การประยุกต์ใช้การตรวจสอบบรรจุภัณฑ์พลาสติกแบบยืดหยุ่น

แอปพลิเคชันนี้มุ่งเน้นไปที่การตรวจสอบบรรจุภัณฑ์พลาสติกแบบยืดหยุ่นเพื่อหาข้อบกพร่องที่อาจส่งผลต่อความปลอดภัย อายุการใช้งาน คุณภาพ และแบรนด์ของผลิตภัณฑ์

มีข้อบกพร่องในการผลิตเกิดขึ้นอะไรบ้าง?

บรรจุภัณฑ์อาหารพลาสติกแบบยืดหยุ่นอาจพบข้อบกพร่องดังต่อไปนี้:

ข้อบกพร่องด้านบรรจุภัณฑ์เหล่านี้ส่งผลกระทบร้ายแรง เช่น เป็นอันตรายต่อสุขภาพของผู้บริโภค การเรียกคืนสินค้าที่มีต้นทุนสูง ความรับผิดทางกฎหมาย และชื่อเสียงของแบรนด์ที่เสียหาย จึงมีความจำเป็นอย่างยิ่งที่ผู้ผลิตจะต้องใช้มาตรการควบคุมคุณภาพและกระบวนการตรวจสอบที่เข้มงวดเพื่อตรวจจับ แก้ไข และป้องกันข้อบกพร่องเหล่านี้

อย่างไรก็ตาม ข้อบกพร่องของบรรจุภัณฑ์อาจตรวจพบได้ยาก เนื่องจากอาจมีประเภทและตำแหน่งที่แตกต่างกันไป ผลิตภัณฑ์ที่บรรจุหีบห่อเองก็อาจเป็นเรื่องท้าทายได้เช่นกัน เนื่องจากผลิตภัณฑ์อาจมีการเปลี่ยนแปลง ทับซ้อน หรือเคลื่อนลงมาตามสายพานลำเลียงไม่สม่ำเสมอ และอาจสลับไปมาบ่อยครั้งเมื่อผู้ผลิตผลิตผลิตภัณฑ์ใหม่

ผลิตภัณฑ์ระบบภาพสำหรับเครื่องจักรแบบดั้งเดิมมักจะเกินความจำเป็นเมื่อต้องเผชิญกับความแปรปรวนของชิ้นส่วนและข้อบกพร่อง และจะช้าในการปรับโครงสร้างใหม่เมื่อชิ้นส่วนถูกเปลี่ยน ผู้ผลิตยังคงพึ่งพาการตรวจสอบด้วยมือในกรณีที่ระบบภาพสำหรับเครื่องจักรล้มเหลว แต่การตรวจสอบด้วยมือนั้นช้า ไม่สามารถปรับขนาดให้เหมาะสมกับความเร็วในการผลิตที่ผู้ผลิตต้องการ และขึ้นอยู่กับผู้ตรวจสอบแต่ละคน การตรวจสอบด้วยมือรวบรวมข้อมูลได้เพียงเล็กน้อย ดังนั้นผู้ผลิตจึงพลาดข้อมูลเชิงลึกเกี่ยวกับการผลิต และไม่สามารถย้อนกลับไปดูชิ้นส่วนและการตัดสินใจในการตรวจสอบในกรณีที่เกิดการหลุดรอดหรือเรียกคืน

โซลูชั่น

UnitX's AI-powered การตรวจสอบสามารถตรวจจับข้อบกพร่องของบรรจุภัณฑ์พลาสติกแบบยืดหยุ่นที่ผ่านการประมวลผลได้อย่างมีประสิทธิภาพ ซึ่งวิธีแก้ปัญหาอื่นๆ ล้มเหลว

ครั้งแรกที่ OptiX ระบบถ่ายภาพจะทำการฉายแสงและภาพผลิตภัณฑ์อาหารที่บรรจุหีบห่อ จากนั้น CorteX Central แพลตฟอร์ม AI ได้รับการฝึกอบรมเกี่ยวกับข้อบกพร่องของบรรจุภัณฑ์ ในที่สุดโมเดล AI เหล่านั้นจะถูกนำไปใช้งาน CorteX Edge ระบบอนุมานเพื่อตรวจจับและจำแนกข้อบกพร่องแบบอินไลน์

นอกจากนี้ ผู้ผลิตยังสามารถใช้ CorteX AI เพียงอย่างเดียวได้หากมีระบบถ่ายภาพอยู่แล้ว ตัวอย่างเช่น หากผู้ผลิตต้องการตรวจจับข้อบกพร่องของบรรจุภัณฑ์ภายใน ผู้ผลิตสามารถใช้ CorteX AI เพียงอย่างเดียวและบูรณาการเข้ากับเครื่องสแกน X-Ray และ CT ที่มีอยู่เพื่อการตรวจจับข้อบกพร่องที่ได้รับการปรับปรุงอย่างรวดเร็ว

Why UnitX สำหรับการตรวจสอบบรรจุภัณฑ์พลาสติกแบบยืดหยุ่น?

OptiX ให้ภาพที่เหนือกว่าซึ่งช่วยลดการสะท้อนแสงในขณะที่เพิ่มความชัดเจนของข้อบกพร่องสูงสุด มีแหล่งกำเนิดแสงที่ควบคุมได้อิสระ 32 แหล่ง ซึ่งสามารถปรับให้เหมาะสมสำหรับพื้นผิวบรรจุภัณฑ์โปร่งใสและข้อบกพร่องต่างๆ ผ่านซอฟต์แวร์ และการออกแบบโดมแสงรองรับมุมตกกระทบที่แหลมมากของแสงที่ฉายออกมา ทำให้แม้แต่ข้อบกพร่องเล็กๆ ก็ยังเกิดเงาซึ่งทำให้มองเห็นได้ชัดเจนยิ่งขึ้น

CorteX ตรวจจับข้อบกพร่องที่ซับซ้อนและสุ่มได้อย่างแม่นยำ ระบบจะทำการปรับค่าความแปรปรวนของตำแหน่งและทิศทางโดยอัตโนมัติ และตรวจจับข้อบกพร่องได้อย่างละเอียดถึงระดับพิกเซล ช่วยลดผลบวกปลอมที่นำไปสู่การเสียของและสินค้าที่สูญเปล่า

CorteX รองรับการพัฒนา การปรับใช้ และการวนซ้ำของโมเดล AI อย่างรวดเร็วโมเดล CorteX AI มีประสิทธิภาพในการสุ่มตัวอย่าง เนื่องจากต้องใช้รูปภาพเพียงไม่กี่ภาพเพื่อฝึกอบรมเกี่ยวกับประเภทข้อบกพร่องใหม่

UnitX เพิ่มผลผลิตให้เหมาะสมที่สุด ใน CorteX สามารถปรับเกณฑ์คุณภาพและแสดงภาพผลกระทบต่อผลผลิตก่อนนำการเปลี่ยนแปลงเหล่านั้นไปใช้ในการผลิต ข้อมูลการตรวจสอบทั้งหมดสามารถอ้างอิงได้ในแพลตฟอร์มกลางเดียวเพื่อให้ผู้ผลิตวิเคราะห์และระบุพื้นที่สำหรับการปรับปรุงกระบวนการ และดึงบันทึกประวัติขึ้นมาเพื่อจำกัดขอบเขตของการเรียกคืนสินค้าและต่อสู้กับการเรียกร้องค่าสินไหมทดแทนที่เป็นการฉ้อโกงเมื่อจำเป็น

UnitX ให้การตรวจสอบแบบรวดเร็วแบบอินไลน์ 100% OptiX มี LED สว่างและความเร็วในการจับภาพที่รวดเร็วถึง 1 เมตรต่อวินาทีเพื่อการถ่ายภาพความเร็วสูง และ CorteX Edge รองรับความเร็วในการอนุมานสูง (สูงถึง 100 MP) เพื่อส่งออกการตัดสินใจ OK/NG ได้อย่างรวดเร็ว พร้อมสื่อสารการตัดสินใจนั้นได้อย่างราบรื่นผ่านการบูรณาการกับ PLC, MES และระบบ FTP หลักทั้งหมด

ด้วยระบบเส้นทาง UnitXผู้ผลิตป้องกันข้อบกพร่องของบรรจุภัณฑ์อาหารและหลีกเลี่ยงความปลอดภัยและคุณภาพของอาหาร ลดความไว้วางใจของลูกค้า และส่งผลให้ต้องเรียกคืนสินค้าจำนวนมาก พวกเขาใช้ระบบตรวจสอบอัตโนมัติที่ความเร็วของการผลิตเพื่อเพิ่มปริมาณงานและผลผลิตของบรรจุภัณฑ์อาหาร

UnitX ตัวอย่างการตรวจสอบแบบเจาะลึก

ตัวอย่างที่ 1: การตรวจสอบบรรจุภัณฑ์ฮอทดอก

ในตัวอย่างนี้ เราตรวจสอบบรรจุภัณฑ์ฮอทดอกว่ามีรอยเจาะหรือปริมาณผลิตภัณฑ์ที่ไม่ถูกต้องหรือไม่

การถ่ายภาพ

อันดับแรกเราใช้ OptiX เพื่อถ่ายภาพบรรจุภัณฑ์ฮอทดอก เพื่อให้แน่ใจว่าเราได้จับภาพทั้งผลิตภัณฑ์ที่มีตำหนิและปกติ

‍การฝึกอบรม

ต่อไปเราใช้ CorteX Central เพื่อฝึกโมเดลของเรา เราสร้างป้ายกำกับสำหรับข้อบกพร่องสองประการ ได้แก่ รอยเจาะบรรจุภัณฑ์ (“รอยเจาะ”) และปริมาณผลิตภัณฑ์ที่ไม่ถูกต้อง (“missing_hotdog”)

จากนั้นเราจึงติดป้ายข้อบกพร่องเหล่านั้นในรูปภาพที่เราถ่ายไว้ OptiXโดยใช้จำนวนภาพน้อยสำหรับแต่ละข้อบกพร่อง:

• ภาพ 3 NG สำหรับข้อบกพร่อง “การเจาะ”
• รูปภาพ 3 NG สำหรับข้อบกพร่อง “missing_hotdog”
• 5 ภาพโอเค

เนื่องจากอินเทอร์เฟซ CorteX เป็นมิตรกับผู้ใช้และจำนวนรูปภาพที่ต้องใช้ไม่มากในการฝึกโมเดล AI จึงใช้เวลาเพียง 3 นาที 42 วินาทีในการติดฉลากข้อบกพร่อง 2 จุด

การตรวจพบ

จากนั้นเราจึงนำโมเดล AI เหล่านั้นไปใช้งาน CorteX Edge เพื่อตรวจหาข้อบกพร่องบนชิ้นส่วนฮอทดอกใหม่ ซึ่งส่งผลให้เกิดข้อบกพร่องสองประการ

ตัวอย่างที่ 2: การตรวจสอบบรรจุภัณฑ์เนื้อบด

ในตัวอย่างนี้ เราตรวจสอบบรรจุภัณฑ์เนื้อบดเพื่อดูว่ามีสิ่งปนเปื้อนอาหารในซีลและรอยถลอกของบรรจุภัณฑ์หรือไม่

การถ่ายภาพ

อันดับแรกเราใช้ OptiX เพื่อถ่ายภาพบรรจุภัณฑ์เนื้อบด เพื่อให้แน่ใจว่าจับภาพได้ทั้งผลิตภัณฑ์ที่มีตำหนิและผลิตภัณฑ์ปกติ

การฝึกอบรม

ต่อไปเราใช้ CorteX Central เพื่อฝึกอบรมโมเดลของเรา เราได้สร้างป้ายกำกับ สำหรับข้อบกพร่องสองประการ: การปนเปื้อนของอาหาร ("การปนเปื้อน") และรอยขีดข่วนของบรรจุภัณฑ์ ("รอยขีดข่วน")

จากนั้นเราจึงติดป้ายข้อบกพร่องเหล่านั้นในรูปภาพที่เราถ่ายไว้ OptiXโดยใช้จำนวนภาพน้อยสำหรับข้อบกพร่องทั้งสองประเภท

การตรวจพบ

จากนั้นเราจึงนำโมเดล AI เหล่านั้นไปใช้งาน CorteX Edge เพื่อตรวจจับข้อบกพร่องบนบรรจุภัณฑ์เนื้อบดใหม่ ส่งผลให้สามารถตรวจจับและจำแนกข้อบกพร่องทั้งสองประการของเราได้อย่างแม่นยำ

‍ตำหนิรอยถลอก