1 引言

伪劣卷烟产品不仅对烟草企业的声誉造成巨大损害，更对消费者的身体健康构成潜在威胁。专卖稽查人员传统的真伪烟检测手段主要依赖于人工检测，存在着高度依赖人员经验、效率低下和易受主观因素干扰等问题。因此，研发一种更加智能、高效的真伪烟检测设备显得尤为紧迫。

为解决传统真伪烟检测方法的弊端，基于物联网和远程图像识别技术的真伪烟检测设备应运而生。这一设备集成了先进的传感器技术、高效的数据处理算法以及远程通信技术，具备实时、远程监测的能力，可以在不同环境下迅速准确地判别真伪烟草产品。其研发的动机主要源于提高检测的智能性、减少人为干预的可能性，以及实现专门稽查人员对卷烟的有效监管。

本文主要探讨真伪烟检测设备的设计与应用，内容包括：（1）设备各组件的设计构成，包括物联网传感器和远程图像识别系统等设计；（2）设备各阶段工作流程，包括总体流程、图像采集、数据传输等；（3）优势和应用效果等，展示该设备在真伪烟检测方面的卓越性能；（4）最后，对其未来发展提出展望。

2 设备设计

本文研发的真伪烟检测设备，主要包含基于物联网传感器构成的检测硬件设备和基于Python语言搭建的远程图像识别系统。识别系统搭载在云平台上，设备通过sim卡无线网络与云平台进行连接，实现信息的传输和共享。其中，真伪烟检测设备外观见图2-1所示，具体设计如下。

图2-1 真伪烟检测设备外观图

2.1 硬件设计

物联网传感器是整个设备的核心组成部分，包括STM32开发板、扫码枪、摄像头和操作屏等。

（1）STM32开发板

STM32开发板作为设备的基础控制单元，扮演着连接和协调其他硬件组件的重要角色。其搭载的STM32系列微控制器提供了强大的处理能力和多种接口，用于实时控制和协同管理其他传感器的数据流。STM32开发板与其他硬件设备之间通过稳定可靠的通信协议建立连接，实现设备内部各个组件的协同工作。在开发板上，还集成了丰富的输入输出接口，用于连接和驱动其他外围设备，为整个系统的灵活性和可扩展性提供了支持。其高度可编程的特性使得设备在不同应用场景下能够灵活适应，为物联网传感器提供了稳定而可靠的运行环境。

通过STM32开发板的整合，设备得以具备强大的计算和控制能力，为物联网传感器的协同工作提供了坚实的基础。

（2）扫码枪

扫码枪是设备中不可或缺的一部分，采用先进的扫描技术，能够快速而准确地读取香烟产品上的EAN码。其设计参数涵盖扫描速度、识别精度等，以确保对各种标识符的高效读取。扫码枪被安置于设备的窄边立面位置（见图2-1），以便操作人员轻松进行扫描操作。

（3）摄像头

摄像头作为视觉传感器的重要组成部分，负责捕捉和处理设备所需的图像信息。两千万像素的高分辨率、低光衰定制摄像头能够在不同环境条件下提供清晰的图像，为后续的图像识别和分析提供可靠的数据支持。摄像头通常被巧妙地安装在设备底部，并采用穹顶式设计，以确保对目标区域的监测全面和不受干扰。

（4）操作屏

操作屏是设备的用户交互界面，采用触摸屏技术，提供直观友好的操控平台。操作屏上的界面设计旨在使操作人员能够轻松完成操作过程、监控设备状态以及获取实时信息，以确保用户在使用中的便捷和舒适性，其界面实例见图2-2所示。

图2-2 操作屏界面示例图

通过合理的硬件设计，上述物联网传感器的整合为设备提供了强大的感知和交互能力，使得设备能够更加智能、高效地运行。

2.2 远程图像识别系统设计

远程图像识别系统通过云端处理图像数据。其中，深度学习模型被应用于学习烟包的特征，实现对真伪烟的准确鉴别。特征匹配算法结合标签信息，确保验证的全面性和精准性。具体设计环境及其内容如下。

（1）系统开发配置

在运行环境方面，采用TencentOS Server 3.1作为操作系统。TencentOS Server 3.1是一个轻量级、高性能的操作系统，特别适用于服务器环境。其稳定性为项目的生产环境提供了可靠的基础。硬件方面，配置强大的计算资源。其中，计算核心采用13th Gen Intel(R) Core(TM) i9-13900KF处理器，运行频率为3.00 GHz，为项目提供卓越的计算性能。图形处理方面，选择NVIDIA GeForce RTX 4090，以支持项目中的图形渲染和相关任务。此外，系统内存配置为64.0 GB，以确保项目能够高效地处理大规模数据和任务。

（2）特征匹配算法

研究开发了一个高效的特征匹配算法，以应对扫码枪获取的香烟EAN码的判别品规需求。选择ORB算法作为主要的特征匹配工具。ORB算法是一种基于局部特征的图像匹配算法，具有旋转不变性和鲁棒性，适用于研究香烟包装的图像处理。其设计原理包括FAST关键点检测器和BRIEF描述符的结合，以及旋转不变性和鲁棒性的实现。

首先，FAST关键点检测器用于寻找图像中的关键点。FAST算法通过比较像素点周围的强度值来快速检测角点，使得它在实时应用中具有高效的性能。其次，BRIEF描述符生成算法被应用于关键点周围的局部区域。BRIEF通过比较关键点周围的像素对，生成一个二进制字符串作为描述符。这种二进制表示具有高效的匹配性能，适用于大规模的图像匹配任务。此外，ORB算法具有旋转不变性，通过计算关键点周围的特征方向，ORB可以在不同角度的图像中正确匹配特征点，使得算法对于图像旋转具有稳健性。同时，ORB还表现出一定的鲁棒性，能够应对光照变化和部分遮挡等常见问题。这使得该算法在实际应用中更加可靠。

（3）真假烟识别网络

研究基于残差网络(ResNet)系列中的ResNet34模型开展真假烟识别。其训练数据集的准备过程中，采用了随机裁剪、旋转和缩放等多种数据增强的方法对数据进行扩充，以提高模型的鲁棒性和泛化能力。在模型训练过程中，使用了交叉熵损失函数和Adam优化器，对模型进行了训练和调优，以保证模型识别的准确性，前期工作的具体实例可参考文献【1】。

具体到系统中，研究针对不同品规进行了单独训练，并分别保存为最优模型。通过EAN码的品规判别和对应品规裁剪后，匹配对应品规的最优模型进行真假检测识别。

3 设备工作流程

真假烟检测设备通过搭载在云平台上的远程图像识别系统实现了高效的检测工作，其具体工作流程图及其过程示例见下图3-1所示。

图3-1 真假烟检测识别工作流程及过程示例图

其中（a）表示识别整体工作流程；（b）表示扫码枪扫描香烟EAN码过程示例；（c）表示对不同品规的识别区的识别示例；（d）表示检测真假烟的不同识别结果示例。此外，设备工作的各阶段详细流程如下：

（1）获取香烟品规

通过扫码枪获取待测香烟包装上的EAN码，这是一种全球唯一的商品编码标准，经系统判别可获取香烟品规。同时，系统可获取的EAN码所对应品规的香烟品规图像基准图，记作基准图。

（2）品规匹配判别

首先，通过摄像头扫描获取待测香烟的检测区图像，记作待测图；然后，通过特征匹配算法判别待测区图像是否与基准图匹配。若匹配，进入下一过程；若不匹配，则操作有误需重新操作。

（3）数据传输与裁剪

匹配成功后，通过sim卡无线网络与云平台进行连接。上传待测图与香烟品规，系统自动根据品规类别裁剪出对应的固定大小的检测区，记作检测图。

（4）真假检测

系统通过传入的香烟品规，自动选择对应品规的检测模型，该模型是该品规通过多轮次训练后的最优模型。实现了传入检测图进行检测并返回检测结果和整体操作时间功能。

（5）结果获取与反馈

经系统检测后，真假结果和检测时间都会反馈到操作屏上。如果对检测结果存疑，可进行存疑反馈操作，系统将会把检测各阶段数据及其结果传输至人工检测模块进行再次判别。如果认可检测结果，则一次操作完成。

4 优势与应用

4.1 设备优势

本研究所设计的真假烟检测设备具有高效检测、实时反馈和准确研判等多个优势，具体内容如下。

（1）高效检测

通过扫码枪获取EAN码和定制摄像头获取检测图像，实现了快速而高效的数据采集，为后续的处理提供了可靠的基础。这种高效的数据采集方式确保了系统能够迅速获取香烟包装的EAN码信息，为后续的品规匹配和真假检测提供了准确的输入。

其次，先进系统平台提供了强有力的算力保证，确保了整个处理流程能够在较短的时间内完成。这对于处理大量的图像数据以及运行深度学习模型至关重要，使得系统能够高效地应对复杂的真假检测任务。

最后，采用兼顾深度、效率和准确性的ResNet34模型实现了高效的真假检测。ResNet34在深度学习领域表现出色，具有较小的模型体积和较高的检测准确性，使得系统在处理香烟品规时能够高效而准确地进行真假判断。

（2）实时反馈

部署云平台，采用无线网络连接，并通过sim卡进行数据传输，实现了设备的远程监控和管理。这种云平台的部署使得用户能够随时随地通过网络监控设备的状态和运行情况，提高了设备的可远程管理性。

同时，通过实时反馈检测结果和操作时间，系统确保用户能够及时获取信息。这种实时反馈不仅提高了用户体验的友好性，还对于在专卖稽查中需要快速响应的场景具有重要意义。这样的设计决策提高了设备的实时性和用户交互性。

（3）准确研判

摄像头采集模块的穹顶式构造和穹顶式补光，避免了复杂多变的外界环境干扰，保障了采集图像的稳定性和一致性。穹顶式设计有助于减少来自不同方向的光线干扰，确保摄像头对目标区域的光照均匀而稳定，提高了图像采集的可靠性。同时，穹顶式补光设计也有助于在光线不足的情况下提供均匀的光源，保证图像的清晰度和质量。这些特性共同保障了系统在各种环境条件下获取到的图像能够满足后续处理和分析的要求。

此外，设备的整个工作流程通过多次研判，成功实现了利用同一单目标检测网络来检测多类目标的任务，这相较于使用多目标分类网络，显著提高了模型的准确性。单目标检测网络具备更强的泛化能力和对复杂场景的适应性，这一创新性的设计决策有效地提高了设备在真假检测阶段的性能，使其更加灵活和高效地适应不同品规的香烟检测需求。

（4）灵活扩展

系统的设备机理实现了增加品规种类的可扩展性，无需对整个检测流程进行更改。这种设计使得系统能够灵活应对不断变化的香烟品规，为生产线的升级和扩展提供了便利。具体而言，只需使用同一模型训练新添加的品规种类，并扩展该品规的相关信息，即可实现检测类别的扩展。这简化了系统的维护和更新流程，降低了对整个系统的修改成本。

此外，如果某一品规的检测准确率不高，系统也提供了可行的解决方案。只需对该品规进行数据扩充，然后再次进行模型训练，将系统中原有的该品规检测模型更换为获得的更优模型即可。这种模型更新的方式保证了系统能够适应新的数据和更复杂的检测任务，增强了系统的适应性和可靠性。整体上，这种可扩展性设计使得系统在不断变化的生产环境中保持了高度的灵活性。

4.2 应用效果

为展现真伪检测设备的应用能力，本文选取了三种常见的香烟品规，从系统中导出其中一台测试设备在2023年12月中应用的检测结果，相关参数及结果见表4-1所示。

表4-1 三种常见的香烟品规的真伪检测情况表

截止到2024年1月31日，实践应用测试的真假烟检测设备数量为47台，可检测27种香烟品规，平均检测时间1.5秒，平均检测准确率在99%以上。表明该真伪检测系统在实践中取得了显著的成功，具备高效、准确的检测能力，且在大规模应用中仍然保持了出色的性能。

5 总结

真伪烟检测设备在设计和实践中表现出了卓越的性能。首先，设备通过扫码枪和定制摄像头高效获取EAN码和检测图像，搭配先进的系统平台和ResNet34模型，实现了高效的真伪检测。其次，实时反馈机制通过云平台、无线网络连接和sim卡数据传输，使设备具备了远程监控和管理的能力，提高了用户友好性和实时性。在应用效果方面，通过三种香烟品规的具体测试数据，系统展现了出色的准确性和效率。而截至2024年1月31日，系统在47台设备上的实际应用测试显示了可观的成果。体现了真伪烟检测系统在现实应用中的可靠性、高效性和适应性，可以为烟草专卖稽查工作带来明显的改善，体现了技术创新在烟草领域的实际成果。

未来，真伪烟检测设备有望迎来更广泛的应用和进一步的优化。首先，可以期待更先进、精准的图像识别技术的引入，以提高系统检测准确性和适应性，尤其是在处理各种复杂情境和新型伪造手法方面。其次，实时反馈机制有望更加迅速、稳定地传输数据，进一步提高系统的实时性和远程监控能力。使得系统在应对日益复杂的市场环境中更为灵活和可靠。同时，设备的小型化和便携性可以进一步提高，有望使得系统更易于在不同场景和地点进行应用，为烟草专卖稽查工作提供更大的灵活性。

综上所示，未来真伪烟检测设备有望在技术水平和应用范围上取得更大突破，为打击烟草假冒行为提供更为强大的工具和支持，同时促使烟草行业朝着更加规范和安全的方向发展。

参考文献

[1] 冯梅. 卷烟真伪鉴别检验数据在烟草行业高质量发展中的应用研究[J]. 质量与市场,2021,(12):34-36.

[2] 朱梅华,潘海波,梁洪波等.卷烟真伪鉴别技术研究[J].中国科技信息,2016,No.531(05):50-51.

[3] 聂磊,张福民,朱友,等．顶空－气相色谱－质谱技术应用于卷烟真伪鉴别[J]. 中国烟草学报，2012, 18(3): 16-20.

[4] 吉绍长,李元崇,刘红,等．卷烟真伪鉴别的相关技术研究[J]. 中国科技信息, 2013(10): 154-155.

[5] 钟宇,徐燕,刘德祥,等．基于计算机视觉和机器学习的真伪卷烟包装鉴别[J]．烟 草科技，2020, 53(5): 83-92.

[6] 张珂,冯晓晗,郭玉荣等.图像分类的深度卷积神经网络模型综述[J].中国图象图形学报,2021,26(10):2305-2325.

[7] 赵海峰,卜卫超,王首捷.基于ResNet34模型的真假烟识别方法——以中华烟（软、硬）为例[J].中国食品工业,2023,(14):77-80.

作者简介：孙春涛，河南省烟草公司漯河市公司，本科学历，研究方向：数据专卖、智慧专卖。