机器视觉在烟草行业的典型应用

众所周知，烟草行业在国民经济和社会发展过程中发挥着非常重要的作用。烟草制造业一直是我国的主要税源。今年3月6日，国家烟草专卖局公布了2021年烟草行业实现工商税利总额13,581亿元，同比增长6.08%，财政总额12,442亿元，增长3.36%。

在我国，烟草作为国家特殊管控行业，其隶属于国家企事业单位，由国家企事业单位对其运营进行全面的管理控制，其产品必须符合国家标准、成分披露、包装标识、健康警语及注册商标等相关规定，并按要求通过技术审评。且烟草行业作为一个红海市场，几乎每个省份都有区域性的香烟品牌，香烟品牌总数多达上百个，消费者的可选择性很大。

面对如此严格的监管指导与激烈的市场竞争，烟草企业需要大力推进科技创新，实施智能化转型，寻求高效的视觉检测方案以协助烟草高质量生产，以赢得消费者的信任与喜爱，在品牌竞争中的红海中赢得自己的主动权。

康耐视在机器视觉领域拥有超40年的从业经验，已在烟草行业为广大客户成功部署了多套视觉解决方案。今天，我们将从烟草制造的三大工艺：制丝（原料加工）、卷接（卷制成型）、包装（包装成品）出发，为您详细介绍如何通过使用康耐视提供的视觉检测方案，对烟草制造过程中遇到的每个细小检测难点进行逐一击破，消除烟草生产缺陷、验证装配和追踪信息，提高生产质量。

包括备料、回潮、贮叶、切丝、烘丝、叶丝梗丝混合、加香、加料、贮丝等工序。其工艺任务是将各种烟叶制成配比均匀、纯净无杂质，宽度、水分、温度均符合各等级卷烟工艺要求的烟丝。

应用难点：在对打叶复烤和制丝生产线上的烟叶杂质进行剔除检测时，检测叶片中存在的杂质、颜色、形状、纹理等特征识别，需要准确识别出如纸箱板、麻绳等杂物。

应用难点：由于烟叶从进入卷烟厂的生产流水线到生产出成品卷烟的整个过程，己逐渐脱离人工辅助，特别是把烟叶改成片叶后，不再有人工铺叶的工艺过程，因此混在烟叶中的杂物及霉烂烟叶等将无法去除。需要再对烟叶初加工的制丝生产线上，即时去除杂物以及对霉烂烟叶进行检测识别。

包括喂丝、烟支卷制、滤嘴接装等工序。其工艺任务是充分发挥设备效率，将合格的烟丝按照制造规格及质量标准，卷制成合格的烟支，接装成滤嘴烟支。

应用难点：确保过滤嘴存在、外观形状正确且无缺陷，以避免不必要的退货和客户投诉。

应用难点：无论过滤嘴尺寸、颜色或形状如何，都要准确地对大型包装纸箱中包含的香烟过滤嘴进行计数。

应用难点：在高速卷烟机高速的生产速下，准确地香烟包装中缺支、缺嘴、空头、反支、爆口、滤嘴变形、夹末烟、水松纸搓接漏气烟等情况，确保香烟品质。

应用难点：确保卷烟纸正确对位并识别中点，以确保将香烟切割成相同的长度。

应用难点：在卷烟滤棒的生产过程中，时常会有滤棒因粘接不牢而造成的机器停机或失胶滤棒流入下一个环节，在涂胶时胶水断流，致使纸带上无胶水，造成纸带粘接不牢或爆开。需要确保卷烟纸正确对位，并且胶水涂覆到正确的位置，以避免浪费和潜在堵塞。

采用多种包装材料和包装机械，将经烘焙后水分合格的烟支，包装成符合产品质量标准、便于贮运和销售的成品。

应用难点：准确地读取OCR字符，帮助烟草制造商符合严格的烟草法规。

应用难点：判断包装内包裹检测（存在/不存在）以及不同类型的：铝纸、白纸、黑纸。

应用难点：在香烟盒在生产线上高速运动时检测香烟盒内是否缺失香烟以及包装纸是否撕裂。检测香烟盒，确认铝箔拉盖是否盖好并完整密封，以保鲜和防潮。还需有效检出条包包装中常见的拉线错牙、缺油封、油封损坏、条包包反、条包品牌错误（混入别的品牌）、油封严重褶皱、油封撕裂等包装缺陷，并将包装不合格的产品从生产线上剔出。

应用难点：条盒内小包装混装错装少装等，条盒内夹杂其他废纸胶带等。

应用难点：检测香烟盒是否有印花税，由于印花税标（图纸、颜色）各不相同，需要确保正确的印花税标存在并且正确张贴。

应用难点：可靠地读取烟包上的二维码和OCR字符，以便在整个供应链中追踪和追溯产品。

应用难点：准确地读取沿着输送带高速移动的烟包上的二维码，以确保香烟的端到端可追溯性。

应用难点：可读取高速分拣配送线上条烟上的二维码，以提高生产量并消除误差。

应用难点：对香烟条盒上的二维码提供100%读取率，以提高可追溯性和避免不必要的浪费。读码器能够准确地读取二维码以确保端到端可追溯性，并执行一致性检查，以验证烟包是否与条烟上的香烟序列代码相匹配。

应用难点：读取条烟上的条码，以验证是否准确地执行订单，以避免罚款、返工、标识有误和代价高昂的产品召回，并与外箱上的序列二维码进行箱码关联，省去了人工操作的必要，并可实现从仓库到消费者手中全程追踪产品。

可以看出，烟草企业可通过在自动化设施配备康耐视的视觉检测方案后变得更智能，这意味着在烟草的生产过程中可以减少生产误差，进而能降低成本，并提升客户满意度。康耐视提供的视觉检测方案，不仅有效提升了烟草制造过程中的质量监督检测效率，也提升了行业整体对于数据信息的有效化处理水平，从而获得更高的管理与经济收益。这也为烟草企业管理者提供了更为精准的决策，为实现数字工厂夯实了基础。

来源：康耐视

本文仅做学术分享，如有侵权，请联系删文。

      

       下载1：OpenCV-Contrib扩展模块中文版教程
       

      
      

       在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
      
      

       下载2：Python视觉实战项目52讲
      
      

       在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
      
      

       下载3：OpenCV实战项目20讲
      
      

       在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
      
      

       

      
交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~