降低煙支激光打孔異常對生產影響的研究

費禹鋮，盧 超，劉 浩，薛少鈞

（廣西中煙工業有限責任公司柳州卷煙廠，廣西 柳州 545001）

在線激光打孔是卷煙生產過程中的一道工序，通過激光在接裝紙包裹的嘴棒上環繞打出一圈或兩圈微孔。在線激光打孔不同打孔參數和打孔方式對卷煙濾嘴通風率，以及主流煙氣釋放量、有害成分釋放量、過濾效率等都有影響[1-7]，是產品工藝管控不可或缺的環節。在實際生產中，卷煙激光打孔異常難以被發現，第一個原因是孔太小，人工檢測容易疏忽；第二個原因是機速太快，在卷煙輸送通道上的煙支一直處于快速運動狀態，人工檢測難以識別；第三個原因是機臺工作繁忙，人工很難做到長時間觀察打孔狀態是否異常。除此之外，機器在生產過程中，由于啟停、負壓等因素，造成甩煙、飛煙、甩接裝紙等情況堵塞打孔輪與搓接輪之間間隙，導致激光無法接觸到后續煙支，造成無孔或少孔的異常。若打孔異常的不合格卷煙制品流入下道工序，會引起下道工序停機排查與本工序的停機清潔調整，降低車間整體生產效率，帶來生產成本上升。如果不合格卷煙流入市場，還會降低品牌聲譽，后果嚴重。

1 問題分析

卷煙過程中激光打孔的流程如下，搓接輪順時針旋轉將卷煙搓接后交接進入打孔輪，打孔輪逆時針選裝交接煙支，并與右側方安裝的小滾輪配合使煙支翻滾，激光打孔儀器垂直于卷煙工藝要求位置按設定頻率發射激光，生成工藝標準要求的微孔。

在實際生產過程中，卷煙打孔異常難以杜絕。第一個原因是設備難以保持零部件的清潔與整潔，時常會有由膠水、煙沙、塵末等組成的積垢，黏在零部件上影響煙支的正常輸送，導致煙支的堵塞。由圖1 可知，打孔輪、右側小滾輪、激光打孔儀器之間的空間狹窄，很容易由于積垢導致煙支的堵塞，影響激光打孔儀器正常打孔。第二個原因是卷煙設備出現故障時會停機，停機是一個快速降速的過程，部分煙支、接裝紙會從鼓輪中甩出，甩出的煙支、接裝紙有可能落入上述的狹小空間中，堵塞激光打孔儀器，導致激光不能正常接觸到后續生產的煙支。第三個原因是在激光打孔的過程中會產生塵末，其在打孔輪煙槽中積垢后會導致煙支跳動，影響煙支打孔質量。

圖1 激光打孔系統組成

2 改進辦法

2.1 技術方面

設計一套基于深度學習視覺自動監測系統，用于在生產過程中快速查驗卷煙產品是否存在煙支打孔異常。該系統由數據收集、數據處理、結果輸出3 個部分組成。如圖2 所示，數據收集部分由工業攝像頭、支架、照明燈組成。該工業攝像機可在現場溫濕度環境下工作，具備抗粉塵與抗振動能力，通過網線傳輸視頻流數據，可以保障數據穩定輸入與傳輸，且滿足數據傳輸速度和質量的要求。主機對接收到的視頻流進行處理后，輸出幀圖片供后續的處理環節使用。支架用于調節、固定工業攝像機拍攝卷煙產品的位置，保障拍攝的卷煙產品可以清晰成像。照明燈用于給工業攝像機提供光源，提高卷煙拍攝成像質量，為輸入良好的數據流打好環境基礎。數據處理部分由數據集標注、模型訓練、模型部署調試3 部分組成。數據集標注是將計算機處理后的幀圖片作為數據集，將模型通過要區分的類別分為正常、打孔異常、無打孔、遮擋、邊緣和煙葉干擾6 種類型進行標注，采用精準標注策略，標注范圍盡可能僅包含被檢測目標，減少干擾信息，利于提升訓練后模型對目標檢測的識別能力與精準度。數據集分為訓練組與測試組，前者用于模型訓練，給予模型基礎的認知能力；后者用于模型檢驗，檢驗模型的訓練效果，若訓練效果不佳則需要添加訓練集內容繼續訓練，直至滿足產品的識別需求。

圖2 數據收集裝置

目前有多種目標檢測算法可以使用，如RCNN[8]、Fast-RCNN[9]、Faster-RCNN[10]、SSD[11]和YOLO[12]等。RCNN（Region with CNN features）利用候選區域算法來替代滑窗法，快速定位需要檢測的區域，節省了大量的計算資源，計算速度得到了極大的提升。在使用候選區域算法時，采用選擇性搜索方法，將像素相近的組結合，形成多個尺寸不定的候選區域，通過CNN 網絡提供特征后，再供分類器訓練，經過一定的后續處理后得到處理結果，但是該方法有明顯的缺陷，比如訓練的階段多、步驟繁瑣，訓練需要時間長，數據占用存儲資源大，處理速度時間長，在GPU 作為計算中心的前提下依舊需要大量處理時間，這不符合需要快速處理圖片的場景需求。Fast-RCNN優化了候選區域選取方式，減少了重復采樣計算的時間，避免了重復卷接運算，無論是在訓練上還是應用上，速度大幅提升，但檢測的速度依然有優化的空間。Faster-RCNN 汲取上述2 種算法的優點，優化了網絡架構，將各必要屬性整合到一個網絡中，綜合檢測速度進一步提升。

YOLO（You Only Look Once）基于深度神經網絡，具備強大的目標定位與對象識別功能，而且運行速度快，可以用于檢測對象的實時檢測，同時也具備相當程度的準確性。YOLO 汲取上述算法中優秀的候選區算法設計，并將候選區和對象識別匯入同一階段，采用預定義的模式，將候選區基本擴展到整張圖片，同時結構簡明高效的網絡層設計，使得該算法的檢測速度快、誤檢率低、泛化能力強。綜合考慮檢測框架使用難易程度與檢測速度與精度，現場的工作環境以及檢測頻次，決定采用YOLO 檢測框架作為模型訓練的主要算法。

將數據集導入YOLO 算法進行訓練，設置訓練參數，當損失函數到需求數值或穩定狀態后，停止訓練進入模型調試階段。調用訓練過程中的權重文件，利用驗證集測試模型精確度，若測試結果達不到規定的標準，則重復上述的取數據與標注過程，持續為添加數據集添加數據，利用現階段的權重文件繼續訓練，重復上述的步驟，直至訓練模型精確度達到現場使用的檢測需求。如圖3 所示，最后，將模型與Tkinter 編寫的圖形用戶界面（GUI）封裝，形成計算機程序，供用戶在計算機系統使用，使用方式簡單，用戶只需要點擊按鈕即可啟用或關閉程序，還可以查看打孔異常事件發生的時間，便于追溯。在程序運行的過程中，若檢測出煙支打孔異常，會將報警信號通過USB發送給通信裝置，如圖4 所示的通信裝置，通信裝置將數字信號轉化為模擬信號，觸發報警器發出報警，報警器會周期性震動鳴響，無人干涉會處于長時間報警狀態，確保在嘈雜的環境中能有效傳遞報警信息，提醒現場操作人員已經發生異常，需要緊急處理。

圖3 檢測程序

圖4 報警裝置

2.2 管理方面

為避免打孔輪與激光打孔儀器之間的空間被堵塞，設置了新的過程檢驗管理規定。在管理過程中明確在每次啟動前，操作人員都需要關注激光打孔儀器能否正常工作，儀器與鼓輪之間是否有異物遮擋導致煙支不能正常被打孔。在啟動加速的過程中，需要觀察激光打孔儀器的工作環境與工作狀態，留意光點閃爍頻率，注意飛煙和甩煙引起的堵塞，在出煙鼓輪端檢查輸出煙支是否有打孔、打孔數量與打孔質量是否合格，及時人工干預排除異常確保產品質量符合工藝要求。在生產過程中，除了產品的質量檢測，還需經常關注激光打孔儀器在生產過程中是否可以正常工作，觀察是否有潛在導致堵塞的可能，特別是激光打孔儀器周圍是否存在甩出的煙支、殘支或水松紙，有必要時需要停機取出。為保障設備的運行效率，設置了新的設備保養規定。在設備保養的過程中，需要確認激光打孔儀器能否正常工作，工作所需的能源是否供給正常，同時還需要對搓接輪和打孔輪上的吸風孔做細致地保養清潔，確保每一個吸風孔暢通，不會被膠垢雜物堵塞，能夠在生產全過程提供穩定的負壓，減少在生產過程中發生飛煙、甩煙堵塞激光打孔儀器的情況。

2.3 設備方面

由于激光打孔儀器安裝在設備內，設備為其提供的工作環境使其能夠正常工作起到了重要的作用。在實際的生產過程中，難以避免甩煙與飛煙對激光打孔儀器的干擾，輕則導致打孔質量略微降低，重則導致無煙支打孔，造成重大質量損失，提升生產成本與降低生產效率。根據生產的經驗，甩煙與飛煙通常是來自相鄰的前工序，且甩動方向相對固定，為防止工序甩煙飛煙、接裝紙因氣流隨機運動導致激光打孔儀器的堵塞，在小滾輪的右側設置一塊擋板，如圖5 所示。盡管飛煙與甩煙的運動軌跡存在一定的隨機性，但經過不斷地變化實驗位置，觀察生產運行的結果，將擋板安置在相對完善的位置，可以隔擋絕大多數來自前工序的飛煙、甩煙與隨氣流隨機運動飄來的接裝紙，保障激光打孔儀器盡可能不受前工序阻礙影響，延長激光打孔儀器正常工作的時間。如圖6 所示，為保證煙支不會在煙支打孔輪上跳動，在煙支打孔輪的后側加裝正壓噴嘴。依據設備的運行原理，確保到達正壓噴嘴的煙槽一定為空，煙槽到達指定位置時，正壓噴嘴開始工作，持續向煙支打孔輪中的煙槽輸送正壓，清潔激光打孔過程中留下的塵末與煙沙，保障煙支在運輸和打孔過程中的穩定性。通過正壓對煙槽的清潔，避免了煙支由于積垢在煙槽內的跳動，確保了煙支激光打孔的準確性，同時也在一定程度上清潔了打孔輪的吸風孔，保證負壓在最后的環節供應正常。

圖5 擋板安裝位置示意圖

圖6 正壓噴嘴安裝示意圖

3 應用效果

在生產現場部署上述方法前3 個月，總共發生6 起由煙支打孔異常引起的生產事故，造成223 min 生產時間的浪費與大量煙支報廢，給工廠帶來資源與生產效率的損失。在現場部署上述方法后，機臺操作人員可以在報警聲的提醒下，能夠迅速發現打孔異常煙支并采取相應措施，及時進行產品查驗與設備排查，處理設備中激光打孔儀器附近存在的問題。落實管理規定，嚴格執行開機前的保養工作，保證運行條件符合工藝質量要求，在運行過程中加大對激光打孔儀器及周邊環境的觀察與關注，及時處理可能會發生的異常現象，從根本上減少煙支打孔異常事件發生的可能性。統計上述方法運用后3 個月內的機臺生產情況發現，僅發生2 起由煙支打孔異常引起的停機，總計停機時間7 min，僅造成少量煙支報廢，效果明顯。對比實施前，為工廠節約了大量的生產資源，減輕了員工的勞動量，提高了生產效率。

4 結束語

本文基于深度學習和管理提出一種減少激光打孔異常對生產影響的辦法，設計一套基于深度學習的煙支打孔異常自動檢測系統，減少打孔異常煙支產生的管理規定，對設備加裝阻隔裝置與吹氣裝置，多角度保障卷煙產品質量。檢測系統具有檢測速度快、檢測精度高、全自動檢測的特點，極大降低了操作人員對煙支打孔異常問題的檢查頻次，降低員工勞動強度、提高檢驗效率與產品質量管控水平。管理規定從解決根本問題的角度出發，盡可能杜絕煙支打孔異常事故發生，為順利生產提供保障。設備改造在生產過程中持續保障激光打孔儀器與煙支的穩定性，很大程度上杜絕了外來雜物對激光打孔的影響。三者結合使用后效果顯著。