Teknologi Pemeriksaan Visual Pengekodan Bawah Boleh: Prinsip, Aplikasi dan Trend Masa Depan

Dengan kelajuan pemeriksaan 72,000 tin sejam dan ketepatan lebih 99.9%, bagaimanakah teknologi pemeriksaan visual dapat melindungi kualiti dan keselamatan minuman?

Dalam industri makanan dan minuman yang berkembang pesat hari ini, tin, sebagai format pembungkusan arus perdana, amat penting untuk kawalan kualiti produk. Pengekodan bawah boleh, sebagai pembawa maklumat produk, adalah cara penting untuk menjejaki maklumat penting seperti tarikh pengeluaran dan nombor kelompok. Walau bagaimanapun, kecacatan dalam proses pengekodan boleh menyebabkan kerugian besar kepada syarikat.

Kaedah pemeriksaan manual tradisional tidak lagi dapat memenuhi permintaan barisan pengeluaran berkelajuan tinggi moden, dan sistem pemeriksaan automatik berdasarkan penglihatan mesin menjadi teknologi utama untuk menangani isu ini.

1. Cabaran Kualiti Can Bottom Coding

Dalam proses pengeluaran minuman tin, kualiti pengekodan dipengaruhi oleh pelbagai faktor. Pelarasan yang tidak betul atau salah penjajaran peniup air di hadapan pencetak boleh mengakibatkan penyingkiran titisan air yang tidak lengkap dari bahagian bawah tin, mengakibatkan kod kabur atau hilang.

Dakwat tersumbat dalam muncung pencetak juga boleh menyebabkan kemalangan pengeluaran seperti kod terlepas atau hilang. Selain itu, salah penjajaran penderia pencetus atau kepala cetak pencetak boleh menyebabkan masalah seperti aksara hilang, kod hilang atau kod yang tidak diletakkan dengan betul.

Kecacatan pengekodan ini bukan sahaja menjejaskan kebolehkesanan produk tetapi juga boleh membawa kepada aduan pengguna dan memberi kesan negatif kepada nilai jenama syarikat. Statistik menunjukkan bahawa, secara purata, setiap barisan pengeluaran perlu mengkuarantin kira-kira 8,000 kes wain setiap tahun disebabkan oleh kecacatan pengekodan, memerlukan kira-kira 1,600 jam pemprosesan semula manual dan mengakibatkan hampir 200,000 yuan dalam kos buruh dan bahan habis pakai.

2 .Komposisi dan Prinsip Sistem Pemeriksaan Penglihatan Mesin

Sistem pemeriksaan visual pengekodan bawah tin yang lengkap terutamanya terdiri daripada sumber cahaya dan sistem pemprosesan penglihatan, kawalan elektrik dan sistem antara muka manusia-mesin, dan peranti penolakan yang rosak.

Apabila tin melalui sistem pengimejan, suis kedekatan logam mencetuskan strob sumber cahaya dan kamera pintar industri untuk menangkap imej berkelajuan tinggi bahagian bawah tin. Selepas kamera pintar menganalisis dan memproses imej, sistem kawalan elektrik melaksanakan keputusan pemeriksaan, membolehkan pengisihan automatik produk yang rosak.

Sistem Sumber Cahaya

Disebabkan oleh struktur cekung bahagian bawah tin aluminium dan sifat pemantulan permukaan logam, sistem pemeriksaan biasanya menggunakan sumber cahaya penyepaduan sfera. Permukaan dalam hemisfera sumber cahaya ini, dengan kesan penyepaduannya, memantulkan cahaya yang dipancarkan dari bawah 360 darjah secara sekata, memastikan pencahayaan seragam merentas keseluruhan imej dan meningkatkan kestabilan pemerolehan imej dengan ketara.

Sistem Pemerolehan Imej

Untuk menangkap imej jelas tin bergerak berkelajuan tinggi, sistem memerlukan kamera pintar industri berprestasi tinggi. Kamera pintar seperti Cognex In-Sight Micro1400, walaupun padat (hanya 30mm x 30mm x 60mm), boleh memenuhi keperluan pemeriksaan barisan pengeluaran berkelajuan tertinggi, mencapai kelajuan pemeriksaan melebihi 1,350 keping seminit.

Sistem Pemprosesan dan Perlaksanaan

Sistem ini menggunakan komputer industri dan PLC (seperti Siemens S7-200) sebagai sistem kawalan terasnya, dengan mengambil kira faktor seperti kelajuan, kestabilan dan keberkesanan kos. Komponen ini bertanggungjawab untuk melaksanakan algoritma pemprosesan imej dan mengeluarkan isyarat pengisihan akhir.

3 .Evolusi Algoritma Pengecaman Aksara Pencetakan Inkjet

Dengan kemajuan teknologi, algoritma untuk mengenali ciri cetakan inkjet pada bahagian bawah tin telah mengalami evolusi yang ketara daripada pemprosesan imej tradisional kepada pembelajaran mendalam. Teknologi OCR Tradisional

Sistem awal sering menggunakan teknologi pembacaan dan pengesahan aksara OCR yang dibangunkan menggunakan bahasa skrip hamparan. Kaedah ini memanfaatkan algoritma penglihatan mesin matang yang dibenamkan dalam kamera pintar untuk melaksanakan fungsi seperti pengesanan kehadiran, pemeriksaan kecacatan permukaan dan pengukuran dimensi, membolehkan penggunaan pantas tanpa pengaturcaraan pengguna yang kompleks.

Aplikasi Rangkaian Neural Convolutional

Dalam beberapa tahun kebelakangan ini, kaedah pengecaman aksara berdasarkan rangkaian saraf konvolusi (CNN) telah menunjukkan kelebihan yang ketara. Kaedah ini membahagikan dan mengelaskan aksara dalam imej luar talian untuk membina perpustakaan aksara, kemudian melatih mereka menggunakan kaedah pembelajaran CNN yang dipertingkatkan untuk membentuk pengelas yang stabil.

Dalam pemeriksaan dalam talian, imej ditangkap dalam masa nyata, dan aksara dibahagikan dan kemudian dikelaskan menggunakan pengelas. Ini meningkatkan ketepatan pengesanan dengan ketara sambil memastikan prestasi masa nyata.

Teknologi Segmentasi Watak Dot Matrix

Penyelidik telah membangunkan algoritma pembahagian aksara khusus yang disesuaikan dengan ciri-ciri watak pencetak inkjet dot matriks. Algoritma ini menggunakan kaedah MSER (Wilayah Ekstrem Paling Stabil) untuk penyetempatan awal kawasan aksara dan kaedah domain bersambung untuk penyetempatan yang lebih halus, dengan berkesan menangani cabaran pembahagian unjuran aksara dot matriks. 

4. Penerobosan dan Inovasi Teknologi Utama dalam Sistem

Sistem pemeriksaan pengekodan bawah tin telah mencapai banyak penemuan teknologi, membolehkannya memenuhi keperluan tapak industri yang menuntut.

Teknologi Kedudukan Watak

Untuk menangani masalah tin mudah diputar semasa proses pengekodan, sistem pemeriksaan moden menggunakan kaedah MSER dan kawasan morfologi untuk mengesan kawasan aksara, menghapuskan gangguan daripada skala aksara dan transformasi putaran. Sudut putaran kawasan aksara dikira menggunakan segi empat tepat tertutup minimum, dan kawasan aksara condong dibetulkan kepada orientasi mendatar menggunakan penjelmaan afin dan interpolasi linear.

Gabungan Pembelajaran Mendalam dan Algoritma Tradisional

Sistem ini secara inovatif menggabungkan rangkaian saraf konvolusi dengan teknik pemprosesan imej tradisional. CNN melakukan pengekstrakan ciri dan pengecaman corak, digabungkan dengan pengesanan tepi dan teknik pemprosesan morfologi, untuk mencapai pengecaman kod ketepatan tinggi dan pengesanan kecacatan. Pendekatan gabungan ini bukan sahaja meningkatkan ketepatan pengecaman tetapi juga mengurangkan positif palsu dan pengesanan terlepas dengan ketara.

Sistem Pembelajaran Pintar

Sistem pemeriksaan generasi baharu juga dilengkapi dengan fungsi pembelajaran pintar yang terus mengoptimumkan model pemeriksaan berdasarkan data pemeriksaan sejarah, secara automatik mengenal pasti corak pengekodan dan jenis kecacatan baharu, dan mengemas kini peraturan pemeriksaan, meningkatkan kebolehsuaian dan kebolehskalaan sistem dengan ketara. 

5. Kes Aplikasi Industri dan Analisis Faedah

Aplikasi industri sebenar telah menunjukkan bahawa sistem pemeriksaan penglihatan mesin telah mencapai keputusan yang ketara dalam pemeriksaan pengekodan bawah tin.

Jinan Maotong Inspection Equipment Co., Ltd. telah mencapai automasi dan pemeriksaan pengekodan pintar melalui peralatan pemeriksaan pengekodan bawah tin yang dibangunkan secara bebas. Sistem ini telah mengurangkan kadar kecacatan pengekodan sebanyak 99%, membantu pelanggan menjimatkan kira-kira 220,000 yuan setiap barisan pengeluaran setiap tahun, mengurangkan jam pemeriksaan manual sebanyak 1,600 jam setahun, dan meningkatkan kecekapan pengeluaran dengan ketara.

Dari segi penunjuk teknikal, sistem pemeriksaan visual moden boleh mencapai kadar ketepatan pengecaman melebihi 99.9%, kelajuan pemeriksaan melebihi 1,350 keping seminit, dan kestabilan peralatan dijamin beroperasi secara berterusan selama lebih daripada dua minggu. Berbanding dengan peralatan yang diimport, kos peralatan yang dibangunkan secara bebas jauh lebih rendah, iaitu hanya 10% daripada peralatan yang diimport dan kurang daripada 50% daripada peralatan yang dikeluarkan dalam negara.

6 .Trend Pembangunan Masa Depan

Dengan pembangunan berterusan kecerdasan buatan dan Internet of Things, teknologi pemeriksaan visual untuk pengekodan bawah tin akan menjadi lebih pintar dan cekap.

Penyepaduan selanjutnya algoritma pembelajaran mendalam akan meningkatkan keupayaan sistem untuk mengenal pasti kecacatan yang kompleks. Pada masa yang sama, aplikasi teknologi 5G akan membolehkan penghantaran jauh masa nyata dan analisis data pemeriksaan, memberikan maklum balas kualiti yang lebih tepat pada masanya untuk barisan pengeluaran.

Tambahan pula, model kerja kolaboratif pengkomputeran tepi dan pengkomputeran awan akan mengimbangi keupayaan pemprosesan masa nyata sistem dengan keperluan analisis data besar. Dengan pempopularan konsep reka bentuk modular, sistem masa hadapan akan menjadi lebih fleksibel dan dapat menyesuaikan dengan cepat kepada keperluan pemeriksaan barisan pengeluaran dan jenis produk yang berbeza.

Memandang ke hadapan, apabila tahap automasi dalam industri makanan dan minuman terus meningkat, teknologi pemeriksaan visual untuk pengekodan bawah tin akan dipromosikan dan digunakan dalam lebih banyak barisan pengeluaran. Ini bukan sahaja akan meningkatkan kawalan kualiti produk dengan berkesan tetapi juga memberikan pengalaman berharga untuk peningkatan pintar seluruh industri pembuatan.

Pembangunan dan penambahbaikan teknologi ini akan memberi impak positif dan meluas dalam memecahkan monopoli peralatan asing dan meningkatkan daya saing industri pembuatan negara saya.