2019年一等奖-曲靖卷烟厂：深度学习型小盒外观检测系统的研制.pdfVIP

全国烟草行业第三十届 优秀QC 小组成果发布会 成果类型：创新型 深度学习型小盒外观检测系统的研制 云南中烟工业有限责任公司 红云红河集团曲靖卷烟厂 风行QC 小组 2019 年7 月 目 录 前言I 小组概况1 选泽课题2 设定目标及目标可行性分析11 提出方案并确定最佳方案17 制定对策32 对策实施33 效果检查47 标准化51 总结及今后打算53 前 言 2018 年是云烟中支烟新时代元年，中支烟产品已然成 为集团品牌发展的新生力量，作为生产制造企业，有效保障 中支烟生产过程的产品质量水平对培育新品认可度和树立 品牌形象具有重大意义。由于中支烟小盒物理尺寸较标准卷 烟产品存在显著差异，特别当侧面厚度减少后，传统小盒外 观检测系统在使用过程中判定精度不甚理想，为了避免不合 格品流出，只有将缺陷判定阈值设定到较严格水平，这样又 导致较高的误剔率，造成产品原辅材料的浪费，不符合精益 生产理念。 标准卷烟与中支卷烟小盒尺寸对比： 87.5mm 标准： 22mm 55mm 中支： 91.5mm 66mm 14.5mm 由于中支烟产品物理尺寸变化，小盒尺寸和传统牌号产品 存在较大差异，导致现有外观检测系统对尺寸变化后的小盒判定 精度不甚理想，在较严格检测阈值下又产生大量好烟误剔，造成 原辅材料浪费，增加了生产成本，不符合精益生产要求。 针对传统阈值型检测系统对中支烟产品检测精度不高，且 该种原理技术改进空间极其有限的情况，小组设想采用一种 全新的图像检测识别技术替代现有阈值型检测方式，显著提 高检测精度，减少误剔率，提高对中支烟产品的质量保障能 力，助力精品制造基地建设。 名词释义： 名词 释义 深度学习 机器学习的一个分支领域，以某一种信息为 素材，建立模拟人脑进行分析学习的神经网 络，模仿人脑的机制来解释数据，实现对该 类信息特征识别和分类的技术。 细微质量缺陷 长度2mm 或异常区域所占面积比例0.05% 的缺陷状态。 剔除准确率 =剔除缺陷烟包数/缺陷烟包总数 剔除误剔率 =误剔合格烟包数/生产烟包总数 阈值 传统检测中作为判定依据的数值标准 I 一、小组概况 小组名称 制造二部风行QC 小组 成立时间 2013 年8 月 课题名称 深度学习型小盒外观检测系统的研制 课题类型 创新型 课题注册号 HH3QC-2018-19 活动时间 2018 年1 月-2019 年3 月 序号 小组成员 学历 职称 组内分工 1 郑云富 硕士 工程师 组长 统筹指挥 2