Техническое решение и внедрение системы визуального контроля для укупорки ПЭТ-бутылок, контроля уровня жидкости и струйной маркировки.

Абстрактный

Производственные линии по выпуску напитков в ПЭТ-бутылках работают на высоких скоростях и непрерывно; поэтому проверка качества укупорки бутылок, уровня жидкости и информации, напечатанной струйным принтером на корпусе бутылки, является критически важным звеном в обеспечении соответствия продукции стандартам, безопасности и имиджа бренда. Традиционные методы ручного отбора проб страдают от низкой эффективности, высокой трудоемкости и подверженности зрительной усталости и ошибкам. Автоматизированная технология контроля на основе машинного зрения, которая объединяет высокоточную визуализацию, обработку изображений в реальном времени и интеллектуальное принятие решений, обеспечивает высокоточный, высокоскоростной и комплексный онлайн-контроль укупорки ПЭТ-бутылок, уровня жидкости и струйной маркировки. Она служит незаменимым ключевым компонентом контроля качества в современных интеллектуальных линиях по производству напитков. В данной статье систематически рассматриваются состав, принципы работы, ключевые технологии и основные аспекты внедрения этой системы контроля.

I. Цели и требования к проверке системы

1. Проверка герметичности крышки:

Цель: Определить, надежно ли затянута и правильно ли установлена ​​крышка бутылки, а также выявить такие аномалии, как наклонные крышки, выступающие крышки, пропущенная резьба или неполная посадка.

Требования: Система должна точно определять относительное положение верхней поверхности крышки относительно резьбы горлышка бутылки и устанавливать, находится ли высота укупорки в пределах заданного допуска (обычно ±0,5 мм). Она должна уметь различать крышки разных цветов и материалов, эффективно снижая при этом помехи, вызванные незначительными вибрациями бутылки или отражениями от этикеток.

2. Проверка уровня жидкости:

Цель: Проверить, соответствует ли уровень жидкости в бутылке стандартному диапазону, обеспечивая тем самым стабильный объем наполнения и предотвращая недолив (недостаток) или перелив.

Требования: Для прозрачных или полупрозрачных ПЭТ-бутылок система должна четко фиксировать границу раздела жидкость-газ (т.е. линию поверхности жидкости). Она должна преодолевать помехи, вызванные пузырьками, пеной, осаждением продукта, оптическим преломлением от изогнутой поверхности бутылки и фоном этикетки, чтобы точно измерить расстояние между поверхностью жидкости и линией, обозначающей горлышко бутылки.

3. Проверка струйной маркировки:

Цель: Проверить наличие, а также четкость, точность, полноту и правильность расположения информации, напечатанной струйным принтером на корпусе бутылки (или крышке), такой как даты производства, сроки годности, номера партий и QR-коды.

Требования:

▪ Обнаружение наличия: Определение наличия струйного кодирования в заданной зоне контроля.

▪  Распознавание символов: Выполняет оптическое распознавание символов, таких как даты и номера партий; сравнивает их с предварительно заданной информацией или базой данных для проверки их точности.

▪ Оценка качества: Оценивается четкость и контрастность напечатанного кода, а также проверяются наличие дефектов, таких как разрывы линий, размытие, смазывание или загрязнение.

▪ Положение и целостность: Проверяет, что напечатанный код находится в пределах указанной зоны проверки, и подтверждает, что любые QR-коды или штрихкоды могут быть успешно расшифрованы.

II. Обзор системы

Полная система визуального контроля крышек ПЭТ-бутылок, уровня жидкости и напечатанных кодов обычно включает в себя следующие подсистемы:

1. Блок формирования изображения:

Промышленная камера: В зависимости от скорости производственной линии (например, 600 бутылок в минуту, 1200 бутылок в минуту) выбирается камера с глобальным или скользящим затвором, либо линейная камера с высокой частотой кадров. Разрешение должно быть достаточно высоким для различения мелких деталей (таких как точечно-матричные узоры печатного кода). Обычно используется CCD или CMOS-камера с разрешением от 2 до 5 мегапикселей.

Промышленный объектив: Для обеспечения четких изображений без искажений по всему полю зрения выбирается объектив с фиксированным фокусным расстоянием, соответствующей диафрагмой и глубиной резкости. Для определения уровня жидкости может потребоваться использование телецентрического объектива для минимизации перспективных ошибок.

Источник света и система освещения: это имеет решающее значение для успешного проведения визуального контроля. Различные методы освещения выбираются в зависимости от конкретных проверяемых элементов.

▪ Подсветка: Обычно используется для определения уровня жидкости; свет проецируется с обратной стороны бутылки, создавая высококонтрастный силуэт поверхности жидкости.

▪ Коаксиальное освещение: используется для осмотра плоских элементов на верхней поверхности крышки бутылки, таких как нанесенные коды или царапины, путем минимизации бликов и отражений.

▪  Световые полосы, купольные светильники и низкоугольные светильники: используются для выделения текстур и символов на резьбе крышек бутылок, этикетках корпуса и напечатанных кодах; эти методы устраняют влияние окружающего света и повышают контрастность деталей.

Оптические фильтры: например, поляризаторы, которые эффективно подавляют зеркальные отражения (блики), создаваемые корпусом бутылки или поверхностью жидкости.

2. Блок обработки и управления:

Промышленный ПК / Контроллер машинного зрения: Оснащенный высокопроизводительным процессором и графическим процессором, этот блок запускает программное обеспечение для визуального контроля и отвечает за получение, обработку, анализ изображений и принятие решений. ◦ **Программное обеспечение для обработки изображений:** Интегрирует проверенные библиотеки алгоритмов машинного зрения (например, Halcon, VisionPro, OpenCV) или использует специально разработанное проприетарное программное обеспечение. Оно предоставляет графический программный интерфейс для упрощения настройки областей контроля, параметров и логики.

3. Подразделения по выполнению и коммуникации:

Механизм отбраковки: обычно состоит из пневматических толкателей, поворотных рычагов или устройств для обдува воздухом; получив сигнал «NG» (некачественный товар/брак) от системы машинного зрения, он точно отделяет дефектную продукцию от производственной линии.

Энкодер/триггер: синхронизируется с производственной линией, чтобы точно запускать камеру и захватывать изображение, когда ПЭТ-бутылка достигает заданного положения для проверки, обеспечивая тем самым стабильность изображения.

Человеко-машинный интерфейс (HMI): сенсорный экран или монитор, используемый для настройки параметров, мониторинга состояния, отображения данных (например, скорости прохождения, статистики типов дефектов) и уведомлений о тревогах. 

Коммуникационные интерфейсы: Подключается к ПЛК, MES (системе управления производством) или SCADA (системе диспетчерского управления и сбора данных) производственной линии по таким протоколам, как Ethernet, PROFIBUS, PROFINET или EtherCAT, обеспечивая загрузку данных и взаимодействие внутри системы.

III. Принципы контроля и алгоритм работы.

Процесс проверки представляет собой замкнутый цикл: «Запуск – Получение информации – Обработка – Оценка – Выполнение».

1. Получение и предварительная обработка изображений:

Синхронное срабатывание: энкодер обеспечивает обратную связь в реальном времени о положении конвейерной ленты; когда бутылка достигает точки непосредственно под камерой, подается сигнал запуска, побуждающий камеру сделать точный снимок.

Улучшение изображения: Полученные исходные изображения подвергаются фильтрации (например, медианной фильтрации, гауссовой фильтрации) для удаления шума, после чего выполняются такие операции, как преобразование в оттенки серого, растяжение контраста и выравнивание гистограммы для улучшения общего качества изображения.

2. Алгоритмы извлечения и анализа признаков:

Проверка крышек:

▪ Локализация: Сначала используется сопоставление шаблонов или анализ областей (Blob analysis) для точного определения местоположения узкого места на изображении.

▪  Измерение: В области горлышка бутылки определяется одна или несколько областей интереса (ROI). Затем применяются методы обнаружения краев (например, оператор Кэнни) для идентификации отдельных краев — в частности, нижнего края (или верхней поверхности) крышки бутылки и верхнего края резьбы горлышка бутылки.

▪ Расчет и оценка: Вычисляется расстояние в пикселях между двумя выявленными граничными линиями, которое затем, посредством системной калибровки, преобразуется в реальное физическое расстояние. Это расстояние сопоставляется с заранее заданным допустимым диапазоном (например, стандартным значением высоты укупорки ± допуск); если измеренное значение выходит за пределы этого диапазона, бутылка классифицируется как дефектная — в частности, имеющая «перекошенную крышку», «завышенную крышку» или аналогичный дефект.

Определение уровня жидкости:

▪ Конфигурация области интереса (ROI): В средней части корпуса бутылки (исключая область этикетки) определяется узкая, вертикально ориентированная прямоугольная область интереса (ROI).

▪ Обнаружение границ: В пределах этой области интереса выполняется вертикальная проекция в оттенках серого или линейное сканирование. Из-за разницы показателей преломления между жидкостью и воздухом над ней на поверхности жидкости происходит отчетливое ступенчатое изменение значений оттенков серого. Положение уровня жидкости определяется путем идентификации этой конкретной точки перехода (границы).

▪ Сравнительный анализ: Расстояние в пикселях от поверхности жидкости до заданной базовой линии (горлышка или дна бутылки) измеряется и преобразуется в фактическую физическую высоту. Затем эта измеренная высота сравнивается с заданным стандартным уровнем жидкости и его допустимым отклонением. В случаях наличия пены могут использоваться более сложные алгоритмы, такие как динамическое пороговое значение или региональный статистический анализ оттенков серого.

Проверка кодировки/печати:

▪ Локализация и сегментация: Сначала определяется конкретная область, содержащая напечатанный код (этого можно добиться, определив ее относительно корпуса бутылки или этикетки, или используя специальные маркеры позиционирования).

▪  Распознавание с помощью OCR: Символы в обозначенной области подвергаются бинаризации, сегментации и нормализации; затем они идентифицируются с использованием либо предварительно обученных шаблонов символов, либо модели OCR на основе глубокого обучения. Результаты распознавания сравниваются со стандартной информацией, передаваемой из MES (системы управления производством), или с заданными правилами (например, проверка того, что код даты относится к будущему).

▪ Оценка качества: рассчитываются общий контраст и четкость (измеряемые по резкости краев) печатной области; кроме того, бинаризованные символы проверяются на наличие дефектов, таких как разрывы или слипания. Для двумерных штрихкодов (например, QR-кодов) напрямую запускается специальный алгоритм декодирования; код считается «приемлемым» только в том случае, если он может быть успешно декодирован и его содержимое подтверждено как правильное.

▪  Обнаружение наличия: вычисляется количество характерных точек или среднее значение оттенков серого в пределах обозначенной области печати и сравнивается с фоновой областью (где код не ожидается), чтобы определить, действительно ли код присутствует.

3. Определение результатов и вывод данных:

Система машинного зрения синтезирует результаты проверки всех подмодулей, включая укупорку, контроль уровня жидкости и маркировку, чтобы вынести окончательный вердикт «Приемлемо» или «Неприемлемо» для каждой отдельной бутылки.

Окончательное решение (включая такие детали, как конкретный тип дефекта/категория несоответствия, отметка времени и местоположение) передается в режиме реального времени в механизм отбраковки и систему управления более высокого уровня. Механизм отбраковки: При поступлении бутылки с несоответствием в назначенную точку отбраковки механизм выполняет точное действие, чтобы сдвинуть ее с основной конвейерной линии.

IV. Ключевые аспекты и проблемы внедрения системы

1. Высокая скорость и стабильность: Производственная линия работает на чрезвычайно высоких скоростях, что требует от системы обработки одного изображения в очень короткие сроки (обычно <50 мс). Кроме того, система должна обеспечивать непрерывную, стабильную работу 24/7 и обладать высокой устойчивостью к внешним помехам.

2. Адаптивность к сложным условиям:

Разнообразие бутылок: Система должна обеспечивать быстрое переключение между программами контроля для бутылок различной формы и типов крышек, а также включать в себя комплексную функцию «управления рецептурами».

Характеристики жидкости: Такие факторы, как пузырьки в газированных напитках, мутность фруктовых соков и остатки жидкости, прилипшие к внутренним стенкам молочных контейнеров (прилипание к стенкам), усложняют определение уровня жидкости; это требует оптимизации как схем освещения, так и алгоритмов.

Фоновые помехи: Отвлекающие факторы, такие как цветные этикетки, блики, колебания окружающего освещения, фон конвейерной ленты и капли воды на поверхности бутылки, должны быть эффективно устранены за счет тщательного проектирования освещения и методов предварительной обработки изображений.

3. Разработка схемы освещения: Это краеугольный камень успеха проекта. Схема освещения должна быть тщательно разработана и подвергнута строгому итеративному тестированию для учета специфических особенностей контроля (например, прозрачные поверхности жидкостей, отражающие крышки, черные струйные коды). Цель состоит в выборе оптимального типа источника света, цвета, угла и интенсивности для получения изображений, на которых целевые элементы максимально четко различимы, а фон максимально чист.

4. Точная калибровка: Точное преобразование координат пикселей изображения в реальные физические размеры в глобальной системе координат имеет критически важное значение. Для этого требуется использование высокоточных калибровочных пластин и применение методов коррекции искажений линз для обеспечения точности измерений на уровне 0,1 мм.

5. Устойчивость алгоритма: Используемые алгоритмы должны обладать встроенной отказоустойчивостью и адаптивными возможностями, позволяющими им учитывать незначительные индивидуальные вариации (например, расхождения в цвете при печати на крышке, мельчайшие деформации корпусов бутылок) и тем самым предотвращать ложные срабатывания. Технологии глубокого обучения в настоящее время демонстрируют значительные преимущества в классификации сложных дефектов (например, в определении степени размытости струйного кода).

6. Системная интеграция и связь: Бесперебойная синхронизация с ПЛК производственной линии, точный расчет времени задержки отбраковки и обмен данными с системой управления производством (MES) требуют тщательной настройки для обеспечения бесшовной интеграции всей системы контроля в общий производственный процесс. V. Резюме и перспективы

Система визуального контроля крышек, уровня жидкости и нанесения кода на ПЭТ-упаковку органично сочетает в себе «остроту зрения» машинного зрения с «быстрыми руками» автоматизации. Она обеспечивает 100% онлайн-контроль критически важных параметров качества упаковки напитков, значительно повышая эффективность производства и стабильность качества продукции, одновременно снижая трудозатраты и уменьшая риски ложных срабатываний и пропущенных дефектов. Эта система является ключевым компонентом на пути индустрии напитков к Индустрии 4.0 и реализации интеллектуального производства.

В перспективе, благодаря технологическому прогрессу, эта система готова развиваться в соответствии со следующими тенденциями: повышение скорости и разрешения для удовлетворения требований сверхскоростных производственных линий; применение технологии 3D-зрения для более точного измерения высоты крышки и объема жидкости; глубокая интеграция алгоритмов глубокого обучения на основе искусственного интеллекта, позволяющая системе автономно обучаться и идентифицировать все более сложные и изменчивые типы дефектов, тем самым повышая уровень ее интеллекта; и использование облачных платформ и анализа больших данных для облегчения агрегирования и углубленного анализа данных о качестве на нескольких производственных линиях и заводах, обеспечивая надежную поддержку принятия решений для оптимизации процессов и прогнозирующего технического обслуживания.

В заключение, система визуального контроля ПЭТ-крышек, уровня жидкости и нанесения кода служит не только «непоколебимым хранителем» качества продукции, но и ключевым технологическим активом, способствующим повышению качества, эффективности, снижению затрат и всесторонней цифровой трансформации в секторе производства напитков.