Esta aplicación se centra en la inspección de envases de plástico flexible para detectar defectos que puedan comprometer la seguridad, la longevidad, la calidad y la marca del producto.
¿Qué defectos de fabricación ocurren?
Los envases de alimentos de plástico flexible pueden presentar los siguientes defectos:
Estos defectos de empaque tienen graves consecuencias, como riesgos para la salud del consumidor, costosas retiradas de productos del mercado, responsabilidad legal y daño a la reputación de la marca. Es crucial que los fabricantes implementen rigurosos controles de calidad y procesos de inspección para detectar, corregir y prevenir estos defectos.
Sin embargo, los defectos de empaque pueden ser difíciles de detectar, ya que pueden variar en tipo y ubicación. Los propios productos empaquetados también pueden ser complejos: pueden ser variables, solaparse o pasar por la cinta transportadora de forma irregular, y cambiar con frecuencia a medida que los fabricantes producen nuevos productos.
Los productos tradicionales de visión artificial tienden a ser excesivos ante la variabilidad de piezas y defectos, y su reconfiguración es lenta cuando se cambian las piezas. Los fabricantes aún recurren a la inspección manual cuando la visión artificial falla. Sin embargo, la inspección manual es lenta, no se adapta a las velocidades de producción que requieren los fabricantes y es subjetiva para cada inspector. La inspección manual recopila pocos datos, por lo que los fabricantes pierden información sobre la producción y no pueden revisar las piezas y las decisiones de inspección en caso de una fuga o retirada de piezas.
La Solución
UnitX, AI-powered La inspección detecta eficazmente defectos en los envases de plástico flexible procesados donde otras soluciones fallan.
En primer lugar, la OptiX El sistema de imágenes ilumina y captura imágenes de productos alimenticios envasados. Luego, el CorteX Central La plataforma de IA se entrena para detectar defectos de empaque. Finalmente, esos modelos de IA se implementan en... CorteX Edge Sistema de inferencia para detectar y clasificar defectos en línea.
Como alternativa, los fabricantes pueden usar solo CorteX AI si ya cuentan con sistemas de imágenes. Por ejemplo, si un fabricante desea detectar defectos internos en el embalaje, puede implementar solo CorteX AI e integrarlo con sus escáneres de rayos X y tomografías computarizadas para una rápida implementación de una detección de defectos mejorada.
Por Qué UnitX ¿Para la inspección flexible de envases de plástico?
OptiX Proporciona imágenes superiores que minimizan la reflectividad y maximizan la visibilidad de los defectos. Cuenta con 32 fuentes de iluminación controlables de forma independiente, optimizadas mediante software para diversas superficies de envases transparentes y defectos. Su diseño de domo de iluminación permite un ángulo de incidencia muy agudo de la luz proyectada, lo que permite que incluso los defectos más diminutos proyecten sombras que aumentan su visibilidad.
CorteX detecta con precisión defectos aleatorios y complejos. Normaliza automáticamente la variabilidad en posiciones y orientaciones y reconoce defectos a nivel de píxel. Reduce los falsos positivos que generan desperdicio y desperdicio de producto.
CorteX admite el desarrollo, la implementación y la iteración rápidos de modelos de IALos modelos de IA de CorteX son eficientes en el uso de muestras: solo requieren unas pocas imágenes para entrenarse en nuevos tipos de defectos.
UnitX optimiza el rendimiento. En CorteX, puede ajustar los criterios de calidad y visualizar el impacto en el rendimiento antes de implementar dichos cambios en la producción. Todos los datos de inspección se pueden consultar en una plataforma central para que los fabricantes los analicen e identifiquen áreas de mejora de procesos y consulten registros históricos para limitar el alcance de las retiradas de productos y combatir las reclamaciones fraudulentas cuando sea necesario.
UnitX Proporciona una inspección rápida, 100% en línea. OptiX Tiene LED brillantes y velocidades de captura de moscas de 1 m/s para imágenes de alta velocidad. Y CorteX Edge Admite altas velocidades de inferencia (hasta 100 MP) para emitir rápidamente una decisión OK/NG y comunicar sin problemas dicha decisión mediante la integración con todos los principales sistemas PLC, MES y FTP.
Con UnitXLos fabricantes previenen defectos en los envases de alimentos y, como resultado, evitan la inocuidad y la calidad alimentarias, la pérdida de confianza del cliente y las costosas retiradas de productos. Automatizan la inspección a la velocidad de su producción para aumentar la productividad y el rendimiento del envasado de alimentos.
UnitX Ejemplo de inspección de inmersiones profundas
Ejemplo n.° 1: Inspección del empaque de hot dogs
En este ejemplo, inspeccionamos el empaque de un hot dog para detectar perforaciones y cantidades incorrectas de producto.
Proyección de imagen
Primero usamos OptiX para capturar imágenes de los paquetes de hot dogs, asegurándonos de capturar tanto los productos defectuosos como los correctos.
Capacitación
A continuación, utilizamos CorteX Central Para entrenar nuestros modelos, creamos etiquetas para los dos defectos: perforaciones en el empaque ("punción") y cantidades incorrectas de producto ("perrito caliente faltante").
Luego etiquetamos esos defectos en las imágenes que capturamos. OptiX, utilizando un número reducido de imágenes para cada defecto:
- 3 imágenes NG para defecto de “punción”
- 3 imágenes NG para el defecto “missing_hotdog”
- 5 imágenes aceptables
Gracias a la interfaz fácil de usar de CorteX y al bajo número de imágenes que requiere para entrenar sus modelos de IA, solo nos tomó 3 minutos y 42 segundos completar el etiquetado de los 2 defectos.
Detección
Luego implementamos esos modelos de IA en CorteX Edge para detectar defectos en piezas nuevas de hot dogs, lo que dio como resultado estos dos defectos.
Ejemplo n.° 2: Inspección del empaque de carne molida
En este ejemplo, inspeccionamos un empaque de carne molida para detectar contaminación de alimentos en el sello y rayones del empaque.
Proyección de imagen
Primero usamos OptiX para capturar imágenes de los paquetes de carne molida, asegurándonos de capturar tanto los productos defectuosos como los correctos.
Capacitación
A continuación, utilizamos CorteX Central Para entrenar nuestros modelos, creamos etiquetas. para los dos defectos: contaminación de los alimentos (“contamination”) y desgaste del embalaje (“scuff”).
Luego etiquetamos esos defectos en las imágenes que capturamos. OptiX, utilizando un número reducido de imágenes para ambos tipos de defectos.
Detección
Luego implementamos esos modelos de IA en CorteX Edge para detectar defectos en paquetes nuevos de carne molida, lo que resultó en la detección y clasificación precisa de nuestros dos defectos.
Defecto de desgaste