用于生产多部件吸烟制品的组装设备和组装方法

本发明涉及一种用于检查吸烟制品的方法和系统。背景技术：1、在吸烟制品领域，例如香烟和加热不燃烧(hnb)装置，需要对各个制品进行质量检查。实际上，制造吸烟制品的自动机器有时会生产出有缺陷的吸烟制品。特别地，存在包括放置在包装纸中的主体的吸烟制品，其中该主体必须位于预定位置；在这种情况下，缺陷可能是由于对象定位不正确造成的。例如，一些香烟具有过滤嘴，该过滤嘴包括横截面呈弯曲对象形式的对象，如本技术人名下的专利文献wo2020128827a1中所述，其中该对象在附图中被标记为2。在另一个示例中，hnb装置包括具有圆形横截面的对象，如专利文献wo2012016795a1中所述，其中该对象在附图中被标记为6。2、在这种背景下，用于制造吸烟制品的自动机器可以设有在现有技术中(例如从本技术人名下的专利文献ep3520631a1中)已知的检查系统。用于检查吸烟制品的方法的示例描述在以下现有技术文献中：wo2018185722a1、cn111972700a、ep3476228a1、itbo20080755a1和ep3067823a1。此外，关于用于生产吸烟制品的组装设备，现有技术例如提供了在文献de102014203158a1和ep0653170a1中描述的方案。3、然而，仍然需要在对吸烟制品执行检查时特别地高效、可靠和快速的系统。特别地，希望这样的系统能够在生产期间在加工过程中进行可靠的质量检查。技术实现思路1、本发明的目的是提供一种克服现有技术的上述缺点的用于检查吸烟制品的方法和系统。2、上述目的通过所附权利要求中所表征的根据本发明的方法和系统完全实现。3、根据本公开的一方面，本公开提供了一种用于检查吸烟制品的方法。每个吸烟制品包括沿着纵向轴线延伸的细长管状包装纸、包卷在包装纸中的填充材料以及在预定位置处嵌入在填充材料中的细长主体。4、该方法包括捕获吸烟制品或其一部分的图像的步骤。该图像是沿着沿纵向轴线定向的光路观察的。5、该方法包括将图像输送到机器学习模型的步骤。对机器学习模型进行训练以识别图像中的主体。该步骤由处理器进行。6、这使机器(至少)能够检查填充材料内是否存在主体。7、优选地，对机器学习模型进行训练以生成每个图像的定位数据。定位数据表示主体相对于管状包装纸的位置。定位数据表示界定图像中所表示的对象的平面几何图形。这样，除了检查填充材料内是否存在主体之外，还可以识别其相对于包装纸的位置。8、该方法包括通过处理器基于表示主体的预定位置的参考数据处理定位数据的步骤；例如，处理包括通过处理器执行的将定位数据与表示主体的预定位置的参考数据进行比较的步骤。9、因此，处理器可以检查主体是否有效地定位在相对于预定位置的可接受的位置处。例如，处理器可以访问偏差值，该偏差值识别根据定位数据确定的主体位置与预定位置之间的最大偏差值。10、在一个实施方式中，机器学习模型包括深度神经网络。在一个实施方式中，神经网络是卷积神经网络。11、神经网络可包括一个或多个最大池化类型的滤波级(filtering stage)。12、通过输送多个示例图像的步骤来训练机器学习模型。对于每个图像，通过输送表示界定图像中所表示的对象的平面几何图形的定位目标数据的步骤来训练机器学习模型。13、这些示例包括具有正确定位的对象的半成品吸烟制品的多个第一图像。在一个实施方式中，这些示例包括具有根据预定定位缺陷的选择而位置不正确的对象的半成品吸烟制品的多个第二图像。14、该方法包括通过控制单元执行的确定识别图像中的对象的肯定或否定的识别结果的步骤。识别步骤由机器学习模型执行。如果识别结果是否定的，则该方法包括通过控制单元执行的生成用于剔除吸烟制品的信息的步骤。如果识别结果是肯定的，则该方法包括开始将定位数据与表示主体的预定位置的参考数据进行比较的步骤。接下来，该方法包括响应于比较而生成用于剔除或批准吸烟制品的信息。这允许首先剔除没有主体的制品，其次允许在存在主体的情况下剔除主体位置不正确的物品。15、在一个实施方式中，该方法包括针对所捕获的每个图像光学地检查包装纸的步骤。该方法包括生成表示检查包装纸的结果的包装纸数据的步骤。16、该方法包括将包装纸数据与表示包装纸的预定规格的参考包装纸数据进行比较的步骤。该方法包括分别响应于比较步骤的(i)否定结果或(ii)肯定结果而生成(i)用于剔除的信息或(ii)继续进行输送步骤的信息的步骤。17、这样，该方法包括对吸烟制品的全面检查，该全面检查还包括检查包装纸。18、根据一方面，该方法是一种用于逐个检查吸烟制品的方法。换句话说，该方法包括捕获每个单独的吸烟制品的图像。优选地，该方法包括将单独的吸烟制品定位在检查装置瞄准的检查区域中以便捕获其图像的步骤。在该方法的一个实施方式中，用恒定的照明参数来照明检查区域以允许吸烟制品被均匀地照明。此外，检查区域的照明参数与用于捕获多个示例图像的照明参数相同。在该方法的一个实施方式中，吸烟制品以相对于检查装置相同的取向定位在检查区域中。而且，在多个示例图像中成帧的吸烟制品具有与在生产过程期间检查的吸烟制品相同的取向。19、捕获的图像和示例图像之间的照明和定位的均匀性大大提高了通过机器学习模型进行检查的可靠性。如果检查不是单独进行而是成组进行(其中每个吸烟制品相对于检查装置具有其自己的位置)，则这是不可能的。20、在一个实施方式中，检查装置与传送机同步，该传送机将吸烟制品(或半成品或用于构成吸烟制品的组成部分)传送进和传送出检查区域。优选地，吸烟制品(或半成品或用于构成吸烟制品的组成部分)以有序的方式、一个接一个地传送；优选地，它们被传送到检查台中，使得它们的取向是预定的并且对于系统是已知的。这提高了检查精度，并有利于机器学习模型的训练，以识别缺陷或进行质量控制。此外，对于每个被检查的吸烟制品，控制单元知道检查结果。因此，控制单元能够控制剔除装置剔除单个有缺陷的吸烟制品。21、值得注意的是，将吸烟制品单一化(singulate)也有利于剔除操作。实际上，在对吸烟制品进行分组检查的方案中，不仅识别单个有缺陷的吸烟制品更加困难，而且剔除它也更加复杂，因为：(i)必须回顾性地对其进行单一化或(ii)多个吸烟制品因存在单个有缺陷的制品而不得不被剔除。22、在至少一个示例实施方式中，吸烟制品或其一部分作为单个物品沿着生产吸烟制品的设备(在一个示例中，该设备是组装设备，但是就本公开的这个方面和关于检查系统和图像处理模式的其他方面而言，该设备可以是不同类型的设备)内的预定路径单独地移动。至少一个检查台(例如，第一检查台或第一检查台和第二检查台)沿着预定路径定位。检查台包括至少一个照明器和一个摄像机。优选地，也如上所述)，吸烟制品或其部分沿着预定路径一个接一个地移动；优选地，吸烟制品或其部分还以使得在检查台中以它们具有预定取向(系统已知的相对于摄像机的光路的取向；例如，它们被定向成它们与摄像机对准)的方式沿着预定路径移动。23、在一个示例中，在捕获图像的步骤中，对沿预定路径移动的每一个吸烟制品或其部分进行单独观察和拍摄(即，成为图像捕获的对象)；这样，每个图像都与单个吸烟制品或其一部分有关。24、关于机器学习模型，应当注意的是，优选地通过向其输送多个示例图像来对其进行训练，每个示例图像都与单个吸烟制品或其一部分有关。此外，还可以通过向机器学习模型输送目标数据来对其进行训练(在这种情况下，学习是有监督的)；替代地，不向其输送目标数据(在这种情况下，学习是无监督的)。25、在一个示例中，包含在非瞬态数据存储装置中的机器可读指令使得对于流中的每个吸烟制品或其一部分，处理器：26、-通过至少一个检查台(例如，通过第一检查台和第二检查台)捕获吸烟制品或其一部分的沿着具有预定取向的路径观察的多个图像；27、-将该多个图像输送到机器学习模型。28、对机器学习模型进行训练以识别吸烟制品或其一部分的预定缺陷类别。在一个示例中，一类缺陷与位于吸烟制品中(在预定位置处)的主体的不存在或位置有关。然而，可以对机器学习模型进行训练以识别其他类型的缺陷，例如，纯粹举例来说，污渍或杂质的存在或者与吸烟制品或其一部分的预定(参考)形状不同的形状。29、根据本公开的一方面，本公开提供了一种计算机程序，其包括在由处理器执行时用于执行本公开中描述的方法的步骤的指令。30、根据本公开的一方面，本公开提供了一种用于检查吸烟制品的检查系统，该吸烟制品包括沿着纵向轴线延伸的细长管状包装纸、包卷在包装纸中的填充材料以及在预定位置处嵌入在填充材料中的细长主体。该系统包括处理器和包括机器可读指令的非瞬态数据存储装置。机器可读指令告诉处理器捕获吸烟制品或其一部分的沿着沿纵向轴线定向的光路观察的图像。机器可读指令告诉处理器将图像输送到经过机器训练以识别图像中的主体的机器学习模型。31、非瞬态数据存储装置还包括告诉处理器处理图像以针对每个图像生成表示界定图像中所表示的主体的平面几何图形的定位数据的指令。32、非瞬态数据存储装置还包括告诉处理器将定位数据与表示主体的预定位置的参考数据进行比较的指令。33、这些指令告诉处理器确定由机器学习模型执行的识别图像中的对象的肯定或否定结果。如果识别结果是否定的，则指令告诉处理器生成用于剔除吸烟制品的信息。如果识别结果是肯定的，则指令告诉处理器将定位数据与表示主体的预定位置的参考数据进行比较并响应于比较而生成用于剔除或批准吸烟制品的信息。34、在一个实施方式中，机器学习模型包括深度神经网络。深度神经网络可以是卷积深度神经网络。深度神经网络可以包括一个或多个最大池化类型的滤波级。35、根据本公开的一方面，本公开提供了一种用于连续循环地生产吸烟制品的设备，其中每个吸烟制品包括沿纵向轴线延伸的细长管状包装纸、包卷在包装纸中的填充材料以及在预定位置处嵌入在填充材料中的细长主体。该设备包括根据在本公开中所描述的任何一个特征的检查装置。36、根据本公开的一方面，本公开提供了一种用于检查吸烟制品的方法，其中每个吸烟制品包括放置在该吸烟制品内部的预定位置处的主体。该方法可应用于由设备执行的操作的情况中，该设备通过从初始处理台到最终处理台的一系列处理台以连续循环的方式生产吸烟制品。37、该方法包括在初始处理台和最终处理台之间的中间处理台捕获由机器生成的半成品的图像的步骤。38、该方法包括通过控制单元执行的将图像输送到经过训练以识别图像中的主体的机器学习模型的步骤。39、根据本公开的一方面，本公开提供了一种用于生产多部件吸烟制品的组装设备。每个吸烟制品包括限定各自的中心轴线的多个棒段。该多个棒段包括第一棒段和第二棒段，第一棒段设有调味成分。40、组装设备包括组合单元。该组合单元被配置为形成棒段组，每个棒段组至少包括第一棒段和第二棒段。第一棒段和第二棒段彼此轴向对准。第一棒段和第二棒段端对端抵接。41、棒段组垂直于它们的中心轴线前进。第一棒段由棒获得，每个棒具有沿棒轴线间隔开的第一端部和第二端部。42、组合单元被配置为将相应的第二棒段联接至棒的第一端部和第二端部。组合单元被配置为在分离台中通过横向于棒轴线切割棒而将该棒分成一对部分，从而形成对应的一对棒段组。每个棒段组包括相应的棒部分和相应的第二棒段。43、组装设备包括包装单元。该包装单元被配置为从组合单元接收在输送方向上输送的一系列的棒段组，以垂直于该棒段组的中心轴线输送该棒段组并且将包装材料片包卷在每个棒段组上。44、组装设备包括检查系统。45、检查系统包括第一检查台。第一检查台在输送方向上位于分离台的上游。第一检查台被配置为轴向观察每个棒的第一端部和第二端部。46、检查系统包括第二检查台。第二检查台在输送方向上位于分离台的下游。第二检查台被配置为轴向观察一对棒段组中的每个棒段组的相应的第一棒段的自由端部。47、在一个实施方式中，组装设备包括间隔台，该间隔台相对于输送方向插置在分离台和第二检查台之间。该间隔台被配置为将一对棒段组中的棒段组轴向地间隔开。48、组装设备被配置为垂直于棒轴线将一对棒段组中的棒段组输送到分离台与间隔台之间。49、第二检查台包括中心摄像机，该中心摄像机轴向插置在一对棒段组中的棒段组之间。在一个实施方式中，第二检查台包括另一中心摄像机，该另一中心摄像机轴向地插置在一对棒段组中的棒段组之间。50、在一个实施方式中，第二检查台包括右侧检查单元，该右侧检查单元包括中心摄像机，相对于输送方向面向右侧，以观察一对棒段组中的一个棒段组的自由端部。51、在一个实施方式中，第二检查台包括左侧检查单元，该左侧检查单元包括另一中心摄像机，相对于输送方向面向左侧，以观察上述一对棒段组中的另一个棒段组的自由端部。52、在优选实施方式中，右侧检查单元和左侧检查单元沿输送方向偏移。53、优选地，第一检查台设有一对摄像机。54、在一个实施方式中，该对摄像机中的摄像机具有在相反的会聚方向上定向的相应的光路。此外，根据本公开的一方面，第二对摄像机具有对准但在相反的会聚方向上定向的相应的光路。55、组装设备包括控制单元。控制单元连接至第一检查台和第二检查台以驱动它们。控制单元设有处理器和非瞬态数据存储装置，该非瞬态数据存储装置包括告诉处理器通过第一检查台和第二检查台捕获吸烟制品或其一部分的沿着沿纵向轴线定向的光路观察的多个图像的机器可读指令。应当注意的是，吸烟制品包括放置在吸烟制品内部的预定位置处的主体。56、控制单元设有处理器和非瞬态数据存储装置，该非瞬态数据存储装置包括告诉处理器将多个图像输送到经过训练以识别图像中的主体的机器学习模型的机器可读指令。57、根据一方面，本公开提供了一种用于生产吸烟制品(优选地多部件制品)的设备，每个吸烟制品包括可由设备的至少一个检查站中的光学装置检查并且在吸烟制品完成时对光学装置隐藏的部件。换句话说，本公开涉及其中通过渐进过程获得吸烟制品的那些设备，这些渐进过程限定了可检查的半成品，该半成品在吸烟制品完成时不能用光学仪器检查。58、这些设备包括检查系统。检查系统位于设备的检查站中，该检查站对应于可检查的半成品。59、该设备包括第一处理站，其被配置为由加工部件形成可检查的半成品。该设备包括第二处理站，其被配置为由可检查的半成品形成吸烟制品。60、检查站沿着设备中的吸烟制品的输送路径插置在第一处理站和第二处理站之间。61、有利地，该设备包括控制单元。控制单元连接至检查系统以驱动它。控制单元设有处理器和包括机器可读指令的非瞬态数据存储装置。62、控制单元被编程为接收由检查系统捕获的可检查的半成品或其一部分的多个图像。例如，图像是沿着优选地沿吸烟制品的纵向轴线定向的光路捕获的。仅作为示例，检查系统捕获位于吸烟制品中的预定位置处的主体的图像。然而，检查系统可以被配置为识别吸烟制品的另外在完成时不可见的其他方面，例如在被包卷之前表面上是否存在污垢或污渍，或者一个棒段在胶合至另一个棒段之前的长度。63、控制单元被编程为将多个图像输送到机器学习模型。64、例如，但不是必须的，对机器学习模型进行训练以识别图像中的吸烟制品内的主体。例如，在其他实施方式中，它可以识别在被包卷之前表面上是否存在污垢或污渍，或者一个棒段在胶合至另一个棒段之前的长度。65、根据一方面，本公开提供了一种用于生产多部件吸烟制品的组装方法，其中每个吸烟制品包括限定各自的中心轴线的多个棒段，并且其中该多个棒段包括第一棒段和第二棒段，第一棒段设有调味成分。66、该方法包括由组合单元执行的在横向于棒轴线的输送方向上输送棒流的步骤，每个棒具有调味成分并且沿着棒轴线从第一端部到第二端部是细长的。67、该方法包括将相应的第二棒段联接至棒的第一端部和第二端部的步骤。68、该方法包括在分离台中通过组合单元执行的以下步骤：通过横向于棒轴线切割棒而将该棒分成一对部分，从而形成对应的一对棒段组。69、每个棒段组包括相应的棒部分，该棒部分限定沿中心轴线轴向对准且端对端抵接的相应的第一棒段和相应的第二棒段。70、该方法包括通过包装单元垂直于棒段组的中心轴线输送棒段组的步骤。71、该方法包括垂直于棒段组的中心轴线输送棒段组的步骤。72、该方法包括通过包装系统将棒段组包卷在包装材料片中的步骤。73、该方法包括在沿输送方向位于分离台的上游的第一检查台中观察每个棒的第一端部和第二端部的第一步骤。74、该方法包括在沿输送方向位于分离台的下游的第二检查台中观察一对棒段组中的每个棒段组的相应的第一棒段的自由端部的第二步骤。75、在一个实施方式中，该方法还包括在分离步骤之后且在第二观察步骤之前将一对棒段组中的棒段组在轴向方向上间隔开的步骤。76、根据本公开的一方面，在间隔步骤期间，一对棒段组中的棒段组也横向于它们的轴线输送。77、在该方法的一个实施方式中，联接步骤在分离步骤之前。78、在一个实施方式中，第二观察步骤依次包括以下子步骤：79、-通过中心摄像机观察一对棒段组中的一个棒段组的自由端部；80、-在输送方向上输送棒段组；81、-通过另一中心摄像机观察一对棒段组中的另一个棒段组的自由端部。82、在一个实施方式中，吸烟制品包括放置在吸烟制品内部的预定位置处的主体。该方法还包括将在第一检查台和第二检查台中拍摄的图像输送到经过训练以识别每个图像中的主体的机器学习模型的步骤。