Визуальный осмотр дефектов крышек бутылок с напитками: технические принципы, области применения и тенденции развития.
Введение
В упаковочной промышленности, такой как напитки, продукты питания и фармацевтика, крышки для бутылок служат важным компонентом для герметизации продукции; следовательно, их качество напрямую влияет на безопасность продукции, срок годности и имидж бренда. Традиционные методы обнаружения дефектов крышек бутылок в основном основаны на ручном визуальном осмотре — процессе, который страдает от таких проблем, как низкая эффективность, высокая субъективность и высокий процент пропущенных обнаружений. С развитием промышленной автоматизации и постоянно растущими требованиями потребителей к качеству продукции технология обнаружения дефектов крышек бутылок на основе машинного зрения стала своевременным решением, став неотъемлемой частью контроля качества на современных производственных линиях.
Технология машинного зрения позволяет получать изображения крышек бутылок с помощью высокоточных промышленных камер и использовать алгоритмы обработки изображений для анализа и оценки. Это обеспечивает высокоскоростную, высокоточную и бесконтактную автоматизированную проверку, что значительно повышает эффективность производства и качество продукции. В данной статье представлен всесторонний анализ технических принципов, компонентов системы, области применения, примеров использования и перспектив развития визуального контроля дефектов крышек бутылок с напитками.
I. Технические принципы визуального осмотра дефектов крышек бутылок.
1.1 Основные компоненты системы машинного зрения
Система машинного зрения для обнаружения дефектов крышек бутылок с напитками обычно состоит из трех основных частей: механизма подачи и регулировки крышки, механизма визуального обнаружения дефектов и механизма отбраковки дефектной продукции. Система получает изображения крышек с помощью промышленных камер, передает их в систему обработки изображений для анализа и, в конечном итоге, использует исполнительный механизм для отбраковки любой несоответствующей продукции.
1.2 Рабочий процесс получения и обработки изображений
Основой системы визуального контроля являются возможности получения и обработки изображений. Система начинает работу с захвата изображений крышек бутылок с помощью промышленных камер высокого разрешения (например, оснащенных 5-мегапиксельными объективами), обеспечивая получение четких изображений при соответствующих условиях освещения. После получения эти изображения проходят этап предварительной обработки, включающий такие операции, как преобразование в оттенки серого, фильтрация, улучшение и бинаризация, после чего применяются алгоритмы извлечения признаков для анализа различных параметров крышек бутылок.
Передовые системы используют алгоритмы глубокого обучения, применяя режимы контролируемого или полуконтролируемого обучения для тренировки на обширных наборах данных изображений как соответствующих, так и не соответствующих требованиям крышек бутылок, тем самым создавая высокоточные модели распознавания дефектов. Эта методология контроля на основе искусственного интеллекта способна адаптироваться к сложным производственным условиям, значительно повышая как точность, так и надежность процесса обнаружения.
II. Ключевые области проверки дефектов крышек бутылок.
2.1 Обнаружение дефектов поверхности
Системы машинного зрения способны обнаруживать самые разнообразные дефекты на поверхности крышек бутылок, включая царапины, пятна, физические повреждения и деформацию. Для крышек для бутылок с напечатанными узорами или логотипами система также может проверять четкость печати, постоянство цвета и точность позиционирования, гарантируя, что качество печати соответствует всем установленным требованиям.
В число конкретных критериев проверки входят:
Поверхностные загрязнения, такие как черные пятна, цветовые вариации, загрязнения и примеси;
Структурные дефекты, такие как неровности резьбы, деформированные защитные кольца, сломанные кольца и заусенцы;
Производственные дефекты, такие как отсутствие номеров пресс-форм, выемки, пустоты в материале и облой;
Проблемы при сборке, такие как неправильное сопряжение компонентов, отсутствие вкладышей/прокладок и отсутствие внутренних заглушек;
2.2 Контроль точности размеров и геометрических параметров
Благодаря использованию технологии измерения изображений, оборудование для машинного зрения позволяет точно измерять габаритные параметры, такие как диаметр и высота, для обеспечения соответствия стандартным спецификациям. Для резьбовых крышек система может проверять целостность резьбы и равномерность шага, гарантируя тем самым надлежащую работу при завинчивании.
Точность измерения размеров обычно достигает ±0,1 мм, что удовлетворяет требованиям высокоточных производственных сред. Система также может оценивать концентричность крышки, гарантируя, что любой эксцентриситет относительно горлышка бутылки не превышает 0,3 мм.
2.3 Контроль качества уплотнительной поверхности
Герметичность крышки бутылки напрямую влияет на срок годности и безопасность продукта. Система визуального контроля позволяет проверить ровность уплотнительной поверхности и обнаружить наличие посторонних предметов, гарантируя тем самым эффективную герметизацию. Анализируя расстояния и углы между определенными линейными элементами на верхнем и нижнем краях крышки, система может определить, правильно ли затянута крышка или она наклонена/перегнута.
2.4 Проверка символов и логотипа
Точность и четкость информации, такой как даты производства, логотипы брендов и QR-коды защиты от подделок, являются критически важными показателями качества крышек для бутылок. Система машинного зрения может проверять наличие символов, оценивать качество печати и проверять точность позиционирования. Специально для проверки символов даты производства на металлических крышках для напитков система использует коаксиальный источник света с вертикальным оптическим путем; это высокоинтенсивное освещение делает фон и окружающие узоры белыми, тем самым выделяя черные символы и создавая отчетливый визуальный контраст.
2.5 Проверка правильности установки крышки бутылки
На линиях розлива и фасовки система машинного зрения может обнаруживать различные проблемы, связанные с установкой крышек, включая отсутствие крышек, слишком высокую посадку крышек и наклон/смещение крышек. Система машинного зрения серии FH от Omron использует две монохромные камеры серии FZ, установленные под углом 90° друг к другу — под углом 45° относительно потока жидкости в бутылке — для обеспечения всестороннего обзора на 360 градусов. Каждая камера имеет четыре точки контроля, расположенные с интервалом 90° вокруг крышки бутылки, что позволяет обнаруживать такие проблемы, как отсутствие крышек, слишком высокая посадка крышек или наклон крышек.
III. Аппаратная конфигурация системы визуального контроля
3.1 Промышленные фотоаппараты и объективы
В системах визуального контроля обычно используются промышленные камеры высокого разрешения, например, оснащенные 5-мегапиксельными датчиками, для обеспечения получения изображений с высокой точностью, что позволяет четко визуализировать мельчайшие дефекты на крышках бутылок. Промышленные камеры Gigabit Ethernet поддерживают высокоскоростную передачу данных и захват изображений; их быстрое время отклика и стабильная работа гарантируют, что даже при скорости проверки 1000 крышек в минуту каждая отдельная крышка будет точно отображена и записана.
3.2 Система освещения
Выбор источников света и конкретной схемы освещения имеет решающее значение для эффективности процесса проверки. Различные требования к проверке требуют использования различных типов источников света:
Для проверки даты изготовления металлических крышек от напитков используется коаксиальный источник света с вертикальным оптическим трактом.
Для проверки QR-кодов и символов на крышках пивных бутылок используется кольцевой источник света под малым углом, а съемка проводится при желтом освещении.
Для проверки печатных символов на пластиковых крышках для напитков используется кольцевой бестеневой источник света.
Для обнаружения поверхностных дефектов на пластиковых колпачках используется купольный светильник, часто в сочетании с небольшим увеличением рабочего расстояния.
3.3 Система управления и программное обеспечение
Современные системы визуального контроля, как правило, используют высокопроизводительные промышленные компьютеры и специализированное программное обеспечение для обработки изображений. Некоторые системы также интегрируют возможности управления движением для обеспечения синхронизированной работы задач контроля и выполнения. Что касается программного обеспечения, системы используют алгоритмы глубокого обучения — как с использованием методов обучения с учителем, так и без учителя — для разработки моделей полуконтролируемого обучения, которые эффективно решают проблемы, связанные с ограниченным объемом данных и сложностью ручной разметки данных.
IV. Примеры практического применения
4.1 Применение системы машинного зрения Omron серии FH на линиях производства бутилированной воды
Североамериканский производитель бутилированной воды модернизировал свою линию контроля качества, используя систему машинного зрения Omron серии FH, что позволило добиться точного и экономичного 360-градусного мониторинга крышек бутылок, защитных полос и уровня жидкости. Эта система использует различные методы обнаружения краев и анализа контуров для проверки правильности установки крышек и целостности уплотнений, обеспечивая при этом согласованность и повторяемость на всей производственной линии. Две монохромные камеры серии FZ установлены под углом 90 градусов друг к другу, располагаясь под углом 45 градусов к потоку воды из бутылок, что обеспечивает всесторонний, всенаправленный визуальный контроль.
4.2 Проверка крышек на линии производства бутилированной воды большого формата в Цзинтянь
На линии по производству бутилированной воды большого формата в Цзинтяне используется система машинного зрения для проведения комплексных проверок на этапе укупорки. Это включает проверку наличия или отсутствия крышки, чрезмерной высоты крышки, наклона крышек, а также дефектов, таких как поврежденные защитные перемычки или неправильное обжатие. Используя передовую технологию визуального распознавания, система точно анализирует положение и угол каждой крышки, выявляет и отбраковывает неправильно установленные крышки и обеспечивает эффективную герметизацию.
V. Технические преимущества и анализ выгод
5.1 Повышение точности и эффективности контроля
Оборудование для машинного зрения обеспечивает превосходную точность контроля, способное точно обнаруживать мельчайшие дефекты и отклонения размеров. По сравнению с ручным контролем, системы машинного зрения позволяют быстро проверять большие объемы крышек для бутылок, значительно повышая эффективность производства и удовлетворяя потребности в высокоскоростном производстве в упаковочной промышленности. Скорость контроля некоторых систем может достигать 2500 единиц в минуту — показатель, значительно превосходящий скорость ручного контроля.
5.2 Снижение затрат на рабочую силу и частоты ложных отказов
Системы визуального контроля снижают трудозатраты; одна такая установка может заменить работу от 3 до 6 инспекторов-людей. Кроме того, минимизируя количество пропущенных дефектов и ложных отбраковок, система помогает снизить процент брака и затраты на переделку. Согласно отчету Китайской ассоциации производителей алкогольных напитков, более 85% ведущих предприятий по производству байцзю (китайских спиртных напитков) внедрили высокоточные модули визуального распознавания в свои линии по укупорке бутылок. Это позволило эффективно снизить процент пропущенных дефектных изделий до менее 0,02% — показатель, значительно превосходящий 1,5%, обычно наблюдаемый при традиционном ручном выборочном контроле.
5.3 Возможности бесконтактного контроля
Будучи бесконтактной технологией контроля, машинное зрение не наносит никаких физических повреждений проверяемым крышкам бутылок. Этот метод подходит для широкого спектра сложных условий и специализированных заготовок, обеспечивая непрерывные автоматизированные операции контроля 24 часа в сутки.
5.4 Прослеживаемость данных и анализ качества
Системы визуального контроля способны регистрировать и анализировать данные о дефектах, обеспечивая тем самым необходимую информационную поддержку для оптимизации производства и контроля качества. Благодаря анализу данных статистического контроля процессов (SPC) предприятия могут отслеживать свои производственные процессы в режиме реального времени, оперативно выявлять проблемы в производстве и обеспечивать непрерывное совершенствование управления качеством.
VI. Технические проблемы и решения
6.1 Сложные фоновые явления и проблемы помех
Проверка крышек бутылок сопряжена с такими трудностями, как большое разнообразие цветов и значительные фоновые помехи. В частности, для обнаружения символов даты производства на металлических крышках для напитков — где часто встречаются различные цвета и сильные фоновые помехи — используется коаксиальный источник света с вертикальным оптическим путем. Благодаря высокоинтенсивному освещению фон и узоры становятся белыми, в результате чего выделяются только черные символы, обеспечивая тем самым четкий контраст.
6.2 Осмотр изогнутых и отражающих поверхностей
Крышки пластиковых бутылок обычно имеют слегка изогнутую матовую поверхность. Использование источника света с высоким углом наклона и вертикальным оптическим путем на таких поверхностях приводит к неравномерному изображению и значительным колебаниям шкалы серого, что может снизить точность контроля. Решение заключается в использовании купольного источника света и соответствующем увеличении рабочего расстояния для имитации характеристик освещения источника с высоким углом наклона. Такой подход обеспечивает как равномерность изображения, так и преимущества, связанные с вертикальным оптическим путем.
6.3 Контроль в режиме реального времени на высокоскоростных производственных линиях
Производственные линии по выпуску напитков обычно работают на высоких скоростях, что предъявляет жесткие требования к скорости обработки данных системами машинного зрения. Современные системы машинного зрения используют высокопроизводительные процессоры и оптимизированные алгоритмы, такие как процессоры AMD Ryzen™ в паре с графикой Radeon™ Vega, для удовлетворения этих требований. Благодаря возможностям FP16, обеспечивающим вычислительную мощность в 3,3 TFLOPS, эти системы могут достигать производительности контроля до 400 бутылок в минуту.
6.4 Идентификация различных типов дефектов
Крышки бутылок имеют множество различных типов дефектов, что затрудняет для традиционных алгоритмов обеспечение всестороннего охвата. Системы контроля на основе глубокого обучения решают эту проблему с помощью парадигмы полуконтролируемого обучения, эффективно преодолевая проблемы, связанные с ограниченным объемом данных и сложностью ручной аннотации данных, для точного выявления широкого спектра сложных дефектов. В отчете, опубликованном в 2023 году Институтом автоматизации Китайской академии наук, указывается, что модели распознавания дефектов на основе сверточных нейронных сетей (CNN) достигли точности 99,6% — с частотой ложных срабатываний менее 0,3% — при выявлении типичных дефектов, таких как отсутствие защитных колец и смещенная резьба.
VII. Тенденции развития отрасли
7.1 Глубокая интеграция технологий искусственного интеллекта и глубокого обучения
По мере развития технологий искусственного интеллекта системы машинного зрения на основе глубокого обучения готовы стать отраслевым стандартом. Эти системы обладают возможностями самообучения, что обеспечивает непрерывное самосовершенствование — создание положительной обратной связи — и позволяет им точно идентифицировать как новые, так и ранее встречавшиеся дефекты крышек бутылок. Применение парадигм полуконтролируемого обучения эффективно решает проблемы, связанные с ограниченным объемом данных и сложностью аннотирования данных, тем самым значительно повышая адаптивность системы и ее общую точность. 7.2 Ускоренная локализация и замена
Отечественные производители оборудования для визуального контроля постепенно заменяют импортное оборудование, тем самым заполняя пробел в возможностях высокоскоростного визуального контроля на внутреннем рынке. В *Ежегодном отчете за 2023 год о развитии основных компонентов для высокотехнологичного оборудования*, опубликованном Министерством промышленности и информационных технологий (МИИТ), отмечается, что отечественные промышленные камеры в значительной степени соответствуют требованиям к сборке крышек для бутылок среднего и высокого класса с точки зрения разрешения, частоты кадров и адаптации к условиям окружающей среды. В 2023 году рыночная доля отечественных датчиков машинного зрения в секторе упаковочного оборудования выросла до 43,8% — увеличение почти на 30 процентных пунктов по сравнению с пятью годами ранее.
7.3 Достижения в области разведки и интеграции
В будущем системы визуального контроля будут становиться все более интеллектуальными и интегрированными, объединяя оптику, механику, электронику, вычислительную технику и программное обеспечение для создания платформ искусственного интеллекта, характеризующихся более высоким уровнем интеграции, более высокой скоростью обработки и расширенными вычислительными возможностями. Эти системы будут обладать превосходными возможностями автономного обучения и адаптации, позволяющими им автоматически корректировать параметры и алгоритмы контроля в зависимости от условий производственной линии в режиме реального времени, тем самым обеспечивая более точные и эффективные результаты контроля.
7.4. Движущая сила – стандартизация и регулирование.
Руководящие принципы обеспечения целостности пломб фармацевтической упаковки (пробное внедрение), выпущенные Национальным управлением по медицинским продуктам (NMPA) в 2022 году, прямо предписывают упаковывать лекарственные препараты высокого риска с использованием оборудования, оснащенного возможностями визуального контроля в режиме реального времени. Это требование напрямую привело к обязательному внедрению соответствующих технологий на производственных линиях для защитных крышек флаконов от вскрытия. По мере развития и совершенствования отраслевых стандартов технология визуального контроля готова найти широкое применение в еще более широком спектре отраслей.
VIII. Заключение
Благодаря глубокой интеграции машинного зрения и искусственного интеллекта, технология визуального контроля дефектов крышек бутылок с напитками достигла эффективности, точности и автоматизации контроля качества. Современные системы визуального контроля охватывают все этапы производства крышек для бутылок, от поверхностных дефектов до точности размеров, от распознавания символов до герметичности, что значительно повышает как качество продукции, так и эффективность производства.
Благодаря непрерывному развитию технологий искусственного интеллекта и ускоряющейся тенденции к замещению отечественных аналогов, системы визуального контроля будут продолжать совершенствоваться с точки зрения точности, скорости и интеллектуальности, предлагая все более надежные решения для контроля качества при упаковке напитков, продуктов питания, фармацевтических препаратов и других товаров. В будущем, с интеграцией таких новых технологий, как 5G и Интернет вещей (IoT), системы визуального контроля позволят проводить более интеллектуальный анализ данных и удаленный мониторинг, тем самым быстро продвигая упаковочную отрасль к цифровому и интеллектуальному будущему.
Для производственных предприятий внедрение передовых систем визуального контроля дефектов крышек бутылок служит не только важным средством повышения качества продукции, но и ключевой стратегией снижения производственных затрат и повышения конкурентоспособности на рынке. Поскольку требования потребителей к качеству продукции продолжают расти, а отраслевые нормы ужесточаются, технологии визуального контроля неизбежно будут играть все более важную роль в упаковочной промышленности.
