位置執(zhí)行檢測任務。