Como o deep learning automatiza inspeções para soluções em embalagens

deep learning for packaging

Cada vez mais os produtos de embalagem exigem seus próprios sistemas de inspeção personalizados para aperfeiçoar a qualidade, eliminar rejeições falsas, melhorar o rendimento e eliminar o risco de recall. Algumas das aplicações básicas de sistemas de visão ao longo de uma linha de embalagem incluem a verificação de que uma etiqueta em uma embalagem está presente, correta, reta e legível. Outras inspeções simples de embalagens envolvem presença, posição, qualidade (sem sinais, rasgos ou bolhas) e legibilidade (código de barras e códigos de data/lote presentes e digitalizáveis) em uma etiqueta.

Mas embalagens como garrafas, latas, estojos e caixas - presentes em muitos setores, incluindo alimentos e bebidas, produtos de consumo e logística - nem sempre podem ser inspecionadas com precisão por sistemas de visão tradicionais. Para aplicações que apresentam defeitos variáveis e imprevisíveis em superfícies confusas, como as que são altamente texturizadas ou sofrem brilho especular, os fabricantes geralmente contam com a flexibilidade e a tomada de decisões baseadas em julgamento de inspetores humanos. No entanto, os inspetores humanos têm algumas desvantagens muito grandes para a indústria moderna de bens de consumo embalados: eles não são necessariamente escaláveis.

Para aplicações que resistem à automação e ainda exigem alta qualidade e produtividade, a tecnologia deep learning é uma nova ferramenta eficaz à disposição dos engenheiros de aplicação na indústria de embalagens. A tecnologia deep learning pode lidar com todos os tipos diferentes de superfícies de embalagem, incluindo papel, vidro, plástico e cerâmica, e também seus rótulos. Seja um defeito específico em uma etiqueta impressa ou na zona de corte de uma embalagem, o Cognex Deep Learning pode identificar todas essas regiões de interesse simplesmente aprendendo a aparência variável da zona de destino. Usando uma variedade de ferramentas, o Cognex Deep Learning pode localizar e contar objetos ou características complexos, detectar anomalias e classificar os referidos objetos ou até cenas inteiras. E por último, mas não menos importante, ele pode reconhecer e verificar caracteres alfanuméricos usando uma biblioteca de fontes pré-treinadas.

Aqui, exploraremos como o Cognex Deep Learning faz tudo isso para empacotadores e fabricantes.

Detecção de Defeitos em Embalagens

Os sistemas de visão são inestimáveis para inspeções de embalagens em garrafas e latas. De fato, na maioria das fábricas, são os sistemas de visão que não apenas inspecionam a colocação de etiquetas e embalagens, mas também as colocam e alinham durante a fabricação.

deep learning com detecção de defeitos para embalagens

Os defeitos de rotulagem são bem tratados pelos sistemas de visão tradicionais, que podem detectar com precisão rugas, rasgos, lacerações, deformações, bolhas e erros de impressão. A tecnologia de captura de imagem de alto contraste e extração de superfície pode capturar defeitos, mesmo quando ocorrem em superfícies curvas e sob más condições de iluminação. No entanto, a superfície metálica de uma lata de alumínio típica pode confundir os sistemas de visão tradicionais com seu brilho e a natureza variável e imprevisível de seus defeitos, nem todos os quais precisam ser rejeitados. Acrescente a essas inspeções de superfície desafiadoras inúmeras formas e tipos de defeitos - por exemplo, arranhões longos e amassados rasos - e rapidamente se torna insustentável procurar explicitamente todos os tipos de defeitos em potencial.

Usando uma inovadora abordagem baseada em deep learning, é possível inspecionar de forma precisa e repetitiva todos os tipos de superfícies de embalagens de metal desafiadoras. Com o Cognex Deep Learning, em vez de programar explicitamente uma inspeção, o algoritmo de deep learning se treina em um conjunto de amostras "boas" conhecidas para criar seus modelos de referência. Quando essa fase de treinamento estiver concluída, a inspeção estará pronta para começar. O Cognex Deep Learning pode identificar e relatar todas as áreas defeituosas na superfície da lata que se desviam para fora da faixa de uma aparência aceitável normal.

Reconhecimento Óptico de Caracteres em Embalagens

Escondido em algum lugar em quase todas as embalagens de consumíveis, independentemente do material ou tipo, há um código de data/lote. É importante que esses códigos sejam impressos de maneira limpa e fácil de ler, não apenas para usuários finais e consumidores que fazem suas compras, mas também para fabricantes durante o estágio de verificação. Um código de data/lote mal impresso, manchado ou deformado impresso em uma etiqueta de uma garrafa ou pacote de biscoitos, por exemplo, causa problemas para ambos.

deep learning com OCR para embalagens

Normalmente, os sistemas de visão tradicionais poderiam facilmente reconhecer e/ou verificar se os códigos são legíveis e corretos antes de saírem da instalação, mas certas superfícies desafiadoras tornam isso muito difícil. Nesses casos, um código manchado ou inclinado impresso em material especular como uma lata de refrigerante de metal poderia ser lido com algum esforço por um inspetor humano, mas não com muita confiabilidade por um sistema de inspeção de visão. Nesses casos, os empacotadores precisam de um sistema de inspeção que possa julgar a legibilidade pelos padrões humanos, mas, criticamente, com a velocidade e robustez de um sistema computadorizado. Aqui entra o deep learning.

A ferramenta de OCR deep learning da Cognex é capaz de detectar e ler o texto sem formatação nos códigos de data/lote, verificando se suas cadeias de números e letras estão corretas mesmo quando estão deformadas, inclinadas ou - no caso de superfícies de metal - mal gravadas. A ferramenta minimiza o treinamento porque utiliza uma biblioteca de fontes pré-treinadas. Isso significa que o Cognex Deep Learning vem pronto para uso e pode ler a maioria dos textos alfanuméricos, sem programação. O treinamento é limitado a requisitos de aplicação específicos para reconhecer detalhes da superfície ou treinar novamente caracteres perdidos. Todas essas vantagens ajudam a facilitar e agilizar a implementação e contribuem para os resultados bem-sucedidos de aplicações OCR e OCV sem o envolvimento de um especialista em visão.

Verificação de Montagem de Embalagens

A verificação de montagem visualmente dependente pode ser desafiadora para bens com vários pacotes que podem ter variações intencionais, como no caso de ofertas com tema de férias ou sazonais. Esses pacotes mostram diferentes itens e configurações no mesmo engradado ou caixa.

Verificação de montagem de embalagem com deep learning

Para esses tipos de inspeções, os fabricantes precisam de sistemas de inspeção altamente flexíveis que possam localizar e verificar se os itens individuais estão presentes e corretos, organizados na configuração adequada e se correspondem à embalagem externa. Para fazer isso, o sistema de inspeção precisa localizar e segmentar várias regiões de interesse em uma única imagem, possivelmente em várias configurações que podem ser inspecionadas linha por linha para levar em conta as variações na embalagem.

Para localizar itens individuais por suas características identificáveis únicas e variáveis, um sistema baseado em deep learning é ideal porque generaliza as características distinguíveis de cada item com base no tamanho, forma, cor e características da superfície. O software Cognex Deep Learning pode ser treinado rapidamente para criar todo um banco de dados de itens. Em seguida, a inspeção pode prosseguir por região, seja por quadrante ou linha por linha, para verificar se a embalagem foi montada corretamente.

Classificação de Embalagens

As inspeções de kits exigem vários recursos de seu sistema de inspeção automatizada. Pacotes múltiplos de produtos de consumo precisam ser inspecionados quanto ao número e tipo certos de inclusões antes de serem enviados. Contagem e identificação são pontos fortes dos sistemas de visão tradicionais. Mas, para garantir que os itens corretos sejam incluídos em uma unidade com várias peças, é necessário classificar os produtos incluídos por categoria - por exemplo, um pacote múltiplo de protetor solar contém dois tipos de protetor solar ou contém um protetor labial extra?

classificação de embalagens com deep learning

Essa categorização é importante, mas permanece fora do alcance dos sistemas de visão tradicionais. Felizmente, a ferramenta de classificação com deep learning da Cognex pode ser facilmente combinada com as ferramentas tradicionais de localização e contagem de sistemas de visão, ou com ferramentas de localização e contagem baseadas em deep learning se a inspeção de kits lidar com tipos de produtos variáveis e exigir inteligência artificial para distinguir as características generalizadas desses tipos.

A classificação baseada em deep learning funciona separando diferentes classes com base em uma coleção de imagens rotuladas e identifica produtos com base nessas discrepâncias de embalagem. Se alguma das classes for treinada para conter anomalias, o sistema poderá aprender a classificá-las como aceitáveis ou inaceitáveis.

Os novos sistemas de visão habilitados com deep learning diferem dos sistemas de visão tradicionais porque são essencialmente autodidáticos e treinados em imagens de amostra rotuladas sem programação explícita. O software baseado em deep learning usa inteligência similar à humana, capaz de apreciar nuances como desvio e variação, e superar até mesmo os melhores inspetores de qualidade ao fazer julgamentos corretos e confiáveis. Mais importante, no entanto, é que ele é capaz de resolver desafios de automação mais complexos e anteriormente não programáveis.

Os fabricantes da indústria de embalagens estão cada vez mais exigindo sistemas de visão industrial mais rápidos e poderosos, e por boas razões: espera-se que eles produzam muitos produtos com um limiar de qualidade mais alto e menor custo. A Cognex está atendendo diretamente aos rigorosos requisitos dos clientes, oferecendo sistemas de inspeção automatizada que combinam o poder dos sistemas de visão com deep learning, a fim de fabricar embalagens de maneira mais econômica e robusta.

Mais Publicações nos

Como o deep learning automatiza inspeções para soluções em embalagens

deep learning for packaging

Cada vez mais os produtos de embalagem exigem seus próprios sistemas de inspeção personalizados para aperfeiçoar a qualidade, eliminar rejeições falsas, melhorar o rendimento e eliminar o risco de recall. Algumas das aplicações básicas de sistemas de visão ao longo de uma linha de embalagem incluem a verificação de que uma etiqueta em uma embalagem está presente, correta, reta e legível. Outras inspeções simples de embalagens envolvem presença, posição, qualidade (sem sinais, rasgos ou bolhas) e legibilidade (código de barras e códigos de data/lote presentes e digitalizáveis) em uma etiqueta.

Mas embalagens como garrafas, latas, estojos e caixas - presentes em muitos setores, incluindo alimentos e bebidas, produtos de consumo e logística - nem sempre podem ser inspecionadas com precisão por sistemas de visão tradicionais. Para aplicações que apresentam defeitos variáveis e imprevisíveis em superfícies confusas, como as que são altamente texturizadas ou sofrem brilho especular, os fabricantes geralmente contam com a flexibilidade e a tomada de decisões baseadas em julgamento de inspetores humanos. No entanto, os inspetores humanos têm algumas desvantagens muito grandes para a indústria moderna de bens de consumo embalados: eles não são necessariamente escaláveis.

Para aplicações que resistem à automação e ainda exigem alta qualidade e produtividade, a tecnologia deep learning é uma nova ferramenta eficaz à disposição dos engenheiros de aplicação na indústria de embalagens. A tecnologia deep learning pode lidar com todos os tipos diferentes de superfícies de embalagem, incluindo papel, vidro, plástico e cerâmica, e também seus rótulos. Seja um defeito específico em uma etiqueta impressa ou na zona de corte de uma embalagem, o Cognex Deep Learning pode identificar todas essas regiões de interesse simplesmente aprendendo a aparência variável da zona de destino. Usando uma variedade de ferramentas, o Cognex Deep Learning pode localizar e contar objetos ou características complexos, detectar anomalias e classificar os referidos objetos ou até cenas inteiras. E por último, mas não menos importante, ele pode reconhecer e verificar caracteres alfanuméricos usando uma biblioteca de fontes pré-treinadas.

Aqui, exploraremos como o Cognex Deep Learning faz tudo isso para empacotadores e fabricantes.

Detecção de Defeitos em Embalagens

Os sistemas de visão são inestimáveis para inspeções de embalagens em garrafas e latas. De fato, na maioria das fábricas, são os sistemas de visão que não apenas inspecionam a colocação de etiquetas e embalagens, mas também as colocam e alinham durante a fabricação.

deep learning com detecção de defeitos para embalagens

Os defeitos de rotulagem são bem tratados pelos sistemas de visão tradicionais, que podem detectar com precisão rugas, rasgos, lacerações, deformações, bolhas e erros de impressão. A tecnologia de captura de imagem de alto contraste e extração de superfície pode capturar defeitos, mesmo quando ocorrem em superfícies curvas e sob más condições de iluminação. No entanto, a superfície metálica de uma lata de alumínio típica pode confundir os sistemas de visão tradicionais com seu brilho e a natureza variável e imprevisível de seus defeitos, nem todos os quais precisam ser rejeitados. Acrescente a essas inspeções de superfície desafiadoras inúmeras formas e tipos de defeitos - por exemplo, arranhões longos e amassados rasos - e rapidamente se torna insustentável procurar explicitamente todos os tipos de defeitos em potencial.

Usando uma inovadora abordagem baseada em deep learning, é possível inspecionar de forma precisa e repetitiva todos os tipos de superfícies de embalagens de metal desafiadoras. Com o Cognex Deep Learning, em vez de programar explicitamente uma inspeção, o algoritmo de deep learning se treina em um conjunto de amostras "boas" conhecidas para criar seus modelos de referência. Quando essa fase de treinamento estiver concluída, a inspeção estará pronta para começar. O Cognex Deep Learning pode identificar e relatar todas as áreas defeituosas na superfície da lata que se desviam para fora da faixa de uma aparência aceitável normal.

Reconhecimento Óptico de Caracteres em Embalagens

Escondido em algum lugar em quase todas as embalagens de consumíveis, independentemente do material ou tipo, há um código de data/lote. É importante que esses códigos sejam impressos de maneira limpa e fácil de ler, não apenas para usuários finais e consumidores que fazem suas compras, mas também para fabricantes durante o estágio de verificação. Um código de data/lote mal impresso, manchado ou deformado impresso em uma etiqueta de uma garrafa ou pacote de biscoitos, por exemplo, causa problemas para ambos.

deep learning com OCR para embalagens

Normalmente, os sistemas de visão tradicionais poderiam facilmente reconhecer e/ou verificar se os códigos são legíveis e corretos antes de saírem da instalação, mas certas superfícies desafiadoras tornam isso muito difícil. Nesses casos, um código manchado ou inclinado impresso em material especular como uma lata de refrigerante de metal poderia ser lido com algum esforço por um inspetor humano, mas não com muita confiabilidade por um sistema de inspeção de visão. Nesses casos, os empacotadores precisam de um sistema de inspeção que possa julgar a legibilidade pelos padrões humanos, mas, criticamente, com a velocidade e robustez de um sistema computadorizado. Aqui entra o deep learning.

A ferramenta de OCR deep learning da Cognex é capaz de detectar e ler o texto sem formatação nos códigos de data/lote, verificando se suas cadeias de números e letras estão corretas mesmo quando estão deformadas, inclinadas ou - no caso de superfícies de metal - mal gravadas. A ferramenta minimiza o treinamento porque utiliza uma biblioteca de fontes pré-treinadas. Isso significa que o Cognex Deep Learning vem pronto para uso e pode ler a maioria dos textos alfanuméricos, sem programação. O treinamento é limitado a requisitos de aplicação específicos para reconhecer detalhes da superfície ou treinar novamente caracteres perdidos. Todas essas vantagens ajudam a facilitar e agilizar a implementação e contribuem para os resultados bem-sucedidos de aplicações OCR e OCV sem o envolvimento de um especialista em visão.

Verificação de Montagem de Embalagens

A verificação de montagem visualmente dependente pode ser desafiadora para bens com vários pacotes que podem ter variações intencionais, como no caso de ofertas com tema de férias ou sazonais. Esses pacotes mostram diferentes itens e configurações no mesmo engradado ou caixa.

Verificação de montagem de embalagem com deep learning

Para esses tipos de inspeções, os fabricantes precisam de sistemas de inspeção altamente flexíveis que possam localizar e verificar se os itens individuais estão presentes e corretos, organizados na configuração adequada e se correspondem à embalagem externa. Para fazer isso, o sistema de inspeção precisa localizar e segmentar várias regiões de interesse em uma única imagem, possivelmente em várias configurações que podem ser inspecionadas linha por linha para levar em conta as variações na embalagem.

Para localizar itens individuais por suas características identificáveis únicas e variáveis, um sistema baseado em deep learning é ideal porque generaliza as características distinguíveis de cada item com base no tamanho, forma, cor e características da superfície. O software Cognex Deep Learning pode ser treinado rapidamente para criar todo um banco de dados de itens. Em seguida, a inspeção pode prosseguir por região, seja por quadrante ou linha por linha, para verificar se a embalagem foi montada corretamente.

Classificação de Embalagens

As inspeções de kits exigem vários recursos de seu sistema de inspeção automatizada. Pacotes múltiplos de produtos de consumo precisam ser inspecionados quanto ao número e tipo certos de inclusões antes de serem enviados. Contagem e identificação são pontos fortes dos sistemas de visão tradicionais. Mas, para garantir que os itens corretos sejam incluídos em uma unidade com várias peças, é necessário classificar os produtos incluídos por categoria - por exemplo, um pacote múltiplo de protetor solar contém dois tipos de protetor solar ou contém um protetor labial extra?

classificação de embalagens com deep learning

Essa categorização é importante, mas permanece fora do alcance dos sistemas de visão tradicionais. Felizmente, a ferramenta de classificação com deep learning da Cognex pode ser facilmente combinada com as ferramentas tradicionais de localização e contagem de sistemas de visão, ou com ferramentas de localização e contagem baseadas em deep learning se a inspeção de kits lidar com tipos de produtos variáveis e exigir inteligência artificial para distinguir as características generalizadas desses tipos.

A classificação baseada em deep learning funciona separando diferentes classes com base em uma coleção de imagens rotuladas e identifica produtos com base nessas discrepâncias de embalagem. Se alguma das classes for treinada para conter anomalias, o sistema poderá aprender a classificá-las como aceitáveis ou inaceitáveis.

Os novos sistemas de visão habilitados com deep learning diferem dos sistemas de visão tradicionais porque são essencialmente autodidáticos e treinados em imagens de amostra rotuladas sem programação explícita. O software baseado em deep learning usa inteligência similar à humana, capaz de apreciar nuances como desvio e variação, e superar até mesmo os melhores inspetores de qualidade ao fazer julgamentos corretos e confiáveis. Mais importante, no entanto, é que ele é capaz de resolver desafios de automação mais complexos e anteriormente não programáveis.

Os fabricantes da indústria de embalagens estão cada vez mais exigindo sistemas de visão industrial mais rápidos e poderosos, e por boas razões: espera-se que eles produzam muitos produtos com um limiar de qualidade mais alto e menor custo. A Cognex está atendendo diretamente aos rigorosos requisitos dos clientes, oferecendo sistemas de inspeção automatizada que combinam o poder dos sistemas de visão com deep learning, a fim de fabricar embalagens de maneira mais econômica e robusta.

Mais Publicações nos

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex