“识别率97.27%！拣出率92.6%！”近日，历时3年的设计、研发、建模训练及验证调优之后，威士顿烟叶无序分拣机器人项目取得了阶段性成功，经过实验室验证，识别率超过初定目标90%，拣出率超过初定目标80%，且机器人运行稳定，可7×24小时连续不间断工作。

威士顿无序分拣机器人，采用人工智能技术，帮助卷烟生产突破业务瓶颈

烟叶质量是卷烟品质的基础，提高烟叶的纯净度是卷烟生产过程中的重要工作之一。传统的风选除杂、光学除杂和金属除杂都只能在特定条件下应用，对于与烟叶、烟丝颜色相近的非金属杂质，仍然主要采用人工方式挑拣。然而，受限于环境因素与人工能力，对于这些杂物的筛除效果不佳、烟叶质量难保障，导致人工除杂环节成为提升产品质量的瓶颈。   

威士顿注意到该问题在行业内的重要性和普遍性，组建专项研究团队，利用人工智能、工业视觉等技术手段，辅助用户解决人工除杂的难点痛点，突破生产业务瓶颈。

经过内部研究讨论，项目组决定将任务拆解成两个阶段：第一阶段，赋予“眼”，实现烟杂辅助识别——在快速输送的烟叶物料中，准确识别出掺杂其中的杂物；第二阶段，赋予“手”，执行无序分拣——即在识别的基础上，进一步对杂质的当前位置进行实时定位跟踪，并利用执行机构拣出杂质。

第一阶段：赋予“眼”，实现烟杂辅助识别

比输送带更快，保证每个杂质都能“被看清”          

在制丝线上，烟叶输送带的运行速度高达0.6米/秒。为了让机器眼“看得清”，研究人员采用了专业的工业相机，以21帧/秒的速度对流经的烟叶物料进行拍摄。     

在物料输送行进路线维度上，相机在20cm的成像范围内，每个进入相机视野的杂物都能至少被拍到2-3次，使得视觉系统得以“看见”每一个杂质。

锁定顽固杂质，提升识别模型价值           

 研究人员对这些杂质样本的颜色、纹理、形状等进行了特征工程，基于DNN(深度神经网络)、SSL(半监督学习)、小颗粒识别技术（自有专利）等关键技术构建了自主的烟杂识别算法，将大量标识后的样本数据输入到模型中进行充分的训练，形成了烟杂辅助识别模型。

那些与烟叶颜色特别相近的麻绳、几乎不反光的黑色橡塑，曾是最难啃的“硬骨头”。通过反复的研究和尝试，最终研究人员采用了一种特殊的卷积神经网络，精准辨识了这些顽固杂质。“硬骨头”也被啃下，不再是问题，模型的识别范围及识别效果也获得大幅的提升。

混在烟叶中识别难度较高的麻绳和橡胶边角

“烟杂辅助除杂装置”在反复调优之后，运行稳定，已经能够识别麻绳、纸片、塑料绳、羽毛等11种杂质。“眼”在测试中表现稳定，已经能够很大程度地帮助工人解决“杂质在哪里”的问题，工人只需要借助投射光线，即可轻松完成杂质的拾取工作。

至此，课题研究的第一个阶段目标已经实现了，但项目组并没有停下脚步，继续进入了下一个研究阶段。

第二阶段：赋予“手”，执行无序分拣          

不断优化除杂手段，将原料损失降到最低

采用什么样的执行机构才能准确的将位置、时刻均是“无序”出现的杂质从快速运动中的烟叶物料中分拣出去，是研究人员在第二阶段所要解决的问题。

在早期研究中，研究人员采用了机器人加柔性手爪的方案。但很快发现这种方案存在的问题，抓薄了会抓不稳小颗粒杂质，发生漏拣；抓深了又会带出大量合格的烟叶，造成原料浪费。

在综合考虑了运行速度、除杂效果、浪费程度等各类因素之后，最终找到了一种优选的方案——机械臂+管道抽吸装置的组合。管道抽吸可以确保准确无误的拣出杂物，而且不需要在杂物拣取点和放置点之间来回往返，运行效率极高，造成的烟叶浪费也极少，在多个角度提升了整体功效，更大程度地提升了无序分拣机器人的实用价值。

降低环境影响，让“手”抓得准确

在实际应用中，哪怕细微的环境影响都会影响除杂效果。例如，快速运行中输送带速度的任何细微波动，都会给“手”的抓取位置点带来较大的偏差；面对烟叶物料的高低起伏，如不能准确控制“手”的下探深度，就会造成“无法顺利拣出杂物”或“物料堵塞吸取管道”等问题。

为了使“手”的“抓取点”坐标更正确、“拣出”成功率更高，研究人员通过工程技术手段，在经历了几百次的测试、调优，实现了杂质的“位置-时刻”的精确绑定，机械手与目标杂质在一次分拣过程中的实时跟踪，并将可能的误差时间控制在25ms以内，相当于误差时间不会高于一次眨眼所需的时间，从而大幅提升了“手”与“眼”的协调能力。无序分拣机器人终于在识别率、拣出率、快速响应性等方面取得了阶段性的成绩。
未来规划：持续研发升级，帮助烟草从源头把控产品品质

设计、研发、建模训练及验证调优前后历时3年，项目组在实验室对无序分拣机器人验证，验证结果识别率97.27%，超过初定目标90%，验证结果拣出率92.6%，超出初定目标80%，且机器人运行稳定，可7×24小时连续不间断工作。

下一步，研究人员将在目前研究基础上，继续从两方面研发升级：1）拓展对其他高难度种类杂物的识别，如玻璃，海绵，塑料卡片，霉变烟叶等；2）形成模块化、集成化、性能指标更优的产品化设备。从而形成更成熟、更有价值的烟叶无序分拣装置，帮助烟草企业从源头把控产品品质。

威士顿创新研究院：坚持科创赋能，助力卷烟生产实现高质量发展

威士顿深耕烟草行业二十年，长期深入工厂一线，始终关注烟草实际应用场景的需求和痛点。威士顿在创新研究院下设工业互联网人工智能实验室，专为工业企业解决瓶颈生产瓶颈问题，目前已取得一定的研究成果。

未来，创新研究院将继续借助人工智能、大数据、机器人、知识图谱等先进技术手段，将数年来对烟草行业的认知积累，逐一转化为业务场景的创新应用，助力烟草行业用户从局部智能走向全局智能，帮助卷烟生产“提质增效”、实现高质量发展。