Пристальный взгляд на упаковку пищевых продуктов для проверки: как современные технологии визуального контроля обеспечивают безопасность пищевых продуктов

Пакеты для продуктов питания проносятся по производственной линии со скоростью 300 штук в минуту, а передовая система контроля на основе машинного зрения фиксирует каждый дефект печати со 100% точностью, сводя к минимуму риски для безопасности пищевых продуктов.

На высокоскоростных линиях по производству продуктов питания дата производства, срок годности и номер партии на каждом упаковочном пакете являются важнейшими средствами обеспечения безопасности пищевых продуктов. Однако традиционные методы ручной проверки с трудом справляются с высокой скоростью производства, что неизбежно приводит к пропускам или неправильным проверкам.

Технология контроля качества печати на основе машинного зрения коренным образом меняет эту ситуацию. Имитируя и даже превосходя возможности восприятия человеческого глаза, в сочетании с анализом и оценкой с помощью искусственного интеллекта, она создает цифровую защитную стену для безопасности пищевой упаковки.

1. Серьезные проблемы контроля качества печати на пищевой упаковке.

Контроль качества печати на пищевой упаковке сопряжен с многочисленными техническими трудностями, в основном связанными со сложным фоном упаковочных пакетов, непостоянным качеством печати и вариациями формы упаковочных пакетов.

Узоры, текстуры или темный фон на пакетах для упаковки продуктов питания снижают контраст между напечатанным кодом и фоном, что затрудняет его распознавание. В то же время сам напечатанный код может иметь проблемы с качеством, такие как разрывы, размытие, разбрызгивание чернил и неравномерная плотность чернил.

Упаковочные пакеты на производственной линии могут деформироваться, мяться или отражать свет из-за движения. Эти факторы влияют на качество получения изображений, что, в свою очередь, сказывается на точности результатов контроля. В условиях высокоскоростных производственных линий, обрабатывающих сотни упаковочных пакетов в минуту, система контроля должна выполнять получение изображений, анализ и оценку в очень короткие сроки, что требует чрезвычайно высокой производительности в режиме реального времени.

Традиционные последовательные итеративные алгоритмы K3M при извлечении скелета печатных символов склонны отклоняться от центра при различных формах или нерегулярных печатных символах, что влияет на точность контроля качества печати. ​​Методы ручной проверки не только неэффективны, но и подвержены пропускам проверок из-за усталости, что не соответствует требованиям качества современного производства.

2. Технические принципы и инновации систем визуального контроля

Современные системы визуального контроля качества при печати на пищевой упаковке объединяют различные технологии, такие как оптическая визуализация, обработка изображений и искусственный интеллект, образуя эффективное и надежное решение для контроля качества.

Получение и предварительная обработка изображений

Система сначала использует промышленные камеры для получения изображений напечатанных кодов на упаковочных пакетах, применяя специальное освещение для устранения отражений и помех от теней. Затем система выполняет операции предварительной обработки полученных изображений, такие как медианная фильтрация, пороговая обработка и аффинное преобразование, для улучшения качества изображения и коррекции возможного наклона.

Запатентованная технология точно оценивает качество струйной печати, вычисляя степень соответствия скелета и плотность информации о скелете пикселей, формируя поле расстояний и извлекая результаты извлечения скелета. Этот метод учитывает расстояние между пикселями и сходство нормальных векторов, что позволяет более точно идентифицировать особенности символов.

Глубокое обучение и легковесные нейронные сети

В последние годы технология глубокого обучения получила широкое применение в области контроля качества струйной печати. ​​Усовершенствованный алгоритм на основе YOLOv4, благодаря более рациональному размеру пирамиды признаков и включению информации об угловой регрессии, позволяет сети регрессировать более узкие области прогнозирования, достигая точности 99,1%.

Внедрение автокодировщиков с шумоподавлением эффективно решает такие проблемы, как сложный фон и ограниченность данных в сценариях промышленной струйной печати. ​​Усовершенствованная сеть MSDAnet достигает впечатляющей точности обнаружения струйной печати в 99,81%, значительно превосходя традиционные методы.

Для требований реального времени исследователи предложили облегченную сеть Ghost-YOLO. Основанная на YOLOv5, эта сеть использует фантомный модуль для уменьшения размерности сверточных слоев, уменьшая параметры модели на 25%. В сочетании с методами подавления повторения позиций эта технология обеспечивает высокоточное обнаружение в реальном времени на встроенных устройствах, при этом степень точности и полноты достигает 100% и 99,99% соответственно.

Интеллектуальная система управления с обратной связью

Современные системы визуального контроля больше не ограничиваются отдельными функциями обнаружения, а вместо этого создают замкнутую систему управления в реальном времени по принципу «идентификация-обнаружение-обратная связь-выполнение».

Эта система органично сочетает лазерный струйный принтер с системой визуального контроля. При обнаружении дефекта печати сигнал немедленно отправляется на ПЛК, который управляет устройством отбраковки, удаляющим бракованную продукцию с производственной линии, обеспечивая таким образом полностью автоматизированный контроль качества.

3. Процесс внедрения системы визуального контроля

Внедрение комплексной системы визуального контроля для упаковочных пакетов для пищевых продуктов включает в себя несколько этапов, каждый из которых имеет четкие технические требования.

Что касается аппаратной части, необходимо соответствующим образом установить промышленные камеры, источники света и датчики срабатывания. Компоненты обнаружения обычно устанавливаются на механизме протяжки пленки. Определяя расстояние каждого перемещения механизма протяжки пленки, осуществляется точный запуск процесса захвата изображения, гарантирующий, что каждый упаковочный пакет будет сфотографирован в правильном положении.

На этапе разработки программного алгоритма необходимо подготовить и аннотировать наборы данных изображений. Исследователи использовали промышленные камеры для захвата изображений, напечатанных струйным принтером, затем с помощью инструментов аннотирования разметили образцы, полученные струйным принтером, и дополнили данные с помощью программного обеспечения для улучшения качества изображений, чтобы повысить обобщающую способность алгоритма.

На этапе системной интеграции блоки захвата, обработки, оценки и выполнения изображений органично объединяются. Когда система обнаруживает отсутствующие, некорректные, искаженные или неправильно расположенные символы в струйной печати на упаковочных пакетах, она отправляет сигнал NG на устройство отбраковки, что приводит к отбраковке и срабатыванию сигнализации.

4. Эффективность применения и будущие тенденции развития.

Применение системы визуального контроля при струйной печати на пакетах для пищевой упаковки показало значительные результаты, сыграв ключевую роль в повышении качества, снижении затрат и улучшении отслеживаемости.

В качестве примера можно привести крупную компанию по производству продуктов питания и напитков, которая после внедрения полностью автоматизированного решения, включающего «лазерный струйный принтер + систему визуального контроля», добилась 100% отсутствия дефектов на производственной линии производительностью 300 бутылок в минуту, полностью исключив жалобы клиентов, вызванные проблемами с маркировкой.

Эта система также принесла значительные экономические выгоды, не только сократив количество персонала, необходимого для контроля качества, но и освободив сотрудников от монотонной и утомительной работы по проверке. В то же время своевременная отбраковка дефектной продукции позволила избежать потерь упаковочных материалов, что снизило общие производственные затраты.

С точки зрения технологического развития, обнаружение дефектов при струйной печати на пищевой упаковке движется в направлении большей интеллектуальной и эффективной обработки. Уменьшение размеров моделей глубокого обучения упростит развертывание систем обнаружения на встроенных устройствах, что позволит удовлетворить требования приложений с более высокими требованиями к обработке в реальном времени.

Важным направлением развития также является создание сквозной сетевой структуры для обнаружения и распознавания объектов. Эта структура, благодаря разработке соответствующих слоев выборки признаков, выполняет равномерную выборку в области струйной печати, позволяя использовать признаки, извлеченные на этапе обнаружения объектов, в качестве входных данных для ветви распознавания символов, тем самым повышая скорость и точность обнаружения и распознавания.

Благодаря постоянному совершенствованию алгоритмов и аппаратного обеспечения, системы визуального контроля будут играть еще более важную роль в контроле качества пищевой упаковки, обеспечивая техническую поддержку предприятиям в переходе к «беспилотным фабрикам» и достижении интеллектуальной трансформации и модернизации производства.

После внедрения системы визуального контроля на одном из предприятий пищевой промышленности процент ошибок, допущенных при ручной проверке, снизился с 1,5% до практически нуля, что привело к прямой экономической выгоде, превышающей один миллион юаней в год, за счет сокращения отходов и переделок. Эта система не только гарантировала качество отгружаемой продукции, но и повысила рыночную репутацию компании.

Благодаря непрерывному развитию технологий искусственного интеллекта, будущие системы обнаружения дефектов при струйной печати на пищевой упаковке станут более интеллектуальными и адаптивными. Они смогут не только выявлять дефекты, но и прогнозировать отказы оборудования, анализируя тенденции данных, что позволит перейти от «лечения существующих проблем» к «предотвращению потенциальных проблем», добавив еще один интеллектуальный уровень защиты для обеспечения безопасности пищевых продуктов.