【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于检查吸烟制品的方法和系统。
技术介绍
1、在吸烟制品(例如香烟和加热不燃烧(heat-not-burn，hnb)装置)的领域中，需要对各个制品进行质量检查。实际上，制作吸烟制品的自动机器有时产生有缺陷的吸烟制品。特别地，存在包括放置在包材中的主体的吸烟制品，其中主体必须位于预定位置；在这种情况下，缺陷可能是对象的不正确定位的结果。例如，一些香烟具有过滤嘴，该过滤嘴包括其横截面呈弯曲对象形式的对象，如以本申请人的名义的专利文献wo2020128827a1中所描述的，其中该对象在附图中被标记2。在另一示例中，hnb装置包括具有圆形横截面的对象，如专利文献wo2012016795a1中所描述的，其中该对象在附图中被标记6。
2、在此背景下，用于制作吸烟制品的自动机器可以被提供有如现有技术中例如从以本申请人的名义的专利文献ep3520631a1已知的检查系统。
3、在以下现有技术文献中描述了用于检查吸烟制品的方法的示例：wo2018185722a1、cn111972700a、ep3476228a1、itbo20080755a1和ep3067823a1。此外，参考用于生产吸烟制品的组装设备，现有技术例如提供了文献de102014203158a1和ep0653170a1中描述的解决方案。
4、然而，仍然需要在对吸烟制品进行检查方面特别有效、可靠且快速的系统。特别地，将希望这样的系统允许在生产期间、在过程中执行可靠的质量检查。
技术实现思路
<...【技术保护点】
1.一种用于检查吸烟制品的方法，其中每个吸烟制品包括沿着纵向轴线(AC)延伸的细长管状包材(IC)、包裹在所述包材(IC)中的填充材料(MTA)和在预定位置处嵌入在所述填充材料(MTA)中的细长主体(CP)，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述机器学习模型(MA)被训练为针对每个图像(IMM)生成定位数据(201)，所述定位数据(201)表示界定所述图像(IMM)中表示的对象的平面几何图形。
3.根据权利要求2所述的方法，包括以下步骤：通过所述处理器基于表示所述主体(CP)的所述预定位置的参考数据(201')来处理(FCN)所述定位数据(201)。
4.根据前述权利要求中任一项所述的方法，其中所述机器学习模型(MA)包括深度神经网络。
5.根据权利要求4所述的方法，其中所述神经网络是卷积神经网络。
6.根据权利要求4或5所述的方法，其中所述神经网络包括最大池化类型的一个或多个过滤级。
7.根据前述权利要求中任一项所述的方法，其中所述机器学习模型通过以下步骤来训练：
8.根
9.根据前述权利要求中的任一项所述的方法，包括以下步骤：
10.根据权利要求9所述的方法，针对所捕获的每个图像，还包括以下步骤：
11.根据前述权利要求中任一项所述的方法，其中在捕获的步骤期间，所述吸烟制品或其一部分沿着预定路径单独地移动，使得沿着所述预定路径移动的所述吸烟制品或其部分中的每一个被单独地查看并且成为图像捕获的对象。
12.根据前述权利要求中任一项所述的方法，其中所述机器学习模型(MA)通过以下步骤来训练：
13.一种计算机程序，包括用于在由处理器执行的情况下执行根据前述权利要求中任一项所述的方法的步骤的指令。
14.一种用于检查吸烟制品的检查系统(12)，所述吸烟制品包括沿纵向轴线(AC)延伸的细长管状包材(IC)、包裹在所述包材(IC)中的填充材料(MTA)和在预定位置处嵌入在所述填充材料(MTA)中的细长主体(CP)，所述系统包括处理器和非瞬态数据存储设备，所述非瞬态数据存储设备包括机器可读指令，所述机器可读指令告诉所述处理器进行如下处理：
15.根据权利要求14所述的检查系统，其中所述非瞬态数据存储设备包括告诉所述处理器处理所述图像以针对每个图像生成表示界定所述图像(IMM)中表示的所述主体(CP)的平面几何图形的定位数据(201)的另外指令。
16.根据权利要求15所述的检查系统，其中所述非瞬态数据存储设备包括告诉所述处理器将所述定位数据(201)与表示所述主体(CP)的所述预定位置的参考数据(201')进行比较的另外指令。
17.根据权利要求14至16中任一项所述的检查系统，其中所述非瞬态数据存储设备包括被配置为告诉所述处理器进行如下处理的另外指令：
18.根据权利要求14至17中任一项所述的检查系统，其中所述机器学习模型(MA)包括深度神经网络，所述深度神经网络是卷积网络，并且包括最大池化类型的一个或多个过滤级。
19.根据权利要求14至18中任一项所述的检查系统，其中所述吸烟制品或其一部分通过传送器沿着预定路径单独移动，所述传送器产生沿着所述预定路径移动的吸烟制品或其部分的流，并且其中所述处理器被编程为针对所述流中的每个吸烟制品或其一部分捕获单独观察的单个吸烟制品或其一部分的图像(IMM)。
20.一种用于连续循环生产吸烟制品的设备，其中每个吸烟制品包括沿着纵向轴线(AC)延伸的细长管状包材(IC)、包裹在所述包材中的填充材料(MTA)以及在预定位置处嵌入在所述填充材料(MTA)中的细长主体(CP)，所述设备包括根据权利要求14至19中任一项所述的检查系统(12)。
21.一种用于检查吸烟制品的方法，其中每个吸烟制品包括位于所述吸烟制品内部的预定位置处的主体(CP)，所述方法包括以下步骤：
22.一种用于生产多部件吸烟制品的组装设备(1)，每个吸烟制品包括限定相应的中心轴线(AC)的多个杆区段，所述多个杆区段包括被提供有调味元素的第一杆区段(SP1)和第二杆区段(SP2)，所述组装设备(1)包括：
23.根据权利要求22所述的组装设备(1)，包括间隔级(103S)，所述间隔级(103S)相对于所述馈送方向介于所述分离级(103T)与所述第二检查级...
【技术特征摘要】
【国外来华专利技术】
1.一种用于检查吸烟制品的方法，其中每个吸烟制品包括沿着纵向轴线(ac)延伸的细长管状包材(ic)、包裹在所述包材(ic)中的填充材料(mta)和在预定位置处嵌入在所述填充材料(mta)中的细长主体(cp)，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述机器学习模型(ma)被训练为针对每个图像(imm)生成定位数据(201)，所述定位数据(201)表示界定所述图像(imm)中表示的对象的平面几何图形。
3.根据权利要求2所述的方法，包括以下步骤：通过所述处理器基于表示所述主体(cp)的所述预定位置的参考数据(201')来处理(fcn)所述定位数据(201)。
4.根据前述权利要求中任一项所述的方法，其中所述机器学习模型(ma)包括深度神经网络。
5.根据权利要求4所述的方法，其中所述神经网络是卷积神经网络。
6.根据权利要求4或5所述的方法，其中所述神经网络包括最大池化类型的一个或多个过滤级。
7.根据前述权利要求中任一项所述的方法，其中所述机器学习模型通过以下步骤来训练：
8.根据权利要求7所述的方法，其中所述示例包括在对象被正确定位的情况下的半成品吸烟制品的第一多个图像(im1)和在对象根据预定定位缺陷的选择被不正确定位的情况下的半成品吸烟制品的第二多个图像(im2)。
9.根据前述权利要求中的任一项所述的方法，包括以下步骤：
10.根据权利要求9所述的方法，针对所捕获的每个图像，还包括以下步骤：
11.根据前述权利要求中任一项所述的方法，其中在捕获的步骤期间，所述吸烟制品或其一部分沿着预定路径单独地移动，使得沿着所述预定路径移动的所述吸烟制品或其部分中的每一个被单独地查看并且成为图像捕获的对象。
12.根据前述权利要求中任一项所述的方法，其中所述机器学习模型(ma)通过以下步骤来训练：
13.一种计算机程序，包括用于在由处理器执行的情况下执行根据前述权利要求中任一项所述的方法的步骤的指令。
14.一种用于检查吸烟制品的检查系统(12)，所述吸烟制品包括沿纵向轴线(ac)延伸的细长管状包材(ic)、包裹在所述包材(ic)中的填充材料(mta)和在预定位置处嵌入在所述填充材料(mta)中的细长主体(cp)，所述系统包括处理器和非瞬态数据存储设备，所述非瞬态数据存储设备包括机器可读指令，所述机器可读指令告诉所述处理器进行如下处理：
15.根据权利要求14所述的检查系统，其中所述非瞬态数据存储设备包括告诉所述处理器处理所述图像以...
【专利技术属性】
技术研发人员：达利亚·科皮，里卡尔多·瓦苏米尼，朱利亚诺·甘贝里尼，
申请(专利权)人：吉地股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。