BBULL Technology

Machbarkeitsstudie über IMAGE basierte Lebensmitteldosen Inspektion

Machbarkeitsstudie über IMAGE basierte Lebensmitteldosen Inspektion

Inspektion eines Pools von 15 beschädigten Lebensmitteldosen mit den häufigsten Beschädigungen, die während des Abfüll- und Verschließprozesses auftreten können.

Das System

Das Inspektionssystem besteht aus zwei Inspektionseinheiten, die die Oberseite und die Seiten der Dose abdecken.

Eine Steuereinheit mit Hochleistungs-Industrie-PC und einem Deep-Learning-Softwarepaket.

  • Eine Kamera mit diffusem Licht von oben. Top-Down Inspektion (Image Dom)
    • Ovalität
    • Beschädigungen
    • Fehlender Zugring
  • Vier Kameras für einen 360°-Blick auf die Seiten. Seiteninspektion (Image 360)
    • Beschädigungen
    • Beulen/Dellen

Deep-Learning

Mit einer auf Deep Learning basierenden Klassifizierung ist es möglich, Fehler zu erkennen, die für das menschliche Auge sichtbar sind, ohne komplizierte Prüfwerkzeuge konfigurieren zu müssen.

Stattdessen werden Bilder von in Ordnung befindlichen und nicht in Ordnung befindlichen Objekten gesammelt und zum Trainieren eines Klassifikators verwendet, der dann in der Lage ist, gute von schlechten Objekten sicher zu unterscheiden.

Beispiel

Ergebnis

Alle Schadensarten konnten erfolgreich erkannt werden, sei es durch Top-Down-, oder Seiteninspektion.

Damit verfügen wir über ein flexibles System zur zuverlässigen Erkennung häufig vorkommender Schadenstypen. Welches je nach Anforderung des Kunden skaliert werden kann.

Verformte Dosen lassen sich ohne Deep-Learning erkennen, kleinere abstehende Materialspitzen können jedoch den Deep-Learning-Algorithmus erforderlich machen.

In diesem Fall wurden Deep-Learning und beide Inspektionssysteme benötigt, um alle auftretenden Defekte zu erkennen.