Ispezione del collo di barattolo in vetro
Rileva i difetti nei colli filettati di contenitori in vetro
Prodotti correlati
Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning
Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi
I barattoli in vetro e altri contenitori per prodotti alimentari con tappo a vite possono subire molti tipi di danni da impatto al collo filettato. Una vasta gamma di scheggiature, crepe, inclusioni e altri difetti possono indicare la possibilità che una scheggia di vetro entri all'interno del barattolo, vi sia una potenziale scarsa tenuta quando il coperchio viene installato o vi sia un pericolo per il consumatore finale. Ogni barattolo deve essere ispezionato dall'alto per rilevare eventuali difetti prima di procedere al riempimento e alla sigillatura. Anche piccoli difetti in un contenitore per alimenti possono determinare l'insoddisfazione del consumatore, soprattutto perché gli imballaggi in vetro vengono spesso utilizzati per beni di lusso più costosi venduti in volumi inferiori.
La varietà di tipi e posizioni di possibili danni, insieme alla variazione di trasparenza, riflettività e luminanza del vetro, rende quasi impossibile per la visione industriale convenzionale identificare in modo affidabile i difetti quando esamina la conformità di colli di barattoli.
Il Deep Learning di Cognex rappresenta un'ottima soluzione al problema del rilevamento di difetti minori in colli filettati di contenitori di vetro. Si addestra su una serie di immagini di colli conformi di contenitori di vetro. Lo strumento di rilevamento di difetti identifica quindi anomalie quali scheggiature, inclusioni e crepe, accettando invece l'ampia gamma di possibili aspetti del collo di vetro, ignorando riflessi, punti di riscaldo e rifrazioni.
Barattoli e altri contenitori di vetro raggiungono il consumatore con una sigillatura ermetica e un rischio molto ridotto di presenza di schegge di vetro o altri contaminanti fisici pericolosi.
