盒装机制雪茄烟缺陷分类视觉检测方法

作者：杨心安; 朱文魁; 张明建; 周博; 王兵^*; 冯杨; 高森^*; 王珵珵; 陈睿

来源：烟草科技, 2023, 56(10): 95-101.

DOI：10.16135/j.issn1002-0861.2023.0420

• 机制雪茄
• 机器视觉
• 缺陷检测
• 注意力机制
• 深度学习

为提高机制雪茄烟装盒过程中对缺支、断残、破损烟支的识别效率和准确率，建立了一种盒装机制雪茄缺陷的分类视觉检测方法。在雪茄包装机台设置图像采集工位并采集含有不同缺陷的雪茄小盒（未合盒）图像，建立缺支、断残检测数据集和破损检测数据集。对特征明显的缺支、断残数据集图像进行霍夫变换后，使用边缘检测和最小外接矩形法进行识别，判断盒内烟支数量和每支烟支长度是否符合要求；针对不同程度的破损数据集图像，在YOLOv5s模型的backbone部分引入金字塔压缩注意力机制（PSA）和EIoU损失函数（EIoU Loss）后对原始图像进行检测，判断烟支是否存在破损。结果表明：(1)缺支、断残检测方法的检测速率为21帧/s，对缺支、断残、无损3种类型样本的识别准确率均为100%；(2)改进后YOLOv5s模型的检测速率为30帧/s，将置信度阈值设置为0.6时，对无损样本和3种程度破损样本的识别准确率均为100%，与原始YOLOv5s模型相比，检测精度和召回率分别提高了1.80和0.93百分点；(3)分类视觉检测方法对单张图像的测试时间为0.080 s，可以实现对盒装机制雪茄缺陷的实时检测。该技术可为提高雪茄烟包装质量提供支持。

• 单位
  中国烟草总公司郑州烟草研究院; 四川中烟工业有限责任公司