基于级联卷积网络的烟支外观检测系统

针对烟支在生产过程中可能出现的黑点、油渍、刺破、夹沫、褶皱、缺嘴、烟支长短不一等缺陷,提出一种基于深度学习的烟支图像对比分析方法。对烟支中的水松纸区域,基于级联卷积网络,搭建了一种满足现场需求的最佳权重分布的神经网络分类模型;对烟支中的卷烟纸区域,采用高低值的模型比对算法,两者相结合大幅提高了烟支检测的实时性和准确性;同时引入了多尺度的时空特征,利用图像序列实现了帧间前后烟支缺陷信息的关联标记,将剔除轮的烟支剔除率降低了约2/3。在自建烟支数据集的基础上,搭建的分类模型准确率较ResNet-18提高了8.64个百分点,较紧固件缺陷自动检测(ADDF)算法和自动织物缺陷检测(AFDD)算法提高了7个百分点以上。

基于多视角的烟支外观检测系统分析

基于多视角的烟支外观检测系统提供一种解决复杂图案、纹理和背景的烟支图像检测方案,通过多重视角采集烟支图像,采用多次定位和对比分析算法自动统计相对误差,是一种可靠、准确度高、误差小的机器视觉自动检测仪器。系统在ZJ17卷接机组上的实际应用结果表明,系统检测、剔除稳定可靠,实现了每个烟支的360°检测,对卷烟纸和接装纸存在瑕疵的烟支予以报警和剔除,避免了不合格的烟支产品流入后续工序。