基于PLC的烟盒内衬纸缺陷检测系统
浅析成品条烟外观缺陷检测装置的设计应用
浅析成品条烟外观缺陷检测装置的设计应用作者：刘俊强蒋健来源：《科学与信息化》2020年第08期摘要在日常生产过程中，条烟存在条盒纸包裹不规则外观变形、条透明纸折叠包裹不完整等质量缺陷。
缺陷条烟在输送通道中如果操作工不及时取出，则会造成通道堵塞条烟严重变形报废，甚至会造成第二提升严重错位变形而损坏设备。
通过在第二提升器的后面和条烟加热美容器的前面，安装凸起检测传感器，当有任何凸起缺陷信号产生，则立即停机并显示“条包机第二提升故障”，通过加装PLC编写程序引入连锁控制信号，实现外观缺陷能够正常停机，减少产品质量缺陷流入市场，提高了设备运行效率。
关键词成品条烟;外观缺陷;检测装置;设计应用1 成品条烟外观产生缺陷的原因分析条外透明纸包装机主要是完成成品条烟外面的透明纸包装工艺的设备，成品条烟外透明纸上粘贴有一条撕带，用于把透明纸快速地撕开、扯掉，方便取出条盒包装内的成品条烟。
条外透明纸包装机涉及的原材料有两种：①是条透明纸，透明纸厚22微米，宽340毫米;②是撕带，条透明纸撕带成品也是成卷供应，拉线宽2.5毫米。
这两种原材料经过多个机构的输送，最终黏合在一起，再由切刀把粘有撕带的透明纸裁切成一张张成品透明纸。
当条烟输送到固定位置上后，一张张透明纸刚好与条烟结合在一起，开始包裹条外透明纸的包装。
包裹条外透明纸时首先包裹透明纸的最长封口的部分，把长边完全折叠好，再把长边透明纸接头封口处进行加热黏合在一起。
向下级输送到条烟两个透明纸端面折叠部位，由机械手同时折叠两个端面的透明纸封口，再把两个端面封口加热黏合在一起，完成了整个条外透明纸的包裹工艺过程。
在整个条外透明纸的包裹工艺过程中，一张薄薄的透明纸与撕带黏合在一起前经过多级传动输送，不可避免产生漂移、错位、摩擦静电，在经过长逢封口折叠、加熱，两个端面折叠加热，也同样会引起错位、折叠不良的条透明纸外观包裹质量缺陷。
在条外透明纸包裹的整个工艺过程中，只有一个传感器对透明纸是否到位进行检测识别，在其他折叠、输送过程中就再也没有任何检测传感器，由此产生的成品外观质量缺陷，将会流入下一道工序中，属于不合格产品。
基于视觉学习的烟支缺陷特征识别系统探究
基于视觉学习的烟支缺陷特征识别系统探究摘要：随着数字化技术的发展，视觉中图像信息分析方法对计算机视觉的研究极为重要。
而烟支作为卷烟成型的关键工艺加工产品，通过构建缺陷识别系统用于改善质量也显得尤为重要。
计算机算法的改善与图像数据识别效率的提升，能够获得较高的图像检索质量，而通过新一代技术的整合与设计，可以满足新形势下卷烟制造关键环节对新装备、新体系、新模式的场景化应用。
关键词：视觉学习；烟支；缺陷特征国内烟支外观质量检测领域，目前主要采用的是机器视觉技术，在烟支缺陷特征识别应用和发展中仍存在诸多问题。
因此，需要构建新型机器视觉检测控制方法体系，加速新型复杂智能视觉深度学习系统开发。
通过前期技术调研，研发视觉深度学习的烟支缺陷特征识别系统，系统设计思路整体按照缺陷标准自学习算法研发，视觉装备一体化设备研发，主要由检测传感器与配套装置、嵌入式控制器、IO 高速超采样模块、工控机等组成，以及烟支缺陷监测软件开发三个体系进行论证设计。
1 缺陷标准自学习算法设计1.1 编码与图像差异双向缺陷检测设计深度学习下图像缺陷检测系统，首先需要构建图像标准化识别分级体系，构建图像分级化处理编码体系，能够分级化高效处理，形成稳定的图像处理流程；其次利用视觉识别设备对图像的数据信息进行单项识别，获取与标准库对应的差异数据信息，通过编码验证存在的缺陷不同，再确定图像的实际参数，并标记缺陷区域，在不同的分割层级区块中提取缺陷检测单相帧数，划定具体的分割范围，将求得的规则化卷积值作为缺陷检测层级分割标准，构建分割的对应区块，在原始的改进的区域卷积神经网络下，使用视觉几何群指令，在不同的分割层级区块中提取缺陷检测单相帧数，划定具体的分割范围，实现双向缺陷检测。
1.2 缺陷特征基准数据库设计根据国家卷烟系列标准，构建标准监测库的同时，参照发现瑕疵表现类型各种各样，出现位置不确定、瑕疵大小不稳定状态，并利用原有机器剔除系统所剔除的典型样本，集合工厂调研与商业终端反馈的不良烟支图片，构建图像缺陷特征基准数据库，要根据图像格式执行识别检测流程，通过系统预设的检测指令识别图像，基于深度学习视觉自学习算法，在标准缺陷采集过程中，切割目标图像，通过人工辅助与机器自学习标注图像缺陷，标注超限、越界色差等图像参数，并计算预测转换比在系统控制区域中，划定具体的转换范围，并构建拟合环境，再结合深度学习技术，调整执行协议，在数据库中存入可扩展标记语言分化文件，融入上述构建的泛化模块，最后从色调、饱和度以及明度等方面变换目标图像。
基于PLC的全自动包装机系统设计设计
基于PLC的全自动包装机系统设计设计全自动包装机系统是一种能够自动完成包装过程的设备，它能够将产品包装成符合要求的包装形式，并且能够在高速、高效的情况下进行工作。
PLC（可编程逻辑控制器）是一种常用于自动化控制系统的控制设备，它能够根据预设的程序准确地控制和监控设备的运行。
本文将基于PLC的全自动包装机系统进行设计，具体包括系统的硬件设计和软件设计两个方面。
硬件设计：1.传感器选择：包装机系统通常需要使用不同类型的传感器来检测物料的位置、重量、形状等信息。
根据具体的包装要求，选择合适的传感器，如光电传感器、压力传感器和温度传感器等。
2.执行器选择：包装机系统需要使用不同类型的执行器来完成各种工作，如电动机控制输送带运行，气缸控制夹紧装置等。
根据具体的工作要求，选择合适的执行器，并考虑到其控制方式与PLC的兼容性。
3.通信接口设计：考虑到实时监控和数据采集的需要，包装机系统需要与上位机或其他设备进行通信。
选择合适的通信接口，如以太网接口或串口接口等，确保系统能够实现与其他设备的数据交换。
4.安全设计：在设计过程中，必须考虑到系统的安全性，采取相应的安全措施，如急停按钮、安全门、光幕等，以保障人员和设备的安全。
软件设计：1.确定控制逻辑：在软件设计过程中，首先需要根据包装过程的要求，确定控制逻辑。
根据工作流程，将整个包装过程分解为不同的步骤，考虑到步骤之间的先后关系和依赖关系，逐步建立控制逻辑。
2.编写程序：根据确定的控制逻辑，使用PLC编程软件，编写程序来实现对各个执行器的控制和监控功能。
程序需要包括逻辑控制语句、运算和判断语句等，以确保系统能够按照要求进行工作。
3.监控界面设计：为了方便操作和监控系统的运行状态，可以设计一个监控界面。
通过该界面，操作人员可以实时监控运行状态、设备参数和报警信息等，并进行必要的调整和干预。
4.故障排除和调试：在软件设计完成后，需要对系统进行测试、排除故障和调试。
确保系统能够正常运行，并对程序的性能进行优化和改进。
基于支持向量机的条烟包装外观缺陷检测
基于支持向量机的条烟包装外观缺陷检测传统的条烟包装外观缺陷检测通常依靠人工目测，不仅效率低下，而且容易出现漏检和误检的情况，无法满足现代化生产要求。
为了解决这一问题，近年来，基于支持向量机的条烟包装外观缺陷检测技术得到了广泛应用，并取得了显著的成效。
本文将介绍基于支持向量机的条烟包装外观缺陷检测技术的原理、方法和应用，旨在为读者提供一种新的视角和思路，帮助他们更好地理解和应用这一技术。
一、支持向量机原理支持向量机（Support Vector Machine, SVM）是一种基于统计学习理论的监督学习模型，它可以用于分类和回归分析。
在分类问题中，SVM的基本思想是找到一个最优的超平面，将不同类别的样本分开，并最大化分类间隔。
如下图所示，对于二维平面上的两类样本点，SVM试图找到一条直线，使得两类样本点到这条直线的距离最大化。
\[W^T\phi(x)+b=0\]\[W\]为超平面的法向量，\[b\]为偏置项，\(\phi(x)\)为特征映射函数。
当样本的特征不是线性可分时，可以通过核函数将特征空间映射到高维空间中，使得在高维空间中样本点能够被线性分隔。
基于支持向量机的条烟包装外观缺陷检测方法主要包括特征提取和模型训练两个步骤。
1. 特征提取特征提取是指从条烟包装的图像中提取出有助于区分正常和异常区域的特征。
常用的特征包括颜色、纹理、形状等。
在条烟包装外观缺陷检测中，可以采用颜色直方图、灰度共生矩阵、形状特征等作为特征向量。
2. 模型训练将提取出的特征向量作为输入，建立支持向量机模型，并对其进行训练。
训练过程包括选择合适的核函数、调整模型参数等，以使得模型能够更好地区分正常和异常区域。
在训练过程中，可以采用交叉验证等方法对模型进行评估和调优，以提高模型的泛化能力。
基于支持向量机的条烟包装外观缺陷检测技术在实际生产中已经得到了广泛应用，并取得了显著的成效。
1. 提高检测准确率相比传统的人工目测方法，基于支持向量机的条烟包装外观缺陷检测技术能够更加准确地识别出正常和异常区域，避免了漏检和误检的情况。
《基于深度学习的烟支缺陷目标检测》
《基于深度学习的烟支缺陷目标检测》一、引言随着人工智能和深度学习技术的飞速发展，计算机视觉在工业检测领域的应用越来越广泛。
烟支作为烟草行业的重要产品，其生产过程中的质量控制显得尤为重要。
传统的烟支缺陷检测方法主要依赖于人工检测，不仅效率低下，而且易受人为因素影响，导致检测结果的不准确。
因此，基于深度学习的烟支缺陷目标检测方法成为了一种新的解决方案。
本文旨在探讨基于深度学习的烟支缺陷目标检测方法，以提高烟支生产的品质和效率。
二、深度学习在烟支缺陷检测中的应用深度学习是一种模拟人脑神经网络的工作方式，通过学习大量数据中的规律和模式，实现对未知数据的预测和分类。
在烟支缺陷检测中，深度学习可以通过训练大量的烟支图像数据，学习到烟支缺陷的特征和规律，从而实现对烟支缺陷的自动检测和分类。
目前，基于深度学习的烟支缺陷目标检测方法主要采用卷积神经网络（CNN）和目标检测算法。
其中，CNN可以自动提取烟支图像中的特征，而目标检测算法则可以对图像中的烟支进行定位和分类，从而实现烟支缺陷的检测。
三、烟支缺陷目标检测的深度学习模型针对烟支缺陷目标检测的问题，本文提出了一种基于Faster R-CNN的深度学习模型。
该模型采用CNN提取烟支图像中的特征，并通过区域提议网络（RPN）和分类器对图像中的烟支进行定位和分类。
在模型训练过程中，我们采用了大量的烟支图像数据，包括正常烟支和各种缺陷烟支的图像，以使模型能够学习到更多的烟支缺陷特征和规律。
四、实验与分析为了验证本文提出的基于Faster R-CNN的深度学习模型在烟支缺陷目标检测中的效果，我们进行了大量的实验。
实验结果表明，该模型能够有效地对烟支进行定位和分类，并准确地检测出各种烟支缺陷。
与传统的烟支缺陷检测方法相比，该模型具有更高的检测精度和更快的检测速度。
此外，我们还对模型的泛化能力进行了测试，结果表明该模型可以很好地适应不同的生产环境和不同的烟支类型。
五、结论本文提出了一种基于Faster R-CNN的深度学习模型，用于烟支缺陷目标检测。
基于支持向量机的条烟包装外观缺陷检测
基于支持向量机的条烟包装外观缺陷检测二、SVM算法原理支持向量机（SVM）是一种监督学习模型，其主要思想是找到一个最大间隔的超平面，将不同类别的数据分开。
在二维空间中，可以用一条直线进行分割；在多维空间中可以用一个超平面进行分割。
SVM算法的核心是通过一个优化问题来求解最大间隔超平面，使得训练样本点到超平面的距离最大化。
通过间隔最大化的思想，SVM在处理分类问题时具有较好的性能和泛化能力。
三、SVM在条烟包装外观缺陷检测中的应用1. 特征提取在条烟包装外观缺陷检测中，首先需要对图像进行特征提取。
常用的图像特征包括颜色、纹理、形状等，这些特征可以用来描述条烟包装的外观信息。
对于彩色图像，可以使用颜色直方图、颜色矩、颜色梯度等特征来描述图像的颜色信息；对于纹理信息，可以使用灰度共生矩阵、局部二值模式等特征来描述图像的纹理信息；对于形状信息，可以使用边缘检测、形状描述子等特征来描述图像的形状信息。
这些特征可以有效地表征条烟包装的外观信息，为后续的分类和识别提供了基础。
2. 分类与识别基于支持向量机的条烟包装外观缺陷检测，首先需要建立一个合适的分类模型。
在特征提取的基础上，可以利用支持向量机算法来训练分类模型，对不同类别的外观缺陷进行识别和分类。
通过给定的训练数据集，SVM可以学习到一个最优的超平面，将不同类别的数据点进行有效分割。
一旦训练好了分类模型，就可以对新的条烟包装图像进行识别和分类，从而实现外观缺陷的快速检测和定位。
3. 模型评估与优化在建立了支持向量机的分类模型之后，需要对模型进行评估和优化。
常用的评估指标包括准确率、召回率、F1值等，通过这些指标可以对模型的分类性能进行评估。
还可以通过交叉验证、参数调优等方法对模型进行优化，从而提高模型的泛化能力和鲁棒性。
四、结论基于支持向量机的条烟包装外观缺陷检测是一种有效的方法，可以快速准确地对条烟包装的外观缺陷进行检测。
通过合理的特征提取、分类与识别、模型评估与优化等步骤，可以建立一个有效的检测系统，实现对条烟包装外观缺陷的自动识别和定位。
基于支持向量机的条烟包装外观缺陷检测
基于支持向量机的条烟包装外观缺陷检测随着社会的不断发展，人们的生活水平不断提高，对于烟品质量的要求也越来越高。
而作为烟品质量的一部分——包装外观缺陷检测更是备受关注。
目前，传统的包装外观缺陷检测主要靠人工检测，效率低，受主观因素影响大，且易出错。
为了弥补传统的人工检测的不足，越来越多的研究者正在尝试引入机器学习和人工智能技术进行包装外观缺陷检测。
基于支持向量机的条烟包装外观缺陷检测是其中的一种新兴技术，本文将从原理、应用和发展前景等方面进行探讨。
一、支持向量机的原理支持向量机（Support Vector Machine，SVM）是一种利用统计学习理论来进行分类分析的监督学习模型，其基本思想是找到一个超平面，使得离该超平面最近的训练样本点到该超平面的距离最大。
在二维空间中，就是找到一条直线，使得离该直线最近的样本点到该直线的距离最大。
而在多维空间中，就是找到一个超平面，使得离该超平面最近的样本点到该超平面的距离最大。
简而言之，支持向量机通过寻找最优超平面来实现分类。
SVM的优点在于：1. 在高维空间中有较好的表现。
2. 只需选择好核函数即可用于非线性分类。
3. 只需用到训练数据的一个子集来进行训练。
4. 泛化能力强。
基于支持向量机的条烟包装外观缺陷检测就是利用支持向量机的分类能力，找到一个最优超平面，将正常的包装和异常的包装分开，从而实现对包装外观缺陷的自动检测和分类。
基于支持向量机的条烟包装外观缺陷检测主要包括以下几个步骤：1. 数据采集：通过照相机、摄像头等设备对条烟包装进行拍照或录像，获取大量的条烟包装图像数据。
2. 数据预处理：对采集到的图像数据进行处理，包括图像的去噪处理、亮度对比度调整等，以提高后续的图像分析和识别的准确性。
3. 特征提取：从经过预处理的图像数据中提取特征，通常包括颜色、纹理、形状等特征。
4. 训练模型：利用已标注的包装外观缺陷数据对支持向量机模型进行训练，使其学习到不同外观缺陷的特征。
基于支持向量机的条烟包装外观缺陷检测
基于支持向量机的条烟包装外观缺陷检测条烟包装外观缺陷的检测是制烟行业质量控制的重要环节之一。
传统的条烟包装外观缺陷检测方法通常需要大量的人力资源和时间，而且存在主观性较高的问题。
为了解决这些问题，研究者们开始尝试使用机器学习算法来进行条烟包装外观缺陷检测。
支持向量机（Support Vector Machine，简称SVM）被广泛应用于图像识别领域，可以用于准确和高效地检测条烟包装外观缺陷。
支持向量机是一种二分类模型，其基本思想是通过求解一个凸二次优化问题，找到一个最优的超平面，将不同的样本点分开。
在条烟包装外观缺陷检测中，可以将正常的包装视为一个类别，将有缺陷的包装视为另一个类别，然后使用SVM模型进行分类。
需要准备一组具有标记的样本数据集。
这些样本数据集应包含正常的条烟包装和不同类型的缺陷包装。
通过对样本数据进行图像预处理，如去噪、灰度化和二值化等操作，将图像转化为可以用于机器学习的特征向量。
然后，将处理后的特征向量作为输入，构建支持向量机模型。
SVM模型具有核函数的选择问题，不同的核函数可以用于处理不同类型的数据。
高斯核函数常用于处理线性不可分的数据，而多项式核函数常用于处理多项式特征的数据。
选择合适的核函数需要根据具体的应用场景。
接下来，使用经典的SMO算法（Sequential Minimal Optimization）进行SVM模型的训练。
SMO算法是一种迭代的优化算法，可以求解拥有多个变量的凸二次规划问题。
训练完成后，使用训练得到的SVM模型对新的条烟包装进行检测。
将条烟包装的特征向量输入到SVM模型中，可以得到对应的预测结果。
如果预测结果为正常，则认为该包装没有缺陷；如果预测结果为缺陷，则认为该包装存在外观缺陷。
可以根据检测结果进行相应的处理。
如果检测到有缺陷的包装，可以将其从生产线上剔除，以保证产品质量。
基于支持向量机的条烟包装外观缺陷检测具有高准确性和高效率的优点。
通过充分利用已有的标记样本数据集，SVM模型可以学习到不同类别之间的特征差异，能够对新的样本进行准确的分类。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于PLC的烟盒内衬纸缺陷检测系统陈海需;衡耀付;李鲁阳;刘勇军【摘要】烟盒内衬纸(铝箔纸)具有保护香烟防潮、防水分流失、烟支霉变和卷烟香气损失的作用,GDX2硬盒硬条包装机组由于设计问题,无法检测和剔除包裹烟支的铝箔纸缺失、破损、变形等问题,为避免缺陷烟包流入市场,设计一种利用欧姆龙接近开关E2E-X5MF1与可编程控制器S7-200配合控制的烟包铝箔纸缺陷检测系统,加装在硬盒包装主机烟包出口与小盒透明纸包装机入口之间的烟包通道上,实际生产实践证明,该系统经济实用,检测可靠,缺陷烟包识别剔除率达到100%,有效提升了香烟品质和企业形象.%Inner-frame for cigarette (aluminum foil) has the effect that prevent cigarette from damp, mildew and loss of tobacco aroma, Due to a design flaw, GDX2 cigarette packer is unable to detect and eliminate the problem about the loss, damage, deformation of aluminum foil paper. In order to avoid the defective tobacco package escapes into the market , we designed a defect detection system of Inner-frame for cigarette, which uses coordinated control of Omron proximity switch E2E-X5MF1 and PLC S7-200, Installed in tobacco package channel between the exit of hard packet packer and the entrance of small box transparent paper packer. Practices showed that the system is economical and practical , stable performance, reliable detection, the eliminating rate of defective tobacco package reaches 100%, improved the quality of the cigarette and the corporate identity effectively.【期刊名称】《电子设计工程》【年(卷),期】2017(025)012【总页数】3页(P57-59)【关键词】缺陷检测;内衬纸;接近开关;PLC【作者】陈海需;衡耀付;李鲁阳;刘勇军【作者单位】黄淮学院机电工程学院,河南驻马店 463000;黄淮学院机电工程学院,河南驻马店 463000;中国科学院电工研究所北京 100190;黄淮学院机电工程学院,河南驻马店 463000【正文语种】中文【中图分类】TN7GDX2硬盒硬条包装机组是意大利GD公司生产的设备，它由X2硬盒包装机、CH盒外透明包装机、CT硬条盒包装机和CV条外透明包装机组成，在硬盒包装机工作时，烟盒内衬纸以400张/分钟高速运行[1]，经输送、压痕、裁切、定位后进入包装模盒进行包装折叠，在此过程中针对铝箔纸有左、右偏移检测和“PULL”检测，然而由于包装模盒设计紧凑、空间狭窄，在商标纸包上烟支裹包后未设计有小盒铝箔纸缺陷检测装置，这就导致内衬纸在多个工位裁切、折叠时造成的内衬纸撕舌缺失、偏移和破损现象无法有效把控，从而失去了内衬纸防潮、防霉变和防止烟香损失的作用[2]。
根据市场调查，许多卷烟厂在生产过程中都不同程度地出现铝箔纸缺失或破损的小盒卷烟混入成品条盒卷烟中，而且小盒卷烟的铝箔纸破损、缺失后，往往会使烟支在包装过程中丢失，造成小盒卷烟严重缺支，最终造成各种缺陷烟包进入下道工序，进而流入市场，严重影响了香烟品质和企业形象。
针对以上问题，文献[3]提到关于烟盒包装纸缺陷检测，过于复杂，不够经济，文献[4-6]提到的检测方法不够成熟，而该系统介绍的利用欧姆龙接近开关[7]E2E-X5MF1与PLC可编程控制器配[8-9]合实现了卷烟内衬纸缺陷检测控制，并能剔除缺陷烟包，有效提升了卷烟包装质量。
烟盒内衬纸缺陷检测系统由西门子S7-200控制器、电感式接近开关、光纤传感器、自动剔除装置，以及报警装置组成，控制基本原理如图1所示。
经现场实际研究，GDX2卷烟包装机组在小盒包装机包裹流程的工位上，空间狭窄，没有足够空间安装检测装置，退而求其次，在小盒包装机与透明纸包装机之间的烟包传送通道安装缺陷检测装置，也能保证最小限度成本损失，安装效果如图2所示。
检测装置由8个欧姆龙接近开关、2个反射式光纤传感器、1个剔除电磁阀和气嘴组成。
通过改造设计，在烟包输送通道两侧的挡板上各交错安装4个接近开关，对小盒卷烟的两个侧面进行全面扫描检测，为避免接近开关的相互干扰间距设置20 mm。
在右侧面接近开关的两侧各安装1个反射式光纤传感器，用来输出烟包位置信号，并决定缺陷动作信号的动作时间，其左右位置决定检测同步宽度。
剔除电磁阀和气嘴安装在距离前端光纤传感器200 mm远的通道挡板上，正对面挡板设计有80 mm*30 mm深的缺陷烟包剔除口，由剔除气嘴将有铝箔纸缺陷的小盒卷烟从剔除口吹出烟包输送通道。
缺陷检测系统选用电感式传感器作为检测元件，其可以透过商标纸等非金属材料对小盒卷烟内的铝箔纸质量缺陷进行有效检测。
并从经济性、稳定性综合考虑选用欧姆龙E2E-X5MF1接近开关，为直流三线式无屏蔽接近开关，直径12 mm，有效检测距离5 mm，PNP/NO输出形态，检测到金属体时输出高电平。
光纤传感器选用FS2-60P，检测到烟包时输出高电平，频响特性好、灵敏度较高，保证同步检测宽度内烟包的位置精确。
系统选用西门子S7-200 CPU224CN PLC，集成了14输入/10输出共24个数字量I/O点，可以满足本检测系统的需求，内衬纸缺陷检测系统电路原理如下图3所示。
本设计共用到10个数字量输入和4个数字量输出，输入口设置从I0.0到I1.1，输出口从Q0.1到Q0.4，如上图3所示。
系统的自动缺陷检测功能通过可编程逻辑控制器PLC编程实现，程序流程如图4所示，其控制方式为：烟盒铝箔纸正常时，接近开关一直输出高电平，在光纤信号下降沿对烟包进行计数；当检测到烟盒铝箔纸缺失或破损时，接近开关会输出时长不等的低电平，同时启动报警，PLC进行存储移位，在缺陷烟盒离开前端光纤传感器，即光纤信号下降沿到达时，PLC延时后指令剔除电磁阀动作，剔除气嘴将缺陷烟包吹出输送通道，掉到回收设备中，不进入下道工序，然后解除报警，缺陷烟包计数，剔除电磁阀复位。
烟包传送速度是固定的，由于烟包内衬纸缺陷前后位置不一样，产生缺陷信号的时间就不一致，导致报警随机出现，为了避免缺陷部位不同，所引起的时间误差，在编程时引入了光纤信号下降沿作为剔除动作的触发信号，经过计算与反复试验，在光纤信号下降沿到来时需延时165 ms启动剔除电磁阀。
内衬纸缺陷检测系统波形如下图5所示，在传感器检测同步宽度内，由于安装位置的原因，光纤信号宽度理论上略大于接近开关扫描宽度。
当有一个及以上接近开关输出低电平，也即检测不到铝箔纸信号或信号断续时，可以认为烟盒内衬铝箔纸缺失或破损，并在第一个低电平信号出现时立即报警。
当内衬纸无缺陷时，接近开关在扫描宽度内输出高电平，不会触发报警。
GDX2小盒包装机在安装内衬纸缺陷检测装置后，可在连续运转的情况下准确剔除有铝箔纸破损、缺失、偏斜的小盒卷烟，缺陷识别剔除率达到了100%。
进一步生产试验，发现该缺陷检测系统对内衬纸折叠不良、变形的烟包，甚至烟包缺少的硬条盒也有一定的检测效果。
该检测系统采用西门子可编程控制器为平台，巧妙结合产品特点，利用接近开关对金属的敏感性实现了烟盒内衬纸的缺陷检测，有效检测距离5 mm，能准确的识别并剔除铝箔纸破损、缺失或偏斜烟包。
与现有的视觉成像检测技术[10-11]相比，该检测装置原理成熟，成本低廉，检测可靠，而且双面检测更有效地避免内衬纸缺陷烟包流入市场，有效提升了香烟品质和企业形象。
【相关文献】[1]刘贺阳，张建勋，孙天发，等.GDX1包装机组铝箔纸自动拼接系统的设计应用[J].烟草科技，2010，271（2）:20-22.[2]刘俊强，孙天发.硬盒内衬纸缺陷自动检测剔除装置的研制[J].环球市场信息导报，2015（42）:44-45.[3]李力，黄玉彦，乔茜华，等.基于疑似目标区域判定方法的卷烟透明包装缺陷检测[J].郑州轻工业学院学报：自然科学版， 2014，29（2）:35-37.[4]李云，张尤赛.基于最优Gabor滤波与局部二值模式的物体表面缺陷检测[J].现代电子技术，2015，38（9）:100-103.[5]李宏，张冬生，林义刚，等.基于Otsu理论的灰度图像分割算法的研究与改进[J].科学技术与工程，2010（22）：5437-5440.[6]高世一，杨凯珍，刘师田.基于数据拟合的激光焊接焊缝图像表面缺陷检测[J].现代电子技术，2011，34（14）:188-190.[7]胡向东.传感器与检测技术[M].北京:机械工业出版社，2013.[8]张世友.西门子S7－400 PLC利用TCP/IP和计算机直接通讯[J].控制工程， 2013，20（S0）:99-103.[9]冯春，陈柏.半自动分拣线上运动条烟的在线识别[J].烟草科技， 2015，48（1）:90-95.[10]王鹏飞，杨永跃，赵茹.红外热成像技术在亚平面缺陷检测中的应用[J].电子设计工程，2012，20（20）:176-178.[11]赵磊，雷鸣，高俊钗.基于机器视觉的密封件表面缺陷检测研究[J].电子设计工程， 2011，19（24）:72-77.。