Технология визуального контроля качества трубочек для напитков: интеллектуальная защита безопасности и качества напитков.
В современной бурно развивающейся индустрии продуктов питания и напитков качество и безопасность соломинок, как «спутников напитка», непосредственно контактирующих со ртом потребителя, находятся под пристальным вниманием. От традиционных пластиковых соломинок до экологически чистых бумажных соломинок, биоразлагаемых соломинок из PLA-пластика и более сложных конструкций, таких как U-образные или телескопические соломинки, растущее разнообразие типов соломинок предъявляет более высокие требования к контролю качества.методы ручного контроляОни не только неэффективны и подвержены высокому проценту пропусков, но и с трудом соответствуют требованиям современных высокоскоростных производственных линий. С развитием технологии машинного зрения автоматическая проверка соломинок на основе машинного зрения стала основным решением в отрасли, создавая интеллектуальную линию защиты безопасности напитков.
Ограничения и проблемы традиционных методов контроля
На этапах производства и упаковки соломинок распространенными дефектами являются черные пятна/примеси, остатки масла, деформация корпуса, отклонения в размерах, проблемы с обрезкой, пустые соломинки и перевернутые соломинки, среди прочего. Эти дефекты не только влияют на удобство использования, но и могут представлять опасность для пищевых продуктов. Традиционный ручной контроль сталкивается с множеством проблем:ограниченная скорость проверки(приблизительно 300-500 соломинок в час, несовместимо с высокоскоростными линиями, производительность которых превышает 2000 соломинок в минуту),недостаточная точность(Человеческий глаз способен обнаружить дефекты размером всего 0,2 мм, при этом процент пропущенных дефектов внутренней стенки на изгибах достигает 15-20%),плохая стабильность(различные стандарты работы инспекторов, при этом процент ошибок в оценке возрастает более чем на 35% после 2 и более часов непрерывной работы), ивысокие затраты(требуется 2-3 инспектора на смену, а ежегодные затраты на оплату труда превышают 150 000 юаней).
Выборочный контроль не обеспечивает 100% полного контроля, что создает «слепые зоны» в системе контроля качества. В связи с ужесточением экологических требований все чаще используются новые материалы, такие как бумага и биоразлагаемые соломинки. Эти материалы более подвержены дефектам, таким как заусенцы и деформации в процессе производства, что предъявляет еще более высокие требования к технологиям контроля.
Принципы и системная архитектура технологии визуального контроля
Системы машинного зрения для контроля имитируют зрительные функции человека для достижениябыстрое, точное и автоматизированное обнаружениедля выявления дефектов соломы. Полная система визуального контроля соломы обычно состоит из модуля получения изображений, блока предварительной обработки и улучшения характеристик, блока сегментации и классификации дефектов и блока вывода данных в реальном времени.
Модуль захвата изображений составляет основу системы и включает в себя промышленные камеры, осветительные приборы и платы захвата изображений. Для удовлетворения специфических потребностей в инспекции соломы системы часто используют многокамерный режим совместной работы. Например, интеллектуальная система контроля качества соломы компании Nanjing Damu объединяет внутренние и внешние устройства захвата изображений. Внутреннее устройство включает в себя 1 промышленную камеру и 1 источник света, в основном для захвата изображений внутренней части соломы; внешнее устройство использует 1-2 промышленные камеры и источники света для захвата изображений соломы спереди и сзади.
Блок предварительной обработки и улучшения характеристик оптимизирует исходные изображения. Одна из систем идентификации дефектов поверхности при производстве соломы на основе машинного зрения включает такие этапы, как извлечение центральной линии соломы, выравнивание положения и нормализация артефактов освещения на основе центральной линии для создания нормализованного изображения. Путем вычисления компонента остаточной симметрии нормализованного изображения и компонента разницы шаблонов на основе предварительно заданного стандартного шаблона соломы создается улучшенная тепловая карта остаточных дефектов, что значительно повышает возможности распознавания дефектов.
В основе системы лежит блок сегментации и классификации дефектов, использующий передовые алгоритмы обработки изображений и методы машинного обучения. Этот блок принимает на вход нормализованное изображение и улучшенную карту остаточного тепла с дефектами, использует сегментационную нейронную сеть, содержащую механизм внимания к координатам, для генерации маски дефекта изображения, извлекает и классифицирует признаки из замаскированной области и, в конечном итоге, определяет тип дефекта.
Блок вывода данных в реальном времени преобразует результаты проверки в исполняемые команды, управляя сортировочным оборудованием для отбраковки несоответствующей продукции и одновременно регистрируя данные проверки для обеспечения прослеживаемости качества. Для работы этого блока требуется...возможность высокоскоростного реагированиячтобы соответствовать темпу высокоскоростных производственных линий.
Алгоритмы контроля и технологические инновации
Суть алгоритмов визуального осмотра соломинок заключается в том, как...точно определять и классифицировать различные типы дефектовИсследователи разработали различные специализированные алгоритмы для решения разных задач контроля.
Для обнаружения соломинок на поверхности картонных коробок с напитками одна запатентованная технология использует метод обработки модели HSV: получить модель HSV поверхности коробки с напитками; выполнить пороговую обработку оттенков серого на изображении S-канала модели HSV; применить операцию открытия к изображению S-канала; определяют наличие соломинки на поверхности коробки на основе соответствия между областями изображения S-канала и заданными условиями особенностей изображения. Этот метод обнаруживает наличие областей, соответствующих пороговым условиям по площади и высоте, на модели HSV поверхности коробки с напитками после определения порога в оттенках серого и операций открытия, что позволяет с высокой точностью оценить наличие соломинки.
Для обнаружения внутренних загрязнений соломинки используется один из методов обнаружения дефектов соломинки на основе машинного зрения, использующий технологию инфракрасного контроля: получение инфракрасного изображения соломинки в заданной точке съемки; определение хроматичности каждого пикселя на инфракрасном изображении; определение пикселей с хроматичностью в пределах заданного диапазона как нормальных пикселей; группировка соседних аномальных пикселей в изначально пустые наборы пикселей; определение количества пикселей для каждого набора на основе его аномальных пикселей; определение наборов пикселей с количеством, превышающим заданный базовый уровень, как наборов признаков загрязнения.
Применение технологии глубокого обучения для контроля дефектов соломы представляет собой новейшую тенденцию. Современные методы машинного зрения все чаще используют...модели глубокого обучениянапример, U-Net или Mask R-CNN. Эти модели способны изучать сложные пространственные закономерности и контекстную информацию из больших наборов данных, демонстрируя потенциал для высокоточной идентификации границ дефектов даже при наличии отражений, вызванных материалом, или прозрачных артефактов.
Применение технологии 3D-зрения дополнительно расширяет возможности контроля. Например, система 3D-машинного зрения HY-M5 компании Xianyang Technology получает исходные данные 3D-облака точек упакованных напитков; затем уменьшает размерность данных 3D-облака точек и отображает их на 2D-карту глубины для определения положения соломинки; наконец, определяет наличие соломинки в упаковке, вычисляя информацию о высоте в месте ее расположения. 3D-камеры компании SICK аналогичным образом определяют наличие соломинки и правильное ее положение на основе данных о высоте.
Результаты промышленного применения и внедрения
Применение технологии визуального контроля при проверке соломинок в упаковке напитков позволило добиться значительных результатов. Например, немецкая молочная компания Milch-Union Hocheifel использует датчики машинного зрения Baumer VeriSens для определения положения соломинок в упаковке. Это решение не зависит от цвета упаковки, дизайна или самой соломинки. Благодаря специально организованному освещению, которое косвенно освещает только соломинку, полностью скрывая фон, система проверяет более 12 000 упаковок в час, в течение 6,5 смен ежедневно, выполняя более трех миллионов безошибочных и надежных проверок в течение первых трех месяцев после установки.
В стране система контроля дефектов внешнего вида соломинок Pengli Zhizao успешно применяется для различных типов соломинок. Для соломинок из полимолочной кислоты (PLA) система использует специальное освещение для стабильного обнаружения желтых пятен, черных пятен и посторонних предметов диаметром до 0,2 мм на внутренних и внешних стенках. Для U-образных соломинок она может обнаруживать такие дефекты, как пустая пленка, смятые соломинки, перевернутые соломинки, перевернутые соломинки, проблемы с обрезкой, проблемы с головкой и черные пятна/посторонние предметы. Для телескопических соломинок она обнаруживает запутанные соломинки, пустые соломинки, черные пятна/посторонние предметы, складки, одинарные внутренние/внешние трубки и неполное втягивание внутренней трубки.
Специализированное контрольно-измерительное оборудование для соединенных между собой полосок соломинок обеспечивает скорость до 2000 соломинок в минуту, обнаруживая дефекты размером до 0,02 мм². После внедрения ведущим производителем соломинок для молочных продуктов и напитков количество жалоб клиентов сократилось на 92%, а ежегодная экономия на контроле качества достигла 370 000 юаней. Машины для контроля соломинок с поддержкой искусственного интеллекта, используя такие процессы, как получение изображений, обработка, аннотирование, моделирование алгоритмов ИИ и планирование программного обеспечения, проверяют внешний вид соломинок в молочной и напиточной промышленности со скоростью до 1200 единиц в минуту, с точностью 0,1 мм и охватом 360°.
В области контроля качества фармацевтических соломинок компания Vision Wise разработала специализированное решение, использующее 5-мегапиксельную промышленную камеру с двухлинейным источником света и реализующее трехэтапную алгоритмическую логику «предварительная обработка — анализ признаков — циклическое обнаружение» для достижения обнаружения дефектов на «миллиметровом уровне».
Технические преимущества и будущие тенденции развития
По сравнению с традиционным ручным осмотром, технология визуального осмотра предлагаетнесравненные преимуществаС точки зрения эффективности, системы машинного зрения могут работать круглосуточно без перерыва, обеспечивая скорость контроля в десятки и даже сотни раз выше, чем при ручном труде. Что касается точности, системы способны обнаруживать мельчайшие дефекты, незаметные для человеческого глаза, что повышает точность. Визуальный контроль такжеустраняет субъективные влияниястандартизация критериев проверки и предотвращение расхождений в оценках, вызванных усталостью или эмоциональными колебаниями.
Данные, полученные в результате проверки системой, могут использоваться для анализа качества и оптимизации производственного процесса, обеспечивая поддержку принятия решений — функция, которую трудно реализовать при ручной проверке. Например, программное обеспечение системы визуального контроля соломы компании Pengli Zhizao предоставляет визуальные статистические отчеты, отчеты по времени и подробные отчеты, что позволяет осуществлять мониторинг производства в режиме реального времени и направлять процесс на его оптимизацию.
В будущем технология визуального осмотра соломинок будет развиваться в направлении повышения эффективности.интеллект, эффективность и интеграцияС одной стороны, с развитием ИИ алгоритмы глубокого обучения будут играть более важную роль в обнаружении дефектов, улучшая способность системы распознавать сложные дефекты и адаптироваться. С другой стороны, применениетехнология 3D-зренияЭто позволит еще больше расширить возможности, обеспечив точное трехмерное измерение формы и размеров соломинок.
Интеграция различных технологий также является ключевой тенденцией будущего. Сочетание визуального контроля сспектральный анализ и инфракрасная визуализацияЭто позволяет одновременно проводить визуальный осмотр и анализ материалов, что значительно улучшает контроль качества продукции. В то же время, по мере повышения производительности оборудования и оптимизации алгоритмов, стоимость систем визуального контроля будет постепенно снижаться, делая эту технологию доступной для малых и средних предприятий.
Применение граничных вычислений улучшит производительность и стабильность систем контроля в режиме реального времени. Граничные вычислительные блоки на основе ИИ ускоряют обработку данных, выступая в роли «вычислительных блоков», работающих эффективно и стабильно, несмотря на высокие температуры или отключения электроэнергии. Распределенные вычислительные платформы создают новое поколение фундаментальных распределенных систем, в которых множество узлов работают параллельно, обеспечивая стабильное планирование алгоритмов, обработки изображений и других параметров.
Заключение
От простого обнаружения наличия до сложного выявления дефектов, от 2D-визуализации до 3D-измерений, технологии визуального контроля трубочек для напитков постоянно открывают новые горизонты. Эта технология не только помогает компаниям снижать затраты и повышать эффективность, но и создает важнейшую линию защиты для безопасности пищевых продуктов для потребителей. С учетом постоянного технологического прогресса у нас есть основания полагать, что визуальный контроль будет играть все более важную роль в пищевой промышленности, двигая ее к более интеллектуальному, безопасному и эффективному будущему.
Эта маленькая, на первый взгляд простая соломинка воплощает в себе последние достижения в области машинного зрения и является незаменимым звеном в безопасной производственной цепочке для напитков. В условиях волны интеллектуальной и цифровой трансформации технология визуального контроля, обладающая уникальными преимуществами, гарантирует качество соломинок для упаковки напитков, придавая новый импульс устойчивому развитию отрасли.
