在数智化浪潮中，云南中烟顺势而为，全力推进数字化转型。一系列借助新兴技术的实践成果，就是云南中烟构建智能化生产体系、打造制造力新优势的生动注脚。
产品质量检测有了更精准画像
两年前一个工作日，在云南中烟红塔集团昭通卷烟厂的卷包车间，高从文和同事们看着被视觉检测系统剔除的众多产品犯起了愁，“为什么被剔除出来？要从哪个环节着手优化？还是只能通过人工排查？”
“原有视觉检测系统对合格标准的划分较为笼统，不能涵盖所有可能出现的检测类型。”高从文在查阅信息后总结道。
能不能基于最新的图像识别技术，让产品外观检测和分类更快、更准、更精细？一个由卷包车间、信息科、工艺质量科等部门携手，涵盖了电气修理、机械操作和信息系统管理的研发小组迅速集结。
研发小组成员查看产品外观剔除原始图像
第一个难题很快就摆在了研发小组面前。那时，关于产品质量检测的图像识别基准数据较少，行业也缺乏产品多功能智能检测模型方面的研究。
“没有前人铺好的路，那我们就自己造！”高从文回忆道，在刚开始的两个多月时间里，小组成员为了尽可能多而全面地采集不合格产品图像并进行筛选、标注处理，几乎是背着眼药水干活。最终，研发小组根据外观质量评价标准和车间生产需求，构建起首个产品外观采集数据集。
“这样一来，被剔除的产品就不再是‘身份不明’的流浪儿，它们有了精准的分类，也就有了研究的价值，能够为生产工艺改进、质量提升决策提供精准导航。”高从文说。
研发小组就精准分类功能集成需求展开讨论
毫米级“鹰眼”检测让微小瑕疵无所遁形
数据是AI模型的“粮食”，只有高质量的数据才能训练出高性能的模型。传统算法常常“看不准”小缺陷，如何才能让检测模型更深入地结合产品生产场景实际，更精准地识别出小粒度目标缺陷？研发组的小伙伴们向改进算法模型发起了挑战。
“我们要优化算法，就必须攻克检测精度和速度平衡的难关，既要保证在高速生产下准确检测，又要满足精度要求，这个挑战很大！”高从文和伙伴们在反复地试验和辩证后，决定在检测模型中创新性地引入新机制，使模型能够自动聚焦于产品外观的关键区域，从而提高对微小缺陷的检测精度。这就好比给模型装上了“鹰眼”，能够更好地捕捉不同大小的缺陷特征，从而有效提升对小目标的检测性能。“1毫米的瑕疵也能精准锁定，从细微的瑕疵到潜在的风险，都逃不过它的法眼！”高从文自豪地说。
反复测试外观检测系统
经过两年多的持续努力和不断探索，查看和细分产品外观图像从每台设备需要10多分钟缩短到不到1分钟；烟箱外观缺陷检测准确率达99.83%……检测系统对产品生产效率、产品质量的双向提升，正是传统制造业向数智化制造跃迁的一抹鲜活缩影。
数据驱动“发现—解决—预防”全闭环
“深度智能检测不是终点。”高从文坦言，从研发之初就给产品检测系统定下了清晰的成长目标：打破传统质检数据“沉睡”存而不用的僵局，完成检测从“经验判断”向“AI决策”的跨越，让数据驱动实现“发现—解决—预防”全闭环，真正反哺于产品质量管控。
“以前面对被剔除的产品，我们只能通过大量的图像数据进行人工复检，凭借经验找到具体生产环节的故障根源，这样的传统追溯方式非常耗时费力。”一位卷包车间的质检人员说：“现在，这位智能伙伴自动实现了不同机组的数据统计分析功能，应用模型后，1分钟之内就可以完成精准分类、统计及预测，详细的分析、预警在可视化屏幕实时呈现，还能第一时间发送到相关人员手机上，质检人员可以精准地进行质量管控与流程优化，维修人员也能精准出击，高效解决故障，最大程度减少剔除造成的辅料消耗。”
小组成员讨论系统的优化提升
从“经验判断”到“AI决策”，思维的蜕变折射出的是云南中烟红塔集团昭通卷烟厂数智转型的挑战与突破。高从文对AI视觉深度赋能卷包质量管控还有更多的“小目标”等待实现，“我们将持续优化检测系统，拓展检测功能与应用场景，争取让数智赋能更好地服务生产和管理。”
非特殊说明，本文由优美尚品主题原创或收集发布，欢迎转载
发表评论