Teknologi Pemeriksaan Visual Leher Botol PET: Memberi Pembungkusan Minuman "Mata Pintar"

Botol PET digunakan secara meluas dalam industri minuman, kosmetik dan farmaseutikal kerana ringan, ketelusan yang tinggi dan sifat fizikal yang sangat baik. Walau bagaimanapun, leher botol, sebagai bahagian penting yang memastikan kedap udara, secara langsung menjejaskan keselamatan dan jangka hayat kandungan. Pemeriksaan manual tradisional tidak cekap dan mudah ralat, tidak dapat memenuhi permintaan barisan pengeluaran berkelajuan tinggi moden (sehingga 36,000 botol sejam). Teknologi pemeriksaan automatik berasaskan penglihatan mesin telah muncul sebagai cara teras untuk memastikan kualiti produk. Artikel ini akan menganalisis secara sistematik prinsip teknikal, klasifikasi kaedah, senario aplikasi dan trend pembangunan pemeriksaan visual leher botol PET.

I. Cabaran Teknikal: Mengapa Pemeriksaan Leher Botol Sangat Mencabar?

Pemeriksaan leher botol PET menghadapi pelbagai cabaran teknikal, terutamanya berpunca daripada keperluan berkelajuan tinggi, berketepatan tinggi bagi persekitaran perindustrian:

Keperluan Kepersisan Amat Tinggi: Kecacatan leher botol adalah pelbagai, termasuk takuk, burr, serpihan, kilat dan bintik hitam, dengan dimensi kecil (seperti serpihan peringkat milimeter), memerlukan ketepatan pemeriksaan melebihi 99.9%.

Kelajuan dan Tekanan Masa Nyata: Kelajuan barisan pengeluaran selalunya mencecah beberapa botol sesaat, memerlukan masa pemeriksaan untuk dimampatkan kepada dalam 50 milisaat. Sebarang kelewatan boleh mengakibatkan sejumlah besar produk rosak memasuki pasaran.

Faktor Gangguan Kompleks: Bunyi persekitaran seperti pantulan mulut botol, buih cecair, bayang label dan getaran mekanikal boleh mengganggu pemerolehan imej dengan mudah, memerlukan reka bentuk optik yang dioptimumkan dan keupayaan anti-gangguan algoritma.

Kepelbagaian Kecacatan: Bentuk kecacatan yang tidak teratur (cth., kecacatan luaran, kecacatan dalaman, melalui kecacatan) dan kontras yang rendah antara botol telus dan kecacatan menjadikan kaedah pembahagian ambang tradisional terdedah kepada pengesanan terlepas.

II. Klasifikasi Kaedah Pengesanan: Daripada Pemprosesan Imej Tradisional kepada Pembelajaran Mendalam

Berdasarkan evolusi teknologi, kaedah pemeriksaan visual mulut botol PET boleh dibahagikan kepada tiga kategori:

Kaedah Pemprosesan Imej Tradisional: Berdasarkan pembahagian ambang, penyetempatan wilayah dan kontras skala kelabu, kaedah ini mengekstrak ROI (Wilayah Minat) pada mulut botol dan melakukan pengiraan pembezaan dengan templat tanpa kecacatan. Contohnya:

Kaedah Templat Kendiri: Membina templat berbentuk cincin pada muka hujung mulut botol dan mengenal pasti kecacatan dengan menolak nilai skala kelabu, mencapai ketepatan pengesanan 99.9% dalam masa kurang daripada 50 milisaat.

Kaedah Ketekalan Aras Kelabu:Kaedah ini menggunakan algoritma RANSAC untuk menyesuaikan kontur elips pembukaan botol, kemudian menganalisis keseragaman aras kelabu bagi rantau tersebut. Kelajuan pengesanan boleh mencapai 10 milisaat/bingkai.

Kelebihan: Secara pengiraan mudah, sesuai untuk kecacatan biasa;

Kelemahan: Bergantung pada ambang yang ditetapkan secara manual, kebolehsuaian yang lemah kepada kecacatan yang kompleks.

Kaedah Pengelasan Pembelajaran Mesin: Kaedah ini menggunakan model seperti Mesin Vektor Sokongan (SVM) dan rangkaian saraf, yang memerlukan sejumlah besar sampel untuk melatih pengelas. Contohnya: Dengan mengekstrak ciri kecacatan (seperti tekstur dan bentuk), SVM digunakan untuk membezakan jenis kecacatan.

Kelebihan: Boleh mengenal pasti pelbagai kecacatan;

Kelemahan: Memerlukan latihan semula apabila menukar jenis botol, menurunkan prestasi masa nyata.

**Pembelajaran Mendalam dan Model Perbezaan:** Kaedah baru muncul menggabungkan rangkaian dalam dan mekanisme perhatian untuk meningkatkan kadar pengesanan kecacatan kompleks:

**Model Ciri Berbeza:** Imej botol yang akan diperiksa dan botol rujukan bebas kecacatan diperoleh. Ciri diekstrak menggunakan pengekod dwi, ​​kemudian peta ciri pembezaan dikira untuk mengoptimumkan kuasa diskriminasi. Akhirnya, pengelas digunakan untuk menentukan keputusan. Kaedah jenis ini boleh menyekat gangguan pendedahan lampau dengan berkesan dan sesuai untuk adegan reflektif.

Kelebihan: Anti-gangguan yang kuat, sesuai untuk kecacatan kecil;

Kelemahan: Keperluan sumber pengiraan yang tinggi. 

Jadual di bawah membandingkan penyelesaian biasa dan prestasi tiga jenis kaedah:

III. Senario Aplikasi: Meliputi keseluruhan barisan pengeluaran

Sistem pemeriksaan penglihatan telah dibenamkan dalam keseluruhan rantaian pengeluaran botol PET. Nod aplikasi utama termasuk:

Pemeriksaan Prabentuk (Pengacuan pra-tiupan)

Sebuah stesen disediakan sebelum mesin pengacuan tiupan, menggunakan 6 kamera CCD resolusi tinggi untuk imej mulut, bahu dan bawah prabentuk 360°, mengesan kecacatan seperti denyar, celah dan bintik hitam. Kamera di atas mulut dikhaskan untuk memeriksa kecacatan permukaan pengedap untuk mengelakkan pembesaran kecacatan selepas acuan tiupan.

Pemeriksaan Botol Penuh (Selepas Pengisian)

Selepas mengisi, empat set kamera CCD digunakan untuk memeriksa paras cecair, penutup botol (gelang keselamatan pecah, penutup tinggi, penutup bengkok) dan kualiti pengekodan. Susun atur sekeliling 120° digunakan, menggabungkan lampu hadapan dan latar belakang untuk mengimbangi gangguan buih dan meningkatkan ketepatan pengesanan paras cecair.

Pemeriksaan Label dan Pembungkusan

Selepas pelabelan, empat kamera jarak 90° digunakan untuk mengesan salah jajaran label dan ralat pencetakan; selepas pembungkusan, alat penimbang dalam talian digunakan untuk mengesahkan berat dan menolak produk yang hilang.

IV. Aliran Sistem dan Teknologi Utama

Sistem pemeriksaan penglihatan yang lengkap merangkumi komponen teras berikut:

Pemerolehan Imej

Konfigurasi Perkakasan: Kamera industri rangkaian gigabit Basler dan sumber cahaya gelang atau jalur LED digunakan untuk menangkap imej mulut botol pada jarak dekat. Reka bentuk sumber cahaya mesti menyekat pantulan; contohnya, sumber cahaya jalur boleh mengurangkan pendedahan berlebihan.

Pengoptimuman Optik: Imej yang terlalu terdedah diperbetulkan menggunakan penyahkod pengekod automatik untuk meningkatkan ketekalan skala kelabu.

Pemprosesan Imej

Lokasi ROI: Kawasan mulut botol diekstrak dengan tepat menggunakan transformasi Hough, pemasangan elips RANSAC atau kaedah kedudukan paksi simetri.

Pengekstrakan Ciri: ROI diproses melalui penukaran skala kelabu, penapisan dan perduaan, dan kemudian ciri kecacatan dipertingkatkan melalui pengiraan pembezaan atau mekanisme perhatian spatial.

Pengelasan dan Pembuangan Kecacatan: Kecacatan dikenal pasti berdasarkan ambang peta ciri atau hasil pengelas (seperti Softmax), mencetuskan peranti penolakan pneumatik untuk mengalih keluar produk yang rosak.

V. Trend dan Cabaran Pembangunan

Masa depan teknologi pemeriksaan visual leher botol PET akan berkembang mengikut arah berikut:

Peningkatan Pintar: Model pembelajaran mendalam akan dioptimumkan lagi, seperti menggunakan rangkaian ringan untuk mencapai pengesanan tepi masa nyata, mengurangkan pergantungan pada kuasa pengkomputeran awan.

Multimodal Fusion: Menggabungkan penglihatan 3D dan pengimejan sinar-X untuk mengesan kecacatan tersembunyi seperti retak dan buih dalaman.

Kawalan Kualiti Gelung Tertutup: Data pengesanan disalurkan semula ke barisan pengeluaran, melaraskan acuan tamparan dan parameter pengisian dalam masa nyata, mencapai lonjakan daripada "pengesanan" kepada "pencegahan."

Ringkasan

Teknologi pemeriksaan visual leher botol PET menggantikan mata manusia dengan penglihatan mesin, menyelesaikan cabaran kawalan kualiti dalam senario pengeluaran berkelajuan tinggi. Daripada pemprosesan imej tradisional kepada pembezaan pembelajaran mendalam, ketepatan dan kecekapan pengesanan telah terus bertambah baik, menjadi asas pembuatan pintar dalam industri seperti minuman dan farmaseutikal. Pada masa hadapan, dengan evolusi algoritma dan perkakasan sinergistik, teknologi ini akan terus bergerak ke arah kecerdasan yang lebih besar dan proses hujung ke hujung gelung tertutup.