深度学习检测食品行业中的缺陷
食品 | 深度学习 | OCR & OCV西班牙公司 INNDEO 专注于质量检测自动化，并通过其 INSPECTRA 品牌为食品行业提供高质量的机器视觉解决方案。 INNDEO 开发了热密封和标签检查器解决方案，可以可靠地检查包装和读取标签。 该设备结合了多种先进技术，例如高速处理捕捉、高光谱视觉、深度学习和高性能 RGB。
包装行业的全自动检测
基于机器视觉的全自动解决方案的优点是包装缺陷检测率更高、节省成本以及生产流程的全面数字化以监控和改进。 由于检查过程在实践中通常仍然是手动执行的，因此有缺陷的产品到达最终客户，自动化解决方案的目标必须是可靠地检测包装中所有可能的缺陷。 质量控制 100% 自动化一方面降低了成本，另一方面引入了对待检物体进行分类的客观标准。 此外，质量和生产数据可以端到端持续数字化，并实时显示相应指标。
尽管有使用机器视觉进行检测的解决方案，但这些解决方案通常不够稳健，检测率太低，或者难以适应生产线的变化。 INNDEO 通过其机器视觉解决方案精确地解决了这些弱点。 目标是以每秒两包的高生产率识别食品包装中的质量缺陷，从而实现在线剔除，每个图像的处理时间仅为几毫秒。 因此，使用机器视觉实现端到端应用程序自动化至关重要。
MVTec HALCON 软件采用深度学习技术进行缺陷检测
在热密封和标签检查器的设置中，摄像机在生产环境中的各个点拍摄待检查物体的图像。 图像由集成机器视觉软件 MVTec HALCON 进行处理。 HALCON 使用各种参数来确定图像的相关检查区域（感兴趣区域/ROI）。 为此，INNDEO 使用高分辨率 RGB 视觉技术来查找最简单的密封区域缺陷，例如一块火腿，因为它的颜色在透明托盘中很容易区分。 此外，该公司还使用高光谱视觉技术来检测更复杂的缺陷，例如不透明或印刷托盘中的缺陷。
深度学习还用于检测某些缺陷，并且能够以比人眼更高的识别速度和效率来解释图像。 该系统能够在训练阶段进行学习，而不需要用户进行额外的编程。 该技术可以检测密封膜中的皱纹、托盘中产品排列的错误以及检测标准机器视觉算法无法区分的质量缺陷。
机器视觉的另一个应用场景是标签检查，检查标签下方是否形成皱纹。 为了检测标签，相应的可配置工具会寻找特定的模式。 一旦找到，检查过程就会开始。 该应用程序使用 HALCON 中集成的光学字符识别技术，例如 OCR（光学字符识别）或 Deep OCR，将文本识别功能与智能深度学习算法相结合。 深度学习技术和色调模式匹配也用于检测所应用标签中的异常情况。
软件提供了接口集成的灵活性
对于最终客户来说，重要的是检测解决方案能够无缝集成到现有的工艺环境中。 例如，这允许用户在他们熟悉的环境中控制检查系统。 事实证明，接口集成是实施过程中最大的挑战之一，因为可以通过不同的系统控制配置各种检查参数，并且必须在很短的时间内分析来自各个摄像机的所有图像。 这意味着机器视觉软件只有很短的时间来判断包装是否有缺陷并需要被拒绝。 MVTec HALCON 的可能性简化了解决方案的集成。 “该软件为多种类型的工业相机提供了各种接口，并且可以使用 HDevEngine 在实际应用程序中直接运行脚本并进行调试。我们看到了各种各样的图像处理算法、方便的编程以及与我们的软件的无缝集成： MVTec 产品的进一步优势”，INNDEO 首席创新官 Emilio de la Red Bellvis 确认道。
在硬件方面，应用程序设置包括各种组件，例如多台工业 PC。 它们接收来自各个摄像机的图像并与可编程逻辑控制器 (PLC) 通信。 INNDEO 面临着进一步的挑战。 由于电子元件的短缺，必须开发灵活的编程。 这适应了不同的相机类型、处理架构和图形处理器，因此硬件可以根据可用性而变化。
质量控制解决方案获得奖项
结果，INSPECTRA 凭借其 Thermoseal Inspector 解决方案和集成的 HALCON 机器视觉软件 100% 实现了项目目标。 从而避免了包装和产品本身的质量缺陷。 这消除了销毁、更换和运输缺陷产品的成本。 此外，凭借可靠且一致的质量，生产商可以始终向消费者保证其品牌承诺。 然而，最大的优点是质量控制可以在整个生产过程中实现自动化。 这减少了与质量保证相关的劳动力成本，降低了错误率，并消除了检查标准中的主观性。 最后，该技术可以检测出人眼看不见的错误。
该解决方案的质量不仅给客户留下了深刻的印象：在 2022 年 Meat Attraction 贸易博览会上，Thermoseal Inspector 甚至荣获肉类行业辅助行业最具创新技术奖。
