Integridade e esterilidade da embalagem
Detecte defeitos, contaminação e troca de etiquetas
Produtos Relacionados
Software de Visão Industrial VisionPro
Capacita os usuários a configurarem e implementarem rapidamente até mesmo as aplicações de visão 2D e 3D mais desafiadoras.
Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning
A integridade de embalagens, etiquetas e selos é essencial para garantir que a embalagem esteja correta, estéril e livre de contaminantes na entrega a um consultório médico ou sala de cirurgia. O custo de recalls ou devoluções de produtos causados por contaminação ou troca de etiquetas pode ser significativo. Muitos fabricantes de dispositivos médicos usam sensores ultrassônicos ou operadores humanos para identificar problemas de integridade e esterilidade da embalagem. Porém, mudanças no tamanho das peças, variações de contraste e defeitos aleatórios que diferem na aparência levam à reprovação ou rejeição de um bom produto e aceitação de produtos potencialmente perigosos.
Os sistemas de visão detectam defeitos e verificam a integridade da embalagem por meio de uma inspeção precisa e repetível. As soluções 3D da Cognex garantem uma embalagem final uniforme e consistente. A tecnologia de sistemas de visão detecta as bordas dos selos de segurança e mede a altura, largura, posição relativa e tamanho do espaçamento, comparando-os aos limites programados. Os lacres antiviolação cujas dimensões não estão em conformidade com os limites programados são rejeitados, limitando o risco de recalls de produtos.
Quando os sistemas de visão baseados em regras lutam para se ajustar às variações em selos, transparência ou Tyvek, as soluções de deep learning da Cognex podem ser uma ótima adição ou alternativa. O deep learning identifica de maneira confiável objetos estranhos, selos quebrados, contaminação, etiquetas e defeitos cosméticos que podem afetar a integridade da embalagem. Com inspeção 100% visual, erros de operadores são eliminados e a eficiência é otimizada. O deep learning pode levar isso a um passo adiante destacando problemas em tempo real, permitindo que operadores ou máquinas apontem claramente o problema e o categorize mais tarde.
