Évaluation en temps réel de l’ordre d’alignement du tabac coupé à l’aide d’un modèle de régression à une étape améliorée

Résumé

Un modèle de régression à un seul étage amélioré est développé pour la détection en temps réel de l’ordre d’alignement du tabac coupé. Cette approche intègre trois optimisations structurelles et une méthode personnalisée de prédiction de l’orientation afin d’améliorer la précision de la détection tout en réduisant les paramètres du modèle et la complexité de calcul, permettant une évaluation efficace de l’alignement du tabac coupé dans les environnements de production industrielle.

Résumé

L’ordre du tabac coupé, défini comme la consistance d’alignement du tabac coupé selon l’axe de la cigarette, est un facteur critique dans l’optimisation de la qualité de production. L’évaluation précise et automatisée de cette propriété reste difficile en raison de la complexité des structures de brins et des conditions d’imagerie variables. Un modèle de régression à un seul étage amélioré est développé pour permettre une détection fiable de l’alignement du tabac coupé. L’approche intègre trois modifications architecturales : une méthode interactive de downsampling multifréquence pour préserver les informations sur les caractéristiques, une stratégie de fusion triple complémentaire pour améliorer la représentation multi-échelle, et une tête de détection dynamique pour améliorer la localisation à différentes échelles. De plus, une méthode personnalisée de prédiction d’orientation est mise en œuvre pour quantifier l’ordre de l’alignement. Le modèle est évalué sur un ensemble de données d’images industrielles, atteignant une précision moyenne moyenne de 89,9 %, une précision de 90,6 % et un rappel de 88,7 %. Comparé au modèle de référence, l’approche proposée réduit les paramètres du modèle de 30,8 % (de 2,6 millions à 1,8 million) et la complexité de calcul de 21,5 % (de 6,5G à 5,1G), tout en améliorant les performances. Dans l’ensemble, la méthode permet une évaluation efficace et précise de l’ordre d’alignement du tabac coupé et démontre son aptitude aux applications industrielles en temps réel.

Introduction

L’ordre du tabac coupé fait référence au degré d’alignement axial du tabac coupé dans une cigarette. Comprendre les facteurs qui influencent cette propriété, tels que la morphologie du tabac et les paramètres de transport pneumatique, est essentiel pour optimiser les processus de coupe et d’assemblage. Par conséquent, l’investigation de ces facteurs influents est devenue une stratégie clé pour les entreprises du tabac visant à réduire les coûts et à améliorer l’efficacité de la production. L’évaluation traditionnelle de l’ordre du tabac coupé repose sur des méthodes manuelles, qui sont inefficaces et manquent souvent de cohérence et de précision. Par conséquent, il existe un besoin urgent dans l’industrie d’un système de détection automatisé, précis et en temps réel afin d’optimiser les processus de production. Avec l’avancée rapide de l’apprentissage profond, l’évaluation automatisée de l’ordre du tabac coupé basée sur la détection d’objets est devenue possible. Cependant, la mise en œuvre de tels systèmes d’évaluation sur les chaînes de production reste un sujet de recherche largement inexploré. Néanmoins, la technologie de vision artificielle a été appliquée avec succès à des tâches d’inspection dans d’autres^{domaines, fournissant} des références précieuses pour cette étude. Dans ce contexte, les détecteurs basés sur réseaux de neurones convolutionnels (CNN) sont devenus le paradigme dominant et sont généralement classés en approches à deux étapes, telles que Faster R-CNN², et en cadres à un seul étage, comme^{la série 3,4} You Only Look Once (YOLO^).

Ces dernières années, les algorithmes de détection d’objets basés sur l’apprentissage profond, en particulier le cadre Faster R-CNN, ont démontré un potentiel significatif dans divers domaines. Cependant, leur application directe à des scénarios industriels et professionnels spécifiques est souvent limitée par des environnements opérationnels complexes et des exigences de tâches uniques. Par conséquent, de nombreuses améliorations personnalisées ont été proposées pour relever ces défis. En analyse d’images médicales, par exemple, Su et ^al.5 se sont concentrés sur l’optimisation des paramètres et l’affinement des architectures réseau afin d’améliorer la précision de détection de petites cibles critiques dans la détection des nodules pulmonaires. En détection industrielle de défauts, Chen et ^al.6 ont abordé l’interférence de texture dans l’inspection des tissus en intégrant des filtres Gabor — optimisés via des algorithmes génétiques — dans le réseau Faster R-CNN afin de supprimer efficacement les arrière-plans complexes. Pour surmonter les défis de la rareté des données et de la complexité environnementale dans la détection de cibles sous-marines, Zeng et ^al.7 ont introduit un réseau d’occlusion adversaire. Ce réseau est en concurrence avec le détecteur pendant l’entraînement, obligeant le modèle à apprendre des fonctionnalités plus robustes et ainsi à atténuer le sur-ajustement. De plus, pour des tâches de récupération fine telles que l’identification d’instances spécifiques, Li et ^al.8 ont amélioré Faster R-CNN grâce à des stratégies de concaténation de couches de caractéristiques et d’ajustement fin, améliorant significativement ses performances sur des images à basse résolution. Wang et ^al.9 ont récemment proposé un cadre Faster R-CNN multipartite préservant la confidentialité, permettant un calcul sécurisé sur des images et paramètres de modèles chiffrés grâce à de nouveaux protocoles pour la division sécurisée, l’exponentiation et le logarithme. Sun et ^al.10 ont démontré l’efficacité d’un R-CNN plus rapide amélioré pour reconnaître plusieurs types de défauts sur les moyeus de roues, obtenant une précision moyenne moyenne (mAP) supérieure à celle de R-CNN et YOLOv3. Ensemble, ces efforts soulignent l’évolution continue de Faster R-CNN vers une plus grande adaptabilité, robustesse et applicabilité dans divers scénarios réels. Parallèlement à ces avancées dans les détecteurs à deux étages, des structures à un seul étage telles que la série YOLO ont également connu un développement important.

En tant qu’alternative majeure aux détecteurs à deux étages, la série YOLO a acquis une reconnaissance significative tant dans les communautés industrielles que de recherche grâce à son architecture efficace et à ses excellentes performances de détection en temps réel. Depuis l’introduction du modèle de première génération par Redmon et ^al.11en 2016, les itérations successives ont progressivement résolu diverses limitations techniques, incitant les chercheurs à développer des adaptations spécialisées pour des applications spécifiques à un domaine. Dans les systèmes de surveillance du trafic, par exemple, Jamtsho et ^al.12 ont implémenté YOLOv2 combiné à un algorithme de suivi du centroïde pour identifier avec précision les plaques d’immatriculation des motards sans casque dans les flux vidéo, réduisant ainsi les faux positifs tout en maintenant un taux de détection élevé de 98,52 %. Pour les environnements sous-marins exigeants, Neelamegam et ^al.13 ont développé un modèle hybride YOLO-Transformer qui intègre la capacité de détection en temps réel de YO avec des mécanismes d’attention basés sur des transformateurs pour une meilleure compréhension contextuelle. En intégrant des données de capteurs IoT en temps réel sur des facteurs environnementaux tels que la turbidité et les niveaux de lumière, le modèle s’adapte dynamiquement aux conditions changeantes, atteignant une précision de détection de 97,5 % et surpassant les modèles conventionnels dans des scénarios bruyants et à faible visibilité. De même, Zhang et ^al.14 ont proposé un modèle YOLO amélioré pour les applications de télédétection. Pour relever les défis liés à la représentation insuffisante des caractéristiques et à la confusion de fond, ils ont introduit des modules spécialisés pour l’amélioration des caractéristiques, la fusion multi-échelle et la conscience globale du contexte, qui améliorent significativement la précision de la détection des petits objets. Collectivement, ces études démontrent l’évolution continue de la série YOLO vers une plus grande adaptabilité, robustesse et efficacité dans divers scénarios réels.

Malgré ces avancées, les versions récentes de la famille YOLO, telles que YOLOv11³, ne sont pas intrinsèquement optimisées pour les complexités texturales et structurelles spécifiques du tabac coupé dans les environnements industriels. Leurs opérations de sous-échantillonnage standard peuvent entraîner la perte de caractéristiques fines, cruciales pour distinguer le tabac aligné du tabac coupé en désordre. De plus, leurs têtes de détection à échelle fixe peinent à gérer efficacement la nature multiéchelle des caractéristiques du tabac dans des conditions d’imagerie variables.

Pour relever ces défis, cet article propose un modèle de régression à une étape amélioré basé sur YOLOv11n, combiné à une méthode personnalisée de prédiction d’orientation, pour une détection robuste en ligne de l’ordre du tabac coupé. Les principales contributions de cet article sont triples. (1) Une méthode de downsampling interactif multifréquence (MFID) est proposée. Les opérations standard de convolution stridée ou de pooling éliminent les informations à grain fin, tandis que MFID décompose explicitement les caractéristiques en composants basse et haute fréquence en utilisant la transformée wavelet de Haar. Cette approche préserve davantage d’informations originales et atténue la perte d’information lors de l’échantillonnage descendant. (2) Une méthode de fusion triple complémentaire (TCF) est conçue pour améliorer la qualité des caractéristiques en fusionnant des informations sémantiques superficielles, moyennes et profondes. Bien que des opérations simples de concaténation ou d’addition soient couramment utilisées pour la fusion de caractéristiques, TCF introduit une fusion pondérée guidée par couche intermédiaire avec des branches de poids inverses, assurant ainsi la complémentarité entre informations sémantiques et détaillées. (3) Une tête de détection dynamique (DynamicHead) est introduite pour remplacer la tête de détection originale. La tête de détection d’origine repose sur des opérations de convolution à échelle fixe ; en revanche, DynamicHead intègre des mécanismes d’attention conscients de l’échelle, de l’espace et de la tâche. Cela permet un ajustement dynamique de l’importance des caractéristiques et une fusion multi-échelle plus flexible et efficace, améliorant ainsi la capacité du modèle à localiser et classer avec précision les caractéristiques liées à l’ordre.

Protocole

Cette étude n’a pas impliqué des sujets humains, des vertébrés animaux ou des tissus régulés ; par conséquent, aucune approbation éthique ni approbation du comité d’éthique institutionnel n’était requise. Le jeu de données utilisé dans cette étude a été obtenu auprès de Longyan Tobacco Industry Co., Ltd. Des images ont été collectées à partir de cinq lots de production indépendants sur une période de trois mois. L’échantillonnage a été réalisé de manière aléatoire à différents moments de la journée (matin, après-midi et nuit) afin de capturer les variations naturelles des conditions de production. L’ensemble de données comprend des échantillons couvrant une plage d’humidité du tabac de 12 % à 18 %, des vitesses de réduction de 1,5, 2,0 et 2,5 m/s, ainsi que des pressions de transport pneumatique de 0,4, 0,5 et 0,6 MPa, assurant ainsi la couverture des conditions de production typiques.

Acquisition et mise en place des jeux de données
Configuration matérielle
Le système d’acquisition d’image a été configuré pour répondre aux exigences de détection de l’ordre du tabac coupé dans les cigarettes à chaleur et non à brûlure. Il se composait principalement d’une caméra industrielle, d’un objectif industriel, d’une source lumineuse à vision et d’une unité de contrôle industrielle. Le système utilisait un appareil photo industriel MV-CH120-10GC associé à un objectif industriel MVL-KF0818M-12MP pour capturer des images haute définition de la région du tabac coupé à la surface de tiges de cigarette sectionnées. La caméra était positionnée à une distance de travail de 150 mm de la surface de la tige de cigarette. La source lumineuse LED en bande était montée coaxialement avec la caméra à une distance de 80 mm de la cible, avec un angle d’incidence de 45°. L’imagerie a été réalisée à l’intérieur d’un boîtier noir mat afin d’éliminer les interférences de lumière ambiante. L’enceinte est une hotte en aluminium peint en noir mat avec des dimensions internes de 400 mm (large) × 350 mm (profondeur) × 300 mm (hauteur), et des surfaces intérieures recouvertes de peinture noire mate (réflectance < 5 % à 550 nm) pour minimiser les réflexions internes et garantir des conditions d’éclairage constantes. Pour garantir la qualité et la cohérence de l’imagerie, une source lumineuse MV-LRDS-H-95-30-W a été utilisée pour établir un environnement d’éclairage stable, minimisant l’impact des variations de lumière ambiante sur l’extraction des contours des brins de tabac et la reconnaissance de l’orientation. Les images acquises étaient reçues, traitées et stockées par un ordinateur industriel PC1010-AX360, qui effectuait également les algorithmes de reconnaissance ultérieurs, le calcul des résultats et la sortie d’interface. Aucune calibration explicite de la caméra ni correction de distorsion n’a été effectuée, car la combinaison caméra industrielle et objectif présentait une distorsion radiale négligeable (moins de 0,5 % aux bords de l’image) dans un champ de vision de 896 × 1600 pixels. L’appareil photo et la source lumineuse étaient montés rigidement sur un cadre fixe afin d’assurer la stabilité positionnelle lors de l’acquisition de l’image. L’intensité de la source lumineuse a été maintenue à un niveau constant tout au long de l’acquisition de l’image. Le champ de vision a été configuré pour couvrir entièrement la zone de tabac taillé exposé à l’intérieur de la structure de soutien en acier.

Réglage des paramètres de la caméra
L’acquisition d’images était déclenchée, et les images étaient capturées après que la cigarette échantillon ait été positionnée, sectionnée, puis sauvegardée au format JPG. Pour assurer la cohérence des images acquises, les paramètres d’acquisition étaient définis manuellement. Plus précisément, la résolution de l’image était réglée à 896 × 1600. Le temps d’exposition était initialement réglé à 4000 μs et pouvait être ajusté finement dans une plage de 3000 à 6000 μs selon la luminosité sur place. Tout l’ajustement des paramètres a été effectué avec l’échantillon placé à l’intérieur de l’enceinte noir mat décrit ci-dessus, sous des conditions d’éclairage entièrement contrôlées. Aucune lumière ambiante extérieure n’était présente lors de l’accordage, car le système d’imagerie fonctionnait dans un environnement entièrement clos avec les lumières de la pièce éteintes. Le gain était initialement réglé à 2 dB et contrôlé dans une plage de 0 à 6 dB selon le niveau de bruit. La valeur gamma était fixée à 0,8, et la balance des blancs configurée avec des paramètres fixes. Les paramètres d’acquisition finaux étaient définis comme suit : temps d’exposition = 4000 μs, gain = 2 dB, gamma = 0,8, mode de balance des blancs = fixe, résolution d’image = 896 × 1600 pixels, et format d’image = JPG. Pour la balance des blancs, le mode à paramètres fixes était utilisé. L’étalonnage a été réalisé à l’aide d’une carte de référence blanche standard (X-Rite ColorChecker) placée à la position de l’échantillon. Les gains des canaux rouge et bleu étaient ajustés jusqu’à ce que les valeurs RVB de la carte blanche soient égalisées avec une déviation de ±2 %. Après étalonnage, les paramètres de balance des blancs étaient fixés comme suit : gain rouge = 1,2, gain vert = 1,0 (fixe) et gain bleu = 1,5. L’étalonnage était effectué une fois après chaque démarrage du système ou chaque fois que la source lumineuse montrait des signes de vieillissement pouvant provoquer une dérive de température de couleur. Ces réglages permettaient d’assurer des limites claires du tabac coupé et une distribution stable de la luminosité tout en répondant aux exigences de traitement pour la segmentation ultérieure des brins de tabac, le calcul de l’orientation et l’analyse de l’ordre.

Collection d’images
L’acquisition d’images a ciblé la zone de tabac coupé exposée à la surface des tiges de cigarette à chaleur non brûlante après coupe. Lors de la détection, l’échantillon de cigarette était d’abord livré à la station d’inspection, où sa posture et sa position étaient ajustées et fixées par le mécanisme de positionnement de l’échantillon. Le mécanisme de positionnement se compose d’une pince pneumatique avec des guides d’alignement en V. Le système atteint une répétabilité positionnelle de ±0,5 mm sur 1000 cycles consécutifs, comme l’ont attesté les mesures des capteurs de déplacement laser. Par la suite, le matériau d’enveloppe extérieur était solidement sectionné par le mécanisme de coupe, exposant complètement le tabac taillé en surface dans le champ de vision du système de vision. Une lame circulaire rotative (diamètre 50 mm, épaisseur 0,3 mm, matériau acier rapide) était utilisée. La profondeur de coupe était réglée à 1,5 mm avec une vitesse de rotation de 300 tr/min. La consistance de la coupe était surveillée par rétroaction linéaire de l’encodeur, maintenant une variation d’épaisseur à ±0,05 mm. Une fois la position de l’échantillon stable et la région d’imagerie clairement définie, l’acquisition de l’image était réalisée à l’aide de la caméra industrielle sous un éclairage stable fourni par la source lumineuse. Un total de 634 images ont été collectées ; des images typiques sont montrées à la Figure 1. L’ensemble de données comprend trois niveaux de densité du tabac (faible, moyen, élevé ; environ 180, 220 et 260 mg/^{cm 3}), des orientations des brins allant de −180° à 180°, et des conditions d’éclairage allant de l’éclairage normal aux bords en faible luminosité. L’illuminance a été mesurée à l’aide d’un luxomètre numérique calibré (TA8133, précision ±3 %) avec le capteur positionné à la surface de l’échantillon. La plage d’éclairage normale mesurée est de 200 à 800 lux, fournie par la source lumineuse LED en bande à l’intérieur de la hotte fermée, sans fuite de lumière ambiante. La valeur basse (environ 200 lux) représente une condition de cas limite créée par l’atténuation de la source lumineuse pour évaluer la robustesse du modèle. De plus, une occlusion partielle des brins de tabac (allant de 10 % à 50 %) est présente dans environ 30 % des images. Ces variations reflètent une véritable diversité des chaînes de production.

Figure 1. Images brutes représentatives du tabac coupé acquises par le système de vision. (a–h) Exemples représentatifs d’images brutes de tabac coupé capturées dans des conditions industrielles à l’aide du système d’acquisition d’images. Les images ont été obtenues à une résolution de 896 × 1600 pixels sous un éclairage contrôlé à l’aide d’une source lumineuse en bande afin d’assurer une luminosité uniforme et de minimiser les interférences environnementales. Ces images illustrent les variations de la distribution, de la densité et de l’orientation des brins de tabac avant le traitement du modèle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Annotation d’images
À l’aide de l’outil open source LabelImg, des boîtes englobantes étaient dessinées autour de tabaux visibles taillés et de structures de soutien en acier. L’angle correct était attribué comme étiquette pour chaque boîte englobante. L’axe horizontal (0°) était défini comme la direction droite parallèle au bord inférieur de l’image. Pour chaque brin de tabac, la fonction de mesure d’angle de l’outil d’annotation était utilisée pour tracer une ligne le long de l’axe principal du brin. L’angle était enregistré comme l’angle entre cet axe et la référence horizontale (plage : −180° à 180°). Les annotations étaient sauvegardées dans le format standard de détection à un seul étage, avec un fichier TXT correspondant à chaque image. Chaque fichier .txt contient des lignes formatées comme : class_id x_center y_center largeur de la hauteur. Les coordonnées sont normalisées à [0,1] par rapport aux dimensions de l’image. Classe 0 = brin de tabac, classe 1 = support en acier. L’étiquette d’angle est stockée comme une sixième colonne dans le fichier .txt d’annotage, ajoutée après les cinq champs YOLO standards. Le format exact par ligne est : class_id x_center y_center angle de hauteur de largeur. La valeur de l’angle est enregistrée en degrés sous forme de nombre en virgule flottante allant de −180,0 à 180,0, avec deux décimales (par exemple, 45,75). Ligne d’exemple : 0 0,5230 0,4170 0,0850 0,0620 38,25.

Contrôle qualité
Un second annotateur a examiné 20 % sélectionnés au hasard des images annotées. La sélection aléatoire a été effectuée à l’aide de la fonction random.sample() de la bibliothèque aléatoire Python avec une graine aléatoire fixe de 2024. Une liste de tous les noms de fichiers images a été générée, et 20 % des images ont été échantillonnées sans remplacement à l’aide de ce générateur de nombres aléatoires ensemencés, assurant une sélection reproductible à travers des procédures répétées de contrôle qualité. Toute incohérence a été discutée et résolue, assurant la cohérence de l’étiquetage. L’accord entre les annotateurs a été évalué à l’aide de l’écart angulaire : la différence absolue moyenne entre les étiquettes angulaires des deux annotateurs était de 2,8° (écart-type = 1,5°). Les annotations avec une déviation >5° ont été examinées et rapprochées.

Modèle de régression à un seul étage pour la détection de l’ordre du tabac coupé
La détection de l’ordre d’alignement du tabac coupé est cruciale pour améliorer à la fois le processus de fabrication et la qualité finale du produit lors de la production de cigarettes. Cependant, cette tâche d’inspection rencontre plusieurs défis, notamment le chevauchement du tabac coupé, de petites tailles de cibles et un éclairage inégal, qui compromettent tous la précision et la robustesse de la détection. Un modèle de régression à une étape amélioré basé sur YOLOv11n est utilisé pour la détection en ligne de l’ordre du tabac coupé. Le cadre proposé identifie avec précision les caractéristiques morphologiques du tabac coupé lors de la formation des tiges de cigarette, permettant une détection fiable de la régularité de l’alignement tout en améliorant la précision, la robustesse et la capacité de traitement en temps réel. La configuration globale du cadre de régression à une étape proposé est illustrée à la Figure 2.

Figure 2. Architecture globale du modèle de régression à un seul étage proposé. Le diagramme illustre la structure complète du réseau, incluant la colonne vertébrale, le cou et la tête de détection. La dorsale extrait des caractéristiques multiéchelle, intégrant des modules de downsampling interactif multifréquence (MFID) pour préserver les informations sur les caractéristiques. Le manche intègre des caractéristiques utilisant la stratégie de fusion triple complémentaire (TCF) pour une représentation multiniveau améliorée. La tête de détection adopte le module DynamicHead, qui intègre des mécanismes d’attention conscients de l’échelle (π_L), conscients de l’espace (π_S) et conscients de la tâche (π_C) afin d’améliorer la localisation et la performance de classification. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Module de Downsampling d’Information Multifréquence (MFID)
Dans le réseau dorsale de YOLOv11, l’opération convolutionnelle avec un pas de 2 effectue un échantillonnage vers le bas en sautant des pixels. Ce processus élimine directement la moitié de l’information spatiale, entraînant la perte de détails à haute fréquence (par exemple, les contours et textures des petits objets) et une perte significative d’information pour les petites cibles. De plus, les opérations de max-pooling et de pooling moyen dans la dorsale écartent également des informations détaillées dans les régions d’objets, les caractéristiques lisses et introduisent du bruit, ce qui affecte négativement l’apprentissage des caractéristiques.

Pour répondre à ces problèmes, un module MFID est introduit, inspiré par le concept de décomposition hiérarchique par^{ondelettes 15,16}. Ce module décompose d’abord les caractéristiques en deux parties complémentaires à l’aide de la transformée d’ondelettes de Haar : l’information de fond basse fréquence, qui améliore la classification, et les détails à haute fréquence riches en bords et textures, qui améliorent la détection de petites cibles. Pour renforcer davantage la perception des petites cibles, le module MFID intègre deux branches supplémentaires : une branche max-pooling qui exploite l’invariance de translation pour préserver les caractéristiques fines des petites cibles, et une branche à convolution stridée qui utilise des paramètres apprenables pour obtenir une meilleure capacité de représentation et une composition d’information plus riche. Grâce à cette structure multibranche, le module MFID conserve des informations spatiales et fréquentielles plus complètes lors de l’échantillonnage descendant. L’architecture du module MFID est illustrée à la Figure 3.

Figure 3. Structure du module MFID. Le module MFID sépare les éléments d’entrée en composants basse et haute fréquence à l’aide d’une transformée d’ondelettes de Haar pour préserver les informations structurelles critiques lors de l’échantillonnage descendant. H_LL désigne la composante d’approximation basse fréquence, tandis que H_LH, H_HL et H_HH représentent des composantes de détail à haute fréquence dans les directions horizontale, verticale et diagonale, respectivement. Le symbole 2↓ indique un échantillonnage descendant double. Les cartes de caractéristiques de plusieurs branches sont fusionnées via des mécanismes de concaténation et de verrouillage pour améliorer la représentation des caractéristiques. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Lors de l’échantillonnage descendant, l’image est décomposée à l’aide de la transformée en ondelette de Haar, adoptée pour sa simplicité et son efficacité dans la décomposition des caractéristiques basse et haute fréquence, ce qui la rend adaptée aux tâches de détection en temps réel. H_L et _{H H} désignent respectivement les filtres passe-bas et passe-haut, et sont utilisés pour extraire des informations basse et haute fréquence de l’image. La fonction de base de l’ondelette et la fonction d’échelle pour une transformée de Haar unidimensionnelle et de niveau sont définies à l’aide de l’Équation 1 comme suit :

(1)

La fonction de base de Haar est définie à l’aide de l’équation 2 comme suit :

(2)

Ici, les paramètres j et k désignent respectivement le coefficient d’échelle et la quantité de translation de la fonction de base de Haar. Plus précisément, la fonction de base de Haar d’ordre zéro est définie à l’aide de l’équation 3 comme suit :

(3)

À la Figure 3, le symbole 2↓ indique un échantillonnage descendant double. Une décomposition en ondelettes de Haar à deux niveaux donne quatre composantes : l’approximation basse fréquence (H_LL) et les composantes de détail haute fréquence dans les directions horizontale (H_LH), verticale (H_HL) et diagonale (H_HH). La composante H_LL transporte des informations de contour, d’arrière-plan et globales, tandis que les composantes haute fréquence (H_LH, H_HL et H_HH) capturent des traits d’arme, de texture et de granularité fine.

Les composants haute fréquence H_LH, H_HL et H_HH obtenus après un double downsampling sont concaténés par l’opération Concat, intégrant ainsi les informations détaillées multidirectionnelles pour générer l’information détaillée intégrée des hautes fréquences , comme montré dans l’équation 4.

(4)

Par la suite, une fusion d’informations secondaires est réalisée sur la branche max-pooling pour intégrer des caractéristiques détaillées avec des caractéristiques globales, générant ainsi des informations reconstruites, comme montré dans l’Équation 5, qui intègre un ensemble plus large de caractéristiques saillantes et réutilise des informations détaillées à haute fréquence pour améliorer la représentation des caractéristiques.

(5)

Par la suite, un mécanisme de verrouillage est employé pour réguler dynamiquement le flux d’information, et il est utilisé pour guider l’identification des petites caractéristiques de la cible au sein du , préservant des éléments utiles tout en supprimant les interférences sonores inhérentes et inutiles. Le mécanisme de gating est défini comme : gating(x) = Linear_2(ReLU(Linear_1(x))), où Linear_1 réduit la dimension du canal d’un facteur de réduction de 4, et Linear_2 la rétablit à la dimension du canal d’origine. La sortie du mécanisme de gating passe par une activation sigmoïde pour produire des poids de modulation dans la plage [0,1]. Les paramètres apprenables incluent les matrices de poids et les termes de polarisation des deux couches linéaires, qui sont initialisés via une initialisation uniforme. Cela garantit que les informations détaillées et critiques sur les caractéristiques sont correctement équilibrées et utilisées, donnant ainsi la caractéristique détaillée finale telle que présentée dans l’équation 6.

(6)

Enfin, les informations de sous-échantillonnage stride-convolution, le vecteur basse fréquence et la caractéristique détaillée finale sont concaténées via Concat pour étendre l’interaction de downsampling des caractéristiques sur plusieurs dimensions et bandes de fréquence, comme montré dans l’équation 7.

(7)

Étapes d’action et de mise en œuvre
Définition du module
Un module PyTorch personnalisé nommé MFID doit être défini dans les fichiers de définition du modèle du projet. L’implémentation de ce module se compose de quatre chemins parallèles : (1) Transformée en ondelettes : une décomposition à deux niveaux est appliquée à la carte des caractéristiques d’entrée à l’aide de filtres wavelets de Haar prédéfinis, générant une composante d’approximation basse fréquence et des composantes de détail haute fréquence dans les directions horizontale, verticale et diagonale, après quoi les trois composantes hautes fréquences sont concaténées ; (2) Max-pooling : le max-pooling est appliqué à l’entrée pour préserver les caractéristiques saillantes ; (3) Convolution stridée : le downsampling standard est effectué via une couche convolutionnelle avec une foulée de 2 ; (4) Reconstruction et fusion des caractéristiques : d’abord, les informations hautes fréquences obtenues par la transformée en ondelettes sont fusionnées avec les caractéristiques de la branche max-pooling ; Par la suite, un mécanisme de filtrage guidé par l’information basse fréquence est utilisé pour filtrer les caractéristiques à grain fin ; Enfin, les caractéristiques à grain fin traitées, les composants basse fréquence et la sortie convolution stridée sont concaténés pour obtenir la carte finale des caractéristiques sous-échantillonnées.

Édition des fichiers de configuration
Le fichier de configuration de base du modèle (config.yaml) doit être ouvert. Tous les exemples de modules de downsampling standard dans les réseaux dorsales et neckbone doivent être identifiés de manière systématique. Chaque entrée identifiée dans le module de démontage doit alors être remplacée par le module MFID.

Motivation de conception
Le module MFID est conçu pour atténuer la perte d’information lors des opérations standard de sous-échantillonnage, ce qui est particulièrement préjudiciable à la détection de petits objets. Son concept central s’inspire de la décomposition hiérarchique par ondelettes. En séparant explicitement les informations globales basse fréquence des informations de détail haute fréquence dans l’image et en les traitant en conséquence, le module garantit que les textures critiques et les traits de contour sont préservées lors de l’échantillonnage descendant. L’intégration des branches max-pooling et strided-convolution capture et complète davantage les caractéristiques sous des perspectives complémentaires — en particulier, l’invariance de traduction versus la représentation apprenable. Grâce à la fusion multibranche, le module offre aux couches réseau suivantes une représentation des caractéristiques multifréquences plus informative et robuste. Tous les paramètres architecturaux non spécifiés et les configurations de couches suivent les paramètres d’implémentation par défaut du cadre YOLOv11n dans PyTorch.

Module de fusion à triple croisement (TCF)
À l’étape de fusion des caractéristiques du col de l’architecture réseau YOLOv11, une opération simple de concaténation est généralement utilisée pour fusionner des cartes de caractéristiques de la même échelle. Cependant, cette approche directe présente des limites claires : premièrement, elle ne tient pas pleinement compte des différences sémantiques entre les caractéristiques à différents niveaux ; Deuxièmement, l’absence de modélisation explicite des corrélations inter-canaux rend les caractéristiques de petites cibles sujettes à la dilution ou à la perte lors de la fusion, compromettant ainsi la performance de détection. Pour résoudre ces problèmes, une méthode de fusion plus interactive, appelée module TCF, est^{introduite 17}. Cette méthode utilise une stratégie de fusion progressive multiniveau qui guide le flux d’information vers la détection de petites cibles par transmission intercouche. Il intègre également des opérations non linéaires supplémentaires pour explorer l’information de niveau profond à différentes échelles, favorisant ainsi la fusion des caractéristiques multi-échelles. Contrairement aux modules conventionnels qui reposent sur l’addition simple ou la fusion moyenne, la TCF adopte une approche de fusion pondérée. Cela lui permet d’apprendre de manière adaptative des informations détaillées à chaque niveau, d’optimiser dynamiquement les voies d’extraction de l’information et de se concentrer sur les caractéristiques les plus discriminantes, améliorant ainsi la précision de la détection. L’architecture du module TCF est illustrée à la Figure 4.

Figure 4. Structure du module TCF. Le module TCF effectue une fusion de caractéristiques à plusieurs niveaux à travers des couches peu profondes, moyennes et profondes afin d’améliorer la représentation de petites cibles. P représente les cartes de caractéristiques d’entrée à différents niveaux. Conv désigne les opérations de convolution, Upsampling indique l’upsampling de caractéristiques, et AdaptiveAvgPool représente le pooling moyen adaptatif. Le module intègre des caractéristiques calibrées grâce à une fusion pondérée et à l’interaction inter-couches afin d’améliorer la complémentarité sémantique et spatiale des caractéristiques. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Dans la tâche de détection d’objets, les informations contenues dans les caractéristiques de couche profonde P_i+1 et de couche peu profonde P_i-1 diffèrent de manière significative. Pour renforcer la fusion des informations inter-couches, la couche intermédiaire P_i est introduite comme couche finale de fusion de caractéristiques afin d’équilibrer les différences entre les informations de caractéristiques à différents niveaux.

Premièrement, les informations d’entrée des couches peu profondes, intermédiaires et profondes sont traitées à l’aide de la fonction d’activation Sigmoïde pour générer des caractéristiques pondérées , , et , qui servent à renforcer les caractéristiques clés et à affaiblir celles redondantes, comme montré dans l’équation 8.

(8)

Deuxièmement, les informations d’entrée des couches peu profondes, intermédiaires et profondes sont multipliées élément par élément par les caractéristiques pondérées cartographiées afin de générer des caractéristiques calibrées , , et , comme montré dans l’équation 9. L’importance des caractéristiques est ajustée dynamiquement via le mécanisme d’attention du poids, permettant ainsi une sélection adaptative des caractéristiques et un recalibrage.

(9)

À l’étape de fusion des caractéristiques de la couche moyenne, deux branches de poids inverse sont utilisées pour fusionner respectivement avec les caractéristiques calibrées de couche peu profonde et de couche profonde, filtrant ainsi les fausses informations détaillées induites par le bruit dans les caractéristiques de couche peu profonde et les informations sémantiques biaisées associées dans les caractéristiques de couche profonde. Par la suite, l’information multibranche est intégrée, et les caractéristiques originales, étalonnées et interactives de cette couche, ainsi que les caractéristiques calibrées de couche peu profonde et de couche profonde, sont fusionnées ensemble. Cela permet de préserver et de complémenter les informations sur les caractéristiques multiéchelles, d’atténuer les problèmes de perte d’information sur les petites cibles et de mauvais jugements, et enfin d’aboutir à des caractéristiques fusionnées de couche intermédiaire, formulées à l’aide de l’Équation 10 comme suit :

(10)

Les associations entre la couche peu profonde, la couche profonde et la couche moyenne sont établies séparément, comme montré dans les équations 11 et 12.

(11)

(12)

Enfin, les sorties des trois chemins de fusion de caractéristiques sont concaténées via l’opération Concat afin de préserver l’indépendance des caractéristiques de chaque chemin individuel. Les informations clés de chaque chemin sont apprises dynamiquement en fonction des poids α, β et γ, définis comme des paramètres scalaires apprenables initialisés à 1.0 et optimisés via rétropropagation pendant l’entraînement, permettant un équilibrage dynamique des contributions provenant de chemins de caractéristiques superficielles, intermédiaires et profondes. De plus, des opérations convolutionnelles sont employées pour agréger les informations contextuelles, éliminer les réponses incohérentes aux limites des caractéristiques causées par la concaténation inter-couches, et optimiser l’acquisition et la représentation affinée des informations détaillées sur les petites cibles. Le processus est formulé à l’aide de l’équation 13 comme suit :

(13)

Étapes d’action et de mise en œuvre
Définition du module
Un module PyTorch personnalisé nommé TCF doit être défini dans les fichiers de définition du modèle du projet. Ce module prend en entrée les cartes de caractéristiques de couche superficielle, intermédiaire et couche profonde extraites de différentes étapes du réseau dorsale. Son flux interne de traitement se compose de trois étapes principales : (1) Calibration des caractéristiques : la fonction Sigmoïde est appliquée à chacune des trois couches de caractéristiques d’entrée pour générer des cartes de poids, qui sont ensuite multipliées élément par élément avec les cartes de caractéristiques originales pour améliorer les caractéristiques clés tout en supprimant celles redondantes ; (2) Fusion interactive : à l’étape de fusion des caractéristiques de la couche intermédiaire, deux branches de poids inverse sont introduites pour fusionner respectivement avec les caractéristiques calibrées de couche peu profonde et de couche profonde, filtrant ainsi les informations détaillées fausses induites par le bruit dans les caractéristiques de couche peu profonde et les informations sémantiques biaisées associées dans les caractéristiques de couche profonde ; (3) Agrégation multipath : les caractéristiques originales, les caractéristiques calibrées, interactives et les fonctionnalités fusionnées avec des informations superficielles et profondes sont intégrées, après quoi des opérations convolutionnelles sont appliquées pour éliminer les réponses incohérentes aux limites de caractéristiques causées par la concaténation inter-couches, produisant finalement des caractéristiques fusionnées riches en informations multi-échelle.

Édition des fichiers de configuration
Le fichier de configuration du modèle (config.yaml) doit être ouvert. Les sections de fusion de caractéristiques dans le réseau neck—plus précisément, les couches où les éléments des différentes étapes du réseau dorsale sont fusionnés—devraient être situées. À ces positions, les couches d’opérations de concaténation simples d’origine doivent être remplacées par un appel au module TCF, garantissant que les entrées du module sont correctement connectées aux caractéristiques superficielles, intermédiaires et profondes correspondantes.

Motivation de conception
La conception du module TCF est motivée par les défis liés à la disparité et à la perte d’information lors de la fusion de caractéristiques. Les traits peu profonds sont riches en détails mais contiennent beaucoup de bruit, tandis que les traits profonds présentent une sémantique marquée mais une faible résolution. Pour y remédier, le module TCF introduit une caractéristique de couche intermédiaire en tant qu’équilibreur d’information et intègre des voies de calibration, d’interaction et d’agrégation soigneusement conçues afin de maximiser les avantages complémentaires des fonctionnalités inter-niveaux. La motivation sous-jacente est d’établir un mécanisme de fusion plus efficace, capable d’évaluer dynamiquement l’importance des caractéristiques à chaque niveau et d’intégrer sélectivement l’information. En conséquence, il génère une représentation des caractéristiques de haute qualité pour la tête de détection ultérieure, riche en détails et en informations sémantiques, ce qui le rend particulièrement adapté à la reconnaissance de petits objets.

DynamicHead Module
Le composant tête de détection a pour objectif fondamental de réaliser la reconnaissance multi-échelle des objets sur les représentations de caractéristiques générées par le réseau de la colonne vertébrale et de fusion de caractéristiques. Ce processus permet une localisation spatiale précise des objets détectés, une attribution catégorique et une estimation de fiabilité des prédictions de boîtes englobantes. Compte tenu des variations d’échelle substantielles des caractéristiques cibles dans les données visuelles et de la forte concentration de propositions de boîtes englobantes dans certains cadres, l’identification précise du tabac coupé nécessite l’analyse de motifs multi-échelle. Pour y remédier, la méthode adopte l’architecture^{DynamicHead 18} en remplacement de la tête de détection native dans YOLOv11n, établissant un cadre d’auto-attention qui intègre des mécanismes conscients de l’échelle, de l’espace et des tâches afin d’améliorer à la fois la capacité de détection et l’efficacité opérationnelle. La configuration structurelle du composant DynamicHead est illustrée à la Figure 5.

Figure 5. Structure du module de détection Dynamichead. Le module DynamicHead intègre trois mécanismes d’attention séquentiels : conscient de l’échelle (π_L), conscient de l’espace (π_S) et conscient de la tâche (π_C). Ces composantes ajustent dynamiquement l’importance des caractéristiques selon les échelles, les régions spatiales et les tâches de détection. Cette conception améliore à la fois la précision de localisation et la performance de classification en permettant un raffinement adaptatif des caractéristiques au sein de la tête de détection. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Cette architecture comprend trois unités d’attention spécialisées : les composants conscients de l’échelle (π_L), conscients de l’espace (π_S) et conscients de la tâche (π_C). Le mécanisme d’attention sensible à l’échelle (π_L) fait d’abord la moyenne de la carte des caractéristiques d’entrée sur les dimensions spatiales et des canaux. Le résultat est fait passer à travers une couche de projection linéaire suivie d’une activation sigmoïde dure pour générer des poids d’échelle, qui sont ensuite multipliés élément par élément par la carte de caractéristiques originale. Le mécanisme d’attention spatial conscient (π_S) utilise une convolution déformable avec K = 9 points d’échantillonnage sélectionnés de manière clairsemée. Il prédit les vecteurs de décalage Δpk et les scalaires de modulation Δ_{m k} pour chaque point d’échantillonnage, puis agrège les caractéristiques échantillonnées pour produire des poids d’attention spatiale. Le mécanisme d’attention consciente de la tâche (πC) applique une transformation linéaire apprenable à chaque canal indépendamment en utilisant deux ensembles de paramètres (α¹, β¹ et α², β²). Il sélectionne la réponse maximale entre les deux représentations transformées pour adapter dynamiquement les caractéristiques aux tâches de classification et de régression. Enfin, ces trois mécanismes d’attention sont appliqués séquentiellement à la carte des caractéristiques d’entrée comme F_out = πC(πS(πL(F) · F) · F) · F. Le mécanisme conscient de l’échelle utilise une pondération des caractéristiques à échelle transversale pour combiner adaptativement les représentations multi-résolution, affinant ainsi la sensibilité du modèle aux variations dimensionnelles. La composante spatiale consciente implémente une pondération d’accent régionale dans les mappages de caractéristiques, dirigeant l’attention computationnelle vers les entités au premier plan tout en supprimant les interférences de fond non pertinentes. Parallèlement, le module sensible à la tâche module dynamiquement les représentations de sortie pour des objectifs spécifiques, affinant à la fois les résultats de classification et de régression afin de renforcer la précision du modèle et la robustesse opérationnelle. La procédure de calcul est formalisée dans les équations 14 à 17.

(14)

(15)

(16)

(17)

Ici, W_L(F) désigne la représentation des caractéristiques enrichies par l’attention, tandis que π_L(F), π_S(F) et π_C(F) correspondent respectivement à des opérations d’attention orientées à l’échelle, spatiale et à la tâche. La transformation f représente une couche de projection linéaire, σ(x) indique un traitement d’activation rigide des sigmoïdes, K spécifie la quantité de points spatiaux sélectionnés de manière clairsemée, p_k+Δp_k introduit des ajustements de position pour souligner des zones discriminantes, Δm_k constitue une mesure de signification entraînable pour le point spatial p_k, et α(F) et β(F) sont des fonctions paramétriques apprenables régissant les seuils d’activation. Parmi elles, K est fixé à 9 dans toutes les expériences, car cette valeur offre une couverture spatiale suffisante tout en maintenant l’efficacité de calcul.

Étapes d’action et de mise en œuvre
Définition du module
Un module PyTorch personnalisé nommé DynamicHead doit être défini dans les fichiers de définition du modèle du projet. La mise en œuvre de ce module se compose de trois unités d’attention appliquées séquentiellement : (1) Attention consciente de l’échelle : les couches de caractéristiques à différentes échelles sont pondérées dynamiquement à l’aide de paramètres apprenables ; (2) Attention spatiale : basée sur le concept de convolution déformable, cette unité se concentre sur des emplacements spatiaux clairsemés mais discriminants au sein des cartes de caractéristiques ; (3) Attention consciente de la tâche : les seuils d’activation sont appris dynamiquement pour optimiser les représentations des caractéristiques pour les tâches de classification et de régression, respectivement. Ces trois mécanismes d’attention sont appliqués séquentiellement à la pyramide des caractéristiques d’entrée, produisant finalement des caractéristiques pour la prédiction. Tous les modules ont été implémentés en utilisant des opérations standard de PyTorch, incluant les couches convolutionnelles, les couches linéaires, les fonctions d’activation et les mécanismes d’attention décrits ci-dessus.

Édition des fichiers de configuration
Le fichier de configuration du modèle (config.yaml) doit être ouvert. La section définissant la tête de détection doit être localisée. La configuration originale de la tête de détection, qui comprend typiquement une série de couches convolutionnelles pour la classification et la régression, doit être remplacée par un appel au module DynamicHead, garantissant que son entrée est connectée à la sortie pyramidale de caractéristiques par le réseau neck.

Motivation de conception
Les têtes de détection traditionnelles appliquent généralement le même ensemble de paramètres convolutionnels à toutes les couches de caractéristiques, emplacements spatiaux et tâches, sans adaptabilité spécifique à chaque tâche. L’introduction du module DynamicHead est motivée par la complexité des tâches de détection, visant à découpler et à résoudre ces défis grâce à une architecture unifiée basée sur l’attention. Sa motivation de conception est triple : (1) se concentrer de manière adaptative sur les couches de caractéristiques correspondant à des cibles de tailles différentes via le module sensible à l’échelle ; (2) concentrer les ressources de calcul sur les régions cibles au premier plan plutôt que sur l’arrière-plan via le module spatial ; et (3) optimiser dynamiquement les représentations des caractéristiques pour les objectifs distincts de classification et de régression via le module sensible à la tâche. Cette combinaison de découplage et d’optimisation dynamique améliore la précision de localisation et la fiabilité de classification du modèle pour des cibles densément disposées et multi-échelles, telles que le tabac coupé.

Méthode d’évaluation personnalisée pour l’ordre du tabac coupé
Description du module et principe de conception : L’évaluation quantitative de l’alignement du tabac coupé est essentielle pour évaluer la stabilité des processus de fabrication et prédire la qualité finale du produit lors de la production de cigarettes. Les méthodes d’évaluation traditionnelles reposent sur une inspection visuelle manuelle, qui est subjective, chronophage et incapable de fournir des mesures quantitatives cohérentes. Pour remédier à ces limitations, une méthode personnalisée de prédiction d’angle intégrée au détecteur de régression à un étage amélioré est utilisée. Le principe fondamental de cette méthode est d’établir un cadre de référence spatial en utilisant la structure de support en acier à l’intérieur de la tige de cigare comme référence géométrique. Parce que le support en acier maintient une orientation fixe pendant la fabrication, il sert de ligne de référence idéale pour calculer l’orientation relative du tabac coupé individuellement. En mesurant les angles absolus du tabac coupé détecté et du support en acier par rapport à la ligne de référence horizontale, puis en calculant leurs différences angulaires relatives, la méthode fournit une évaluation quantitative de l’ordre de l’alignement. Un angle relatif de zéro indique un parallélélisme parfait entre un brin et le support, tandis qu’une déviation angulaire croissante signifie un alignement plus faible. L’axe de référence horizontal est défini comme la ligne parallèle au bord inférieur de l’image, orientée de gauche à droite. Cet axe correspond à 0°, avec des angles positifs mesurés dans le sens antihoraire et des angles négatifs mesurés dans le sens horaire à partir de cet axe. La métrique finale d’ordre est obtenue en moyennant les angles relatifs de tous les brins détectés dans une image, permettant ainsi une correction de qualité cohérente et objective.

Étapes d’action et de mise en œuvre
Définition du module de calcul d’angle
Implémentez un module de post-traitement qui traite les résultats de détection du modèle de régression à une étape amélioré. Pour chaque objet détecté (tabac coupé et support en acier), extraire les coordonnées de la boîte englobante. Calculez les coordonnées du point central pour chaque objet détecté à l’aide de l’équation 18. Calculez les coordonnées des points centraux de l’image en fonction des dimensions de l’image à l’aide de l’équation 19.

(18)

(19)

où x₁, x₂, y₁, y₂ désignent les coordonnées des quatre coins de la boîte englobante détectée pour un brin de tabac ou le support en acier ; c_x et _{c y} représentent les coordonnées de leurs points centraux respectifs dans la région de détection ; W et h indiquent la largeur et la hauteur de l’image de la cigarette ; d,_x et _{d y} définissent les coordonnées du point central de l’image.

Calcul de l’angle absolu
Pour chaque brin de tabac détecté et le support en acier, calculez le vecteur du centre de l’image au centre de l’objet. Calculez l’angle absolu par rapport à la ligne de référence horizontale à l’aide de la fonction arctangente, telle que formulée dans l’équation 20. L’angle est calculé à l’aide de atan2(d_y, d_x), où atan2 est la fonction tangente inverse à quatre quadrants disponible dans la bibliothèque mathématique Python. Cette fonction renvoie des valeurs dans la plage (−π, π] radians, qui sont ensuite converties en degrés, donnant des angles de sortie dans la plage (−180°, 180°]. La gestion des quadrants est automatique avec atan2 en fonction des signes de d_y et d_x. Cela donne un_acier pour le support en acier et une_coupe A pour chaque brin de tabac.

(20)

Calcul de l’angle relatif
Pour chaque brin de tabac détecté, calculez l’angle relatif en soustrayant l’angle absolu du support en acier de l’angle absolu du brion, comme montré dans l’équation 21. La valeur absolue garantit des mesures positives de déviation angulaire.

(21)

Génération de métriques d’ordre
Agréger les angles relatifs de tous les brins détectés dans une seule image. Calculez l’angle relatif moyen en additionnant tous les angles relatifs T_o et en divisant par le nombre total de brins détectés n, comme formulé dans l’équation 22. Cette valeur moyenne sert de mesure quantitative de l’ordre d’alignement pour cette image.

(22)

Mise en œuvre de la notation qualité
Implémentez une fonction de classification qui associe la valeur calculée à des notes qualitatives basées sur des seuils prédéfinis, tels que définis dans l’équation 23. Les seuils de classification (0°–30° = Excellent, 30°–60° = Bien, >60° = Mauvais) ont été établis sur la base de consultation avec trois experts en contrôle qualité de Longyan Tobacco Industry Co., Ltd. Ces experts ont évalué indépendamment 200 images d’échantillon et ont corrélé les angles relatifs moyens calculés avec la qualité d’alignement perçue, à l’aide d’une échelle de trois catégories (Excellent, Bon et Médiocre). Les limites de 30° et 60° ont été choisies comme seuils de consensus lorsque l’accord inter-experts dépassait 90 %. Cette notation permet une interprétation intuitive des résultats quantitatifs pour le personnel de contrôle qualité.

(23)

Édition des fichiers de configuration
Le fichier de configuration du modèle (config.yaml ou model.yaml) doit être ouvert. La section post-traitement ou la partie paramètres d’inférence de la configuration doit être localisée. Le module de calcul d’angle personnalisé doit être correctement référencé et activé. Les réglages d’analyse de sortie doivent être vérifiés pour extraire correctement les coordonnées de la boîte englobante pour le tabac coupé et le support en acier. Aucune couche supplémentaire n’est requise pour cette méthode d’évaluation, car elle fonctionne comme un module de post-traitement après la sortie de la tête de détection.

Motivation de conception
La conception de cette méthode d’évaluation personnalisée est motivée par la nécessité de transformer l’inspection visuelle subjective en mesures quantitatives objectives et reproductibles. L’inspection manuelle traditionnelle souffre de variabilité entre les observateurs et ne peut pas fournir de données numériques continues pour l’optimisation des procédés. En utilisant le support en acier comme référence géométrique naturelle au sein de la tige de cigarette, la méthode élimine le besoin de marqueurs d’étalonnage externes et assure la cohérence des mesures entre différentes images et lots de production. L’utilisation de vecteurs de points centraux et de calculs arctangents offre une approche mathématiquement robuste et efficace en calcul pour l’estimation des angles, la rendant adaptée au déploiement en temps réel. Ce calcul vectoriel du centre de l’image au centre de l’objet est conçu pour être invariant au champ de vision de la caméra et à la position de la bâton de cigare dans l’image, assurant ainsi la robustesse dans des conditions de capture variables. La stratégie de moyenne sur plusieurs brins détectés prend en compte les variations naturelles de l’orientation des brins et fournit une métrique d’ordre global statistiquement fiable. Un système de classification à trois niveaux traduit les mesures numériques continues en catégories de qualité exploitables, facilitant ainsi la prise de décision rapide dans le contrôle qualité des chaînes de production. Dans l’ensemble, cette approche intégrée combine les capacités de détection du modèle de régression à une étape amélioré avec des calculs géométriques précis, permettant une évaluation complète et automatisée de l’ordre d’alignement du tabac coupé.

Entraînement par modèle pour la détection de l’ordre du tabac coupé
PyTorch 2.1.0, Compute Unified Device Architecture (CUDA) 12.1, et toutes les dépendances doivent être correctement installées. L’implémentation suit les pipelines YOLO standards de PyTorch et peut être reproduite à partir des descriptions détaillées des modules et des étapes de configuration fournies.

Commandement de formation
Avant de réentraîner, les jeux de données d’images partitionnés et les fichiers d’annotation dans le format standard de détection à une seule étape (par exemple, le format YOLO avec un fichier .txt par image) doivent être préparés. Un fichier .yaml de configuration de jeu de données spécifiant les chemins d’image, le nombre de classes (support de tabac coupé et d’acier) et les noms de classes doit être créé. Sur la base des améliorations du modèle décrites précédemment, le fichier de configuration .yaml du détecteur original devrait être remplacé par le fichier .yaml proposé du modèle, qui intègre les modules MFID, TCF et DynamicHead. Le script train.py doit être écrit ou modifié pour importer le package détecteur à un seul étage, charger le modèle d’entraînement et la configuration du jeu de données, et définir les paramètres d’entraînement suivants : imgsz=640, epochs=100, batch=4, workers=0, device='0', optimiser='SGD', close_mosaic=10, etc. La graine aléatoire a été fixée à 42, et les poids du modèle ont été initialisés en utilisant la stratégie d’initialisation par défaut fournie par le cadre d’apprentissage profond. La reproductibilité était assurée en définissant torch.backends.cudnn.deterministic = Vrai et torch.backends.cudnn.benchmark = Faux.

Hyperparamètres
Les principaux hyperparamètres configurés pour l’entraînement sont les suivants : résolution d’image d’entrée de 896 × 1600 pixels ; taille de lot de 4, contrainte par la mémoire GPU ; taux d’apprentissage initial de 0,01 avec un planificateur de recuit cosinus pour la décroissance progressive ; optimiseur à descente du gradient stochastique (SGD) avec une quantité de mouvement de 0,912 pour accélérer la convergence ; et une décroissance de poids de 0,0004 pour la régularisation. Les images ont été normalisées en utilisant la moyenne [0,485, 0,456, 0,406] et l’écart-type [0,229, 0,224, 0,225]. L’augmentation comprenait un basculement horizontal aléatoire (50 %), un réglage aléatoire de la luminosité (±20 %) et une rotation aléatoire (±15°). L’augmentation en mosaïque est activée par défaut lors des premières périodes d’entraînement pour améliorer la robustesse du modèle à différentes échelles d’objets et aux occlusions. Il est désactivé dans les 10 dernières époques (close_mosaic = 10) pour affiner la précision de la détection.

Suivi de la formation
Pendant la formation, le cadre produit des métriques complètes à chaque époque. La fonction de perte est une somme pondérée de trois composantes : la perte de classification (entropie binaire croisée [BCE] avec logites), la perte de localisation (intersection complète sur la perte par union [IoU]), et la perte d’objectité (BCE). Les poids de perte totale étaient fixés comme λ_cls = 0,5, λ_box = 0,05 et λ_obj = 1,0. Les courbes de perte d’entraînement et de validation doivent être surveillées pour assurer une convergence stable et détecter tout signe de surajustement. Le mAP à un seuil d’IoU de 0,5 (mAP@0,5) sur l’ensemble de validation est utilisé comme principal indicateur de performance pour la détection des brins de tabac coupé. Compte tenu de la taille du jeu de données et de la complexité du modèle, l’entraînement sur 100 époques est généralement suffisant pour la convergence. Le point de contrôle du modèle le mieux performant est automatiquement sauvegardé en fonction de la validation mAP.

Évaluation et déploiement du modèle
Évaluation
Après la fin de l’entraînement, les poids optimaux du modèle sont enregistrés sous forme de runs/train/exp/weights/best.pt. Le modèle entraîné doit être évalué sur l’ensemble de validation dédié à l’aide de la commande suivante : python val.py --data cigarette_dataset.yaml --weights runs/train/exp/weights/best.pt. Le script d’évaluation fournit des indicateurs clés de performance, notamment la précision, la rappel et le mAP@0,5, pour les deux classes de détection (tabac coupé et support en acier). Le mAP doit être vérifié pour atteindre le seuil requis pour le déploiement industriel (par exemple, >95 % pour la détection des brins). Le seuil de déploiement (mAP >95 % pour la détection des brins) représente une exigence interne de performance pour l’environnement industriel cible. Le résultat rapporté reflète la performance sur un ensemble de tests diversifié incluant des cas limites difficiles. Le mAP du modèle pour les conditions de production routinières dépasse 96 % lorsqu’il est évalué sur un sous-ensemble filtré pour un éclairage idéal et une occlusion minimale. Le sous-ensemble de production de routine était défini par les critères suivants : éclairage dans la plage de 500–800 lux (éclairage optimal), pourcentage d’occlusion inférieur à 10 % (recouvrement minimal), et absence de réflexions spéculaires visibles. Ce sous-ensemble contient 427 images, représentant environ 67 % de l’ensemble de test. Ce sous-ensemble correspond aux conditions standard de production diurne sous éclairage normal et une disposition bien orientée des brins.

Vérification par inférence
Pour valider visuellement la performance de détection du modèle sur des images non vues, une inférence est effectuée sur des images de test d’exemple à l’aide de la commande suivante : python detect.py --weights runs/train/exp/weights/best.pt --source path/to/test/images --conf 0.5. Cette commande génère des images annotées avec des boîtes englobantes autour des supports détectés de tabac et d’acier coupés. La vitesse d’inférence a été mesurée sur un GPU NVIDIA GeForce RTX 3080 Ti (12 Go de VRAM) utilisant CUDA 12.1 et PyTorch 2.1.0. Les images par seconde (FPS) rapportées ont été calculées en moyenne sur plus de 100 passes avant consécutives après 50 itérations d’échauffement. De plus, la vitesse d’inférence (en images par seconde) est rapportée pour confirmer son adéquation en temps réel à l’environnement de déploiement.

Déploiement du modèle
Pour permettre un déploiement en temps réel sur le système de contrôle industriel, le modèle entraîné PyTorch (best.pt, environ 7–9 Mo) doit être exporté vers un format d’inférence optimisé, tel que TensorRT ou Open Neural Network Exchange (ONNX). Cette conversion améliore la vitesse d’inférence tout en maintenant la précision de la détection. Pour l’export ONNX, utilisez : torch.onnx.export(model, dummy_input, « model.onnx », opset_version=11, input_names=["images"], output_names=["outputs"]). Pour la conversion TensorRT, utilisez : trtexec --onnx=model.onnx ---saveEngine=model.trt --fp16 --workspace=4096. Le mode de précision FP16 était utilisé pour optimiser la vitesse d’inférence. Le modèle final déployé fournit les coordonnées de la boîte englobante, les étiquettes de classe (brin de tabac coupé ou support en acier) et les scores de confiance pour chaque objet détecté, qui servent d’entrées à la méthode d’évaluation d’angle personnalisée utilisée pour quantifier l’ordre du tabac coupé.

Résultats

Environnement expérimental
Toutes les expériences ont été menées à l’aide du cadre d’apprentissage profond PyTorch, avec des configurations matérielles et logicielles détaillées résumées dans le tableau 1. Un total de 634 images ont été réparties aléatoirement en ensembles d’entraînement, de validation et de test dans un ratio de 7:2:1. Pendant la formation, les images d’entrée étaient uniformément redimensionnées à 896 × 1600 pixels, et le taux d’app...

Discussion

Un avantage clé du modèle proposé dans la détection de l’ordre du tabac de coupe est son équilibre entre la précision de la détection et l’efficacité computationnelle. Cette tâche nécessite le traitement en temps réel de nombreux tabacs taillés à grain fin dans des images haute résolution, imposant des exigences strictes en matière de précision et de rapidité du modèle. Comme le montre le tableau 2, le modèle proposé obtient le plus haut mAP@0,5 (89,9 %) pour la détectio...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Lecteur de code	Hikvision	ID5050	Utilisé pour lire les codes-barres sur les palettes ; nécessite une alimentation 24 V
Jeu de données (images de tabac coupé)	Longyan Tobacco Industrial Co., Ltd.	N/A	Ensemble de données d’images personnalisées du tabac coupé utilisé pour l’entraînement, la validation et les tests de modèles
Cadre d’apprentissage profond (PyTorch 2.1.0)	Fondation PyTorch	Logiciels open source	Utilisé pour le développement et la formation de modèles d’apprentissage profond
Caméra industrielle	Hikvision	MV-CH120-10GC	Utilisé pour l’acquisition d’images ; nécessite une alimentation 24 V
Ordinateur industriel	Technologie Yanzhi	PC1010-AX360	Utilisé pour le traitement d’images, l’inférence de modèles et le stockage de données
Source lumineuse LED	Hikrobot	MV-LRDS-H-95-30-W	Source lumineuse à bande offrant un éclairage stable pour l’imagerie
Objectif	Hikvision	MVL-KF0818M-12MP	Distance focale : 8 mm ; plage d’ouverture : F1.8 et ndash ; F16 ; Résolution de 12 MP
Supports métalliques	Longyan Tobacco Industrial Co., Ltd.	Alliage d’aluminium 7075-T6	Utilisé pour le montage et la stabilisation des composants matériels
Câbles réseau	Longyan Tobacco Industrial Co., Ltd.	RJ45 Crystal Head	Utilisé pour connecter des ordinateurs industriels, des appareils photo et des dispositifs réseau
Python (version 3.9)	Fondation Python Software	Logiciels open source	Environnement de programmation pour la mise en œuvre
Changement	TP-Link	TL-SH1005	8 ports Ethernet ; nécessite une alimentation 220 V
Point d’accès sans fil (module de communication industrielle)	Shandong Huachuang Xunlian	BH-ANT5158S-14HV ; BH-MS-AC1600HWH	Permet la communication sans fil entre la caméra et l’ordinateur industriel
Logiciel de contrôle de caméra (MVS)	Hikvision	V4.5.1	Utilisé pour le débogage de caméras, la configuration des paramètres et l’acquisition de données
Logiciel de traitement de la vision (Vision Master)	Hikvision	V4.3.0	Utilisé pour la correspondance de modèles et la détection des résultats d’images
Environnement de développement intégré (PyCharm)	JetBrains	2020.1.3 x64	Utilisé pour le développement de modèles et la mise en œuvre du système
Boîte à outils CUDA (version 12.1)	NVIDIA	Boîte à outils logicielle (pas de numéro de catalogue)	Permet l’accélération GPU pour l’entraînement et l’inférence