卷烟小盒外观缺陷检测设备成像质量评价方法

针对不同卷烟小盒外观缺陷检测设备间检测能力存在差异等问题,建立了一种烟盒外观缺陷检测设备成像质量评价方法。搭建了烟盒外观缺陷离线检测系统以构建不同成像环境,制作了白度和棋盘格标准块并建立了系统光照均匀性和成像畸变率的量化方法,设计了标准缺陷烟盒样本并在不同成像环境下对其进行检测,分别考察光照均匀性、成像畸变率、成像清晰度以及图像分辨率对缺陷识别率的影响。结果表明：成像畸变率对缺陷识别率影响不大,光照均匀性、成像清晰度以及图像分辨率与缺陷识别率呈正相关;为保证检测效率和识别准确性,检测系统中各参数阈值为光照均匀性系数<5.0%,成像清晰度T值>12.0,图像分辨率≥128 px×128 px。该方法可为提升卷烟产品包装品质提供支持。     

基于PHAM-YOLO网络的卷烟纸燃烧线检测方法

为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的检测。采用特征金字塔快速池化、边界盒回归等方法提升了卷烟纸燃烧线的定位准确性。结果表明,对于卷烟纸燃烧线数据集,PHAM-YOLO网络检测平均精度均值、精度和召回率分别为99.0%、99.8%和99.0%,其中平均精度均值比原始模型提高了5.0%,高于其他类型的目标检测方法。