MERLIC 5 如何简化食品行业的质量控制
食品 | 包装和物流 | 分类 | Deep Learning项目挑战
客户使用不同类型的谷物（例如全麦和白面），以全自动方式生产吐司面包。吐司的包装包括不同变体，例如透明或是不同颜色，大小也各有不同。印记可能会在短时间内发生变化，使得包装工艺愈发复杂。
吐司包装打包有误会导致生产过程中断。员工进行的零散控制检查不足以在早期有效地发现包装错误。例如，包装错误的产品在后续加工过程中无法被机械臂抓取。这会导致不受控制的意外生产停止。
可能发生的错误有：
锁定夹损坏或缺失
吐司卡在锁定夹中
包装缺失或损坏
包装未正确对齐
设计理念
为了提高工艺稳定性，将采用工业图像处理技术对生产进行改进，实现自动化。产品会区分为“不良品”和“良品”。“良品”是指所有没有缺陷，被客户归类为“可购买”的吐司包装。
系统还应能在不调整算法的前提下，适用不同的产品尺寸、包装和吐司类型。“不良品”最终应通过一套单独的气动系统排出。
解决方案
机器视觉自动质量检测是由以下组件组成：
嵌入式工业计算机：Matrox 4Sight EV6
相机：Basler ace2 (GigE)
通信：数字 IO
机器视觉软件：MERLIC 5
通过硬件触发器，由两台相机分别从吐司包装顶部和横向拍摄图像。利用 MERLIC 5 集成的图像源管理器，可以轻松方便地管理和配置这两个图像源。
然后，在MVTec 深度学习工具中读取、标记、训练并评估捕获的图像。
接着，MERLIC 中的“图像分类”工具会评估吐司包装的质量，根据需要将其剔除。不仅会区分“不良品”和“良品”，还会根据上述缺陷确定具体的缺陷类别。这样就可以详细显示所发生错误的类型和频率。
这一分类过程使用MERLIC 5 中的全新深度学习功能执行。借助 MERLIC 5 的灵活性，该公司得以通过自行开发的通信插件实现 IO 映射。此外，MERLIC 的前端可以快速清晰地向用户展示吐司包装的可视化形象，并通过热图突出显示相关图像区域。
