基于深度学习的卷包设备清洁保养质量判别系统设计

为解决烟草行业设备保养人工检查效率低、标准不一等问题,设计了一种基于深度学习的卷包设备清洁保养质量判别系统。系统主要包括三个模型,基于深度学习的保养部位识别模型,判别采集到的图像是否是正确的保养部位;基于深度学习的脏物检测模型,从采集到的保养图像中检测出不合格的脏物;融入工艺知识的保养质量判别模块,根据检测到的脏物和保养部位信息,判别保养是否合格。以武汉卷烟厂卷包车间为例进行现场测试,结果表明:系统对卷包设备的清洁保养质量判别准确率达到86.3%,满足实际生产中对卷包设备清洁保养质量的自动化判别需求,具备良好的泛化性能。      

基于云—边协同的烟草数控加工生产线智能控制方法

烟草数控加工生产线任务流程复杂，若不能合理控制，将出现资源浪费、任务拖期完成、加工成本变大的问题，为克服此问题，提出基于云—边协同的烟草数控加工生产线智能控制方法。构建云—边协同任务调度模型，制作烟草数控加工生产线任务图列表，使用基于改进的遗传-模拟退火的调度算法，对生产线任务图列表中的任务进行合理调度。仿真测试结果表示：烟草数控加工生产线5个任务程序的加工任务拖期变短、加工成本变少，且加工资源充分发挥作用，未出现资源浪费的情况，资源利用率较高。