基于人工智能的烟箱缺条混牌检测系统及方法技术方案

本发明专利技术公开了一种基于人工智能的烟箱缺条混牌检测系统及方法，所述系统包括：训练图像采集模块，用于采集待训练图像，得到训练集；训练模块，用于利用训练集中的有缺陷数据集和无缺陷数据集对卷积神经网络进行训练，得到烟箱检测模型；检测图像采集模块，用于实时采集检测图像；检测模块，用于利用训练好的烟箱检测模型，对检测图像进行检测，以得到检测结果。本发明专利技术的基于人工智能的烟箱缺条混牌检测系统，基于检测图像和训练好的烟箱检测模型，自动直接获得检测结果，只需分别采集有缺陷图像和无缺陷图像，通过卷积神经网络进行自动特征提取，即可生成拥有判断能力的烟箱检测模型，无需人为进行干预。无需人为进行干预。无需人为进行干预。

【技术实现步骤摘要】
基于人工智能的烟箱缺条混牌检测系统及方法


[0001]本专利技术涉及烟草制品生产
，尤其涉及一种基于人工智能的烟箱缺条混牌检测系统及方法。

技术介绍

[0002]近年来随着科技的不断发展，烟草制造行业对产品的外包装质量要求也越来越严格。卷烟外包装的质量问题，不仅会对卷烟产品的运输、存储、销售产生不良影响，还会造成企业形象的受损，最终影响企业的长期发展。因此烟草制造企业要做到产品内在品质和外在包装的两手抓。卷烟包装机将烟支最终包装成上市的卷烟产品需要多个工序环节，无论是对烟支空头检测、烟包外观检测、喷码检测、烟条外观检测还是对烟箱外观检测都提出了新的挑战。
[0003]在多个包装检测环节中，装封箱机条烟封装也是其中的重要一环，按照工艺质量要求，需要对烟箱中缺条、混牌、烟条上下倒置、烟箱外观缺陷、封口胶带缺失和破损等关键质量缺陷进行重点检测。最初对这些质量缺陷的检测主要通过人工完成，人工检测效率低还需要占用大量的人力，并且带有人的主观性。后来随着机器视觉的发展，出现了替代人工的基于传统图像处理的机器视觉检测产品，效率得到了很大提高。但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的烟箱缺条混牌检测系统，其特征在于，包括：训练图像采集模块，用于采集用于进行网络模型训练的待训练图像，得到训练集；训练模块，用于对各所述待训练图像进行筛选，以将所述训练集划分为有缺陷数据集和无缺陷数据集，并利用所述有缺陷数据集和所述无缺陷数据集对卷积神经网络进行训练，得到烟箱检测模型；检测图像采集模块，用于实时采集用于进行烟箱缺条混牌检测的检测图像；检测模块，用于利用训练好的所述烟箱检测模型，对所述检测图像进行检测，以得到检测结果。2.根据权利要求1所述的基于人工智能的烟箱缺条混牌检测系统，其特征在于，所述训练模块部署在训练服务器上，所述检测模块部署在烟箱缺条混牌检测机台对应的工控机上，所述训练服务器和所述烟箱缺条混牌检测机台通过局域网进行连接，并且一个所述训练服务器对应于多个所述烟箱缺条混牌检测机台所对应的所述工控机。3.根据权利要求2所述的基于人工智能的烟箱缺条混牌检测系统，其特征在于，所述训练服务器中设置有图形处理器。4.根据权利要求2所述的基于人工智能的烟箱缺条混牌检测系统，其特征在于，所述训练模块包括筛选单元、第一图像预处理单元、第一矩阵转换单元和训练单元，其中：所述筛选单元用于按照烟箱缺条混牌检测机台号、和/或品牌、和/或相机号对各所述待训练图像进行分类，并将分类好的所述训练集划分为有缺陷数据集和无缺陷数据集；所述第一图像预处理单元用于对分类好的所述有缺陷数据集和所述无缺陷数据集中的所述待训练图像进行预处理；所述第一矩阵转换单元将预处理的所述有缺陷数据集转换为有缺陷训练矩阵数组信息，并将预处理的所述无缺陷数据集转换为无缺陷训练矩阵数组信息；所述训练单元用于将所述有缺陷训练矩阵数组信息和所述无缺陷训练矩阵数组信息通过所述卷积神经网络进行多轮前向传播和多轮反向传播，得到参数自适应的所述烟箱检测模型。5.根据权利要求4所述的基于人工智能的烟箱缺条混牌检测系统，其特征在于，所述训练模块还包括第一数据存储单元，用于将从所述训练图像采集模块接收的所述检测图像按照烟箱缺条混牌检测机台号、和/或品牌、和/或相机号，分别存储到所述训练服务器的不同文件夹中，其中，每个所述文件夹中存储有对应的所述有缺陷数据集和所述无缺陷数据集；所述训练单元具体用于：按照烟箱缺条混牌检测机台号、和/或品牌、...

【专利技术属性】
技术研发人员：孟庆涛，王保会，张国平，简金领，邵永亮，陈明明，李红波，王志勇，高赛，肖二凯，张广涛，范孟杰，艾建，王根旺，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：