High-Speed-Prüfung von reflektierenden Verpackungen

Erkennung von Defekten in der Verpackung von Rasierern, elektrischen Zahnbürstenköpfen und anderen kleinen Artikeln

Overhead-Bildverarbeitungssystem, das die Klarsichtverpackung von Rasierapparaten auf einem Förderband auf Fehler überprüft

Ähnliche Produkte

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse

VisionPro software on angled monitor

Vision Software

The power and flexibility to solve challenging machine vision applications in a PC environment

Die starre Kunststoffverpackung vieler kleiner Körperpflegeprodukte, wie Rasierer oder Ersatzköpfe für elektrische Zahnbürsten, ist oft transparent und reflektierend und das macht die Prüfung der Verpackung während der Bestätigung des Verpackungsinhalts schwierig. Die Anzahl, Art und Anordnung der Inhalte kann unterschiedlich sein.

Bei Beleuchtung erzeugt die Verpackung helle Reflexionen und dadurch werden andere Teile des Bildes deutlich dunkler. Wenn der Kunde die Helligkeit erhöht, um Details in den dunklen Bereichen hervorzuheben, führt dies zu einer Übersättigung durch die reflektierenden Teile. Für die Erzeugung eines gleichmäßig beleuchteten Bildes für eine genaue Prüfung kann viel Aufwand und Fachwissen notwendig sein.

Ohne eine derart ausgeklügelte Beleuchtung hat die herkömmliche industrielle Bildverarbeitung große Schwierigkeiten mit Bildern, die stark reflektierende Bereiche aufweisen. Oft müssen solche Packungen manuell geprüft werden: Die Folge sind langsamere Geschwindigkeiten. Wenn die Produktionsgeschwindigkeit zur Folge hat, dass nur eine Stichprobe der Produktion vollständig geprüft werden kann, können Fehler übersehen werden.

Unterschiedliche Inhalte wie Zahnbürstenköpfe in unterschiedlichen Mengen, Typen und Farben erfordern einen tragbaren Zeitaufwand für die Programmierung der herkömmlichen regelbasierten industriellen Bildverarbeitung, damit diese jede neue Variante präzise prüfen kann. Später im Prozess erkannte Fehler führen zu größerem Ausschuss, während Produkte mit unentdeckten Fehlern die Unzufriedenheit der Verbraucher nach sich ziehen können. .

Cognex Bildverarbeitungssysteme mit KI-basierten Tools und High Dynamic Range Plus (HDR+)-Technologie wurden speziell für die Prüfung reflektierender Teile entwickelt.

Die HDR+-Technologie verwendet einen fortschrittlichen Algorithmus, der den Kontrast in lokalisierten Bereichen anhand nur eines einzigen Bildes optimiert, statt anhand mehrerer Bilder, die bei Standard-HDR erforderlich sind. HDR+ bewältigt problemlos die hellen, sich ändernden Verpackungsreflexionen, um ein gleichmäßigeres Bild zu erzeugen und Mängel besser sichtbar zu machen. Da HDR+ nur ein einziges Bild benötigt, ist diese Technologie bei hohen Liniengeschwindigkeiten besonders wertvoll.

Selbst mit HDR+ kann die Kombination aus gedruckten Designs, reflektierendem Kunststoff und sichtbaren Inhalten hinter den transparenten Bereichen des Kunststoffs ein Sichtfeld schaffen, das für die herkömmliche industrielle Bildverarbeitung zu komplex ist.

Die auf KI-basierte Technologie von Cognex bringt die Leistungsfähigkeit der Edge-Learning-Technologie in die Fertigung und erleichtert die Automatisierung anspruchsvoller Produktionsaufgaben. Das auf Edge Learning basierte System wird mit einer kleinen Anzahl von Bildern trainiert, manchmal nur zwei, um die geprüften Teile als zulässig und nicht zulässig zu klassifizieren, egal wie komplex und mehrdeutig das Sichtfeld ist. Das erneute Training zum Hinzufügen einer neuen Inhaltsvariante für die Kontrolle des Vorhandenseins der Komponente und die Bestückungsüberprüfung ist ähnlich einfach und dauert nur wenige Sekunden.

Vorteile

  • Erkennen von Defekten unter schwierigen Lichtverhältnissen
  • Zuverlässige Kompensation heller, wechselnder Reflexionen
  • Sicherstellung, dass nur einwandfrei verpackte Produkte zum Kunden gelangen

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex