Deep Learning erkennt Defekte in der Lebensmittelbranche
Nahrungsmittel | Deep Learning | OCR & OCVDer Automatisierungsspezialist INNDEO hat eine ausgeklügelte Automatisierungslösung für die Qualitätskontrolle in der Verpackungsbranche entwickelt. Dank Machine Vision und Deep-Learning-Technologien sind auch hohe Geschwindigkeiten und Erkennungsraten von Defekten kein Problem mehr.
Das spanische Unternehmen INNDEO hat sich auf die Automatisierung von Qualitätsprüfungen spezialisiert und bietet mit seiner Marke INSPECTRA hochwertige Bildverarbeitungslösungen für die Lebensmittelindustrie an. Um Verpackungen verlässlich zu inspizieren und Etiketten zu lesen, hat INNDEO die Inspektionslösung Thermoseal & Label Inspector entwickelt. Das Gerät vereint verschiedenste anspruchsvolle Technologien wie Hochgeschwindigkeits- und Verarbeitungserfassung, hyperspektraler Bildverarbeitung, Deep Learning und leistungsstarker RGB-Vision.
Vollständig automatisierte Inspektion für die Verpackungsindustrie
Die Vorteile einer vollständig automatisierten Lösung auf Basis von Machine Vision sind höhere Erkennungsraten von defekten Verpackungen, Kostenersparnis sowie umfassend digitalisierte Produktionsprozesse, die überwacht und verbessert werden können. Da in der Praxis Prüfprozesse oft noch manuell durchgeführt werden und somit fehlerhafte Produkte den Endkunden erreichen, muss das Ziel einer automatisierten Lösung sein, alle erdenklichen Defekte an Verpackungen zuverlässig zu erkennen. Durch eine 100-prozentige Automatisierung der Qualitätskontrolle sinken zum einen die Kosten und zum anderen werden objektive Kriterien bei der Sortierung der zu prüfenden Objekte eingeführt. Außerdem können die Qualitäts- und Produktionsdaten durchgängig digitalisiert und die entsprechenden Indikatoren in Echtzeit angezeigt werden.
Zwar gibt es Lösungen für Inspektionen durch maschinelles Sehen, diese erweisen sich aber häufig nicht als robust genug, haben zu geringe Erkennungsraten oder lassen sich nur schwer an Änderungen in den Produktionslinien anpassen. INNDEO setzt mit seiner Machine-Vision-Lösung an genau diesen Schwachstellen an. So sollten Qualitätsmängel bei Lebensmittelverpackungen mit einer hohen Produktionsrate von bis zu zwei Packungen pro Sekunde identifiziert werden, um eine Inline-Ausmusterung bei Verarbeitungszeiten von nur wenigen Millisekunden pro Bild zu ermöglichen. Daher war es unerlässlich, die Anwendung mittels Machine Vision durchgängig zu automatisieren.
Software MVTec HALCON mit Deep-Learning-Technologien für die Fehlererkennung
Beim Setup des Thermoseal & Label Inspectors nehmen Kameras an verschiedenen Stellen innerhalb der Produktionsumgebung Bilder der zu prüfenden Objekte auf. Die Bilder werden von der integrierten Bildverarbeitungssoftware MVTec HALCON verarbeitet. Anhand verschiedener Parameter ermittelt HALCON den relevanten Prüfbereich (Region of Interest / ROI) des Bildes. Dazu verwendet INNDEO hochauflösende RGB-Vision-Technologie, um einfache Fehler auf versiegelten Flächen zu finden, wie beispielsweise Schinkenstücke, deren Farbe in einer transparenten Schale leicht zu erkennen ist. Darüber hinaus setzt das Unternehmen hyperspektrale Bildverarbeitungstechnologie zur Erkennung komplexerer Fehler ein, um z. B. Fehler in undurchsichtigen oder bedruckten Schalen zu erkennen.
Deep Learning wird ebenfalls zur Erkennung bestimmter Fehler eingesetzt und ist in der Lage, Bilder mit einer höheren Erkennungsgeschwindigkeit und -effizienz zu interpretieren, als es das menschliche Auge könnte. Das System ist in der Lage, im Rahmen einer Trainingsphase zu lernen, ohne dass eine zusätzliche Programmierung durch den Benutzer erforderlich ist. Diese Technologie ermöglicht die Erkennung von Falten in Siegelfolien, von Fehlern in der Zusammensetzung des Produkts in der Schale und von Qualitätsmängeln, die von Standardalgorithmen der industriellen Bildverarbeitung nicht erkannt werden können.
Ein weiteres Anwendungsszenario von Machine Vision ist die Inspektion der Etikettierung und die Prüfung, ob sich Falten unterhalb des Etiketts gebildet haben. Um das Etikett zu erkennen, sucht ein entsprechendes konfigurierbares Werkzeug nach einem bestimmten Muster. Sobald dieses lokalisiert ist, erfolgen die Prüfprozesse. Dabei nutzt die Applikation die in HALCON integrierten Technologien der optischen Zeichenerkennung wie OCR (Optical Character Recognition) oder Deep OCR, welche Texterkennungsfunktionen mit intelligenten Deep-Learning-Algorithmen kombinieren. Zur Erkennung von Anomalien der aufgebrachten Etikettierung kommen ebenfalls Deep-Learning-Technologien sowie ein Musterabgleich von Farbtönen zum Einsatz.
Software bietet Flexibilität in der Schnittstellenintegration
Für den Endkunden ist es wichtig, dass sich die Inspektionslösung technisch nahtlos in die vorhandene Prozessumgebung integrieren lässt. Dadurch kann der Nutzer beispielsweise die Steuerung der Inspektionsanlage in seiner bekannten Umgebung durchführen. Die Schnittstellenintegration erwies sich dabei als eine der größten Herausforderungen bei der Umsetzung, da sich die verschiedenen Inspektionsparameter von einer anderen Systemsteuerung aus konfigurieren lassen und alle Bilder der verschiedenen Kameras in sehr kurzer Zeit analysiert werden müssen. Somit bleibt auch der Bildverarbeitungssoftware nur eine sehr kurze Zeitspanne, um zu entscheiden, ob eine Verpackung fehlerhaft ist und ausgesondert werden muss. Erleichtert wurde die Integration der Lösung durch die Möglichkeiten von MVTec HALCON. „Die Software bietet diverse Schnittstellen für viele Arten von Industriekameras und die Möglichkeit, Skripte mittels der HDevEngine innerhalb einer realen Anwendung auszuführen und zu debuggen. Als weitere Stärken der MVTec-Produkte sehen wir die große Vielfalt an Bildverarbeitungsalgorithmen, die komfortable Programmierung sowie die nahtlose Integration in unsere Software“, bestätigt Emilio de la Red Bellvis, Chief Innovation Officer bei INNDEO.
Hardware-seitig umfasst das Anwendungs-Setup verschiedene Komponenten, wie etwa mehrere Industrie-PCs. Diese empfangen die Bilder von den einzelnen Kameras und kommunizieren mit Speicherprogrammierbaren Steuerungen (SPS). Dabei sah sich INNDEO mit einer weiteren Herausforderung konfrontiert. Denn angesichts des Mangels an elektronischen Bauteilen musste eine flexible Programmierung entwickelt werden. Mit dieser können verschiedene Kameratypen, Verarbeitungsarchitekturen und Grafikprozessoren berücksichtigt werden, sodass die Hardware je nach Verfügbarkeit variieren kann.
Lösung für Qualitätskontrolle erhält Auszeichnung
Im Ergebnis hat INSPECTRA mit seiner Inspektionslösung Thermoseal Inspector und der integrierten Bildverarbeitungssoftware HALCON die Projektziele zu 100 Prozent erreicht. So werden die Qualitätsmängel sowohl an der Verpackung als auch am Produkt selbst vermieden. Daher entfallen Kosten für die Vernichtung, den Ersatz und den Transport von fehlerhaften Produkten. Zudem können Produzenten aufgrund der zuverlässigen und gleichbleibenden Qualität ihr Markenversprechen gegenüber den Verbrauchern jederzeit gewährleisten. Der größte Vorteil besteht jedoch darin, dass sich die Qualitätskontrolle entlang des gesamten Produktionsprozesses durchgängig automatisieren lässt. Dies reduziert die für die Qualitätssicherung anfallenden Arbeitskosten, verringert die Fehlerquote und beseitigt die Subjektivität bei den Prüfkriterien. Und nicht zuletzt lassen sich mit der Technologie Fehler entdecken, die dem menschlichen Auge verborgen blieben.
Die Qualität der Lösung begeistert nicht nur Kunden: Auf der Messe Meat Attraction 2022 erhielt der Thermoseal Inspector sogar eine Auszeichnung als innovativste Technologie für die Nebenbranchen der Fleischindustrie.
Melden Sie sich an, um über Trends in der industriellen Bildverarbeitung, Success Stories sowie Tipps und Tricks auf dem Laufenden zu bleiben.
Machine Vision für jeden Geschmack
Das niederländische Unternehmen Kobobss sorgt mit einer modularen Lösung dafür, dass die Qualität von Verpackungen in der Lebensmittelbranche sichergestellt ist. Teil der Lösung ist die Bildverarbeitungssoftware HALCON der MVTec Software GmbH. Damit steigert das Unternehmen die Effizienz des Verpackungsmanagements und senkt die Zahl von Rückrufen deutlich.