雪茄烟烟支外观质量检测方法

为解决雪茄烟烟支外观质量检测自动化程度低、人为影响因素大等问题，研制了一种雪茄烟烟支外观质量检测装置，并构建了基于机器视觉技术和深度学习的烟支外观质量缺陷检测模型。通过检测装置采集雪茄烟柱面缺陷图像，并利用随机平移、翻转等方法对图像进行均衡和增强，建立数据集；使用K-means聚类算法生成适用于柱面缺陷数据集的先验框；对YOLOv5模型进行训练，并验证检测效果；采用大津法求得最佳阈值对雪茄烟端面空头图像进行分割，通过统计烟丝缺失比例实现空头缺陷检测。结果表明：(1)采用YOLOv5模型对柱面缺陷进行检测，多类别平均准确率MAP(Mean Average Precision)为87.7%，单张图像检测时间为13.1 ms/张，模型抗干扰能力强，检测精度和时间均优于对比模型。(2)YOLOv5模型能够准确识别和定位多尺寸、多种类以及密集缺陷，具有较强泛化能力和鲁棒性。(3)在不同亮度光照环境下，均能够实现空头缺陷检测。该方法可为提高雪茄烟产品质量提供支持。