“有了新的检测装置，我们每天都在感受AI技术与烟支检测‘相拥’的成效。”2月6日一早，山东中烟工业有限责任公司济南卷烟厂卷包车间计量员崔向东一边查看前一个班次的烟支检测情况，一边向记者介绍道。

他提到的检测装置，是配置在卷包车间生产线上用于检测空头、缺支等卷烟生产异常情况的智能化设备。2024年，它在原有的视觉检测基础上充分融入AI技术，升“智”加“芯”后实现了迭代升级。

“原来的视觉检测，是有‘标准模式’的。”卷包车间网络中控白班维修工张金钢说，“简单来说，就是通过定点画框，将实时拍摄的烟支状态图片与预置的标准成像图片进行比对，如果图像参数差异超过预设阈值，就会进行剔除操作。”

由于视觉检测模式采用的是“非好即坏、非0即1”的判断逻辑，有时会因“一刀切”等原因导致错检和漏检，对烟支组两侧偏移、烟丝侧排列不齐、滤嘴端排列不齐等情况的识别准确率偏低。

“错检、漏检次数过多，制约的不仅是检测效率，还会对挡车工的生产效率造成一定影响。”崔向东说，“大家都希望检测装置更加智能、精准，更好地为卷烟生产保驾护航。”

哪里有需求，哪里就有响应。

在广泛收集一线意见建议的基础上，瞄准原有检测模式痛点，济南卷烟厂与上海烟草机械有限责任公司开展深度协作，通过多轮交流论证，决定将AI深度学习技术作为解决方案，为原有检测装置添智赋能。

他们建立AI深度学习模型，先后提取了4000多万张图片对AI进行测试和训练，让其逐步具备“慧”检测的能力；选取相同机型和班次，让原有的视觉检测模式与AI深度学习检测模式“同场竞技”，比拼检测效果。

计量员崔向东正在核对烟支空头检测装置检测的准确性。梁玉洁摄

在这个过程中，视觉检测和AI深度学习检测两位“参赛选手”共检测烟支生产现场成像图片203999张。最终，前者的错检率为0.7‰、漏检率为38.3%；后者两项数据分别为0.05‱和0.45%。

“AI的加入，让检测装置学会了‘思考’。”在张金钢看来，这一结果并非偶然，“它不再依赖于预设的‘标准模式’，而是通过深度学习不断实现自我优化迭代，根据烟支实际状态灵活调整判断标准。”

反复试验确定可行性并经过多次稳定性验证后，以AI技术为检测装置加入智慧“芯”的想法成为现实——5组搭载AI深度学习技术的烟支空头缺支检测装置在卷包车间陆续上线运行。

盒装多支检测准确率提高21.75%、缺支检测准确率提高18.39%……自检测装置升“智”加“芯”以来，济南卷烟厂卷包车间烟支检测准确率显著提升，错检、漏检率持续下降，进一步推动了车间生产效率和产品质量的双重提升。

“全新的检测模式解决了原来‘四个角上的烟支因镜头采集图像发生形变导致的检测准确性低’和‘因烟支排列不齐导致误检’等问题，让检测更加准确。”崔向东向记者说起了“用户体验”。

据他介绍，搭载AI深度学习技术的新装置，需要在后台不断进行“投喂”，使其适应性、泛用性持续增强，在有效解决“一刀切”等问题的基础上，更好地应对光源变化、原辅料改变、批次牌号调整等生产现场的不同状况。

为检测设备升“智”加“芯”，是济南卷烟厂持续夯实智能制造基座的一个缩影。

他们从过程管控着眼寻找掣肘生产上水平的整体性问题，从使用体验着眼不放过影响生产效率的“沙子”，持续加强与国内烟机制造企业的合作，通过“因需点单+集中订餐”协作模式，逐步探索国产烟机设备升级的全新“打开方式”。

包装机自动上料机器人。杨坤摄

建设生产态势可视化智能生产指挥中心，研发质量检测智能点检系统，开发产线级辅助维保决策系统和设备总成全生命周期管理系统，开展小盒商标纸自动上料机器人研制……他们集成一个个创新“点”构建数字化产“线”，进而不断扩大智能生产覆盖“面”，数智发展之路越走越宽。

“不仅是AI要深度学习，我们的操作人员也要进行AI检测的相应学习。企业鼓励年轻员工积极拥抱智能制造，用数字化思维读懂智能化设备，以便更好地摸清设备‘脾气秉性’，将自己锻炼成为支撑企业未来发展的数字工匠。”张金钢看着正在运行的智能设备，神情中满是自豪。

数据在智能大屏上持续跳动，一支支卷烟从生产线上鱼贯而出。采访结束后，在充满智能应用场景的车间里，张金钢和同事们又一头扎进了生产现场……