?“識別率97.27%！揀出率92.6%！”近日，歷時3年的設計、研發、建模訓練及驗證調優之后，威士頓煙葉無序分揀機器人項目取得了階段性成功，經過實驗室驗證，識別率超過初定目標90%，揀出率超過初定目標80%，且機器人運行穩定，可7×24小時連續不間斷工作。

威士頓無序分揀機器人，采用人工智能技術，幫助卷煙生產突破業務瓶頸

煙葉質量是卷煙品質的基礎，提高煙葉的純凈度是卷煙生產過程中的重要工作之一。傳統的風選除雜、光學除雜和金屬除雜都只能在特定條件下應用，對于與煙葉、煙絲顏色相近的非金屬雜質，仍然主要采用人工方式挑揀。然而，受限于環境因素與人工能力，對于這些雜物的篩除效果不佳、煙葉質量難保障，導致人工除雜環節成為提升產品質量的瓶頸。 ??

威士頓注意到該問題在行業內的重要性和普遍性，組建專項研究團隊，利用人工智能、工業視覺等技術手段，輔助用戶解決人工除雜的難點痛點，突破生產業務瓶頸。

經過內部研究討論，項目組決定將任務拆解成兩個階段：第一階段，賦予“眼”，實現煙雜輔助識別——在快速輸送的煙葉物料中，準確識別出摻雜其中的雜物；第二階段，賦予“手”，執行無序分揀——即在識別的基礎上，進一步對雜質的當前位置進行實時定位跟蹤，并利用執行機構揀出雜質。

第一階段：賦予“眼”，實現煙雜輔助識別

比輸送帶更快，保證每個雜質都能“被看清”? ? ? ? ??

在制絲線上，煙葉輸送帶的運行速度高達0.6米/秒。為了讓機器眼“看得清”，研究人員采用了專業的工業相機，以21幀/秒的速度對流經的煙葉物料進行拍攝。 ? ??

在物料輸送行進路線維度上，相機在20cm的成像范圍內，每個進入相機視野的雜物都能至少被拍到2-3次，使得視覺系統得以“看見”每一個雜質。

鎖定頑固雜質，提升識別模型價值? ? ??? ? ?

?研究人員對這些雜質樣本的顏色、紋理、形狀等進行了特征工程，基于DNN(深度神經網絡)、SSL(半監督學習)、小顆粒識別技術（自有專利）等關鍵技術構建了自主的煙雜識別算法，將大量標識后的樣本數據輸入到模型中進行充分的訓練，形成了煙雜輔助識別模型。

那些與煙葉顏色特別相近的麻繩、幾乎不反光的黑色橡塑，曾是最難啃的“硬骨頭”。通過反復的研究和嘗試，最終研究人員采用了一種特殊的卷積神經網絡，精準辨識了這些頑固雜質。“硬骨頭”也被啃下，不再是問題，模型的識別范圍及識別效果也獲得大幅的提升。

混在煙葉中識別難度較高的麻繩和橡膠邊角

“煙雜輔助除雜裝置”在反復調優之后，運行穩定，已經能夠識別麻繩、紙片、塑料繩、羽毛等11種雜質。“眼”在測試中表現穩定，已經能夠很大程度地幫助工人解決“雜質在哪里”的問題，工人只需要借助投射光線，即可輕松完成雜質的拾取工作。

至此，課題研究的第一個階段目標已經實現了，但項目組并沒有停下腳步，繼續進入了下一個研究階段。

第二階段：賦予“手”，執行無序分揀? ? ?? ? ?

不斷優化除雜手段，將原料損失降到最低

采用什么樣的執行機構才能準確的將位置、時刻均是“無序”出現的雜質從快速運動中的煙葉物料中分揀出去，是研究人員在第二階段所要解決的問題。

在早期研究中，研究人員采用了機器人加柔性手爪的方案。但很快發現這種方案存在的問題，抓薄了會抓不穩小顆粒雜質，發生漏揀；抓深了又會帶出大量合格的煙葉，造成原料浪費。

在綜合考慮了運行速度、除雜效果、浪費程度等各類因素之后，最終找到了一種優選的方案——機械臂+管道抽吸裝置的組合。管道抽吸可以確保準確無誤的揀出雜物，而且不需要在雜物揀取點和放置點之間來回往返，運行效率極高，造成的煙葉浪費也極少，在多個角度提升了整體功效，更大程度地提升了無序分揀機器人的實用價值。

降低環境影響，讓“手”抓得準確

在實際應用中，哪怕細微的環境影響都會影響除雜效果。例如，快速運行中輸送帶速度的任何細微波動，都會給“手”的抓取位置點帶來較大的偏差；面對煙葉物料的高低起伏，如不能準確控制“手”的下探深度，就會造成“無法順利揀出雜物”或“物料堵塞吸取管道”等問題。

為了使“手”的“抓取點”坐標更正確、“揀出”成功率更高，研究人員通過工程技術手段，在經歷了幾百次的測試、調優，實現了雜質的“位置-時刻”的精確綁定，機械手與目標雜質在一次分揀過程中的實時跟蹤，并將可能的誤差時間控制在25ms以內，相當于誤差時間不會高于一次眨眼所需的時間，從而大幅提升了“手”與“眼”的協調能力。無序分揀機器人終于在識別率、揀出率、快速響應性等方面取得了階段性的成績。
未來規劃：持續研發升級，幫助煙草從源頭把控產品品質

設計、研發、建模訓練及驗證調優前后歷時3年，項目組在實驗室對無序分揀機器人驗證，驗證結果識別率97.27%，超過初定目標90%，驗證結果揀出率92.6%，超出初定目標80%，且機器人運行穩定，可7×24小時連續不間斷工作。

下一步，研究人員將在目前研究基礎上，繼續從兩方面研發升級：1）拓展對其他高難度種類雜物的識別，如玻璃，海綿，塑料卡片，霉變煙葉等；2）形成模塊化、集成化、性能指標更優的產品化設備。從而形成更成熟、更有價值的煙葉無序分揀裝置，幫助煙草企業從源頭把控產品品質。

威士頓創新研究院：堅持科創賦能，助力卷煙生產實現高質量發展

威士頓深耕煙草行業二十年，長期深入工廠一線，始終關注煙草實際應用場景的需求和痛點。威士頓在創新研究院下設工業互聯網人工智能實驗室，專為工業企業解決瓶頸生產瓶頸問題，目前已取得一定的研究成果。

未來，創新研究院將繼續借助人工智能、大數據、機器人、知識圖譜等先進技術手段，將數年來對煙草行業的認知積累，逐一轉化為業務場景的創新應用，助力煙草行業用戶從局部智能走向全局智能，幫助卷煙生產“提質增效”、實現高質量發展。