?“識別率97.27%！揀出率92.6%！”近日，歷時3年的設(shè)計(jì)、研發(fā)、建模訓(xùn)練及驗(yàn)證調(diào)優(yōu)之后，威士頓煙葉無序分揀機(jī)器人項(xiàng)目取得了階段性成功，經(jīng)過實(shí)驗(yàn)室驗(yàn)證，識別率超過初定目標(biāo)90%，揀出率超過初定目標(biāo)80%，且機(jī)器人運(yùn)行穩(wěn)定，可7×24小時連續(xù)不間斷工作。

威士頓無序分揀機(jī)器人，采用人工智能技術(shù)，幫助卷煙生產(chǎn)突破業(yè)務(wù)瓶頸

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

威士頓注意到該問題在行業(yè)內(nèi)的重要性和普遍性，組建專項(xiàng)研究團(tuán)隊(duì)，利用人工智能、工業(yè)視覺等技術(shù)手段，輔助用戶解決人工除雜的難點(diǎn)痛點(diǎn)，突破生產(chǎn)業(yè)務(wù)瓶頸。

經(jīng)過內(nèi)部研究討論，項(xiàng)目組決定將任務(wù)拆解成兩個階段：第一階段，賦予“眼”，實(shí)現(xiàn)煙雜輔助識別——在快速輸送的煙葉物料中，準(zhǔn)確識別出摻雜其中的雜物；第二階段，賦予“手”，執(zhí)行無序分揀——即在識別的基礎(chǔ)上，進(jìn)一步對雜質(zhì)的當(dāng)前位置進(jìn)行實(shí)時定位跟蹤，并利用執(zhí)行機(jī)構(gòu)揀出雜質(zhì)。

第一階段：賦予“眼”，實(shí)現(xiàn)煙雜輔助識別

比輸送帶更快，保證每個雜質(zhì)都能“被看清”? ? ? ? ??

在制絲線上，煙葉輸送帶的運(yùn)行速度高達(dá)0.6米/秒。為了讓機(jī)器眼“看得清”，研究人員采用了專業(yè)的工業(yè)相機(jī)，以21幀/秒的速度對流經(jīng)的煙葉物料進(jìn)行拍攝。 ? ??

在物料輸送行進(jìn)路線維度上，相機(jī)在20cm的成像范圍內(nèi)，每個進(jìn)入相機(jī)視野的雜物都能至少被拍到2-3次，使得視覺系統(tǒng)得以“看見”每一個雜質(zhì)。

鎖定頑固雜質(zhì)，提升識別模型價值? ? ??? ? ?

?研究人員對這些雜質(zhì)樣本的顏色、紋理、形狀等進(jìn)行了特征工程，基于DNN(深度神經(jīng)網(wǎng)絡(luò))、SSL(半監(jiān)督學(xué)習(xí))、小顆粒識別技術(shù)（自有專利）等關(guān)鍵技術(shù)構(gòu)建了自主的煙雜識別算法，將大量標(biāo)識后的樣本數(shù)據(jù)輸入到模型中進(jìn)行充分的訓(xùn)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(fù)的研究和嘗試，最終研究人員采用了一種特殊的卷積神經(jīng)網(wǎng)絡(luò)，精準(zhǔn)辨識了這些頑固雜質(zhì)。“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(fù)調(diào)優(yōu)之后，運(yùn)行穩(wěn)定，已經(jīng)能夠識別麻繩、紙片、塑料繩、羽毛等11種雜質(zhì)。“眼”在測試中表現(xiàn)穩(wěn)定，已經(jīng)能夠很大程度地幫助工人解決“雜質(zhì)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(zhì)的拾取工作。

至此，課題研究的第一個階段目標(biāo)已經(jīng)實(shí)現(xiàn)了，但項(xiàng)目組并沒有停下腳步，繼續(xù)進(jìn)入了下一個研究階段。

第二階段：賦予“手”，執(zhí)行無序分揀? ? ?? ? ?

不斷優(yōu)化除雜手段，將原料損失降到最低

采用什么樣的執(zhí)行機(jī)構(gòu)才能準(zhǔn)確的將位置、時刻均是“無序”出現(xiàn)的雜質(zhì)從快速運(yùn)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(jī)器人加柔性手爪的方案。但很快發(fā)現(xiàn)這種方案存在的問題，抓薄了會抓不穩(wěn)小顆粒雜質(zhì)，發(fā)生漏揀；抓深了又會帶出大量合格的煙葉，造成原料浪費(fèi)。

在綜合考慮了運(yùn)行速度、除雜效果、浪費(fèi)程度等各類因素之后，最終找到了一種優(yōu)選的方案——機(jī)械臂+管道抽吸裝置的組合。管道抽吸可以確保準(zhǔn)確無誤的揀出雜物，而且不需要在雜物揀取點(diǎn)和放置點(diǎn)之間來回往返，運(yùn)行效率極高，造成的煙葉浪費(fèi)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(jī)器人的實(shí)用價值。

降低環(huán)境影響，讓“手”抓得準(zhǔn)確

在實(shí)際應(yīng)用中，哪怕細(xì)微的環(huán)境影響都會影響除雜效果。例如，快速運(yùn)行中輸送帶速度的任何細(xì)微波動，都會給“手”的抓取位置點(diǎn)帶來較大的偏差；面對煙葉物料的高低起伏，如不能準(zhǔn)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(diǎn)”坐標(biāo)更正確、“揀出”成功率更高，研究人員通過工程技術(shù)手段，在經(jīng)歷了幾百次的測試、調(diào)優(yōu)，實(shí)現(xiàn)了雜質(zhì)的“位置-時刻”的精確綁定，機(jī)械手與目標(biāo)雜質(zhì)在一次分揀過程中的實(shí)時跟蹤，并將可能的誤差時間控制在25ms以內(nèi)，相當(dāng)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(xié)調(diào)能力。無序分揀機(jī)器人終于在識別率、揀出率、快速響應(yīng)性等方面取得了階段性的成績。
未來規(guī)劃：持續(xù)研發(fā)升級，幫助煙草從源頭把控產(chǎn)品品質(zhì)

設(shè)計(jì)、研發(fā)、建模訓(xùn)練及驗(yàn)證調(diào)優(yōu)前后歷時3年，項(xiàng)目組在實(shí)驗(yàn)室對無序分揀機(jī)器人驗(yàn)證，驗(yàn)證結(jié)果識別率97.27%，超過初定目標(biāo)90%，驗(yàn)證結(jié)果揀出率92.6%，超出初定目標(biāo)80%，且機(jī)器人運(yùn)行穩(wěn)定，可7×24小時連續(xù)不間斷工作。

下一步，研究人員將在目前研究基礎(chǔ)上，繼續(xù)從兩方面研發(fā)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(biāo)更優(yōu)的產(chǎn)品化設(shè)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(yè)從源頭把控產(chǎn)品品質(zhì)。

威士頓創(chuàng)新研究院：堅(jiān)持科創(chuàng)賦能，助力卷煙生產(chǎn)實(shí)現(xiàn)高質(zhì)量發(fā)展

威士頓深耕煙草行業(yè)二十年，長期深入工廠一線，始終關(guān)注煙草實(shí)際應(yīng)用場景的需求和痛點(diǎn)。威士頓在創(chuàng)新研究院下設(shè)工業(yè)互聯(lián)網(wǎng)人工智能實(shí)驗(yàn)室，專為工業(yè)企業(yè)解決瓶頸生產(chǎn)瓶頸問題，目前已取得一定的研究成果。

未來，創(chuàng)新研究院將繼續(xù)借助人工智能、大數(shù)據(jù)、機(jī)器人、知識圖譜等先進(jìn)技術(shù)手段，將數(shù)年來對煙草行業(yè)的認(rèn)知積累，逐一轉(zhuǎn)化為業(yè)務(wù)場景的創(chuàng)新應(yīng)用，助力煙草行業(yè)用戶從局部智能走向全局智能，幫助卷煙生產(chǎn)“提質(zhì)增效”、實(shí)現(xiàn)高質(zhì)量發(fā)展。