Classification des défauts de conditionnement des paquets
Localiser et classifier les défauts sur les paquets de cigarettes
Produits Connexes
Système de vision In-Sight 2800
Automatisez la détection des erreurs en quelques minutes, même sans expérience préalable
Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning
Les paquets de cigarettes sont assemblés sur une roue tournant à grande vitesse et des défauts occasionnels surviennent, notamment des déchirures ou des perforations. Traditionnellement, les différents défauts sont simplement considérés comme « mauvais » et les paquets concernés sont soit réparés soit mis au rebut car le fonctionnement à grande vitesse rend difficile pour un humain l’identification et le suivi manuel de défauts spécifiques. Chaque type de défaut peut refléter un problème dans le processus de fabrication ou les matières premières. Cependant, l’absence de classification numérique et de données sur les résultats rend difficiles le diagnostic et la réparation de la cause profonde du problème en temps opportun. Le fabricant engage des coûts de mise au rebut plus élevés, ainsi que du temps et de l’argent pour identifier et corriger la source du problème de qualité.
La technologie basée sur l’intelligence artificielle de Cognex localise et classifie les défauts de conditionnement, par exemple des déchirures ou des perforations, sur les paquets de cigarettes, permettant ainsi d’identifier d’éventuels problèmes de production qui affectent la qualité.
À l’aide de l’outil de classification, un ingénieur forme le logiciel à la reconnaissance des « bonnes » images et des « mauvaises » images qui représentent les différents types de défauts attendus. Lors de l’exécution, le modèle identifie les différents défauts et garde la trace du nombre de chaque défaut identifié. Sur la base du modèle développé pendant l’apprentissage, l’edge learning Cognex classifie les paquets de cigarettes lors de l’exécution. De précieuses données spécifiques aux défauts issues de cette solution permettent d’améliorer la qualité et aident les équipes opérationnelles à diagnostiquer le problème et y remédier, ce qui améliore la qualité du produit, réduit les coûts de mise au rebut tout en améliorant l’efficacité globale des équipements.