Smartkamera mit Deep Learning löst einfache und komplexe Anwendungen zur Qualitätskontrolle im Handumdrehen

Verpackungsprodukte benötigen zunehmend ihre eigenen Inspektionssysteme, um die Qualität zu prüfen, falschen Ausschuss zu verhindern, den Durchsatz zu erhöhen und das Risiko von Rückrufen zu verhindern. Zu den grundlegenden Bildverarbeitung-Anwendungen an einer Verpackungslinie zählt die Überprüfung, ob ein Etikett auf einer Packung vorhanden, richtig, gerade und lesbar ist. Andere einfache Verpackungsprüfungen umfassen das Vorhandensein, die Position, die Qualität (keine Flecken, Risse oder Blasen) und die Lesbarkeit (Barcode und Datum- und Chargencodes vorhanden und scanbar) auf einem Etikett.

Deep Learning erkennt eine große Bandbreite an Fehlern souverän

Jedoch können Verpackungen wie Flaschen, Dosen, Kisten und Kartons mit traditioneller Bildverarbeitung nicht immer akkurat und in der erforderlichen Geschwindigkeit geprüft werden. Für Anwendungen, die sich der Automatisierung widersetzen, jedoch hohe Ansprüche an Qualität und Durchsatz haben, hat die Deep-Learning-Technologie als effizientes Tool in der Verpackungsindustrie etabliert. Sie kommt mit allen Oberflächen zurecht, wie Papier, Glas, Kunststoff und Keramik, sowie deren Etiketten.

Mit einem Deep-Learning-basierten Ansatz ist es möglich, schwierige Oberflächen, beispielsweise von Metallverpackungen, präzise und wiederholbar zu prüfen. Anstatt eine Prüfung eigens zu programmieren, lernt der Deep-Learning-Algorithmus selbst anhand einer Auswahl an bekannten fehlerfreien Mustern, um seine Referenzmodelle zu erstellen. Nach Abschluss dieser Einlernphase ist die Prüfanwendung einsatzbereit und kann alle fehlerhaften Bereiche auf der Verpackung, die vom normalen akzeptablen Erscheinungsbild abweichen, identifizieren und melden.

In-Sight 2800 macht Bildverarbeitung einfach

Das kürzlich vorgestellte Bildverarbeitungssystem In-Sight 2800 ist eine einfach zu implementierende Lösung für zahlreiche Einsatzfälle in der Verpackungsprüfung. Das System kombiniert innovative Deep-Learning-Technologien mit traditionellen regelbasierten Bildverarbeitungswerkzeugen und deckt auf diese Weise von der einfachen An-/Abwesenheitserkennung von Prüfobjekten bis hin zu komplexen Kategorisierungs- und Sortierproblemen eine große Bandbreite von Inspektionsanwendungen ab.

In-Sight 2800 eignet sich für Anwendungen in zahlreichen Bereichen der Verpackungsprüfung. Eine typische Aufgabe ist beispielsweise die Kontrolle, ob die Verschlüsse von Flaschen oder Gläsern korrekt verschlossen sind. Bei der Herstellung von Medikamenten können In-Sight 2800-Systeme sicherstellen, dass nur korrekt befüllte Blisterverpackungen in den Handel gelangen. Weiteres Beispiel ist die Identifizierung defekter oder falsch platzierter Labels, die Klassifizierung verschiedener Produktsorten anhand ihrer Verpackungen oder die Erkennung auf Vorhandensein/ Fehlen bestimmter Merkmale - die Liste der möglichen Einsatzbeispiele ist endlos lang.

Diese Vielfalt wird unter anderem ermöglicht durch die modularen Hardwareoptionen inklusive mehrfarbiger Beleuchtung sowie unterschiedlicher Objektive und Filtereinsätze. Sie gibt Anwendern eine hohe Flexibilität an die Hand, um ihr Bildverarbeitungssystem bei Bedarf schnell für neue Verpackungen, höhere Liniengeschwindigkeiten oder Qualitätsstandards vorzubereiten und auf diese Weise mit sich ändernden Anforderungen Schritt zu halten.

Benutzerfreundliche Software aus zwei Welten

Neben diesen Stärken auf der Hardware-Seite weisen die In-Sight 2800-Systeme auch in Punkto Software einige Besonderheiten auf. So nutzt In-Sight 2800 die innovativen ViDi EL-Werkzeuge aus der In-Sight Vision Suite von Cognex, die auf Basis ihrer integrierten Deep-Learning-Fähigkeiten auch die Lösung schwieriger Aufgabenstellungen innerhalb kürzester Zeit ermöglichen.

Diese Deep-Learning-Technologie, welche Bilder sozusagen an der „Edge“ verarbeitet, kombiniert die Vorzüge zweier Welten: Sie bettet traditionelle, regelbasierte Machine Vision-Tools in vortrainierte Deep Learning-Algorithmen ein, um ein integriertes, für die industrielle Automatisierung optimiertes Toolset zu schaffen. Ein besonderer Vorzug dieser Technologie besteht darin, dass sie kein spezielles Wissen in den Bereichen Bildverarbeitung oder Deep Learning erfordert.

Durch die intuitive Anwendungsentwicklung mit der EasyBuilder Point-and-Click-Programmierung gelingt selbst Anwendern mit wenig Erfahrung in der Bildverarbeitung vom Konzeptnachweis bis zum realen Einsatz eine schnelle Umsetzung zuverlässiger Bildverarbeitungssysteme.