摘 要：由于KDF3E濾棒成型機(jī)在生產(chǎn)過程中，需要高效、精確地在線檢測間斷式溝槽濾棒的溝槽數(shù)目和位移量，因此本文設(shè)計了一套基于機(jī)器視覺技術(shù)的在線檢測系統(tǒng)。該系統(tǒng)能夠集成高性能線陣相機(jī)，實(shí)時采集生產(chǎn)線上處于運(yùn)動狀態(tài)的濾棒圖像，并基于GPU加速的深度學(xué)習(xí)目標(biāo)檢測算法，即時、精準(zhǔn)地計算濾棒溝槽數(shù)目和位移，并剔除異常。實(shí)踐證明，該系統(tǒng)不僅滿足了溝槽濾棒數(shù)量及其位移量的高效檢測需求，而且達(dá)到了6000支/min濾棒的測量速度，測量精度精確至0.2mm，為濾棒生產(chǎn)的質(zhì)量控制和效率提升提供了強(qiáng)有力的技術(shù)支持。

關(guān)鍵詞：溝槽濾棒；深度學(xué)習(xí)；在線檢測；位移量

中圖分類號：TP 391 " " " 文獻(xiàn)標(biāo)志碼：A

隨著人們健康意識不斷提高，降焦減害成為煙草行業(yè)發(fā)展的重要方向。為了提高香煙濾嘴的過濾效率，煙草行業(yè)開發(fā)出醋酸纖維溝槽濾棒，將純纖維素紙包裹醋酸纖維絲束，制成特殊結(jié)構(gòu)的溝槽濾棒。利用純纖維素紙的機(jī)械截留作用和特殊壓紋溝槽擴(kuò)大比表面積的作用，改變煙氣在濾嘴中的行進(jìn)路線，提高煙氣粒相物的慣性碰撞和擴(kuò)散沉積，從而有效降低煙霧中的焦油量[1]。

間斷式溝槽濾棒由特殊結(jié)構(gòu)的溝槽純纖維素紙包裹醋酸纖維絲束濾芯制成，每支濾棒上有2個溝槽，間斷式溝槽濾棒位移量有嚴(yán)格的質(zhì)量標(biāo)準(zhǔn)，溝槽位移超過允差即為缺陷產(chǎn)品。目前，間斷式溝槽濾棒溝槽位移的檢測方式是離線抽檢[2-3]，溝槽位移在線檢測技術(shù)的研究尚未見報道。本文研究了一套間斷式溝槽濾棒溝槽位移在線檢測系統(tǒng)，旨在為溝槽濾棒的生產(chǎn)提供實(shí)時、高效的在線檢測手段。

1 系統(tǒng)方案設(shè)計

1.1 在線檢測系統(tǒng)結(jié)構(gòu)

間斷式溝槽濾棒溝槽位移在線檢測系統(tǒng)主要由工業(yè)線陣相機(jī)、點(diǎn)光源、中央控制器、視覺控制器、編碼器和傳感器等部分組成。

視覺控制器接收傳感器的觸發(fā)信號和編碼器信號，控制線陣相機(jī)進(jìn)行圖像采集。線陣相機(jī)安裝在濾棒條的垂直上方，能夠捕捉濾嘴棒的圖像，由以太網(wǎng)與中央控制器進(jìn)行數(shù)據(jù)傳輸。點(diǎn)光源安裝在濾棒條的下方，以背光方式照射濾棒條。中央處理器是系統(tǒng)的核心控制單元，接收線陣相機(jī)傳輸?shù)膱D像數(shù)據(jù)，對圖像數(shù)據(jù)進(jìn)行處理后，計算出單支濾棒的溝槽位移量，并判斷濾棒溝槽位移是否符合質(zhì)量標(biāo)準(zhǔn)。

傳感器和編碼器安裝在濾棒成型機(jī)上。傳感器監(jiān)測濾棒成型機(jī)的切刀動作，其信號觸發(fā)線陣相機(jī)進(jìn)行幀掃描，編碼器的信號觸發(fā)線陣相機(jī)進(jìn)行行掃描。

1.2 圖像采集

線陣相機(jī)采集高速運(yùn)動的濾棒條圖像，為了匹配KDF3E濾棒成型機(jī)6000支/min的生產(chǎn)速度，線陣相機(jī)采用幀+行的觸發(fā)方式采集圖像，幀觸發(fā)控制圖像開始拍攝的位置，行觸發(fā)控制圖像中每一行開始拍攝的位置。

傳感器監(jiān)測濾棒成型機(jī)的切割點(diǎn)位置，每切割一次濾棒條，傳感器就發(fā)出一個信號，并將此信號作為線陣相機(jī)開始掃描的信號（即幀信號），將下一個切割信號作為本次掃描的結(jié)束信號和下一支濾棒的幀信號。

編碼器監(jiān)測濾棒成型機(jī)切刀的位置，每個脈沖信號為線陣相機(jī)的行信號。切刀轉(zhuǎn)動180°切割一次濾棒條，編碼器產(chǎn)生500個脈沖，線陣相機(jī)對單支濾棒掃描500行。濾棒長100mm，圖像采集精度為0.2mm。

濾棒溝槽區(qū)域與其他位置的透光程度不同，溝槽區(qū)域存在褶皺、透光率低，而溝槽以外的區(qū)域較平滑，透光率較高。采用點(diǎn)光源從下往上打背光的照射方式產(chǎn)生強(qiáng)對比度，可以將濾棒中的溝槽映射出來，如圖1所示。

1.3 測量原理

間斷式溝槽濾棒示意圖如圖2所示。單支濾棒端面到溝槽邊緣的距離為濾棒溝槽的位移，測量濾棒溝槽的位移，即測量圖2中端面位置1與溝槽起始位置3間的距離Dr。圖像起始位置2與溝槽起始位置3間的距離為D1。濾棒成型機(jī)切刀切割點(diǎn)與線陣相機(jī)的距離為D，是固定不變的。單支濾棒長度為L。單支溝槽濾棒端面位置1與圖像起始位置2間的距離為D0，是固定不變的，可以將其作為補(bǔ)償距離。

因此，檢測系統(tǒng)測量出D1的值，通過計算可以得到溝槽位移Dr，即補(bǔ)償距離D0=D mod L（余數(shù)運(yùn)算，D值和L值固定，結(jié)果為常量）；溝槽位移Dr=D1+D0。

2 檢測模型和算法

KDF3E濾棒成型機(jī)的生產(chǎn)速度為6000支/min，使用CPU進(jìn)行運(yùn)算難以滿足高速場景的需求，因此采用GPU加速推理?，F(xiàn)場部署了一塊Nvidia Tesla T4顯卡進(jìn)行加速計算，比較Intel XeonE-2278GE處理器，每張圖像的推理速度從95ms～100ms提高至8ms～11ms，能夠滿足現(xiàn)場高速場景。

線陣相機(jī)所采集單支間斷式溝槽濾棒成像圖的溝槽邊緣特征并不明顯，傳統(tǒng)的模型算法難以穩(wěn)定溝槽邊緣定位，因此本文采用深度學(xué)習(xí)目標(biāo)檢測算法對濾棒溝槽進(jìn)行定位。

2.1 檢測模型

目標(biāo)檢測模型選用YOLOv5s[4]。YOLOv5是一種基于單階段目標(biāo)檢測器的輕量級模型，比傳統(tǒng)的兩階段目標(biāo)檢測器（例如Faster R-CNN和SSD）具有更高的檢測精度和更快的推理速度。算法步驟如下所示。

第一步，數(shù)據(jù)準(zhǔn)備。準(zhǔn)備溝槽濾棒的圖像數(shù)據(jù)集，本文總共收集817個數(shù)據(jù)集，其中訓(xùn)練集為697個樣本，驗(yàn)證集為120個樣本，測試集為120個樣本，該數(shù)據(jù)集將作為訓(xùn)練模型的輸入。

第二步，模型訓(xùn)練。為了加速模型收斂，本文選用YOLOv5s的預(yù)訓(xùn)練模型，訓(xùn)練圖像為（640×640）ppi，訓(xùn)練輪次（epochs）為500輪，批大?。╞atch）為8，初始學(xué)習(xí)率為0.005，采用的優(yōu)化策略為隨機(jī)梯度下降法（SGD），loss曲線和性能指標(biāo)如圖3所示。經(jīng)過235次epochs（訓(xùn)練輪次）后，準(zhǔn)確率（Precision）曲線、召回率（Recall），全類平均正確率（mAP0.5）以及全類平均正確率（mAP0.5：0.95）趨于1，并在此后保持穩(wěn)定，說明檢測模型訓(xùn)練完成。

第三步，模型推理。模型推理使用C++語言，將訓(xùn)練好的模型轉(zhuǎn)換為Onnx格式，由Onnx Runtime推理引擎進(jìn)行在線推理，包括初始化、前處理、模型前向計算和后處理4個步驟。1）初始化。加載onnx模型并進(jìn)行模型預(yù)熱。第一次加載需要執(zhí)行加載模型參數(shù)、分配內(nèi)存等步驟，通常需要2s～3s。為了解決初始化耗時長的問題，在軟件啟動階段進(jìn)行模型預(yù)熱，加載onnx模型后會生成一張尺寸為（640×640）ppi的純色圖像，將其送入模型進(jìn)行前向計算，完成首次推理。2）前處理。使用opencv完成前處理，對圖像進(jìn)行自適應(yīng)縮放和填充操作，將輸入圖像調(diào)整為與訓(xùn)練數(shù)據(jù)相同的尺寸，以便與模型兼容。為了適應(yīng)現(xiàn)場高速場景，前處理采用自適應(yīng)圖片縮放算法[5]，盡量保持高寬比不變，原圖短邊縮放比例與長邊一致，縮放至（640×360）ppi，填充純色后，最終尺寸為（640×384）ppi，提高了計算速度。將圖像數(shù)據(jù)轉(zhuǎn)換為浮點(diǎn)型，以便進(jìn)行數(shù)值計算和梯度傳播，保證模型推理過程中的數(shù)值精度和計算準(zhǔn)確性。調(diào)整圖像通道的順序，從HWC（H為Height，W為Width，C為Channels）轉(zhuǎn)換為CHW格式。3）前向計算。將前處理好的圖片送入網(wǎng)絡(luò)計算，并獲取輸出張量的結(jié)果。4）后處理。首先，輸出解碼，即模型輸出特征圖包括邊界框坐標(biāo)、置信度和類別概率，將這些輸出轉(zhuǎn)換為實(shí)際圖像中的坐標(biāo)。其次，置信度閾值過濾，即設(shè)定置信度閾值為0.7，在輸出的多個檢測框中過濾掉置信度低于0.7的邊界框，只保留置信度高于0.7的檢測結(jié)果。最后，非極大值抑制（NMS），即YOLOv5算法的輸出結(jié)果會產(chǎn)生大量預(yù)測框，用于移除冗余的邊界框，從而保留最有可能帶有目標(biāo)的框。

NMS的主要步驟如下所示。1）排序。根據(jù)預(yù)測置信度分?jǐn)?shù)對所有邊界框進(jìn)行排序，優(yōu)先考慮置信度最高的框。2）選擇框。選擇置信度最高的框?yàn)楫?dāng)前框。3）計算重疊度。計算當(dāng)前框與所有剩余框間的交并比（Intersection over Union，IoU）。4）移除冗余框。刪除與當(dāng)前框的IoU超過預(yù)設(shè)閾值的所有其他框。5）重復(fù)以上過程。將當(dāng)前框加入最終的檢測結(jié)果列表，反復(fù)從排序列表中選擇下一個置信度最高的框，直到處理完所有的框，保留最有可能的目標(biāo)框，提高檢測結(jié)果的準(zhǔn)確性。

2.2 輸出結(jié)果

對于每張圖像，模型將輸出的預(yù)測框，表示檢測到的溝槽位置，包括溝槽的位置坐標(biāo)和置信度分?jǐn)?shù)，分析模型并計算出每個溝槽的具體位置坐標(biāo)。

3 測量結(jié)果

目前，溝槽濾棒溝槽位移標(biāo)準(zhǔn)為（20±1）mm，溝槽位移在19mm～21mm為合格產(chǎn)品，超過位移標(biāo)準(zhǔn)的視為缺陷產(chǎn)品。檢測到的合格產(chǎn)品圖和缺陷產(chǎn)品圖如圖4所示。

為了進(jìn)一步驗(yàn)證在線檢測系統(tǒng)的可靠性和準(zhǔn)確性，分別生產(chǎn)溝槽位移規(guī)格為18mm、19mm、20mm、21mm和22mm（濾棒成型機(jī)可調(diào)整溝槽位置）的濾棒，每次取100支濾棒的平均檢測結(jié)果。同時由人工抽檢20支濾棒進(jìn)行溝槽距離測量，取測量數(shù)據(jù)的平均值。將人工測量的數(shù)據(jù)和在線檢測裝置測量的數(shù)據(jù)進(jìn)行比較，結(jié)果見表1。

從2種測量方法的測量結(jié)果可以看出，與人工測距相比，采用在線檢測系統(tǒng)測量的溝槽距離相對誤差低于1.5%，證明本文檢測系統(tǒng)測量結(jié)果準(zhǔn)確、可靠。

4 結(jié)論

本文設(shè)計了一套基于機(jī)器視覺技術(shù)的間斷式溝槽濾棒溝槽位移在線檢測系統(tǒng)，該系統(tǒng)能夠滿足KDF3E濾棒成型機(jī)在生產(chǎn)過程中對溝槽濾棒數(shù)量及其位移量的高效檢測需求。

該系統(tǒng)具有以下3個特點(diǎn)。1）效率高?；贕PU加速的深度學(xué)習(xí)目標(biāo)檢測算法，實(shí)現(xiàn)高速6000支/min濾棒的檢測速度。2）精度高。測量精度≤0.2mm，能夠滿足溝槽濾棒生產(chǎn)的質(zhì)量控制要求。3）具有自動采集圖像、自動檢測溝槽和自動剔除缺陷溝槽濾棒等功能，提高了生產(chǎn)效率。

參考文獻(xiàn)

[1]盛培秀.溝槽醋酸纖維濾棒的開發(fā)[J].煙草科技，2004（4）：17-19，22.

[2]劉學(xué)海.基于CCD的濾棒直徑檢測傳感器[J].應(yīng)用科學(xué)，2010，4（119）：119-122.

[3]董浩，洪深求，周德成，等.醋纖溝槽濾棒特征參數(shù)測定方法[J].煙草科技，2010（4）：5-8，20.

[4]劉鴻瑜，袁國武.基于改進(jìn)YOLOv5s的煙支外觀缺陷檢測方法[J].計算機(jī)技術(shù)與發(fā)展，2022，32（8）：161-167.

[5]程長文，陳瑋，陳勁宏，等.改進(jìn)YOLO的口罩佩戴實(shí)時檢測方法[J].電子科技，2023，36（2）：73-80.