基于PLC的小盒外观检测相机镜头除尘设计

包装机小盒外观视觉检测多采用高速、高清的彩色CCD相机,利用图像处理器把拍摄照片所有特征提取出来,逐个进行比对分析,从而找出烟包缺陷部分。应用于FOCKS-350S包装机的ZNO系列小盒外观检测相较于其他机型,在401拐角处增加了烟包正面检测。由于相机镜头向上拍摄的缘故,在实际生产中相机镜头经常被掉落的烟末和灰尘遮挡。使得图像处理器对相机拍摄的烟包表面图片识别错误造成误检。针对以上问题在相机镜头前端增加正压吹风装置来解决相机落尘误检问题。通过PLC中的时钟功能,完成正压吹风除尘的启停切换。经验证,安装吹风除尘装置后,小盒外观检测误剔率减少了86%左右,大大降低了卷烟包装材料的消耗,提高了小盒外观检测剔除的准确率,进而减少了生产过程中小盒外观的质量隐患。

基于SqueezeNet的卷烟小盒外观检测算法在低成本硬件上的实现

文章设计一种基于SqueezeNet卷积神经网络,实现对小包外观检测。SqueezeNet卷积神经网络所使用数据集采集自昆明卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集。将数据集随机生成90%的训练集与10%的验证集,对训练集进行数据增强及均值减法的预处理之后,送入卷积神经网络进行特征提取与分类。在MATLAB平台上进行学习与测试,使用数据集,小包外观识别准确率可达99.66%,效果较好。之后,使用树莓派作为算法实现硬件,将经过验证的SqueezeNet算法部署到树莓派中。经过验证,算法运行正常。

基于卷积神经网络的卷烟小盒外观检测研究

文章基于卷积神经网络(CNN),模拟人脑对图像的识别过程,实现了对卷烟小包外观检测。卷积神经网络所使用数据集采集自某卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集。将数据集随机生成90%的训练集与10%的验证集,将训练集送入卷积神经网络进行特征提取与分类。经过网络学习与测试,使用新的数据集,小包外观识别准确率可达99.15%,效果较好。

降低泰山(宏图)小盒外观缺陷频次技术改进

我厂将泰山的＂提质增效＂作为工作的重中之重,因此作为包装专业的QC课题小组将目光聚焦到泰山（宏图）牌号,进一步改善泰山（宏图）外观质量,为泰山结构的再升级做好质量保障。泰山（宏图）一年产生的盒装外观缺陷约为674685盒,还有巨大的改进空间。盒装错位、盒装透明纸折皱是造成泰山（宏图）外观缺陷频次高的主要原因。

卷烟包装机小盒外观检测系统的完善

为解决卷烟小盒外观与传输皮带接触面不能检测的问题,对传输通道及原有检测系统进行改进。将整段式传输通道分成二段,二段间的距离是一盒卷烟的长度,间隙部位采用镂空的过桥连接以便于烟包在上面滑动;过桥底部安装上触发光源、数码相机。触发光源提供光照,数码相机进行图像采集,将图像采集信息传输到原有工业级PC的图像处理软件,按设定参数,自动进行图像识别,当存在质量缺陷时,处理结果由工业级PC的GPIO接口输出到原有剔除装置,利用原剔除装置作为检测系统的剔除机构,对缺陷烟包进行剔除。

加装FX2包装机的小包视觉检测

目的针对青岛卷烟厂现有FX包装机型生产中,没有检测烟包外观完好的设备,设计安装一套小包视觉检测装置,将高速生产中产生的不合格烟包准确剔除。方法通过安装高速PLC和视觉采集相机,利用软件图像处理功能将采集照片进行处理分析,输出结果到上位机,控制电磁阀将缺陷烟包准确剔除。结果经过数月的实验,在改进后的抽检中,玻璃纸缺陷次数由13降低为1,剔除数量为318盒;商标纸缺陷次数由23降低为0,剔除数量为766;内卡纸缺陷次数由14降低为1,剔除数量为160。可看出无检测的生产中存在大量缺陷烟包漏剔现象。结论经过安装调试投入正常使用,该检测系统性能稳定可靠,能有效地降低产品的质量隐患。