“有了新的檢測裝置，我們每天都在感受AI技術與煙支檢測‘相擁’的成效。”2月6日一早，山東中煙工業有限責任公司濟南卷煙廠卷包車間計量員崔向東一邊查看前一個班次的煙支檢測情況，一邊向記者介紹道。

他提到的檢測裝置，是配置在卷包車間生產線上用于檢測空頭、缺支等卷煙生產異常情況的智能化設備。2024年，它在原有的視覺檢測基礎上充分融入AI技術，升“智”加“芯”后實現了迭代升級。

“原來的視覺檢測，是有‘標準模式’的。”卷包車間網絡中控白班維修工張金鋼說，“簡單來說，就是通過定點畫框，將實時拍攝的煙支狀態圖片與預置的標準成像圖片進行比對，如果圖像參數差異超過預設閾值，就會進行剔除操作。”

由于視覺檢測模式采用的是“非好即壞、非0即1”的判斷邏輯，有時會因“一刀切”等原因導致錯檢和漏檢，對煙支組兩側偏移、煙絲側排列不齊、濾嘴端排列不齊等情況的識別準確率偏低。

“錯檢、漏檢次數過多，制約的不僅是檢測效率，還會對擋車工的生產效率造成一定影響。”崔向東說，“大家都希望檢測裝置更加智能、精準，更好地為卷煙生產保駕護航。”

哪里有需求，哪里就有響應。

在廣泛收集一線意見建議的基礎上，瞄準原有檢測模式痛點，濟南卷煙廠與上海煙草機械有限責任公司開展深度協作，通過多輪交流論證，決定將AI深度學習技術作為解決方案，為原有檢測裝置添智賦能。

他們建立AI深度學習模型，先后提取了4000多萬張圖片對AI進行測試和訓練，讓其逐步具備“慧”檢測的能力；選取相同機型和班次，讓原有的視覺檢測模式與AI深度學習檢測模式“同場競技”，比拼檢測效果。

計量員崔向東正在核對煙支空頭檢測裝置檢測的準確性。梁玉潔攝

在這個過程中，視覺檢測和AI深度學習檢測兩位“參賽選手”共檢測煙支生產現場成像圖片203999張。最終，前者的錯檢率為0.7‰、漏檢率為38.3%；后者兩項數據分別為0.05?和0.45%。

“AI的加入，讓檢測裝置學會了‘思考’。”在張金鋼看來，這一結果并非偶然，“它不再依賴于預設的‘標準模式’，而是通過深度學習不斷實現自我優化迭代，根據煙支實際狀態靈活調整判斷標準。”

反復試驗確定可行性并經過多次穩定性驗證后，以AI技術為檢測裝置加入智慧“芯”的想法成為現實——5組搭載AI深度學習技術的煙支空頭缺支檢測裝置在卷包車間陸續上線運行。

盒裝多支檢測準確率提高21.75%、缺支檢測準確率提高18.39%……自檢測裝置升“智”加“芯”以來，濟南卷煙廠卷包車間煙支檢測準確率顯著提升，錯檢、漏檢率持續下降，進一步推動了車間生產效率和產品質量的雙重提升。

“全新的檢測模式解決了原來‘四個角上的煙支因鏡頭采集圖像發生形變導致的檢測準確性低’和‘因煙支排列不齊導致誤檢’等問題，讓檢測更加準確。”崔向東向記者說起了“用戶體驗”。

據他介紹，搭載AI深度學習技術的新裝置，需要在后臺不斷進行“投喂”，使其適應性、泛用性持續增強，在有效解決“一刀切”等問題的基礎上，更好地應對光源變化、原輔料改變、批次牌號調整等生產現場的不同狀況。

為檢測設備升“智”加“芯”，是濟南卷煙廠持續夯實智能制造基座的一個縮影。

他們從過程管控著眼尋找掣肘生產上水平的整體性問題，從使用體驗著眼不放過影響生產效率的“沙子”，持續加強與國內煙機制造企業的合作，通過“因需點單+集中訂餐”協作模式，逐步探索國產煙機設備升級的全新“打開方式”。

包裝機自動上料機器人。楊坤攝

建設生產態勢可視化智能生產指揮中心，研發質量檢測智能點檢系統，開發產線級輔助維保決策系統和設備總成全生命周期管理系統，開展小盒商標紙自動上料機器人研制……他們集成一個個創新“點”構建數字化產“線”，進而不斷擴大智能生產覆蓋“面”，數智發展之路越走越寬。

“不僅是AI要深度學習，我們的操作人員也要進行AI檢測的相應學習。企業鼓勵年輕員工積極擁抱智能制造，用數字化思維讀懂智能化設備，以便更好地摸清設備‘脾氣秉性’，將自己鍛煉成為支撐企業未來發展的數字工匠。”張金鋼看著正在運行的智能設備，神情中滿是自豪。

數據在智能大屏上持續跳動，一支支卷煙從生產線上魚貫而出。采訪結束后，在充滿智能應用場景的車間里，張金鋼和同事們又一頭扎進了生產現場……