淺談人工智能機器視覺技術在煙草行業的應用

盧鑫 楊閩 朱艷梅 婁亞 周玉龍 楊其慶

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

關鍵詞：計算機視覺技術;煙草;應用

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

一、高速視覺技術在煙草行業的應用

1.煙草異物剔除系統的應用

煙草異物剔除系統是打葉復烤工藝的關鍵。本系統包括進料輸送機、視頻組件、回收箱和電控柜。通過這四個組件協調工作，對煙絲中的異物進行識別、分揀與剔除。系統采用先進的計算機控制技術、實時數字圖像處理技術、模式識別技術、人工智能技術以及復雜可靠的機械設備。通過應用線陣CCD 技術，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，做出相應判斷，快速電磁閥氣吹系統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。它對提高產品質量，提高企業的市場競爭能力具有十分重要的意義。

2.成品煙外觀質量檢測領域的應用

采用千眼狼高速攝像機5F10，核心參數1280×860@1000 fps，可實現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.成品煙包裝質量檢測領域的應用

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，內包裝和外包裝的相關位置檢測需求，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”功能鎖定軟包的邊緣，根據確定邊緣后的實際位置執行檢測任務。

4.煙支檢測系統的應用

煙支檢測系統是香煙包裝機中不可缺少的包裝質量控制部件，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。高速的卷接機生產速度達到 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，提高檢測速度是關鍵 。

二、視覺技術在形態特征檢測中應用

1.煙葉智能分定級

煙葉分級是生產煙草制品的必經程序，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。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鍵信息，與前期輸入至機器中的分類標準進行對照后，實現對煙葉的智能識別和分級。該技術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構的重要因素之一?；谟嬎銠C視覺的片煙形狀測量系統主要由線陣CCD相機、線陣LED光源、運送皮帶機、驅動裝置等部分組成。通過建立片煙形狀特征與煙絲結構間的關系，可以對打葉過程中的片煙形狀進行調節，有效控制片煙切絲后的煙絲結構，穩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.煙梗切絲質量分析

梗絲是煙絲的重要組成部分，煙梗切絲質量對卷煙工藝、感官和煙氣成分穩定性等具有重要影響。為快速分析煙梗的切絲質量，提出了一種基于視覺形態特征檢測的煙梗切絲質量分析方法，對梗絲的含絲率、結構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，旨在為煙梗切絲質量的評估提供一種客觀、可靠的新方法。

相關AI圖像技術還運用到制絲生產線煙絲寬度測量中，在切絲機出口布設攝像機，在線拍攝并測量圖像中煙絲寬度，識別花片、長絲等煙絲結構，發現異常及時報警，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、視覺技術在煙葉大田生產中應用

1.病蟲害識別

隨著信息技術的快速發展，人工智能、互聯網+、大數據、云計算等技術已經使實現病蟲藥害的快速識別成為可能。煙農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，使專家對突發病蟲害、新型病蟲害、病蟲害發生的區域、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，記錄防治足跡，發布問答和附近農友煙地發生病蟲藥害情況，對比煙葉生產狀況等功能。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平臺搭建在云端服務器上，完成基于位置的服務功能，實現拍攝上傳病發煙葉的定位，便于云端統計與分析。完成小程序圖片上傳API、識別模型API、用戶登錄API、數據返回API的實現。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。

2.煙葉成熟度識別

主要依據是《中國煙草學報》2019期1期中《基于BPNN和SVM的煙葉成熟度鑒別模型》西南大學祝詩平教授的學術論文，該學術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神經網絡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，需要人工反復測量，再根據測量結果，人工再來鑒定煙葉成熟度，判定準確率。所以短時間內讓機器人采收落地是不現實的。

四、視覺技術在卷煙包裝真偽識別應用

卷煙真偽鑒別主要是通過感官（即人眼），對檢驗樣品與真品或真品技術信息在加工工藝、印刷工藝等方面的差別進行比對，以判定檢驗樣品的真偽。為解決人工鑒別真偽卷煙效率低、主觀性強等問題，基于計算機視覺和機器學習建立了一種真偽卷煙包裝鑒別模型。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、機器學習模型對特征向量進行分類并判定卷煙真偽。相似性度量模型采用曼哈頓距離模型進行分類，并對高斯雙邊濾波函數進行了參數優化;機器學習模型則以圖像分塊為基礎，確定最優分塊數量和面積。機器學習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，適用于卷煙真偽鑒別樣品量大、品類多、圖像復雜等情況。該方法可為提高真偽卷煙鑒別效率和準確率提供技術支持。

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