卷煙煙支和盒裝外觀質量檢測儀的研制與應用

常晟，楊彤瑤，郝靜烈，冷曉飛，王曉霞

紅云紅河煙草（集團）有限責任公司，云南昆明，650231

0 引言

卷煙煙支和盒裝外觀的檢測是卷煙產品質量檢測的關鍵指標之一，檢測出外觀缺陷并分析成因是實現(xiàn)高質量生產卷煙產品的前提。目前煙草行業(yè)圍繞卷煙外觀檢測已經(jīng)開展了很多研究工作，玉溪卷煙廠和紅河卷煙廠[1-2]分別設計了一種包裝盒外觀質量六面自動檢測方法和一種智能煙件外觀檢測裝置，柳州卷煙廠和長春卷煙廠[3-4]分別設計了一套小盒煙包外觀檢測系統(tǒng)，紅云紅河煙草（集團）有限責任公司[5-8]針對在線卷煙外觀檢測技術做了大量研究，對在線煙支和盒裝外觀檢測設備做了大量完善和優(yōu)化工作，同時也研發(fā)了一種基于CCD的盒裝煙標測量裝置。但是，目前大多數(shù)研究僅限于在線檢測設備的優(yōu)化、單一的盒裝或者平張條盒外觀檢測的研究，煙支和盒裝外觀一體化離線檢測儀器還未見報道，并且卷煙外觀離線檢測大多采用傳統(tǒng)的人工檢測方式，通過人眼和尺子來識別和量化盒裝和煙支的外觀缺陷，使用這種方法，效率難以提高并且耗費人力。針對此問題，本文設計了一臺基于卷積神經(jīng)網(wǎng)絡-循環(huán)神經(jīng)網(wǎng)絡的盒裝和煙支外觀檢測儀器，通過模擬人的識別過程并進行訓練學習，輔助人工進行外觀質量的檢測判定。

1 外觀質量檢測儀的設計

1.1 硬件設計及工作原理

外觀質量檢測儀的總體設計方案如圖1所示，卷煙外觀檢測儀的主要硬件包括：CCD工業(yè)相機、LED照明裝置、光纖傳感器、工業(yè)控制計算機、PLC電控系統(tǒng)、輸送通道和傳送鼓輪等。

圖1 外觀質量檢測儀原理圖

盒裝煙包和煙支會觸發(fā)光纖傳感器信號，當有盒裝煙包、煙支來到檢測位置時候，傳感器將發(fā)出信號，控制CCD工業(yè)相機拍攝當前煙包、煙支的圖像，CCD工業(yè)相機分別對煙包盒裝的正面、背面，兩個側面以及兩個端面，以及煙支的整個外周及兩個端面進行圖像采集。LED光源分別安裝在檢測支架的各個部位，能從多個方向對煙包、煙支進行照明，以便消除煙包表面的陰影范圍，同時減少透明紙的反光面積。將煙支、盒裝的反射光轉化為電子信號，再對電子信號進行分析處理，從而得出煙支、盒裝的外觀質量參數(shù)。

盒裝是采用鼓輪旋轉和皮帶差速裝置對煙包進行旋轉，使其六個面都能被檢測。將待檢盒裝煙包輸送到裝置內，檢測開始，盒裝煙包輸送裝置自動抬升煙包，并推送到傳輸皮帶上，由傳送皮帶運送到指定位置，觸發(fā)各位置視覺攝像頭采集圖片，盒裝煙包之后進入傳送鼓輪，并翻轉到指定角度，完成相應位置圖像采集；之后盒裝煙包被鼓輪翻轉后，進入傳送帶后段，完成后續(xù)圖像采集。

進行煙支檢測時，卷煙煙支經(jīng)傳送鼓輪輸送至傳送皮帶，傳送皮帶將煙支輸送至煙支翹板,觸發(fā)各位置視覺攝像頭采集煙支圖像，通過對煙支的旋轉從而對整個圓周面進行圖像采集，同時對煙支兩端的空頭缺嘴等缺陷情況進行圖像采集，之后，煙支翹板翻下，完成檢測煙支依次進入回收盒內。

在煙包輸送裝置上方裝有激光位移傳感器，檢測開始時，盒裝煙包被推送組件推動，產生平行位移，激光位移傳感器對盒裝煙包表面距離進行高速采樣，控制器根據(jù)盒裝煙包的牌號數(shù)據(jù)，如果出現(xiàn)超過設定偏差的情況時，儀器就會判定卷煙煙包出現(xiàn)平整度缺陷，根據(jù)這個方法實現(xiàn)對盒裝煙包的平整度檢測。

1.2 軟件的開發(fā)

使用兩個開發(fā)平臺Halcon和TensorFlow共同完成軟件的開發(fā)，盒裝和煙支外觀檢測系統(tǒng)采用了傳統(tǒng)機器視覺算法和深度學習算法結合的架構，傳統(tǒng)機器視覺算法采用C#進行編寫，深度學習算法采用了Python編寫。傳統(tǒng)機器視覺算法用于處理容易提取和容易量化的特征，例如：面積、角度、長度、顏色等，并對圖像進行縮放、增強等預處理，消除由于拍攝、光源、對焦等產生的一系列問題，增強圖像的一致性，采用深度學習算法處理很難提取特征的缺陷。

采集圖像后，采用卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）-循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN）架構構建軟件系統(tǒng)，利用兩者相結合完成缺陷檢測的識別分類，軟件工作原理如圖2所示。最后，構建自動統(tǒng)計分析模型，并結合外觀質量特征數(shù)據(jù)庫數(shù)據(jù)、質量判定標準，形成有效的質量檢驗信息，實現(xiàn)檢測結果的自動分析和判定，從而使儀器輔助人工進行外觀質量的判定。

圖2 軟件工作原理圖

1.2.1 質量特征數(shù)據(jù)庫的建立

要實現(xiàn)模型的檢測功能，首先要建立卷煙煙支和盒裝外觀質量特征數(shù)據(jù)庫，數(shù)據(jù)庫中主要包括各種卷煙煙支和盒裝外觀質量缺陷圖像信息，對缺陷進行人工標記，得到質量特征數(shù)據(jù)庫，最終將這些圖像數(shù)據(jù)庫的圖片作為樣本進行訓練和學習。

1.2.2 卷積神經(jīng)網(wǎng)絡-循環(huán)神經(jīng)網(wǎng)絡模型

卷積神經(jīng)網(wǎng)絡是一種前饋神經(jīng)網(wǎng)絡，其優(yōu)勢在于對于大量數(shù)據(jù)和復雜圖像的處理能力[9]，卷積神經(jīng)網(wǎng)絡在圖像識別領域的研究，國內學者已經(jīng)做了很多工作，如文宏[10]應用于交通標志的識別、周敏等[11]應用于遙感圖像的識別、馮家文等[12]應用于靜態(tài)手勢圖像的識別、Chen等[13]應用于檢測衛(wèi)星圖像中的車輛、Zhang等[14]應用于雷達圖像的分類。所以，卷積神經(jīng)網(wǎng)絡作為一種高效的深度學習模型，在特征識別領域有其自身優(yōu)勢，將其擴展至卷煙外觀的離線識別領域可以提高外觀缺陷的識別效率。

循環(huán)神經(jīng)網(wǎng)絡可以較好地處理有時間依賴關系的數(shù)據(jù)，在卷煙外觀檢測中卷煙外觀具有較強的一致性，數(shù)據(jù)具有時間相關性，循環(huán)神經(jīng)網(wǎng)絡可以充分利用歷史數(shù)據(jù)，使整個檢測系統(tǒng)具備記憶學習的功能，從而提高檢測效率。同時為解決循環(huán)神經(jīng)網(wǎng)絡梯度消失和梯度爆炸的問題，由Hochreiter[15]等人提出了長短期記憶（long-shortterm memory，LSTM）單元，因此在模型中引入了LSTM以及門控機制，提高了檢測效率也降低了誤檢率。

儀器采集圖像之后，輸入經(jīng)過預處理的圖像，圖像進入模型后分別得到對應的特征圖像，經(jīng)過提取特征，比較分析存在缺陷的盒裝或煙支，算法會發(fā)現(xiàn)與正常的樣品相比相同位置處存在差別，因此，模型就可以有效地區(qū)分出外觀存在缺陷的盒裝煙包或煙支，隨后進行分類輸出，模型算法如圖3所示。

圖3 算法流程

2 結果分析

2.1 儀器運行測試

進入操作界面，設定參數(shù)后，在檢測起始位置放置好煙盒和煙支后，點擊啟動運行檢測程序，儀器會自動采集圖像并進行分析（如圖4所示）。

圖4 儀器操作界面

檢測自動完成后，結果界面會顯示檢測結果，煙盒和煙支的缺陷種類和數(shù)量會自動分類輸出（如圖5所示）。

圖5 檢測結果示意圖

2.2 試驗結果對比

在儀器投入運行后，儀器檢測的結果與人工檢測結果進行了比對。連續(xù)檢測了500包煙以及10000支煙支，人工進行檢測后，對相應的缺陷進行記錄，之后再將所有煙包及煙支放入機器進行檢測，檢測結果如表1所示。

表1 儀器與人工檢測比對結果

3 結論

該檢測儀器可以根據(jù)不同牌號卷煙品牌的特征進行相應檢測，自動實現(xiàn)了煙支和盒裝外觀的缺陷檢測，檢出率可以達到98.4%，該儀器性能穩(wěn)定，算法具有較強的目標定位能力，可以實現(xiàn)目標的檢測與分類，檢出率高，且操作方便，可以輔助人工檢測并提高檢測效率。今后將優(yōu)化算法，提高儀器計算速度和檢出率。