1.前言
在卷烟生产及加工过程中难免会因为各种原因产生瑕疵，这些缺陷包括烟支空头、缺支、倒装等[1]。如果在生产过程中没有及时将这些有瑕疵的烟支识别及剔除掉，将会对产品的质量产生不良影响。因此需要设计一款能够实时检测系统将这些缺陷烟支及时检测出来并剔除，进而保证产品质量。目前使用比较广泛的有光电检测及普通图像识别方法[2]，伴随计算机处理能力的不断提高及AI技术的发展，使得AI技术在烟支在线检测上成为可能。
2.系统整体方案简介
图1检测系统总体框图
从图1可知，系统主要分为两大部分，分别为主控制器部分和倍福控制器部分。系统主要的工作流程为:首先由倍福控制器接收编码器信号，当达到预定工位时，控制光源点亮以及工业相机分别对模盒两端进行拍照并将图像数据发送给主控制器，当主控制器接收到工业相机发送过来的烟支照片后，运用AI图像处理算法对这些图片中的烟支进行识别，判断其是否存在缺支、空头以及倒装的情况。当检测完成后，将检测结果发送给倍福控制器，由其对检测到的烟支缺陷进行处理，若存在缺陷则对本模盒烟支进行标记，当其运行到预定工位时，向剔除模块发送剔除信号对有缺陷的烟支进行剔除操作，从而完成对烟支缺陷的检测工作。
3.硬件总体方案
3.1处理器
处理器选择海康机器人的MV-VC4510，该款处理器是一款高性能的一体化视觉运算平台，丰富的硬件接口为视觉检测提供高效、稳定的控制，广泛应用于快速多工位检测和AI应用等场景，此视觉控制器提供了高性能处理核心、高速内存、高速固态硬盘等硬件配置，为视觉检测算法提供了强大算力，即使是高精度、高速处理、深度学习CPU等应用场景下也能保证不凡效果。
3.2图像采集器
图像采集器选用海康机器人的MV-CA003工业相机，该款相机可以轻松捕捉高速动态画面，十分符合烟支检测的工况。除此之外，这款相机还可手动或者通过软件自动调节其内部参数，如曝光时间、触发方式、图像大小等，非常适合在复杂工况下使用。
3.3倍福控制器
倍福控制器选用CX1030控制器，此控制器为当前烟草行业应用比较广泛的一款嵌入式PC，具有体积小、价格便宜、性能稳定的特点。
4.软件设计
4.1缺陷检测方法
为了提高对烟支缺陷识别的准确程度，系统使用两级检测方法对相机拍摄到的烟支图片进行检测。其中，第一级采用轮廓面积判定法来对烟支倒装、缺支、卷纸破损等缺陷比较明显的情况进行检测；第二级采用模板匹配法来对空头、脏污等缺陷不明显的缺陷进行检测。检测流程见图 2。
图 2 缺陷检测流程
4.2 最大轮廓面积判定法
轮廓特征是图像检测方法中普遍用到的一种图像特征，在本系统中，先将相机拍摄到的图像进行灰度化处理，再进行二值化处理，这样可以在保留图像特征的同时提高运算速度。由于图像在拍摄过程中会存在一些干扰因素，如各种类型的噪声等。这些干扰因素会导致无法准确地识别出目标轮廓，这就需要我们对这些轮廓信息进行再处理。我们将小于一定阈值的轮廓采用滤波算法进行滤除，再用最大轮廓面积判定法对其进行识别，就可以检测出图像中合格的烟支。
4.3 二级模板匹配检测法
采用最大轮廓面积判定法虽然对缺陷明显的烟支有着较好的识别效果，但是对于一些缺陷不是特别明显的烟支，识别准确度却不是很好。由烟支产线的生产特性可知，烟支在生产过程中仅存在水平位移，基本不存在垂直位移，因此本系统中采用模板匹配的方式进行二级检测。
在烟支生产过程中拍摄到的图像每一张都不一样，因此需要选用一张较为普遍存在能代表大多数的图像来作为匹配模板。该模板如图3所示。
图 3 合格烟支模板
系统采用3种模板来对拍摄到的烟支图片进行匹配，若待检测图片与模板匹配度大于设定阈值时认为检测合格，若小于该阈值时则认为检测不合格。当检测不合格时，对该图片进行标记，发送给控制机构，对不合格的烟支进行剔除。
4.4检测结果
检测结果如图4所示，从图中可以看出：该图为滤嘴侧，图中蓝色圆圈圈出的白色区域为正常烟支，其中有一支烟缺支，一支为倒装，均被识别到，因此采用上文方法可以有效地进行烟支倒装及缺支的检测识别。
图4 检测结果
5.应用前景
随着各大烟厂对烟支质量的关注度逐渐提高，此系统将会得到越来越多的烟厂的支持，并且伴随技术的不断改进，基于AI的烟支质量检测系统将会得到更为广泛的应用。例如烟支小包外观的检测，条包外观的检测等，届时将会大大提高烟支生产的质量。
参考文献
[1]黄炜中. 基于ARM的烟支在线检测系统设计[D]. 华南理工大学.
[2]吴晓飞. 基于机器视觉的烟支在线检测系统的研究[D]. 南京财经大学, 2012.
作者简介：张建勋（1969—），本科，工程师，研究方向：电气工程及其自动化。
E-mail：zhangjianxun9988@126.com。