淺談人工智能機器視覺技術(shù)在煙草行業(yè)的應(yīng)用

盧鑫 楊閩 朱艷梅 婁亞 周玉龍 楊其慶

摘要：計算機視覺在工業(yè)中的應(yīng)用研究是目前計算機視覺研究的一個重要研究方向，本文結(jié)合煙草行業(yè)的具體需求，在深入研究計算機視覺基本理論和技術(shù)的基礎(chǔ)上，開展了多項計算機視覺應(yīng)用研究，取得的成果不僅促進了部分煙草質(zhì)檢方法的技術(shù)革新，對計算機視覺技術(shù)在物理指標檢測領(lǐng)域的推廣應(yīng)用也具有一定的積極意義。

關(guān)鍵詞：計算機視覺技術(shù);煙草;應(yīng)用

新一代人工智能技術(shù)飛速發(fā)展，并加速與煙草行業(yè)融合，這一融合趨勢為煙草行業(yè)高質(zhì)量發(fā)展的轉(zhuǎn)型升級帶來了新機遇。而做為人工智能核心技術(shù)之一的機器視覺技術(shù)，以其客觀性和可靠性、自動化、高效性、靈活性以及高精度，在煙草行業(yè)廣泛應(yīng)用于產(chǎn)品質(zhì)量檢測、產(chǎn)品識別、產(chǎn)品尺寸測量等方面。

一、高速視覺技術(shù)在煙草行業(yè)的應(yīng)用

1.煙草異物剔除系統(tǒng)的應(yīng)用

煙草異物剔除系統(tǒng)是打葉復(fù)烤工藝的關(guān)鍵。本系統(tǒng)包括進料輸送機、視頻組件、回收箱和電控柜。通過這四個組件協(xié)調(diào)工作，對煙絲中的異物進行識別、分揀與剔除。系統(tǒng)采用先進的計算機控制技術(shù)、實時數(shù)字圖像處理技術(shù)、模式識別技術(shù)、人工智能技術(shù)以及復(fù)雜可靠的機械設(shè)備。通過應(yīng)用線陣CCD 技術(shù)，采集5m/s～7m/s 速度從皮帶機輸出端平拋出的單層煙葉流圖像，進而進行圖像分析，做出相應(yīng)判斷，快速電磁閥氣吹系統(tǒng)保證了從判斷到剔除的實時性和準確性。圖像處理采取4臺計算機并行工作方式，一次完成全部 4 臺像機的配方采樣工作，建好一個樣本只需要操作一次，時間一般不超過6分鐘。它對提高產(chǎn)品質(zhì)量，提高企業(yè)的市場競爭能力具有十分重要的意義。

2.成品煙外觀質(zhì)量檢測領(lǐng)域的應(yīng)用

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。

3.成品煙包裝質(zhì)量檢測領(lǐng)域的應(yīng)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(xué)習(xí)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”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(wù)。

4.煙支檢測系統(tǒng)的應(yīng)用

煙支檢測系統(tǒng)是香煙包裝機中不可缺少的包裝質(zhì)量控制部件，它檢測香煙小包中缺支、缺嘴、空頭、反支等情況，確保香煙出廠的品質(zhì)。高速的卷接機生產(chǎn)速度達到 10000支/分以上，各類檢測手段則只有達到更高的檢測速度才能滿足。 尋找新的機器視覺檢測方式，提高檢測速度是關(guān)鍵 。

二、視覺技術(shù)在形態(tài)特征檢測中應(yīng)用

1.煙葉智能分定級

煙葉分級是生產(chǎn)煙草制品的必經(jīng)程序，為了提高煙葉分級過程的工作效率，，提出了一種基于機器智能識別的煙葉分級技術(shù)。通過機器對煙葉圖像進行拍攝識別從中提取用于分類定級的關(guān)鍵信息，與前期輸入至機器中的分類標準進行對照后，實現(xiàn)對煙葉的智能識別和分級。該技術(shù)可以提高煙葉分級效率，提高煙葉分級過程的準確性。

2.片煙形狀測量

片煙形狀是決定煙絲結(jié)構(gòu)的重要因素之一。基于計算機視覺的片煙形狀測量系統(tǒng)主要由線陣CCD相機、線陣LED光源、運送皮帶機、驅(qū)動裝置等部分組成。通過建立片煙形狀特征與煙絲結(jié)構(gòu)間的關(guān)系，可以對打葉過程中的片煙形狀進行調(diào)節(jié)，有效控制片煙切絲后的煙絲結(jié)構(gòu)，穩(wěn)定卷制過程中煙支的空頭率、含末率及端部落絲量等指標。

3.煙梗切絲質(zhì)量分析

梗絲是煙絲的重要組成部分，煙梗切絲質(zhì)量對卷煙工藝、感官和煙氣成分穩(wěn)定性等具有重要影響。為快速分析煙梗的切絲質(zhì)量，提出了一種基于視覺形態(tài)特征檢測的煙梗切絲質(zhì)量分析方法，對梗絲的含絲率、結(jié)構(gòu)均勻性及寬度均勻性三項指標進行視覺特征提取，使用形狀因子等特征描述子對三項指標進行定量描述，旨在為煙梗切絲質(zhì)量的評估提供一種客觀、可靠的新方法。

相關(guān)AI圖像技術(shù)還運用到制絲生產(chǎn)線煙絲寬度測量中，在切絲機出口布設(shè)攝像機，在線拍攝并測量圖像中煙絲寬度，識別花片、長絲等煙絲結(jié)構(gòu)，發(fā)現(xiàn)異常及時報警，有效提升了煙絲寬度控制精度，解決了煙絲寬度檢測效率低的問題。

三、視覺技術(shù)在煙葉大田生產(chǎn)中應(yīng)用

1.病蟲害識別

隨著信息技術(shù)的快速發(fā)展，人工智能、互聯(lián)網(wǎng)+、大數(shù)據(jù)、云計算等技術(shù)已經(jīng)使實現(xiàn)病蟲藥害的快速識別成為可能。煙農(nóng)可以直接在田間地頭隨拍隨處置。同時，照片的位置信息，病蟲害信息會實時匯總到云端病蟲害測報管理平臺，使專家對突發(fā)病蟲害、新型病蟲害、病蟲害發(fā)生的區(qū)域、特點、趨勢可以實時收集，從宏觀層面提出更好的分析和判斷。

完成通過手機智能識別，自助指導(dǎo)，記錄防治足跡，發(fā)布問答和附近農(nóng)友煙地發(fā)生病蟲藥害情況，對比煙葉生產(chǎn)狀況等功能。完成煙草病蟲藥害識別診斷的移動客戶端。煙草病蟲藥害自動識別診斷系統(tǒng)平臺搭建在云端服務(wù)器上，完成基于位置的服務(wù)功能，實現(xiàn)拍攝上傳病發(fā)煙葉的定位，便于云端統(tǒng)計與分析。完成小程序圖片上傳API、識別模型API、用戶登錄API、數(shù)據(jù)返回API的實現(xiàn)。完成小程序自動更新、用戶位置及個人信息獲取等功能的實現(xiàn)。

2.煙葉成熟度識別

主要依據(jù)是《中國煙草學(xué)報》2019期1期中《基于BPNN和SVM的煙葉成熟度鑒別模型》西南大學(xué)祝詩平教授的學(xué)術(shù)論文，該學(xué)術(shù)論文是在沒有考慮天氣、日光強度、多片煙葉重疊、拍攝角度等因素對鑒別準確率的影響下，采集324份下部煙圖像樣本，基于BP神經(jīng)網(wǎng)絡(luò)和支持向量機建立了下部煙葉成熟度鑒別模型是有可行的，但該文也表示建立煙葉成熟度鑒別模型，需要人工反復(fù)測量，再根據(jù)測量結(jié)果，人工再來鑒定煙葉成熟度，判定準確率。所以短時間內(nèi)讓機器人采收落地是不現(xiàn)實的。

四、視覺技術(shù)在卷煙包裝真?zhèn)巫R別應(yīng)用

卷煙真?zhèn)舞b別主要是通過感官（即人眼），對檢驗樣品與真品或真品技術(shù)信息在加工工藝、印刷工藝等方面的差別進行比對，以判定檢驗樣品的真?zhèn)巍榻鉀Q人工鑒別真?zhèn)尉頍熜实汀⒅饔^性強等問題，基于計算機視覺和機器學(xué)習(xí)建立了一種真?zhèn)尉頍煱b鑒別模型。利用計算機視覺對卷煙包裝進行圖像處理和特征向量提取，分別以相似性度量模型、機器學(xué)習(xí)模型對特征向量進行分類并判定卷煙真?zhèn)巍Ｏ嗨菩远攘磕Ｐ筒捎寐D距離模型進行分類，并對高斯雙邊濾波函數(shù)進行了參數(shù)優(yōu)化;機器學(xué)習(xí)模型則以圖像分塊為基礎(chǔ)，確定最優(yōu)分塊數(shù)量和面積。機器學(xué)習(xí)模型與相似性度量模型相比較，具有較好的遷移能力和魯棒性，適用于卷煙真?zhèn)舞b別樣品量大、品類多、圖像復(fù)雜等情況。該方法可為提高真?zhèn)尉頍熻b別效率和準確率提供技術(shù)支持。

（1云南省煙草公司文山州公司?云南?文山?663099;2北京航空航天大學(xué)云南創(chuàng)新研究院?云南?昆明?650233）