香烟产品在生产过程中,其外包装可能出现拉线缺失、拉线错牙、透明纸破损等缺陷,对于外观上存在缺陷的产品应当作为不合格品被剔除掉。现阶段,条烟外观缺陷检测算法主要是使用传统图像处理方法,其检测流程复杂,需要设置大量的阈值参数,存在准确率低、通用性差等局限性。近年来,深度学习技术发展迅速,其具有准确率高、通用性强及流程简单等特点。因此,本文提出使用深度学习技术来检测条烟的外观质量。首先,本文分析了条烟外观缺陷的类型,制作了包含无缺陷图像和各类型缺陷图像的数据集。通过分析条烟图像的特性,选择以Res Net为基础网络,并改进了激活函数和残差模块,使其适用于条烟外观缺陷检测任务。经过多次训练调优,最终模型的准确率达到了99.4%。其次,为了验证本文模型的有效性,可视化分析了特征图,使用测试集对模型进行测试,并将本文模型与传统方法、其它主流网络模型进行了对比。此外,为了方便模型的扩展和部署,针对新型缺陷样本数较少的情况,设计了基于预训练模型的继续学习方法,同时探究了网络精简对模型性能的影响。最后,为了实现在线检测,本文设计了条烟外观缺陷检测系统,并将本文模型嵌入到检测系统中。该系统主要包含两个功能模块:模型训练模块和条烟检测模块。模型训练模块实现了模型训练、模型保存和训练过程可视化等功能,检测模块实现了图像传输、模型调用、缺陷检测和缺陷信息记录等功能。测试结果表明,该系统具有一定的工程应用价值。