(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-09-20
(54)【発明の名称】喫煙品を検査するための方法およびシステム
(51)【国際特許分類】
G01N 21/952 20060101AFI20240912BHJP
G06T 7/00 20170101ALI20240912BHJP
G06V 10/82 20220101ALI20240912BHJP
G06T 7/70 20170101ALI20240912BHJP
【ＦＩ】
G01N21/952
G06T7/00 350C
G06V10/82
G06T7/70 A
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2024516745
(86)(22)【出願日】2022-09-15
(85)【翻訳文提出日】2024-03-22
(86)【国際出願番号】 IB2022058702
(87)【国際公開番号】W WO2023042112
(87)【国際公開日】2023-03-23
(31)【優先権主張番号】102021000023942
(32)【優先日】2021-09-17
(33)【優先権主張国・地域又は機関】IT
(81)【指定国・地域】
(71)【出願人】
【識別番号】392003937
【氏名又は名称】ジー．デー ソチエタ ペル アツィオニ
【氏名又は名称原語表記】Ｇ．Ｄ ＳＯＣＩＥＴＡ ＰＥＲ ＡＺＩＯＮＩ
(74)【代理人】
【識別番号】100159905
【弁理士】
【氏名又は名称】宮垣 丈晴
(74)【代理人】
【識別番号】100142882
【弁理士】
【氏名又は名称】合路 裕介
(74)【代理人】
【氏名又は名称】吉田 新吾
(72)【発明者】
【氏名】コッピ，ダリア
(72)【発明者】
【氏名】ヴァスミニ，リッカルド
(72)【発明者】
【氏名】ガンベリーニ，ジュリアーノ
【テーマコード（参考）】
2G051
5L096
【Ｆターム（参考）】
2G051AA01
2G051AB02
2G051CA04
2G051CA07
2G051EB05
5L096AA06
5L096BA03
5L096CA02
5L096DA02
5L096FA64
5L096FA69
5L096HA11
5L096KA04
(57)【要約】
本開示は、喫煙品を検査するための方法に関し、各喫煙品は、長手方向軸（ＡＣ）に沿って延びる細長い管状の包み紙（ＩＣ）と、包み紙（ＩＣ）に包まれた充填材（ＭＴＡ）と、所定の位置で充填材（ＭＴＡ）に埋め込まれた細長い本体（ＣＰ）とを含む。方法は、長手方向軸（ＡＣ）に沿って方向付けられた光路に沿って観察される喫煙品またはその一部の画像（ＩＭＭ）をキャプチャするステップと、プロセッサによって、画像（ＩＭＭ）を機械学習モデル（ＭＡ）に供給するステップであって、機械学習モデル（ＭＡ）は、画像（ＩＭＭ）内の本体（ＣＰ）を識別するように訓練される、ステップと、を含む。
【特許請求の範囲】
【請求項1】
喫煙品を検査するための方法であって、各喫煙品は、長手方向軸（ＡＣ）に沿って延びる細長い管状の包み紙（ＩＣ）と、前記包み紙（ＩＣ）に包まれた充填材（ＭＴＡ）と、所定の位置で前記充填材（ＭＴＡ）に埋め込まれた細長い本体（ＣＰ）とを含み、当該方法は、－前記長手方向軸（ＡＣ）に沿って方向付けられた光路に沿って観察される前記喫煙品またはその一部の画像（ＩＭＭ）をキャプチャするステップと、
－プロセッサによって、前記画像（ＩＭＭ）を機械学習モデル（ＭＡ）に供給するステップであって、前記機械学習モデル（ＭＡ）は、前記画像（ＩＭＭ）内の前記本体（ＣＰ）を識別するように訓練される、ステップと、を含む方法。
【請求項2】
前記機械学習モデル（ＭＡ）は、各画像（ＩＭＭ）ごとに、当該画像（ＩＭＭ）内に表されるオブジェクトの境界を定める平面幾何学的図形を表す位置決めデータ（２０１）を生成するように訓練される、請求項１に記載の方法。
【請求項3】
前記本体（ＣＰ）の前記所定の位置を表す基準データ（２０１’）に基づいて、前記プロセッサによって、前記位置決めデータ（２０１）を処理するステップ（ＦＣＮ）を含む、請求項２に記載の方法。
【請求項4】
前記機械学習モデル（ＭＡ）はディープニューラルネットワークを含む、請求項１から３のいずれか一項に記載の方法。
【請求項5】
前記ニューラルネットワークは、畳み込みニューラルネットワークである、請求項４に記載の方法。
【請求項6】
前記ニューラルネットワークは、最大プーリングタイプの１または複数のフィルタリングステージを含む、請求項４または５に記載の方法。
【請求項7】
前記機械学習モデル（ＭＡ）は、－複数の模範画像（ＩＭ１、ＩＭ２）を供給するステップと、
－各画像ごとに、当該画像内に表されるオブジェクトの境界を定める平面幾何学的図形を表す位置決めターゲットデータを供給するステップと、を通じて訓練される、請求項１から６のいずれか一項に記載の方法。
【請求項8】
前記複数の模範画像は、オブジェクトが正確に配置された半完成喫煙品の第１の複数の画像（ＩＭ１）と、オブジェクトが所定の位置決め欠陥の選択に従って不正確に配置された半完成喫煙品の第２の複数の画像（ＩＭ２）とを含む、請求項７に記載の方法。
【請求項9】
－制御ユニット（２）によって、前記画像（ＩＭＭ）内の前記本体（ＣＰ）を識別する肯定的識別結果（２０２’’）または否定的識別結果（２０２’）を判定するステップ（ＦＤＴ）であって、識別する前記ステップは、前記機械学習モデル（ＭＡ）によって実行される、ステップと、－前記制御ユニット（２）によって、否定的識別結果（２０２’）の場合、前記喫煙品を排除するための情報（２０３）を生成するステップと、
－前記制御ユニット（２）によって、肯定的識別結果（２０２’’）の場合、前記位置決めデータ（２０１）を前記本体の前記所定の位置を表す前記基準データ（２０１’）と比較し（ＦＣＮ）、比較する前記ステップ（ＦＣＮ）に応じて、前記喫煙品を排除するための情報（２０３）または承認するための情報を生成するステップ（ＦＧＮ）と、を含む、請求項１から８のいずれか一項に記載の方法。
【請求項10】
キャプチャされた各画像ごとに、－前記包み紙（ＩＣ）を光学的に検査し、前記包み紙の検査結果を表す包み紙データを生成するステップと、
－前記包み紙データを、前記包み紙の所定の仕様を表す基準包み紙データと比較するステップと、
－比較する前記ステップの（ｉ）否定的な結果または（ｉｉ）肯定的な結果にそれぞれ応じて、（ｉ）排除するための情報（２０３）を生成するステップ、または（ｉｉ）前記画像（ＩＭＭ）を機械学習モデル（ＭＡ）に供給するステップに進むステップと、をさらに含む、請求項９に記載の方法。
【請求項11】
キャプチャする前記ステップ中に、前記喫煙品またはその一部は所定の経路に沿って個別に移動され、それによって、前記所定の経路に沿って移動される前記喫煙品またはその一部の各々が個々に観察され且つ画像キャプチャの対象とされる、請求項１から１０のいずれか一項に記載の方法。
【請求項12】
前記機械学習モデル（ＭＡ）は、－複数の模範画像（ＩＭ１、ＩＭ２）を供給するステップと、
－各画像ごとに、ターゲットデータを供給するステップと、を通じて訓練され、
各模範画像は、単一の喫煙品またはその一部に関する、請求項１から１１のいずれか一項に記載の方法。
【請求項13】
前記プロセッサによって実行される場合、請求項１から１２のいずれか一項に記載の方法のステップを実行するための命令を含むコンピュータプログラム。
【請求項14】
長手方向軸（ＡＣ）に沿って延びる細長い管状の包み紙（ＩＣ）と、前記包み紙（ＩＣ）に包まれた充填材（ＭＴＡ）と、所定の位置で前記充填材（ＭＴＡ）に埋め込まれた細長い本体（ＣＰ）とを含む喫煙品を検査するための検査システム（１２）であって、プロセッサと、前記プロセッサに次のことを指示する機械可読命令を含む非一時的なデータストレージとを備え、前記機械可読命令は、－前記長手方向軸（ＡＣ）に沿って方向付けられた光路に沿って観察される前記喫煙品またはその一部の画像（ＩＭＭ）をキャプチャすることを指示し、
－前記画像（ＩＭＭ）を機械学習モデル（ＭＡ）に提供することを指示し、前記機械学習モデル（ＭＡ）は、前記画像（ＩＭＭ）内の前記本体（ＣＰ）を識別するように訓練される、検査システム（１２）。
【請求項15】
前記非一時的なデータストレージは、前記画像を処理して、各画像ごとに、当該画像（ＩＭＭ）内に表される前記本体（ＣＰ）の境界を定める平面幾何学的図形を表す位置決めデータ（２０１）を生成するように前記プロセッサに指示するさらなる命令を含む、請求項１４に記載の検査システム。
【請求項16】
前記非一時的なデータストレージは、前記位置決めデータ（２０１）を前記本体（ＣＰ）の前記所定の位置を表す基準データ（２０１’）と比較するように前記プロセッサに指示するさらなる命令を含む、請求項１５に記載の検査システム。
【請求項17】
前記非一時的なデータストレージは、前記プロセッサに次のことを指示するように構成されたさらなる命令を含み、前記命令は、－前記画像（ＩＭＭ）内のオブジェクトを識別する肯定的または否定的な識別結果（２０２’’、２０２’）を判定するように指示し、識別する前記ステップは機械学習モデル（ＭＡ）によって実行され、
－識別結果が否定的な場合（２０２’）、前記喫煙品を排除するための情報（２０３）を生成するように指示し、
－識別結果が肯定的な場合（２０２’’）、前記位置決めデータ（２０１）を前記本体（ＣＰ）の前記所定の位置を表す前記基準データ（２０１’）と比較し、比較するステップ（ＦＣＮ）に応じて前記喫煙品を排除または承認するための情報（２０３）を生成するように指示する、請求項１４から１６のいずれか一項に記載の検査システム。
【請求項18】
前記機械学習モデル（ＭＡ）はディープニューラルネットワークを含み、前記ディープニューラルネットワークは畳み込みネットワークであり、最大プーリングタイプの１または複数のフィルタリングステージを含む、請求項１４から１７のいずれか一項に記載の検査システム。
【請求項19】
所定の経路に沿って移動する喫煙品またはその一部の流れを生成するコンベヤによって、前記喫煙品またはその一部は前記所定の経路に沿って個別に移動され、前記プロセッサは、前記流れ内の各喫煙品またはその一部ごとに個別に観察された単一の喫煙品またはその一部の前記画像（ＩＭＭ）をキャプチャするようにプログラムされている、請求項１４から１８のいずれか一項に記載の検査システム。
【請求項20】
喫煙品の連続サイクル製造のための装置であって、各喫煙品は、長手方向軸（ＡＣ）に沿って延びる細長い管状の包み紙（ＩＣ）、前記包み紙に包まれた充填材（ＭＴＡ）、および所定の位置で前記充填材（ＭＴＡ）に埋め込まれた細長い本体（ＣＰ）を含み、当該装置は、請求項１４から１９のいずれか一項に記載の検査システム（１２）を備える、装置。
【請求項21】
喫煙品を検査するための方法であって、各喫煙品は当該喫煙品内の所定の位置に配置された本体（ＣＰ）を含み、当該方法は、－初期処理ステージから最終処理ステージまでの一連の処理ステージを通して前記喫煙品を連続サイクル製造するための装置において、前記初期処理ステージと前記最終処理ステージとの間の中間処理ステージで機械によって生成された半製品の画像（ＩＭＭ）をキャプチャするステップと、
－制御ユニット（２）によって、前記画像（ＩＭＭ）を機械学習モデル（ＭＡ）に供給するステップであって、前記機械学習モデル（ＭＡ）は、前記画像（ＩＭＭ）内の前記本体（ＣＰ）を識別するように訓練される、ステップと、を含む方法。
【請求項22】
多成分喫煙品を製造するための組立装置（１）であって、各喫煙品はそれぞれの中心軸（ＡＣ）を規定する複数のロッドセクションを含み、前記複数のロッドセクションは香味要素を備えた第１のロッドセクション（ＳＰ１）および第２のロッドセクション（ＳＰ２）を含み、当該組立装置（１）は、－セグメント群（ＧＳ１、ＧＳ２）を形成するように構成された結合ユニット（１０）であって、前記セグメント群（ＧＳ１、ＧＳ２）の各々が少なくとも、軸方向に位置合わせされ且つ端と端とで当接した前記第１のセグメント（ＳＰ１）および前記第２のセグメント（ＳＰ２）を含み、前記セグメント群（ＧＳ１、ＧＳ２）はそれらの中心軸（ＡＣ）に対して垂直に供給され、前記第１のセグメント（ＳＰ１）は、各々がバー軸に沿って離間した第１および第２の端部（Ｂ３１、Ｂ３２）を有するバー（Ｂ３）から得られ、当該結合ユニット（１０）は、前記バーの前記第１および第２の端部（Ｂ３１、Ｂ３２）を対応する第２のセグメント（ＳＰ２）に結合し、分離ステージ（１０３Ｔ）中に、前記バー軸（ＡＣ）に対して横方向に前記バーを切断することによって前記バーを一対の部分（Ｂ３’、Ｂ３’’）に分離し、対応する一対のセグメント群（ＧＳ１、ＧＳ２）を形成するように構成されており、各セグメント群（ＧＳ１、ＧＳ２）はバー部分（Ｂ３’、Ｂ３’’）および第２のセグメント（ＳＰ２）を含む、結合ユニット（１０）と、
－供給方向に供給される一連のセグメント群を前記結合ユニット（１０）から受け取り、前記セグメント群をそれらの中心軸（ＡＣ）に対して垂直に供給し、各セグメント群の周りにラッピング材料のシートを巻き付けるように構成された包装ユニット（１４）と、
－請求項１４から１９のいずれか一項に記載の検査システム（１２）であって、
－前記供給方向において前記分離ステージ（１０３Ｔ）の上流に配置された第１の検査ステージ（１２１）であって、第１のカメラ対（１２２）を備え、各バー（Ｂ３）の前記第１および第２の端部（Ｂ３１、Ｂ３２）を軸方向に観察するように構成された第１の検査ステージ（１２１）と、
－前記供給方向において前記分離ステージ（１０３Ｔ）の下流に配置された第２の検査ステージ（１３）であって、第２のカメラ対（１３１）を備え、前記一対のセグメント群（ＧＳ１、ＧＳ２）の各セグメント群の第１のセグメント（ＳＰ１）の自由端を軸方向に観察するように構成された第２の検査ステージ（１３）と、を含む検査システム（１２）と、を備える組立装置（１）。
【請求項23】
前記供給方向に対して前記分離ステージ（１０３Ｔ）と前記第２の検査ステージ（１３）との間に配置され且つ前記一対のロッドセクション群（ＧＳ１、ＧＳ２）を軸方向に離間するように構成された離間ステージ（１０３Ｓ）を備える、請求項２２に記載の組立装置（１）。
【請求項24】
前記組立装置（１）は、前記一対のセグメント群（ＧＳ１、ＧＳ２）を、前記分離ステージ（１０３Ｔ）と前記離間ステージ（１０３Ｓ）との間で前記バー軸（ＡＣ）に直交する方向に供給するように構成されている、請求項２３に記載の組立装置（１）。
【請求項25】
前記第１のカメラ対（１２２）のカメラは、反対の収束方向に方向付けられたそれぞれの光路を有し、前記第２のカメラ対（１３１）は、反対の発散方向に方向付けられたそれぞれの光路を有する、請求項２２から２４のいずれか一項に記載の組立装置（１）。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は喫煙品を検査するための方法およびシステムに関する。
【背景技術】
【0002】
例えば、紙巻きタバコおよび加熱式（ＨＮＢ）装置などの喫煙品の分野では、個々の製品の品質チェックを行う必要がある。実際、喫煙品を製造する自動機械は時には欠陥のある喫煙品を製造する。特に、包み紙に配置された本体を含む喫煙品があり、ここで本体は所定の位置に配置されなければならない。このケースでは、欠陥はオブジェクトの不正確な配置の結果であり得る。例えば、一部の紙巻きタバコは、本出願人名義の特許文献ＷＯ２０２０１２８８２７Ａ１に記載されているように、オブジェクトであって、その断面が湾曲したオブジェクトの形態であるオブジェクトを含むフィルタを有しており、図では当該オブジェクトには２が付されている。別の例では、特許文献ＷＯ２０１２０１６７９５Ａ１に記載されているように、ＨＮＢ装置は円形断面を有するオブジェクトを含み、図では当該オブジェクトには６が付されている。
【0003】
これに関連して、喫煙品を製造するための自動機械には、例えば本出願人名義の特許文献ＥＰ３５２０６３１Ａ１から従来技術で知られているような検査システムが設けられてもよい。
【0004】
喫煙品を検査するための方法の例は、以下の従来技術文献に記載されている。すなわち、ＷＯ２０１８１８５７２２Ａ１、ＣＮ１１１９７２７００Ａ、ＥＰ３４７６２２８Ａ１、ＩＴＢＯ２００８０７５５Ａ１およびＥＰ３０６７８２３Ａ１に記載されている。さらに、喫煙品を製造するための組立装置に関して、従来技術は、例えば、文献ＤＥ１０２０１４２０３１５８Ａ１およびＥＰ０６５３１７０Ａ１に記載された解決策を提供する。
【0005】
しかしながら、喫煙品の検査を特に効率的で信頼性が高く且つ迅速に実行するシステムの必要性が依然として残っている。特に、このようなシステムが製造中にプロセス内で信頼性の高い品質検査を実行することを可能にすることが望ましい。
【発明の概要】
【0006】
本発明の目的は、従来技術の上述の欠点を克服するための、喫煙品を検査するための方法およびシステムを提供することである。
【0007】
本目的は、添付の特許請求の範囲で特徴付けられる本発明による方法およびシステムによって完全に達成される。
【0008】
一態様によれば、本開示は喫煙品を検査するための方法を提供する。各喫煙品は、長手方向軸に沿って延びる細長い管状の包み紙と、当該包み紙に包まれた充填材と、所定の位置で充填材に埋め込まれた細長い本体とを含む。
【0009】
本方法は、喫煙品またはその一部の画像をキャプチャするステップを含む。この画像は、長手方向軸に沿って方向付けられた光路に沿って観察される。
【0010】
本方法は、画像を機械学習モデルに供給するステップを含む。機械学習モデルは、画像内の本体を識別するように訓練される。このステップはプロセッサによって実行される。
【0011】
これは、機械が（少なくとも）充填材内の本体の存在をチェックすることを可能にする。
【0012】
好ましくは、機械学習モデルは、各画像の位置決めデータを生成するように訓練される。位置決めデータは、管状の包み紙に対する本体の位置を表す。位置決めデータは、画像内に表されるオブジェクトの境界を定める平面幾何学的図形を表す。こうして、充填材内の本体の存在をチェックするだけでなく、包み紙に対する本体の位置を識別することが可能である。
【0013】
本方法は、本体の所定の位置を表す基準データに基づいて、プロセッサによって、位置決めデータを処理するステップを含む。例えば、処理は、プロセッサによって実行されるステップであって、位置決めデータを本体の所定の位置を表す基準データと比較するステップを含む。
【0014】
したがって、プロセッサは、本体が所定の位置に対して許容可能な位置に効果的に配置されていることをチェックできる。例えば、プロセッサは、位置決めデータから決定された本体の位置と所定の位置との間の最大偏差値を識別する偏差値にアクセスできる。
【0015】
一実施形態では、機械学習モデルはディープニューラルネットワークを含む。一実施形態では、ニューラルネットワークは畳み込みニューラルネットワークである。
【0016】
ニューラルネットワークは、最大プーリングタイプの１または複数のフィルタリングステージを含み得る。
【0017】
機械学習モデルは、複数の模範画像を供給するステップを通じて訓練される。各画像ごとに、機械学習モデルは、画像内に表されるオブジェクトの境界を定める平面幾何学的図形を表す位置決めターゲットデータを供給するステップを通じて訓練される。
【0018】
模範には、オブジェクトが正確に配置された半完成喫煙品の第１の複数の画像が含まれる。一実施形態では、模範には、オブジェクトが所定の位置決め欠陥の選択に従って不正確に配置された半完成喫煙品の第２の複数の画像が含まれる。
【0019】
本方法は、制御ユニットによって実行されるステップであって、画像内のオブジェクトを識別する肯定的識別結果または否定的識別結果を決定するステップを含む。識別するステップは、機械学習モデルによって実行される。否定的識別結果の場合、本方法は、制御ユニットによって実行されるステップであって、喫煙品を排除するための情報を生成するステップを含む。肯定的識別結果の場合、本方法は、位置決めデータを本体の所定の位置を表す基準データと比較するステップを開始するステップを含む。次に、本方法は、比較に応じて、喫煙品を排除または承認するための情報を生成することを含む。これは、第一に、本体のない物品を排除することを可能にし、第二に、本体が存在する場合、本体が不正確に配置された物品を排除することを可能にする。
【0020】
一実施形態では、本方法は、各キャプチャされた画像ごとに、包み紙を光学的に検査するステップを含む。本方法は、包み紙の検査結果を表す包み紙データを生成するステップを含む。
【0021】
本方法は、包み紙データを、包み紙の所定の仕様を表す基準包み紙データと比較するステップを含む。本方法は、比較するステップの（ｉ）否定的な結果または（ｉｉ）肯定的な結果にそれぞれ応じて、（ｉ）排除するための情報を生成するステップ、または（ｉｉ）供給するステップに進むステップを含む。
【0022】
このようにして、本方法は、喫煙品の完全な検査を含み、これには包み紙のチェックも含まれる。
【0023】
一態様によれば、本方法は、喫煙品を１つずつ検査するための方法である。言い換えれば、本方法は、各々の個別の喫煙品の画像をキャプチャすることを含む。好ましくは、本方法は、検査ゾーンに個別の喫煙品を配置するステップであって、検査装置は当該喫煙品の画像を取得するために喫煙品を対象としているステップを含む。本方法の一実施形態では、喫煙品を均一に照明することを可能にするために、検査ゾーンは一定の照明パラメータで照明される。また、検査ゾーンの照明パラメータは、複数の模範画像をキャプチャするために使用されるものと同一である。本方法の一実施形態では、喫煙品は検査装置に対して同一の向きで検査ゾーンに配置される。また、複数の模範画像に映る喫煙品は、製造プロセス中に検査される喫煙品と同一の向きを有する。
【0024】
キャプチャされた画像と模範画像との間の照明および配置の均一性は、機械学習モデルによる検査の信頼性を大幅に向上させる。これは、検査が個別ではなくグループで行われ、各喫煙品が検査装置に対して独自の位置を持つ場合には不可能であろう。
【0025】
一実施形態では、検査装置は、喫煙品（または喫煙品を構成するために使用される半製品または部品）を検査ゾーン内外に搬送するコンベヤと同期される。好ましくは、喫煙品（または喫煙品を構成するために使用される半製品または部品）は、規則的な態様で１つずつ搬送される。好ましくは、それらは、それらの向きが予め決められており且つシステムに既知であるように、検査ステーションに搬送される。これは検査精度を向上させて欠陥の認識または品質管理のための機械学習モデルの訓練を促進する。さらに、各検査された喫煙品ごとに、制御ユニットは検査の結果を知る。その結果、制御ユニットは、単一の欠陥のある喫煙品を排除するように排除装置を制御することができる。
【0026】
喫煙品を個別化することはまた、排除作業を促進することに留意されたい。実際、喫煙品がグループで検査される解決策では、単一の欠陥のある喫煙品を識別することがより困難であるだけでなく、それを排除することもより複雑である。なぜなら、（ｉ）喫煙品を遡及的に個別化する必要がある、または（ｉｉ）単一の欠陥のある喫煙品が存在することを理由に複数の喫煙品を排除する必要があるからである。
【0027】
少なくとも１つの例示的な実施形態では、喫煙品またはその一部は、喫煙品を製造する装置（一例では組立装置であるが、検査システムおよび画像処理モードに関する本開示のこの目的および他の態様の目的のために、異なるタイプの装置であり得る）内の所定の経路に沿って、単一の物品として個別に移動される。少なくとも１つの検査ステージ（例えば、第１の検査ステージ、または第１および第２の検査ステージ）が所定の経路に沿って配置される。検査ステージは、少なくとも１つの照明器および１つのカメラを含む。好ましくは、上でも説明されたように、喫煙品またはその一部は、一つずつ所定の経路に沿って移動される。好ましくは、また、喫煙品またはその一部は、検査ステージにおいてそれらが所定の向きを有するように（所定の向きはカメラの光路に対してシステムに既知であり、例えば、喫煙品またはその一部はカメラと位置合わせされるように方向付けられ）、所定の経路に沿って移動される。
【0028】
一例では、画像をキャプチャするステップ中、所定の経路に沿って移動される喫煙品またはその一部の各々は個別に観察され且つ撮影される（すなわち、画像キャプチャの対象となる）。そうすることによって、各画像は単一の喫煙品またはその一部に関連する。
【0029】
機械学習モデルに関して、好ましくは、各々が単一の喫煙品またはその一部に関連する複数の模範画像をそれに供給することによって訓練されることに留意されたい。さらに、機械学習モデルは、それにターゲットデータを供給することによって訓練され得る（この場合、学習は教師あり）。代替的に、ターゲットデータはそれに供給されない（この場合、学習は教師なし）。
【0030】
一例では、非一時的なデータストレージに含まれる機械可読命令は、フロー内の各喫煙品またはその一部ごとに、プロセッサが次のことを行うようなものである。すなわち、プロセッサは、
－少なくとも１つの検査ステージを通して（例えば、第１および第２の検査ステージを通して）、所定の向きを有する経路に沿って観察される喫煙品またはその一部の複数の画像をキャプチャし、
－複数の画像を機械学習モデルに供給する。
－少なくとも１つの検査ステージを通して（例えば、第１および第２の検査ステージを通して）、所定の向きを有する経路に沿って観察される喫煙品またはその一部の複数の画像をキャプチャし、
－複数の画像を機械学習モデルに供給する。
【0031】
機械学習モデルは、喫煙品またはその一部の欠陥の所定のカテゴリを識別するように訓練される。一例では、欠陥のカテゴリは、喫煙品内に（所定の位置に）位置する本体の位置またはその欠如に関連する。しかしながら、機械学習モデルは、単なる一例として、汚れまたは不純物の存在、または喫煙品またはその一部の所定の（基準）形状とは異なる形状など、他のタイプの欠陥を認識するように訓練され得る。
【0032】
一態様によれば、本開示は、プロセッサによって実行される場合、本開示で説明される方法のステップを実行するための命令を含むコンピュータプログラムを提供する。
【0033】
一態様によれば、本開示は、長手方向軸に沿って延びる細長い管状の包み紙と、包み紙に包まれた充填材と、所定の位置で充填材に埋め込まれた細長い本体とを含む喫煙品を検査するための検査システムを提供する。本システムは、プロセッサと、機械可読命令を含む非一時的なデータストレージとを備える。機械可読命令は、長手方向軸に沿って方向付けられた光路に沿って観察される喫煙品またはその一部の画像をキャプチャするようにプロセッサに指示する。機械可読命令は、画像内の本体を識別するように機械訓練される機械学習モデルに画像を供給するようにプロセッサに指示する。
【0034】
非一時的なデータストレージは、画像を処理して、各画像ごとに、当該画像に表された本体の境界を定める平面幾何学的図形を表す位置決めデータを生成するようにプロセッサに指示するさらなる命令を含む。
【0035】
非一時的なデータストレージは、位置決めデータを本体の所定の位置を表す基準データと比較するようにプロセッサに指示するさらなる命令を含む。
【0036】
命令は、機械学習モデルによって実行された画像内のオブジェクトの識別結果が肯定的か否定的かを判定するようにプロセッサに指示する。命令は、識別結果が否定的な場合、喫煙品を排除するための情報を生成するようにプロセッサに指示する。命令は、識別結果が肯定的な場合、位置決めデータを本体の所定の位置を表す基準データと比較し、その比較に応じて喫煙品を排除または承認するための情報を生成するようにプロセッサに指示する。
【0037】
一実施形態では、機械学習モデルはディープニューラルネットワークを含む。ディープニューラルネットワークは、畳み込みディープニューラルネットワークであり得る。ディープニューラルネットワークは、最大プーリングタイプの１または複数のフィルタリングステージを含み得る。
【0038】
一態様によれば、本開示は、喫煙品の連続サイクル製造のための装置を提供し、各喫煙品は、長手方向軸に沿って延びる細長い管状の包み紙と、包み紙に包まれた充填材と、所定の位置で充填材に埋め込まれた細長い本体とを含む。本装置は、本開示で説明される特徴のいずれかによる検査装置を備える。
【0039】
一態様によれば、本開示は、喫煙品を検査するための方法を提供し、各喫煙品は、喫煙品内の所定の位置に配置された本体を含む。本方法は、初期処理ステージから最終処理ステージまでの一連の処理ステージを通して連続サイクルで喫煙品を製造する装置によって実行される動作の文脈において適用可能である。
【0040】
本方法は、初期処理ステージと最終処理ステージとの間の中間処理ステージで機械によって生成された半製品の画像をキャプチャするステップを含む。
【0041】
本方法は、制御ユニットによって実行されるステップであって、画像内の本体を識別するように訓練される機械学習モデルに画像を供給するステップを含む。
【0042】
一態様によれば、本開示は、多成分喫煙品を製造するための組立装置を提供する。各喫煙品は、それぞれの中心軸を規定する複数のロッドセクションを含む。複数のロッドセクションは、香味要素を備えた第１のロッドセクションと第２のロッドセクションとを含む。
【0043】
組立装置は結合ユニットを備える。結合ユニットは、各々が少なくとも第１のロッドセクションと第２のロッドセクションとを含むロッドセクション群を形成するように構成される。第１および第２のロッドセクションは互いに軸方向に位置合わせされる。第１および第２のロッドセクションは端と端とで当接している。
【0044】
ロッドセクション群はそれらの中心軸に対して垂直に前進する。第１のロッドセクションは、各々がロッド軸に沿って離間した第１の端部および第２の端部を有するロッドから得られる。
【0045】
結合ユニットは、それぞれの第２のロッドセクションをロッドの第１および第２の端部に結合するように構成される。結合ユニットは、分離ステージにおいて、対応する一対のロッドセクション群を形成するために、ロッド軸に対して横方向にロッドを切断することによって当該ロッドを一対の部分に分離するように構成される。各ロッドセクション群は、ロッドの部分および第２のロッドセクションを含む。
【0046】
組立装置は包装ユニットを備える。包装ユニットは、供給方向に供給される一連のロッドセクション群を結合ユニットから受け取り、ロッドセクション群をそれらの中心軸に対して垂直に供給し、各ロッドセクション群の周りにラッピング材料のシートを巻き付けるように構成される。
【0047】
組立装置は検査システムを備える。
【0048】
検査システムは第１の検査ステージを含む。第１の検査ステージは供給方向において分離ステージの上流に配置される。第１の検査ステージは各ロッドの第１および第２の端部を軸方向に観察するように構成される。
【0049】
検査システムは第２の検査ステージを備える。第２の検査ステージは供給方向において分離ステージの下流に配置される。第２の検査ステージは、一対のロッドセクション群の各ロッドセクション群の第１のロッドセクションの自由端を軸方向に観察するように構成される。
【0050】
一実施形態では、組立装置は、供給方向に関して分離ステージと第２の検査ステージとの間に配置された離間ステージを備える。離間ステージは、一対のロッドセクション群を軸方向に離間するように構成される。
【0051】
組立装置は、分離ステージと離間ステージとの間で、一対のロッドセクション群をロッド軸に対して垂直に供給するように構成される。
【0052】
第２の検査ステージは、一対のロッドセクション群の間に軸方向に配置された中央カメラを含む。一実施形態では、第２の検査ステージは、一対のロッドセクション群の間に軸方向に配置されたさらなる中央カメラを含む。
【0053】
一実施形態では、第２の検査ステージは、一対のロッドセクション群の一方のロッドセクション群の自由端を観察するために、供給方向に対して右側を向いた中央カメラを含む右側検査ユニットを含む。
【0054】
一実施形態では、第２の検査ステージは、一対のロッドセクション群の他方のロッドセクション群の自由端を観察するために、供給方向に対して左側を向いたさらなる中央カメラを含む左側検査ユニットを含む。
【0055】
好ましい実施形態では、右側検査ユニットおよび左側検査ユニットは供給方向に沿ってオフセットされている。
【0056】
好ましくは、第１の検査ステージには一対のカメラが設けられる。
【0057】
一実施形態では、一対のカメラは、反対の収束方向に方向付けられたそれぞれの光路を有する。さらに、本開示の一態様によれば、第２のカメラ対は、位置合わせされているが反対の収束方向に方向付けられたそれぞれの光路を有する。
【0058】
組立装置は制御ユニットを備える。制御ユニットは、第１の検査ステージおよび第２の検査ステージに接続され、それらを駆動する。制御ユニットには、プロセッサと、第１および第２の検査ステージを通して、長手方向軸に沿って方向付けられた光路に沿って観察される喫煙品またはその一部の複数の画像をキャプチャするようにプロセッサに指示する機械可読命令を含む非一時的なデータストレージとが設けられる。喫煙品は、喫煙品内の所定の位置に配置された本体を含むことに留意すべきである。
【0059】
制御ユニットには、プロセッサと、画像内の本体を識別するように訓練される機械学習モデルに複数の画像を供給するようにプロセッサに指示する機械可読命令を含む非一時的なデータストレージとが設けられる。
【0060】
一態様によれば、本開示は、喫煙品（好ましくは多成分品）を製造するための装置を提供し、各喫煙品は、装置の少なくとも１つの検査ステーションにおいて光学装置によって検査可能であり且つ喫煙品が完成すると光学装置から隠される部品を含む。言い換えれば、本開示は、喫煙品が完成すると光学機器で検査できない検査可能な半製品を規定する漸進的プロセスによって喫煙品が得られる装置に関する。
【0061】
これらの装置は検査システムを備える。検査システムは、検査可能な半製品に対応する、装置の検査ステーションに配置される。
【0062】
本装置は、中間部品から検査可能な半製品を製造するように構成された第１の処理ステーションを備える。本装置は、検査可能な半製品から喫煙品を製造するように構成された第２の処理ステーションを備える。
【0063】
検査ステーションは、装置内の喫煙品の供給経路に沿って第１の処理ステーションと第２の処理ステーションとの間に配置される。有利なことに、装置は制御ユニットを備える。制御ユニットは、検査システムに接続され、検査システムを駆動する。制御ユニットには、プロセッサと、機械可読命令を含む非一時的なデータストレージとが設けられる。
【0064】
制御ユニットは、検査システムによってキャプチャされた検査可能な半製品またはその一部の複数の画像を受信するようにプログラムされている。画像は、例えば、好ましくは喫煙品の長手方向軸に沿って方向付けられた光路に沿ってキャプチャされる。単なる一例として、検査システムは、喫煙品内の所定の位置にある本体の画像をキャプチャする。
【0065】
しかしながら、検査システムは、完成すると見えない喫煙品の他の側面、例えば、巻き付けられる前の表面の塵またはしみの存在、または別のロッドセクションに接着される前のロッドセクションの長さを識別するように構成されてもよい。
【0066】
制御ユニットは、複数の画像を機械学習モデルに供給するようにプログラムされている。
【0067】
例えば、必ずしもそうではないが、機械学習モデルは、画像における喫煙品内の本体を識別するように訓練される。他の実施形態では、例えば、巻き付けられる前の表面の塵または染みの存在、または別のロッドセクションに接着される前のロッドセクションの長さを識別してもよい。
【0068】
一態様によれば、本開示は、多成分喫煙品を製造するための組立方法を提供し、各喫煙品はそれぞれの中心軸を規定する複数のロッドセクションを含み、複数のロッドセクションは、香味要素を備えた第１のロッドセクションと、第２のロッドセクションとを含む。
【0069】
本方法は、結合ユニットによって実行されるステップであって、ロッド軸を横切る供給方向にロッドの流れを供給するステップを含み、各ロッドは香味要素を有し、ロッド軸に沿って第１の端部から第２の端部まで細長い。
【0070】
本方法は、それぞれの第２のロッドセクションをロッドの第１の端部および第２の端部に結合するステップを含む。
【0071】
本方法は、分離ステージにおいて結合ユニットによって実行されるステップであって、対応する一対のロッドセクション群を形成するために、ロッド軸に対して横方向にロッドを切断することによって当該ロッドを一対の部分に分離するステップを含む。
【0072】
各ロッドセクション群は、中心軸に沿って軸方向に位置合わせされ且つ端と端とで当接した第１のロッドセクションおよび第２のロッドセクションを規定するロッド部分を含む。
【0073】
本方法は、包装ユニットを用いてロッドセクション群をそれらの中心軸に対して垂直に供給するステップを含む。
【0074】
本方法は、ロッドセクション群をそれらの中心軸に対して垂直に供給するステップを含む。
【0075】
本方法は、包装システムを用いてロッドセクション群にラッピング材料のシートを巻き付けるステップを含む。
【0076】
本方法は、供給方向において分離ステージの上流に位置する第１の検査ステージで各ロッドの第１および第２の端部を観察する第１のステップを含む。
【0077】
本方法は、供給方向において分離ステージの下流に位置する第２の検査ステージにおいて、一対のロッドセクション群の各ロッドセクション群の第１のロッドセクションの自由端を観察する第２のステップを含む。
【0078】
一実施形態では、本方法は、分離するステップの後で且つ観察する第２のステップの前に、一対のロッドセクション群を軸方向に離間するステップをさらに含む。
【0079】
本開示の一態様によれば、離間するステップ中、一対のロッドセクション群も、それらの軸に対して横方向に供給される。
【0080】
本方法の一実施形態では、結合するステップは分離するステップに先行する。
【0081】
一実施形態では、観察する第２のステップは、以下のサブステップを連続して含む。すなわち、
－中央カメラによって、一対のロッドセクション群の一方のロッドセクション群の自由端を観察するサブステップと、
－ロッドセクション群を供給方向に供給するサブステップと、
－さらなる中央カメラによって、一対のロッドセクション群の他方のロッドセクション群の自由端を観察するサブステップとを連続して含む。
－中央カメラによって、一対のロッドセクション群の一方のロッドセクション群の自由端を観察するサブステップと、
－ロッドセクション群を供給方向に供給するサブステップと、
－さらなる中央カメラによって、一対のロッドセクション群の他方のロッドセクション群の自由端を観察するサブステップとを連続して含む。
【0082】
一実施形態では、喫煙品は喫煙品内の所定の位置に配置された本体を含む。本方法はさらに、第１および第２の検査ステージで撮影された画像を、各画像内の本体を識別するように訓練される機械学習モデルに供給するステップを含む。
【図面の簡単な説明】
【0083】
これらおよび他の特徴は、添付図面に非限定的な例として示される好ましい実施形態の以下の説明からより明らかになる。
【図1】喫煙品の連続サイクル製造のための装置の概略側面図を示す。
【図3】喫煙品を検査するための方法を概略的に示す。
【図4】充填材および本体ＣＰを含む喫煙品の横断面を概略的に示す。
【発明を実施するための形態】
【0084】
添付図面を参照すると、参照番号１は、多成分喫煙品を製造するための組立装置を示す。各喫煙品は、それぞれの中心軸を規定する複数のロッドセクションＳＰを含む。複数のロッドセクションは、香味要素を備えた第１のロッドセクションＳＰ１と、第２のロッドセクションＳＰ２とを含む。喫煙品はまた、外側包み紙ＩＣを含む。
【0085】
装置１は結合ユニット１０を備える。結合ユニットは、ロッドセクション群ＧＳであって、各々が軸方向に位置合わせされ且つ端と端とで当接した少なくとも第１のロッドセクションＳＰ１および第２のロッドセクションＳＰ２を含むロッドセクション群ＧＳを形成するように構成される。結合ユニットでは、ロッドセクション群ＧＳは、それらの中心軸ＡＣに対して垂直に前進する。
【0086】
特に、装置１は、対応するロッドから、複数の第１のロッドセクションＳＰ１および第２のロッドセクションＳＰ２であって、後にロッドセクション群を規定するために対にグループ化される複数の第１のロッドセクションＳＰ１および第２のロッドセクションＳＰ２を形成するように構成された分割ユニット１１を備える。
【0087】
特に、一実施形態では、第２のロッドセクションＳＰ２は、第１の部分ＳＰ２’および第２の部分ＳＰ２’’を備える。
【0088】
分割ユニット１１は、第１のロッドを、第２のセグメントＳＰ２の第１の部分ＳＰ２’を規定し且つその中心軸ＡＣに沿って所定の長さを有する対応するロッドＢ１に分離するように構成された第１の分離要素１１１を備える。
【0089】
分割ユニット１１は、第２のロッドを、第２のロッドセクションＳＰ２の第２の部分ＳＰ２’’を規定し且つその中心軸ＡＣに沿って所定の長さを有する対応するロッドＢ２に分離するように構成された第２の分離要素１１２を備える。
【0090】
分割ユニット１１は、第３ロッドを、第１のロッドセクションＳＰ１を規定し且つその中心軸ＡＣに沿って所定の長さを有する対応するロッドＢ３に分離するように構成された第３の分離要素１１３を備える。第３のロッドＢ３は、香味充填材ＭＴＡを含むロッドであることに留意すべきである。さらに、第１のロッドセクションＳＰ１は理想的には香味充填材に埋め込まれた本体ＣＰを含むべきである。
【0091】
装置１は、喫煙品に関する情報を導き出すために処理対象の検査データをキャプチャするように構成された検査システム１２を備える。
【0092】
検査システムは、第１のロッドセクションＳＰ１を規定するロッドＢ３に関する検査データをキャプチャするように構成された第１の検査ステージ１２１を備える。特に、ロッドＢ３は各々、第１の端部Ｂ３１および第２の端部Ｂ３２を含む。第１の検査ステージ１２１は、各々がロッドＢ３の第１の端部Ｂ３１および第２の端部Ｂ３２の対応する画像をキャプチャするように構成された第１のカメラ対１２２を備える。
【0093】
第１の検査ステージでは、第１のカメラ対１２２は、ロッドＢ３の第１の端部Ｂ３１の画像およびロッドＢ３の第２の端部Ｂ３２の画像を表す画像データ１２２’をキャプチャする。
【0094】
装置１は、制御ユニット２であって、プロセッサを含み、装置１を制御し且つ検査システム１２から受信したデータを処理するように構成された制御ユニット２を備える。
【0095】
制御ユニット２は、ロッドＢ３内の本体ＣＰの有無を認識するように構成される。さらに、一実施形態では、制御ユニット２はまた、本体ＣＰがロッドＢ３の充填材ＭＴＡに対して正しい位置にあることをチェックするように構成される。
【0096】
本体ＣＰを認識するステップは、第１のカメラ対１２２を通して第１の検査ステージ１２１によってキャプチャされた画像データを機械学習モデルＭＡに供給することによって実行される。機械学習モデルＭＡは、画像内の本体ＣＰを識別するように訓練される。認識するステップは、以下でさらに詳しく説明される。
【0097】
次に、このステップでは、装置には第１の複数のロッドＢ１および第２の複数のロッドＢ２並びに第３の複数のロッドＢ３が与えられており、第１の複数のロッドＢ１および第２の複数のロッドＢ２は共に第２のロッドセクションＳＰ２を規定し、第３の複数のロッドＢ３は第１のロッドセクションＳＰ１を規定することになることに留意されたい。
【0098】
この時点で、結合ユニット１０は３つの複数のロッドＢ１、Ｂ２、Ｂ３を結合するために作動し始める。結合ユニットは、ロッドＢ１、Ｂ２、Ｂ３の中心軸ＡＣに垂直な供給方向ＤＡに沿ってロッドＢ１、Ｂ２、Ｂ３を供給するように構成される。
【0099】
結合ユニットは第１のステージ１０１を含む。第１のステージ１０１は、中心軸ＡＣに垂直な方向に沿って、すなわち供給方向ＤＡに沿って、ロッドＢ１を切断して第１のセグメントＢ１’と第２のセグメントＢ１’’とを形成するように構成された第１の切断ステーション１０１Ｔを備える。第１のステージ１０１はまた、供給方向ＤＡに垂直で且つ（既に分離された）ロッドＢ１の中心軸に平行な離間方向ＤＤに沿って第１および第２のセグメントＢ１’、Ｂ１’’を分離するように構成された第１のセパレータ１０１Ｓを備える。２つのセグメントを分離することは、第２の複数のロッドＢ２のうちの一のロッドＢ２を離間方向ＤＤに沿って第１のセグメントＢ１’と第２のセグメントＢ１’’との間の中間位置に挿入できるようにするために必要である。
【0100】
次に、結合ユニット１０は、第２の複数のロッドＢ２のうちの一の第２のロッドＢ２が離間方向ＤＤに沿って第１のセグメントＢ１’と第２のセグメントＢ１’’との間の中間位置に配置される第２のステージ１０２を備える。
【0101】
第２のステージ１０２は、ロッドＢ２の第１の端部をロッドＢ１の第１のセグメントＢ１’の対応する端部に接続し、ロッドＢ２の第２の端部をロッドＢ１の第２のセグメントＢ１’’の対応する端部に接続するように構成された第１の接着装置１０２Ｉを備える。
【0102】
第２のステージは、第２のロッドＢ２を、喫煙品の第１のロッドセクションＳＰ１を規定するために第１のロッドＢ１の第１のセグメントＢ１’に接続された、対応する第１のセグメントＢ２’と、さらなる喫煙品のさらなる第２のロッドセクションＳＰ２を規定するために第１のロッドＢ１の第２のセグメントＢ１’’に接続された第２のセグメントＢ２’’とに分離するように構成された第２の切断要素１０２Ｔを備える。
【0103】
第２のステージ１０２は、第２のロッドセクションＳＰ２をさらなる第２のロッドセクションＳＰ２から分離するように構成された第２のセパレータ１０２Ｓを備える。
【0104】
結合ユニット１０は第３のステージ１０３を備え、第３のステージ１０３では、第３の複数のロッドＢ３のうちの一の第３のロッドＢ３が離間方向ＤＤに沿って（第１のロッドＢ１の第１のセグメントＢ１’および第２のロッドＢ’’の第１のセグメントＢ２’から形成される）第２のロッドセクションと（第１のロッドＢ１の第２のセグメントＢ１’’および第２のセグメントＢ２’’から形成される）第２のさらなるロッドセクションとの間の中間位置に配置される。
【0105】
第３のステージ１０３は、ロッドＢ３の第１の端部を第２のロッドセクションＳＰ２の対応する端部、すなわち、第２のロッドＢ２の第１のセグメントＢ２’の端部に接続するように構成された第２の接着装置１０３Ｉを備える。第２の接着装置１０３Ｉは、ロッドＢ３の第２の端部をさらなる第２のロッドセクションＳＰ２の対応する端部、すなわち、第２のロッドＢ２の第２のセグメントＢ２’’の端部に接続するように構成される。
【0106】
第３のステージ１０３は、第３のロッドＢ３を、（第３のロッドＢ３の第１のセグメントＢ３’によって規定される第１のロッドセクションＳＰ１および第２のロッドセクションＳＰ２から形成される）第１のロッドセクション群ＧＳ１を規定するために第２のロッドＢ２の第１のセグメントＢ２’に接続された、対応する第１のセグメントＢ３’と、（第３のロッドＢ３の第２のセグメントＢ３’’によって規定される第１のロッドセクションＳＰ１およびさらなる第２のロッドセクションＳＰ２から形成される）第２のロッドセクション群ＧＳ２を規定するために第２のロッドＢ２の第２のセグメントＢ２’’に接続された第２のセグメントＢ３’’とに分離するように構成された第３の切断要素１０３Ｔを備える。
【0107】
第３のステージ１０３は、離間方向ＤＤに沿って第１のロッドセクション群ＧＳ１と第２のロッドセクション群ＧＳ２とを分離するように構成された第３のセパレータ１０３Ｓを備える。
【0108】
したがって、第３のステージの後、結合ユニット１０には、離間方向ＤＤに沿って互いに離間され且つ後に２つの喫煙品を形成するために包まれる２つのロッドセクション群が存在する。このステージでは、第１のロッドセクション群ＧＳ１および第２のロッドセクション群ＧＳ２の両端は、充填材ＭＴＡ内の本体ＣＰの存在についてチェックされていない。
【0109】
したがって、装置１は、本体ＣＰの存在をチェックするためのさらなる検査を予期する。
【0110】
したがって、装置１は、第１のロッドセクション群ＧＳ１の第１のロッドセクションＳＰ１の外端および第２のロッドセクション群ＧＳ２の第１のロッドセクションＳＰ１の外端の画像を表す画像データをキャプチャするように構成された第２の検査ステージ１３を備える。
【0111】
特に、第２の検査ステージ１３は、本体ＣＰが第１のロッドセクション群ＧＳ１の第１のロッドセクションＳＰ１の外端までおよび第２のロッドセクション群ＧＳ２の第１のロッドセクションＳＰ１の外端まで延びていることをチェックするように構成される。
【0112】
一実施形態では、第２の検査ステージ１３は、右側カメラ１３１Ａおよび左側カメラ１３１Ｂを含む第２のカメラ対１３１を備える。一実施形態では、右側カメラ１３１Ａは供給方向ＤＡに沿って左側カメラ１３１Ｂから離間して配置される。さらに、第２のカメラ対１３１のカメラ１３１Ａ、１３１Ｂは各々、第１のロッドセクション群ＧＳ１の第１のロッドセクションＳＰ１の外端および第２のロッドセクション群ＧＳ２の第１のロッドセクションＳＰ１の外端の画像データをそれぞれキャプチャするように構成される。
【0113】
他の実施形態では、カメラ対１３１の２つのカメラは、供給方向ＤＡに沿って同一位置に配置され且つ反対方向を向いている。
【0114】
したがって、好ましい実施形態では、第１のカメラ対のカメラは各々、第３のロッドＢ３の２つの対向する端部の画像をキャプチャするように向いており、一方、第２のカメラ対１３１のカメラは、第１および第２のロッドセクション群ＧＳ１、ＧＳ２の第１のロッドセクションＳＰ１の自由端の画像をキャプチャするために反対方向を向いていることに留意されたい。
【0115】
一実施形態では、第２のカメラ対１３１はコンベヤの上方に配置され且つコンベヤから外側に方向付けられた方向を向いている。言い換えれば、第２のカメラ対１３１は、離間方向ＤＤに沿って、第１のロッドセクション群ＧＳ１と第２のロッドセクション群ＧＳ２との間に配置される。これは、互いに向かい合う喫煙品であって、したがって、喫煙品のコンベヤの一方の側から見えない喫煙品のフレームゾーンを可能にする。
【0116】
装置１は、第１のロッドセクション群ＧＳ１および第２のロッドセクション群ＧＳ２を包装するように構成された包装装置１４を備える。第２の検査ステージ１３の終わりに、第１および第２のロッドセクション群ＧＳ１、ＧＳ２は、それらの各々を包装して喫煙品を規定する包装装置１４によって処理される。
【0117】
一実施形態では、装置は、喫煙品の包装を制御するように構成された第３の検査ステージ１５を備える。特に、第３の検査ステージ１５は、喫煙品の包み紙ＩＣの画像をキャプチャするように構成されたカメラを備える。これらの画像は制御ユニット２に送信され、制御ユニット２はそれらを処理し、基準画像と比較して包み紙ＩＣが所定の品質基準に適合していることをチェックするように構成される。
【0118】
一実施形態では、装置１は、規定の品質要件を満たさない喫煙品またはロッドＢ３の包みを解くように構成されたアンラッピング装置１８を備える。
【0119】
特に、制御ユニット２は、喫煙品またはロッドＢ３の包みを解くか否かに関する情報を表す駆動信号を送信するために、アンラッピング装置１８に接続される。駆動信号は、第１の検査ステージ１２１および／または第２の検査ステージ１３および／または第３の検査ステージ１５から受信した情報に基づいて、制御ユニットによって生成される。
【0120】
以下に詳細に説明されるのは、本開示の装置１および結合ユニットにより実施される検査方法である。
【0121】
本方法は、喫煙品またはその一部、すなわちロッドＢ３の画像ＩＭＭをキャプチャするステップを含む。画像は、中心軸ＡＣに平行であり且つ中心軸ＡＣと一致する長手方向軸Ｌに沿って方向付けられた光路に沿って観察される。
【0122】
本方法は、画像ＩＭＭを機械学習モデルＭＡに供給するステップを含む。機械学習モデルＭＡは、画像内の本体ＣＰを識別するように訓練される。このステップは、制御ユニット２のプロセッサによって実行される。
【0123】
機械学習モデルＭＡは、各画像ごとに、位置決めデータ２０１を生成するように訓練される。位置決めデータ２０１は、管状の包み紙に対する本体ＣＰの位置を表す。位置決めデータ２０１は、画像ＩＭＭ内に表されるオブジェクトの境界を定める平面幾何学的図形を表す。このようにして、充填材ＭＴＡ内の本体ＣＰの存在をチェックすることに加えて、包み紙に対する本体ＣＰの位置を識別することが可能である。
【0124】
本方法は、プロセッサによって実行されるステップＦＣＮであって、位置決めデータ２０１を、本体ＣＰの所定の位置を表す基準データ２０１’と比較するステップＦＣＮを含む。機械学習モデルＭＡは、識別するステップにおいてその処理を決定する基準データ２０１’を含む（すなわち、機械学習モデルＭＡは、基準データ２０１’に基づいて識別アルゴリズムを規定する）。基準データ２０１’は、学習するステップにおいて、（それぞれの目標値に関連付けられた対応する位置決めデータベクトルを含む）複数の訓練模範から機械学習モデルＭＡによって自動的に導出される。好ましくは、訓練模範は、複数の模範画像および対応する目標値を含む。
【0125】
一実施形態では、機械学習モデルＭＡはディープニューラルネットワークを含む。一実施形態では、ニューラルネットワークは畳み込みニューラルネットワークである。
【0126】
ニューラルネットワークは、最大プーリングタイプの１または複数のフィルタリングステージを含み得る。
【0127】
機械学習モデルＭＡは、複数の模範画像を供給するステップを通じて訓練される。各画像ごとに、機械学習モデルは、画像内に表されるオブジェクトの境界を定める平面幾何学的図形を表す位置決めターゲットデータを供給するステップを通じて訓練される。
【0128】
模範は、オブジェクトが正確に配置された半完成喫煙品の第１の複数の画像ＩＭ１を含む。一実施形態では、模範は、オブジェクトが所定の位置決め欠陥の選択に従って不正確に配置された半完成喫煙品の第２の複数の画像ＩＭ２を含む。
【0129】
本方法は、制御ユニット２によって実行されるステップＦＤＴであって、画像内のオブジェクトを識別する肯定的識別結果または否定的識別結果を判定するステップＦＤＴを含む。識別は機械学習モデルＭＡによって実行される。否定的な識別結果２０２’の場合、本方法は、制御ユニット２によって実行されるステップＦＧＮであって、喫煙品を排除するための情報２０３を生成するステップＦＧＮを含む。肯定的な識別結果２０２’’の場合、本方法は、制御ユニット２によって実行されるステップＦＣＮであって、位置決めデータを本体ＣＰの所定の位置を表す基準データと比較するステップを開始するステップＦＣＮを含む。次に、本方法は、比較するステップＦＣＮに応じて、喫煙品を排除または承認するための情報２０３を生成することを含む。
【先行技術文献】
【特許文献】
【0130】
【特許文献1】ＷＯ２０２０１２８８２７Ａ１
【特許文献2】ＷＯ２０１２０１６７９５Ａ１
【特許文献3】ＥＰ３５２０６３１Ａ１
【特許文献4】ＷＯ２０１８１８５７２２Ａ１
【特許文献5】ＣＮ１１１９７２７００Ａ
【特許文献6】ＥＰ３４７６２２８Ａ１
【特許文献7】ＩＴＢＯ２００８０７５５Ａ１
【特許文献8】ＥＰ３０６７８２３Ａ１
【特許文献9】ＤＥ１０２０１４２０３１５８Ａ１
【特許文献10】ＥＰ０６５３１７０Ａ１
【図1】
【図2】
【図3】
【図4】
【国際調査報告】