动态工况下叶丝杂质识别率95%！误识别率低于0.03%！从厘米级到毫米级的杂质识别，威士顿以技术革新，重塑品质管控新边界！
威士顿制丝线叶丝杂质检测系统 慧眼识杂启新程，智辨纤毫展威能
在烟草制造的工艺流程中，制丝线叶丝杂质检测是品质管控的一道至关重要的工序。鉴于叶丝加工阶段杂质呈现出更为细微与复杂的特性，加之高频次环境振动与大规模检测需求等多重考验，杂质检测系统的精度与效率亟需优化升级，以匹配日益严苛的品质管控标准。
近期，威士顿创新研究院经过不懈努力，在毫米级检测算法、基于5G的分布式处理架构、复合式算法框架以及半自动标注的样本生成算法等技术领域再次取得突破，将杂质识别技术精度从厘米级提升至毫米级，成功研发了新一代制丝线叶丝杂质检测系统。这一创新成果改变了传统制丝工艺中小颗粒杂质长期依赖人工检测的被动局面，显著提升了制丝线质量检测的全面性和自动化程度，有效降低了生产中断的风险。目前，新一代制丝线叶丝杂质检测系统已顺利接入并应用于实际生产线中。
精驭光影：8K超清，照亮叶丝“暗角”
在烟草制丝线的振槽作业中，高达300次/分钟的振动频率导致图像拍摄极易产生残影，加之环境光线不足，分辨毫米级烟丝与非烟丝物质堪比在黑暗环境中进行高难度的视觉搜索任务。
针对复杂且严苛的成像挑战，威士顿创新研究院基于对生产现场实际情况的深入调研，选用了8K超高分辨率的工业相机，定制上下分体式拍摄仓，经过精确的光源测试和参数调整，在不干扰生产线正常运作的前提下，实现了对烟丝的高清晰度成像。此外，通过配备遮光板与遮光罩，确保图像采集过程中不会对周边环境造成光污染，保护现场工作人员的视觉健康与工作效率。
速驭毫厘：5G+分布式推理，织就制丝线叶丝“全量检测网”
制丝线叶丝全量检测涵盖8个关键环节，2秒内要完成拍摄、处理、传输、检测、反馈，算力服务器处理时延不足250毫秒，相当于每分钟内在49平米的房间寻找毫米级杂物，这无疑是对速度与精度的双重考验。
威士顿创新研究院在重压之下，巧妙集成5G与分布式推理技术，动态配置算力资源，便于弹性扩展的同时，极大简化设备集群的管理、系统升级及运维流程。为缓解算力负荷，采用复合式算法架构，利用色域分析实施初步筛选，随后运用深度学习技术进行特征识别，显著提升模型的泛化能力。在此基础上，创新研究院持续优化算法结构，大幅削减对计算资源的依赖，减轻服务器在算力、能耗及散热方面的压力，提升部署环境的兼容性与灵活性。通过对模型的紧凑化与轻量化设计，进一步缩短响应时间，确保上下游设备联动的实时性和高效性。
智驭标注：半自动化算法，解锁杂物“边界”，减负模型迭代
受限于数据标注过程的繁琐性与低效性，为有效缓解模型迭代升级时人工标注的负担与成本，寻求高效的数据处理方案成为了当务之急。
威士顿创新研究院以破局者姿态，创新性采用半自动化标注的样本生成算法，精确计算工业相机捕获的杂质三色图像的轮廓边界及透明通道梯度信息，高效构建样本杂物库。通过对库内图像的进一步处理，生成训练机器学习模型的图像和标注文件，提高样本的多样性和代表性，打破负样本获取的桎梏，大幅减少人工干预的需求，让模型的迭代之路更加智能、灵活。
在探索与实践的征途中，威士顿坚持智慧与创新，聚焦烟草品质管控更高、更精。动态工况下，叶丝杂质无所遁形，从厘米至毫米，不仅是数字的跃动，更是我们对品质承诺的铿锵。“千淘万漉虽辛苦，吹尽狂沙始到金。”未来，威士顿将继续秉持初心，以更加卓越的技术和解决方案，赋能烟草制造，让每一缕烟丝，皆成精品。
