浅谈人工智能机器视觉技术在烟草行业的应用

卢鑫 杨闽 朱艳梅 娄亚 周玉龙 杨其庆

摘要：计算机视觉在工业中的应用研究是目前计算机视觉研究的一个重要研究方向，本文结合烟草行业的具体需求，在深入研究计算机视觉基本理论和技术的基础上，开展了多项计算机视觉应用研究，取得的成果不仅促进了部分烟草质检方法的技术革新，对计算机视觉技术在物理指标检测领域的推广应用也具有一定的积极意义。

关键词：计算机视觉技术;烟草;应用

新一代人工智能技术飞速发展，并加速与烟草行业融合，这一融合趋势为烟草行业高质量发展的转型升级带来了新机遇。而做为人工智能核心技术之一的机器视觉技术，以其客观性和可靠性、自动化、高效性、灵活性以及高精度，在烟草行业广泛应用于产品质量检测、产品识别、产品尺寸测量等方面。

一、高速视觉技术在烟草行业的应用

1.烟草异物剔除系统的应用

烟草异物剔除系统是打叶复烤工艺的关键。本系统包括进料输送机、视频组件、回收箱和电控柜。通过这四个组件协调工作，对烟丝中的异物进行识别、分拣与剔除。系统采用先进的计算机控制技术、实时数字图像处理技术、模式识别技术、人工智能技术以及复杂可靠的机械设备。通过应用线阵CCD 技术，采集5m/s～7m/s 速度从皮带机输出端平抛出的单层烟叶流图像，进而进行图像分析，做出相应判断，快速电磁阀气吹系统保证了从判断到剔除的实时性和准确性。图像处理采取4台计算机并行工作方式，一次完成全部 4 台像机的配方采样工作，建好一个样本只需要操作一次，时间一般不超过6分钟。它对提高产品质量，提高企业的市场竞争能力具有十分重要的意义。

2.成品烟外观质量检测领域的应用

采用千眼狼高速摄像机5F10，核心参数1280×860@1000 fps，可实现800支/秒的检测效率，用于可见污迹（杂物、粘胶、黄斑、油渍）、钢印缺陷、褶皱等外观缺陷。

3.成品烟包装质量检测领域的应用

以单包为例，针对商标、顶部图案是否漏印，方向及位置是否正确，内包装和外包装的相关位置检测需求，亦融入深度需学习模块，对烟包的前、后、左、右、顶五个面进行图像捕捉与特征标注，然后利用定位分析“软传感器”功能锁定软包的边缘，根据确定边缘后的实际位置执行检测任务。

4.烟支检测系统的应用

烟支检测系统是香烟包装机中不可缺少的包装质量控制部件，它检测香烟小包中缺支、缺嘴、空头、反支等情况，确保香烟出厂的品质。高速的卷接机生产速度达到 10000支/分以上，各类检测手段则只有达到更高的检测速度才能满足。 寻找新的机器视觉检测方式，提高检测速度是关键 。

二、视觉技术在形态特征检测中应用

1.烟叶智能分定级

烟叶分级是生产烟草制品的必经程序，为了提高烟叶分级过程的工作效率，，提出了一种基于机器智能识别的烟叶分级技术。通过机器对烟叶图像进行拍摄识别从中提取用于分类定级的关键信息，与前期输入至机器中的分类标准进行对照后，实现对烟叶的智能识别和分级。该技术可以提高烟叶分级效率，提高烟叶分级过程的准确性。

2.片烟形状测量

片烟形状是决定烟丝结构的重要因素之一。基于计算机视觉的片烟形状测量系统主要由线阵CCD相机、线阵LED光源、运送皮带机、驱动装置等部分组成。通过建立片烟形状特征与烟丝结构间的关系，可以对打叶过程中的片烟形状进行调节，有效控制片烟切丝后的烟丝结构，稳定卷制过程中烟支的空头率、含末率及端部落丝量等指标。

3.烟梗切丝质量分析

梗丝是烟丝的重要组成部分，烟梗切丝质量对卷烟工艺、感官和烟气成分稳定性等具有重要影响。为快速分析烟梗的切丝质量，提出了一种基于视觉形态特征检测的烟梗切丝质量分析方法，对梗丝的含丝率、结构均匀性及宽度均匀性三项指标进行视觉特征提取，使用形状因子等特征描述子对三项指标进行定量描述，旨在为烟梗切丝质量的评估提供一种客观、可靠的新方法。

相关AI图像技术还运用到制丝生产线烟丝宽度测量中，在切丝机出口布设摄像机，在线拍摄并测量图像中烟丝宽度，识别花片、长丝等烟丝结构，发现异常及时报警，有效提升了烟丝宽度控制精度，解决了烟丝宽度检测效率低的问题。

三、视觉技术在烟叶大田生产中应用

1.病虫害识别

随着信息技术的快速发展，人工智能、互联网+、大数据、云计算等技术已经使实现病虫药害的快速识别成为可能。烟农可以直接在田间地头随拍随处置。同时，照片的位置信息，病虫害信息会实时汇总到云端病虫害测报管理平台，使专家对突发病虫害、新型病虫害、病虫害发生的区域、特点、趋势可以实时收集，从宏观层面提出更好的分析和判断。

完成通过手机智能识别，自助指导，记录防治足迹，发布问答和附近农友烟地发生病虫药害情况，对比烟叶生产状况等功能。完成烟草病虫药害识别诊断的移动客户端。烟草病虫药害自动识别诊断系统平台搭建在云端服务器上，完成基于位置的服务功能，实现拍摄上传病发烟叶的定位，便于云端统计与分析。完成小程序图片上传API、识别模型API、用户登录API、数据返回API的实现。完成小程序自动更新、用户位置及个人信息获取等功能的实现。

2.烟叶成熟度识别

主要依据是《中国烟草学报》2019期1期中《基于BPNN和SVM的烟叶成熟度鉴别模型》西南大学祝诗平教授的学术论文，该学术论文是在没有考虑天气、日光强度、多片烟叶重叠、拍摄角度等因素对鉴别准确率的影响下，采集324份下部烟图像样本，基于BP神经网络和支持向量机建立了下部烟叶成熟度鉴别模型是有可行的，但该文也表示建立烟叶成熟度鉴别模型，需要人工反復测量，再根据测量结果，人工再来鉴定烟叶成熟度，判定准确率。所以短时间内让机器人采收落地是不现实的。

四、视觉技术在卷烟包装真伪识别应用

卷烟真伪鉴别主要是通过感官（即人眼），对检验样品与真品或真品技术信息在加工工艺、印刷工艺等方面的差别进行比对，以判定检验样品的真伪。为解决人工鉴别真伪卷烟效率低、主观性强等问题，基于计算机视觉和机器学习建立了一种真伪卷烟包装鉴别模型。利用计算机视觉对卷烟包装进行图像处理和特征向量提取，分别以相似性度量模型、机器学习模型对特征向量进行分类并判定卷烟真伪。相似性度量模型采用曼哈顿距离模型进行分类，并对高斯双边滤波函数进行了参数优化;机器学习模型则以图像分块为基础，确定最优分块数量和面积。机器学习模型与相似性度量模型相比较，具有较好的迁移能力和鲁棒性，适用于卷烟真伪鉴别样品量大、品类多、图像复杂等情况。该方法可为提高真伪卷烟鉴别效率和准确率提供技术支持。

（1云南省烟草公司文山州公司 云南 文山 663099;2北京航空航天大学云南创新研究院 云南 昆明 650233）