Teknologi Pemeriksaan Visual Kecacatan Botol Kaca: Prinsip, Aplikasi dan Trend Pembangunan

1. Pengenalan: Kepentingan Pengesanan Kecacatan Botol Kaca

Botol kaca, sebagai bekas pembungkusan tradisional, digunakan secara meluas dalam industri makanan, minuman, farmaseutikal dan kosmetik kerana pengedapnya yang sangat baik, kestabilan kimia dan kebolehkitar semula. Walau bagaimanapun, semasa proses pembuatan, pengangkutan dan pemprosesan semula, pelbagai kecacatan, seperti retak, buih dan ketebalan yang tidak sekata, tidak dapat dielakkan. Kecacatan ini bukan sahaja menjejaskan penampilan tetapi juga boleh membawa kepada bahaya keselamatan seperti letupan botol, membahayakan keselamatan pengguna dan menyebabkan kerugian ekonomi yang ketara dan risiko jenama bagi pengeluar. Oleh itu, pengesanan kecacatan yang cekap dan tepat bagi botol kaca adalah langkah penting dan kritikal dalam proses pengeluaran.

Pengesanan kecacatan botol kaca tradisional bergantung terutamanya pada pemeriksaan visual manual, kaedah yang mengalami kecekapan rendah, intensiti buruh yang tinggi, subjektiviti tinggi dan keletihan. Terutamanya pada barisan pengeluaran berkelajuan tinggi, pemeriksaan manual tidak lagi dapat memenuhi tuntutan dwi kualiti dan kecekapan dalam industri moden. Dengan perkembangan teknologi penglihatan mesin, sistem pengesanan kecacatan botol kaca berasaskan penglihatan komputer telah muncul. Dengan mensimulasikan fungsi visual manusia dan menggabungkan teknologi optik, elektronik, pemprosesan imej dan komputer, sistem ini membolehkan pengesanan kecacatan botol kaca secara automatik, berketepatan tinggi dan cekap, meningkatkan tahap automasi barisan pengeluaran dan kestabilan kualiti produk dengan ketara.

2 Jenis dan Punca Kecacatan Botol Kaca

2.1 Jenis Kecacatan Biasa dan Klasifikasi

Kecacatan botol kaca boleh dikategorikan dalam pelbagai cara berdasarkan lokasi dan sifatnya. Dari segi lokasi, kecacatan terutamanya berlaku di mulut botol, badan, dan bahagian bawah. Kecacatan boleh dikategorikan kepada kecacatan besar dan kecil berdasarkan keterukan mereka. Berikut adalah jenis kecacatan biasa dan ciri-cirinya dalam botol kaca:

Jadual: Jenis Kecacatan dan Ciri Biasa dalam Botol Kaca

2.2 Analisis Punca Kecacatan

Kecacatan botol kaca terutamanya disebabkan oleh pelbagai faktor semasa proses pengeluaran. Suhu gob yang tidak sekata boleh menyebabkan pengagihan kaca tidak sekata. Kawasan suhu tinggi mempunyai kelikatan yang rendah dan terdedah kepada penipisan, manakala kawasan suhu rendah mempunyai rintangan yang lebih besar dan lebih tebal, mengakibatkan ketebalan tidak sekata. Suhu acuan yang terlalu rendah boleh menyebabkan bintik sejuk pada permukaan kaca, kecacatan yang sering berlaku pada permulaan pengeluaran atau semasa pengeluaran terhenti. Tambahan pula, operasi yang tidak betul (seperti mengangkat teras atas terlalu lewat) boleh menyebabkan kaca terhimpit atau diterbangkan, mengakibatkan tonjolan. Acuan yang rosak atau pencemaran pada permukaan sendi boleh menyebabkan kecacatan seperti kilat pada garisan sambungan.

Memahami jenis dan punca kecacatan ini adalah penting untuk pemeriksaan visual yang berkesan dan menyediakan asas teori untuk mereka bentuk algoritma pengesanan disasarkan dan konfigurasi sistem. Jenis kecacatan yang berbeza memerlukan konfigurasi optik yang berbeza dan strategi pemprosesan imej, yang merupakan salah satu cabaran teras dalam mereka bentuk sistem pemeriksaan visual botol kaca.

3 Prinsip Teknikal Sistem Pemeriksaan Visual

Sistem pemeriksaan visual botol kaca adalah berdasarkan teknologi penglihatan mesin, mensimulasikan keupayaan pengesanan mata manusia untuk mencapai pemeriksaan produk automatik. Sistem menangkap imej objek sasaran menggunakan penderia imej dan menukarnya kepada isyarat digital. Isyarat ini kemudiannya dianalisis menggunakan algoritma pemprosesan imej khusus untuk mengenal pasti dan mengelaskan kecacatan akhirnya. Sistem ini menyepadukan teknologi canggih daripada pelbagai bidang, termasuk optik, elektronik, pemprosesan imej, automasi mekanikal dan kawalan komputer.

3.1 Komponen Sistem Pemeriksaan Visual

Sistem pemeriksaan visual botol kaca yang lengkap biasanya merangkumi lima komponen teras berikut:

Sistem Pencahayaan: Pencahayaan ialah faktor utama yang mempengaruhi kualiti input sistem penglihatan mesin, secara langsung memberi kesan kepada kualiti data imej dan keberkesanan pemprosesan. Skim pencahayaan yang sesuai boleh menghasilkan imej kontras tinggi, dengan jelas membezakan ciri sasaran dari latar belakang. Kaedah pencahayaan biasa termasuk lampu latar, lampu hadapan, cahaya berstruktur dan pencahayaan stroboskopik. Pencahayaan latar dengan jelas menyerlahkan garis besar objek, manakala lampu hadapan memudahkan pemasangan dan pentauliahan.

Kanta Industri: Sebagai pintu masuk untuk pemerolehan imej, kualiti kanta secara langsung menentukan kejelasan imej. Pemilihan kanta memerlukan pertimbangan berbilang parameter, termasuk panjang fokus, ketinggian sasaran, ketinggian imej, pembesaran dan jarak imej ke sasaran. Lekapan lensa berbeza-beza, termasuk C-mount, CS-mount dan F-mount. Pilih pelekap yang serasi berdasarkan jenis kamera.

Kamera Industri: Berfungsi sebagai "mata" sistem, kamera menangkap imej permukaan botol kaca. Bergantung pada keperluan aplikasi, anda boleh memilih CCD imbasan garis atau kamera CCD tatasusunan kawasan, atau kamera monokrom atau warna. Resolusi kamera secara langsung mempengaruhi ketepatan pemeriksaan. Secara umumnya, lebih tinggi resolusi, lebih kecil saiz kecacatan yang boleh dikesan.

Kad pemerolehan bingkai: Komponen ini menukar isyarat analog yang ditangkap oleh kamera kepada isyarat digital dan menghantarnya ke komputer untuk diproses. Walaupun sesetengah kamera moden secara langsung mengeluarkan isyarat digital, kad pemerolehan bingkai masih memainkan peranan penting sebagai jambatan dalam sistem.

Pemproses penglihatan: Sebagai otak sistem, pemproses penglihatan menjalankan algoritma pemprosesan imej khusus untuk menganalisis dan memproses imej digital, mengekstrak maklumat ciri dan menentukan kecacatan berdasarkan kriteria pratetap. Dengan kemajuan kuasa pengkomputeran, pemproses penglihatan moden boleh melaksanakan algoritma pintar yang semakin kompleks.

3.2 Bagaimana Pemeriksaan Visual Berfungsi

Pemeriksaan visual botol kaca berfungsi melalui proses berbilang langkah yang tepat: Apabila botol kaca bergerak pada tali pinggang penghantar ke kawasan pemeriksaan, penderia mengesan kehadirannya dan mencetuskan sistem pemerolehan imej. Sistem pencahayaan menyediakan keadaan pencahayaan yang stabil, dan kamera industri menangkap imej botol kaca pada masa yang sesuai, menukar isyarat optik kepada isyarat elektrik. Imej yang ditangkap terlebih dahulu menjalani prapemprosesan, termasuk penyingkiran hingar dan peningkatan, untuk meningkatkan kualiti imej. Seterusnya, algoritma pemprosesan imej mengekstrak ciri produk seperti garis besar, saiz, bentuk dan variasi warna. Sistem kemudian membandingkan ciri ini dengan piawaian yang telah ditetapkan untuk mengenal pasti kecacatan, mengesannya dan mengklasifikasikannya.

Akhir sekali, sistem melakukan tindakan kawalan yang sepadan berdasarkan pertimbangan: jika botol lulus, ia dibenarkan untuk meneruskan ke peringkat pengeluaran seterusnya; jika kecacatan dikesan, penggerak (seperti lengan robot) mengeluarkan botol yang rosak daripada barisan pengeluaran. Sistem ini juga merekod dan menyimpan data pemeriksaan untuk kebolehkesanan kualiti dan analisis pengeluaran.

4 Proses Teknikal Utama Pemeriksaan Visual

4.1 Pemerolehan Imej dan Prapemprosesan

Pemerolehan imej adalah langkah pertama dalam pemeriksaan visual dan asas keseluruhan sistem. Pemerolehan imej berkualiti tinggi dengan ketara meningkatkan ketepatan pengesanan kecacatan. Dalam pemeriksaan visual botol kaca, kamera industri resolusi tinggi (seperti kamera CCD atau CMOS) biasanya digunakan untuk menangkap imej botol dari pelbagai sudut. Contohnya, dalam sistem pemeriksaan lanjutan, berbilang kamera (seperti lapan kamera penglihatan industri) digunakan di sekeliling botol kaca untuk mencapai pemeriksaan 360 darjah tanpa bintik buta, menangkap kecacatan pada setiap permukaan dengan tepat, termasuk mulut botol, badan dan bahagian bawah.

Imej mentah yang ditangkap selalunya mengandungi hingar dan gangguan, jadi prapemprosesan diperlukan untuk meningkatkan kualiti imej. Prapemprosesan terutamanya melibatkan dua langkah: denoising dan peningkatan imej. Denoising menggunakan algoritma untuk menghapuskan hingar rawak dalam imej dan meningkatkan nisbah isyarat kepada hingar. Kaedah denoising lanjutan menggunakan teknik seperti pengekstrakan ciri multivariate, penulenan dan peningkatan ciri, dan gabungan ciri untuk menghilangkan hingar sambil mengekalkan butiran imej. Peningkatan imej melaraskan parameter imej seperti skala kelabu dan kontras untuk meningkatkan fokus ciri sasaran. Contohnya, dengan mengira perbezaan skala kelabu antara piksel bersebelahan dan menggunakan pekali pemberat, maklumat tepi dan tekstur boleh dipertingkatkan.

4.2 Algoritma Pengesanan dan Pengenalpastian Kecacatan

Pengesanan kecacatan ialah komponen teras sistem pemeriksaan visual dan bergantung pada algoritma pemprosesan imej lanjutan. Algoritma pengesanan yang berbeza diperlukan untuk lokasi botol kaca yang berbeza dan jenis kecacatan:

Pemeriksaan mulut botol: Mulut botol ialah salah satu kawasan paling kritikal bagi botol kaca, secara langsung memberi kesan kepada prestasi pengedapnya. Untuk pemeriksaan mulut botol, penyelidik telah mencadangkan beberapa algoritma khusus, seperti algoritma penyetempatan mulut botol yang menggunakan pengesanan bulatan rawak berbilang dan penilaian kesesuaian bulatan. Kaedah ini menggunakan segmentasi ambang, kaedah centroid, dan imbasan jejari untuk mendapatkan titik tepi. Ia kemudian menggunakan titik tepi sampel rawak untuk menentukan bulatan, dan menggunakan kesesuaian bulatan sebagai kriteria penilaian untuk mencari hasil penyetempatan yang optimum. Tambahan pula, kaedah yang menggabungkan segmentasi ambang dinamik berdasarkan analisis sisa dengan segmentasi ambang global dapat mengesan kecacatan mulut botol dengan berkesan, mengatasi kesan variasi skala kelabu dan mulut botol yang hilang pada hasil pemeriksaan.

Pemeriksaan badan botol: Pemeriksaan badan botol menghadapi cabaran seperti kelengkungan permukaan yang besar dan pemantulan yang kuat. Untuk menangani ciri-ciri ini, kaedah penyetempatan dinding botol berdasarkan padanan templat binari boleh digunakan. Kaedah ini menurunkan sampel imej input dan menggunakan leher botol atau dinding botol sebagai templat untuk pemadanan templat binari untuk menentukan garis tengah dinding botol. Ini berkesan menangani masalah penyetempatan yang tidak tepat apabila beberapa dinding botol dilihat dari sudut yang sama.

Pemeriksaan tapak botol: Tapak botol mempunyai struktur yang kompleks dan selalunya mempunyai tekstur seperti alur anti-gelincir, menjadikan pengesanan kecacatan mencabar. Untuk pemeriksaan pangkalan botol, kaedah berdasarkan perubahan jarak geodesik yang dipertingkatkan dan padanan templat telah menunjukkan hasil yang menjanjikan. Kaedah ini membahagikan pangkalan botol kepada berbilang kawasan pemeriksaan, termasuk satah tengah, satah anulus, dan tekstur anulus, dan menggunakan strategi pemeriksaan yang berbeza untuk setiap satu. Tambahan pula, kaedah berdasarkan pengesanan saliency dan transformasi wavelet dengan berkesan boleh mengatasi kesan gangguan tekstur bawah dan ralat kedudukan, meningkatkan ketepatan pengesanan kecacatan kecil, kontras rendah.

Dengan perkembangan teknologi kecerdasan buatan, pembelajaran mesin, terutamanya pembelajaran mendalam, telah menunjukkan kelebihan ketara dalam pengesanan kecacatan botol kaca. Algoritma pembelajaran mendalam seperti rangkaian neural convolutional (CNN) secara automatik boleh mempelajari ciri kecacatan melalui latihan, menyesuaikan diri dengan pelbagai jenis kecacatan dan mengekalkan ketepatan pengecaman yang tinggi walaupun dalam latar belakang yang kompleks. Sebagai contoh, model pengesanan kecacatan YOLOv5 yang dilatih dengan pembelajaran mendalam, digabungkan dengan pengoptimuman TensorRT, boleh mencapai pengesanan kecacatan masa nyata berkelajuan tinggi dan berketepatan tinggi.

4.3 Output dan Kawalan Keputusan

Matlamat utama pengesanan kecacatan adalah untuk membimbing kawalan proses pengeluaran dan jaminan kualiti. Apabila sistem mengenal pasti produk yang rosak, ia mengeluarkan hasilnya kepada antara muka paparan atau pangkalan data dan mencetuskan mekanisme penggera apabila kecacatan melebihi ambang pratetap. Pada masa yang sama, sistem mengawal penggerak (seperti lengan robot) untuk mengeluarkan botol yang rosak daripada barisan pengeluaran. Sistem pemeriksaan visual moden juga menampilkan keupayaan pengurusan data, merekodkan hasil pemeriksaan setiap kelompok produk, termasuk jenis kecacatan, kuantiti dan lokasi. Data ini menyediakan asas yang kukuh untuk kebolehkesanan proses pengeluaran dan analisis kualiti, membantu syarikat mengoptimumkan proses pengeluaran dan meningkatkan kualiti keseluruhan.

5 Kes Permohonan dan Analisis Keputusan

Aplikasi teknologi pemeriksaan visual dalam industri botol kaca telah mencapai hasil yang luar biasa. Berikut adalah beberapa kes biasa yang menggambarkan aplikasi praktikalnya:

Dalam bidang pemeriksaan botol kaca farmaseutikal, Chongqing Shouhan Intelner Research Institute Co., Ltd. telah membangunkan sistem pemeriksaan visual berasaskan AI. Sistem ini menggunakan lapan kamera penglihatan perindustrian untuk melakukan pemeriksaan 360 darjah botol kaca farmaseutikal, secara komprehensif memeriksa dimensi botol, ketepatan, kekotoran, perkara asing, dan kecacatan dari lapan sudut: atas, sisi, bawah, dan chamfers. Menggabungkan algoritma AI proprietari, sistem memaparkan setiap parameter botol dan keputusan pemeriksaan pada skrin visual masa nyata. Menggunakan teknologi pembelajaran yang mendalam, sistem membina dataset latihan menggunakan sebilangan besar sampel botol kaca, terus mengoptimumkan keupayaannya untuk mengenal pasti kecacatan produk. Hasil aplikasi menunjukkan bahawa sistem ini meningkatkan ketepatan mengenal pasti dan menolak produk yang cacat, dengan itu meningkatkan kualiti keseluruhan pembungkusan farmaseutikal. Sistem pemeriksaan visual juga memainkan peranan penting dalam barisan pengeluaran botol minuman. Satu kajian yang mensasarkan pemeriksaan visual botol kaca dalam barisan pengeluaran minuman pintar membangunkan platform pemeriksaan visi mesin lengkap dan mencadangkan beberapa algoritma pemeriksaan inovatif. Sebagai contoh, pengesanan bulatan rawak berganda dan algoritma penilaian Circle Fit untuk pemeriksaan mulut botol menangani cabaran kedudukan tinggi, kedudukan ketepatan tinggi dengan kehadiran kecacatan mulut botol yang teruk. Transformasi jarak geodesik yang lebih baik dan kaedah pencocokan templat untuk pemeriksaan asas botol membolehkan pengesanan tepat kecacatan kecil dan kontras rendah pada asas botol. Algoritma ini telah dilakukan dengan baik dalam pengeluaran sebenar, memenuhi keperluan pemeriksaan kelajuan tinggi, masa nyata barisan pengeluaran minuman.

Aplikasi sistem pemeriksaan visual membawa pelbagai faedah. Pertama, ia membolehkan pemeriksaan automatik sepenuhnya, mengurangkan kos buruh dengan ketara dan meningkatkan kecekapan pemeriksaan. Sebagai contoh, selepas melaksanakan sistem pemeriksaan visual, satu syarikat menyaksikan peningkatan kecekapan pemeriksaan lebih daripada tiga kali ganda dan pengurangan positif palsu kira-kira 50%. Kedua, sistem ini boleh mengesan kecacatan halus yang sukar untuk dikesan oleh mata manusia, seperti retakan halus dan buih-buih kecil, meningkatkan kualiti dan keselamatan produk dengan ketara. Tambahan pula, sistem beroperasi secara stabil dan berterusan, tidak terjejas oleh faktor subjektif seperti keletihan dan emosi, memastikan hasil pemeriksaan yang konsisten dan boleh dipercayai. 6 Cabaran dan Trend Pembangunan Masa Depan

Walaupun teknologi pemeriksaan visual botol kaca telah mencapai kemajuan yang ketara, ia masih menghadapi beberapa cabaran. Pertama, sifat reflektif kaca menjadikan pemerolehan imej sukar, memerlukan penyelesaian pencahayaan yang direka dengan teliti untuk meminimumkan gangguan pantulan. Kedua, operasi talian pengeluaran berkelajuan tinggi memerlukan sistem pemeriksaan melengkapkan pemerolehan imej, pemprosesan dan pertimbangan dalam masa yang sangat singkat, meletakkan permintaan yang tinggi pada prestasi masa nyata sistem. Tambahan pula, kepelbagaian botol kaca (bentuk, saiz dan warna yang berbeza) juga memerlukan sistem yang sangat serba boleh dan boleh disesuaikan.

Pada masa hadapan, teknologi pemeriksaan visual botol kaca akan berkembang mengikut arah berikut:

Keupayaan Kecerdasan dan Pembelajaran Kendiri: Menggabungkan teknologi pembelajaran mendalam, sistem pemeriksaan visual akan memiliki keupayaan pembelajaran ciri yang lebih kukuh dan kebolehsuaian. Dengan terus belajar daripada sampel kecacatan baharu, sistem boleh meningkatkan ketepatan pengecamannya secara beransur-ansur dan menyesuaikan diri dengan jenis produk dan corak kecacatan baharu. Khususnya, pengenalan kaedah pembelajaran tanpa penyeliaan dan separa penyeliaan akan mengurangkan pergantungan pada sejumlah besar sampel berlabel dan mengurangkan kos penyelenggaraan sistem.

Teknologi Pemeriksaan Visual 3D: Sistem pemeriksaan visual 2D tradisional berjuang untuk mendapatkan maklumat ketebalan dan kedalaman pada botol kaca. Teknologi penglihatan 3D boleh memberikan maklumat tiga dimensi yang lebih kaya, membolehkan pengukuran ketepatan tinggi bagi parameter kompleks seperti taburan ketebalan dinding botol dan ketebalan asas, meningkatkan lagi kekomprehan dan ketepatan pemeriksaan.

Pengimejan multispektral dan hiperspektral: Kecacatan yang berbeza mungkin menunjukkan ciri yang berbeza dalam panjang gelombang yang berbeza. Teknologi pengimejan multispektral dan hiperspektral boleh menangkap maklumat spektrum yang lebih kaya, mendedahkan ciri kecacatan yang tidak dapat dilihat oleh mata manusia dan meningkatkan pengesanan kecacatan kecil dan tersembunyi.

Prestasi masa nyata dan peningkatan kelajuan pemprosesan: Dengan pembangunan pengkomputeran tepi dan pemproses penglihatan khusus (seperti VPU), kelajuan pemprosesan sistem pemeriksaan visual akan dipertingkatkan lagi, memenuhi keperluan pemeriksaan masa nyata barisan pengeluaran berkelajuan tinggi. Tambahan pula, model rangkaian saraf ringan akan mengurangkan kerumitan pengiraan dengan ketara sambil mengekalkan ketepatan.

Penyepaduan sistem dan pengecilan: Sistem pemeriksaan visual masa hadapan akan menjadi lebih padat dan lebih mudah untuk disepadukan. Dengan kemajuan dalam teknologi perkakasan, saiz sistem akan terus mengecil manakala prestasi terus bertambah baik, menyesuaikan diri dengan persekitaran pengeluaran yang lebih pelbagai.

Ketersambungan data dan pengeluaran pintar: Sistem pemeriksaan visual tidak lagi akan menjadi unit pemeriksaan kualiti terpencil tetapi akan disepadukan secara mendalam dengan sistem pengurusan perusahaan dan sistem kawalan barisan pengeluaran untuk mencapai perkongsian data dan membuat keputusan yang bijak. Dengan menganalisis data pemeriksaan, sistem boleh memberikan maklum balas yang berharga untuk mengoptimumkan proses pengeluaran, membentuk sistem kawalan gelung tertutup daripada pemeriksaan kepada pengoptimuman.

Kesimpulan

Dengan menyepadukan teknologi canggih seperti optik, elektronik, pemprosesan imej dan kecerdasan buatan, teknologi pemeriksaan visual untuk kecacatan botol kaca membolehkan kawalan kualiti automatik, berketepatan tinggi dan sangat cekap bagi botol kaca. Ia bukan sahaja berkesan menangani kecekapan rendah dan konsistensi buruk pemeriksaan manual tradisional, tetapi juga mengesan kecacatan halus yang tidak dapat dilihat oleh mata manusia, meningkatkan kualiti dan keselamatan produk dengan ketara. Dengan kemajuan teknologi yang berterusan, sistem pemeriksaan visual akan terus maju dalam kecerdasan, prestasi masa nyata dan kebolehsuaian, menyediakan pengeluar botol kaca dengan penyelesaian kualiti yang lebih komprehensif.

Menghadapi persaingan pasaran yang sengit dan keperluan kualiti yang semakin ketat, penggunaan teknologi pemeriksaan visual termaju telah menjadi pilihan yang tidak dapat dielakkan bagi pengeluar botol kaca. Pada masa hadapan, dengan kemajuan Industri 4.0 dan pembuatan pintar, teknologi pemeriksaan visual akan disepadukan secara mendalam dengan teknologi pembuatan pintar lain untuk membentuk sistem pengurusan kualiti yang lebih pintar dan cekap, memacu kemajuan teknologi dan peningkatan industri di seluruh industri.