论文部分内容阅读
摘要：随着国内科学技术的快速发展，人工智能技术逐渐被应用到了各大工作领域中，在其中发挥着重要的作用。其中，人工智能技术在烟草包装印刷质量监测工作上有着举足轻重的作用，进一步提高了烟草包装印刷质量监测工作的工作水平。在实际工作当中，传统的烟草包装印刷质量人工监测工作经常会因为人为操作失误导致印刷质量不过关，最终导致烟草企业经济效益损失。而人工智能监测技术的监测准确性更高，监测速度更快，同时还解放了人工成本，为烟草企业减少了经济成本，因此国内烟草企业必须迅速引入人工智能监测技术。本文研究分析了人工智能监测技术的技术要点，通过监测实验检测人工智能技术存在的缺陷，为技术人员改进人工智能技术提供参考依据。
关键词：人工智能技术;烟草包装印刷;质量检测;应用分析
引言：
我国烟草行业有着长足的发展史，烟草企业为了满足人民的烟草需求，长期对烟草进行不断升级。随着烟草种类越来越多，烟草的包装也成为烟草产品的重中之重。精美，良好的烟草包装不仅能够吸引更多顾客，还能够起到防伪的作用。但烟草包装工作在实际印刷过程中却经常会因为各种影响因素导致印刷失败，为了给客户提供精致的烟草产品，烟草包装质量监测工作的重要性呼之欲出。随着我国经济水平的快速提升，人工智能监测技术设备迅速在我国烟草企业中普及，虽然人工智能监测技术设备好处颇多，提高了质量监测工作效率，但仍然存在着诸多缺陷。为此，国内烟草企业必须尽快提高人工智能监测技术水平。
1人工智能与深度学习概述
时至今日，人工智能技术的发展已经小有成就，能够在各种工作领域中发挥一定的作用。人工智能技术的最终研究目标是希望机器设备能够拥有像人类一样的思维和学习能力，一旦人工智能技术成熟，将极大解放人类劳动力，提高人类的生活水平。人工智能学家根据仿生学原理将人类大脑神经传输结构的多层网络运用到人工智能技术设备中，极大提高了人工智能技术设备的学习能力以及独立工作的能力。本文利用GoogLeNet网络模型作为基础，对各种烟草产品进行印刷质量监测，以期能够找出人工智能监技术存在的漏洞。
2缺陷检测
2.1训练过程
智能技术设备在上岗工作之前，一般都需要对其进行训练，帮助智能技术设备下建立深度学习运行库，
在实际的智能技术设备训练过程中，工作人员需要提前设定好智能技术设备的训练参数，譬如：迭代次数，颜色通道等等，都需要设置适中的参数。在训练过程中，工作人员需要提供各种的烟草包装样品供智能技术设备监测，通过实际的训练过程掌握智能技术设备的工作数据，以便于后续对智能技术设备的数据调整。
其次，工作人员还可以为智能技术设备提供有缺陷的烟草包装产品进行监测，检验智能技术设备的缺陷产品检验程度。通过多次监测训练以及数据调整，让智能技术设备的监测水平得到有效提高。
2.2检测过程
传统的深度学习检测存在着诸多缺陷，较高的误检率使其难以满足现在的智能技术设备检测需求。现如今大多烟草企业采用的都是无监督模式和二分类有效结合，相互配合检测的检测模式，使检测准确率大大提高。
在实际检测过程中，人工智能监测技术设备的工作过程大致如下：人工智能技术识别对检测样品的图样特征进行采集，将采集的图样特征与训练过程中建立的监督运行库进行对比。如果采集的图样特征与监督库中的好品图样一致，则待检样品是良好的，如果采集的图样特征与好品图样不一致，则结果相反，该待检产品的包装印刷质量不够达标。在经过这一次监测之后，智能技术设备还要对好的产品进行二次检测，只有二次检测达标的检测产品才能够顺利通过，成为输送到客户手中的产品[1]。
3实验
3.1检出实验
在本次实验中，选取了市面上较为火爆的三款烟草产品苏烟、中华以及玉溪作为检测产品，以保证实验结果具有广泛性和普遍性。将三种烟草产品作为待检样品，利用智能技术设备对其进行检测，观察设备的检出效果。
在实验过程中，三种烟草包装的光油缺陷，脱墨缺陷等都被悉数检出，很大程度上证明了：人工智能监测技术设备能够在实际的烟草包装印刷质量监测工作中发挥重要的作用。
3.2对比实验
在实际工作过程中，人工智能技术设备的检测质量以及检测速度与待检产品的图像成型速度以及待检测缺陷类型有着密切的关系。为此，技术人员应该对人工智能技术设备进行不同工位的对比检测，通过比较检测準确性以及检测速度找到最适合智能监测技术设备的检测工位。在此实验中，技术人员利用人工智能监测技术设备依次对烟草产品的穹顶，斜顶以及反射三个工位进行监测，通过无监督模式以及二分类监测相互结合对烟草产品进行检测，最终检测结果如下：
（1）穹顶工位
在该工位下利用人工智能检测技术设备对烟草产品的包装产品缺陷进行监测，发现深度学习算法的检测效果存在严重不足，不能有效检测产品缺陷。而常规算法却表现不俗，大部分包装缺陷都可以检测出来[2]。
（2）斜射工位
在该工位下对烟草产品包装缺陷进行检测，检测结果如下：如穹顶工位一般，利用常规算法可以在斜射工位上检测出大多数常见的烟草产品包装缺陷，其检测效果要远比深度学习算法优秀。但是一些特殊的包装缺陷，如产品包装的划伤等，常规算法就难以胜任，而深度学习算法检测的效果更好。
（3）反射工位
在反射工位下对烟草产品包装缺陷进行监测，深度学习算法的发挥则要比常规算法检测的检测效果更好，无论是光油，划痕亦或是脱墨等现象，深度学习算法的检出准确性都非常高。
综上所述，在穹顶工位以及斜射工位监测中，利用常规算法检测技术的检测结果将更好。而在反射工位中，深度学习算法检测的检测效果则更优秀。在实际工作过程中，烟草企业应该根据实际工作情况选择合适的检测手段进行检测。
4.结语
从实验结果中不难看出，虽然人工智能监测技术有了一定的发展，但相比于常规算法检测技术还存在着诸多不足。为了能够为客户提供高质量的烟草产品，国内烟草企业应该将两种监测手段有效结合，从而有效提高烟草产品的包装质量。
参考文献
[1]钱隽. 人工智能技术在烟草包装印刷质量检测上的应用研究[J]. 绿色包装， 2020， 59（11）：37-41.
[2]曾强. 烟草包装印刷的技术创新及应用[J]. 印刷质量与标准化， 2009（1）：9-11.
关键词：人工智能技术;烟草包装印刷;质量检测;应用分析
引言：
我国烟草行业有着长足的发展史，烟草企业为了满足人民的烟草需求，长期对烟草进行不断升级。随着烟草种类越来越多，烟草的包装也成为烟草产品的重中之重。精美，良好的烟草包装不仅能够吸引更多顾客，还能够起到防伪的作用。但烟草包装工作在实际印刷过程中却经常会因为各种影响因素导致印刷失败，为了给客户提供精致的烟草产品，烟草包装质量监测工作的重要性呼之欲出。随着我国经济水平的快速提升，人工智能监测技术设备迅速在我国烟草企业中普及，虽然人工智能监测技术设备好处颇多，提高了质量监测工作效率，但仍然存在着诸多缺陷。为此，国内烟草企业必须尽快提高人工智能监测技术水平。
1人工智能与深度学习概述
时至今日，人工智能技术的发展已经小有成就，能够在各种工作领域中发挥一定的作用。人工智能技术的最终研究目标是希望机器设备能够拥有像人类一样的思维和学习能力，一旦人工智能技术成熟，将极大解放人类劳动力，提高人类的生活水平。人工智能学家根据仿生学原理将人类大脑神经传输结构的多层网络运用到人工智能技术设备中，极大提高了人工智能技术设备的学习能力以及独立工作的能力。本文利用GoogLeNet网络模型作为基础，对各种烟草产品进行印刷质量监测，以期能够找出人工智能监技术存在的漏洞。
2缺陷检测
2.1训练过程
智能技术设备在上岗工作之前，一般都需要对其进行训练，帮助智能技术设备下建立深度学习运行库，
在实际的智能技术设备训练过程中，工作人员需要提前设定好智能技术设备的训练参数，譬如：迭代次数，颜色通道等等，都需要设置适中的参数。在训练过程中，工作人员需要提供各种的烟草包装样品供智能技术设备监测，通过实际的训练过程掌握智能技术设备的工作数据，以便于后续对智能技术设备的数据调整。
其次，工作人员还可以为智能技术设备提供有缺陷的烟草包装产品进行监测，检验智能技术设备的缺陷产品检验程度。通过多次监测训练以及数据调整，让智能技术设备的监测水平得到有效提高。
2.2检测过程
传统的深度学习检测存在着诸多缺陷，较高的误检率使其难以满足现在的智能技术设备检测需求。现如今大多烟草企业采用的都是无监督模式和二分类有效结合，相互配合检测的检测模式，使检测准确率大大提高。
在实际检测过程中，人工智能监测技术设备的工作过程大致如下：人工智能技术识别对检测样品的图样特征进行采集，将采集的图样特征与训练过程中建立的监督运行库进行对比。如果采集的图样特征与监督库中的好品图样一致，则待检样品是良好的，如果采集的图样特征与好品图样不一致，则结果相反，该待检产品的包装印刷质量不够达标。在经过这一次监测之后，智能技术设备还要对好的产品进行二次检测，只有二次检测达标的检测产品才能够顺利通过，成为输送到客户手中的产品[1]。
3实验
3.1检出实验
在本次实验中，选取了市面上较为火爆的三款烟草产品苏烟、中华以及玉溪作为检测产品，以保证实验结果具有广泛性和普遍性。将三种烟草产品作为待检样品，利用智能技术设备对其进行检测，观察设备的检出效果。
在实验过程中，三种烟草包装的光油缺陷，脱墨缺陷等都被悉数检出，很大程度上证明了：人工智能监测技术设备能够在实际的烟草包装印刷质量监测工作中发挥重要的作用。
3.2对比实验
在实际工作过程中，人工智能技术设备的检测质量以及检测速度与待检产品的图像成型速度以及待检测缺陷类型有着密切的关系。为此，技术人员应该对人工智能技术设备进行不同工位的对比检测，通过比较检测準确性以及检测速度找到最适合智能监测技术设备的检测工位。在此实验中，技术人员利用人工智能监测技术设备依次对烟草产品的穹顶，斜顶以及反射三个工位进行监测，通过无监督模式以及二分类监测相互结合对烟草产品进行检测，最终检测结果如下：
（1）穹顶工位
在该工位下利用人工智能检测技术设备对烟草产品的包装产品缺陷进行监测，发现深度学习算法的检测效果存在严重不足，不能有效检测产品缺陷。而常规算法却表现不俗，大部分包装缺陷都可以检测出来[2]。
（2）斜射工位
在该工位下对烟草产品包装缺陷进行检测，检测结果如下：如穹顶工位一般，利用常规算法可以在斜射工位上检测出大多数常见的烟草产品包装缺陷，其检测效果要远比深度学习算法优秀。但是一些特殊的包装缺陷，如产品包装的划伤等，常规算法就难以胜任，而深度学习算法检测的效果更好。
（3）反射工位
在反射工位下对烟草产品包装缺陷进行监测，深度学习算法的发挥则要比常规算法检测的检测效果更好，无论是光油，划痕亦或是脱墨等现象，深度学习算法的检出准确性都非常高。
综上所述，在穹顶工位以及斜射工位监测中，利用常规算法检测技术的检测结果将更好。而在反射工位中，深度学习算法检测的检测效果则更优秀。在实际工作过程中，烟草企业应该根据实际工作情况选择合适的检测手段进行检测。
4.结语
从实验结果中不难看出，虽然人工智能监测技术有了一定的发展，但相比于常规算法检测技术还存在着诸多不足。为了能够为客户提供高质量的烟草产品，国内烟草企业应该将两种监测手段有效结合，从而有效提高烟草产品的包装质量。
参考文献
[1]钱隽. 人工智能技术在烟草包装印刷质量检测上的应用研究[J]. 绿色包装， 2020， 59（11）：37-41.
[2]曾强. 烟草包装印刷的技术创新及应用[J]. 印刷质量与标准化， 2009（1）：9-11.