Aluminium Boleh Muncul Teknologi Pemeriksaan Visual: Analisis Komprehensif daripada Pengimejan Optik kepada Pembelajaran Mendalam

Aluminium Boleh Muncul Teknologi Pemeriksaan Visual: Analisis Komprehensif daripada Pengimejan Optik kepada Pembelajaran Mendalam

1. Pengenalan: Cabaran Teknikal dan Kepentingan Pemeriksaan Penampilan Tin Aluminium

Dengan perkembangan pesat industri makanan dan minuman, permintaan untuk tin aluminium sebagai bekas pembungkusan arus perdana terus berkembang. Tin aluminium biasa, yang dihasilkan pada kelajuan tinggi (sehingga 15 tin sesaat), menghadapi pelbagai risiko kecacatan penampilan, termasuk calar, penyok, ubah bentuk dan bonjolan badan tin; kecacatan pada aksara yang dicetak pada bahagian bawah tin; dan penggunaan tidak sekata pengedap pada penutup tin dan ubah bentuk tab tarik. Kecacatan ini bukan sahaja menjejaskan estetika produk tetapi juga boleh menyebabkan spover atau pencemaran kandungan, menyebabkan isu keselamatan yang serius.

Pemeriksaan penampilan tin aluminium menghadapi pelbagai cabaran teknikal: sifat reflektif yang kuat pada permukaan logam boleh menutupi kecacatan sebenar; struktur permukaan melengkung silinder menjadikan pengimejan terdedah kepada herotan; talian pengeluaran berkelajuan tinggi memerlukan sistem pengesanan untuk membuat keputusan dalam milisaat; dan kepelbagaian jenis kecacatan memerlukan algoritma dengan kebolehsuaian yang kuat. Kaedah pemeriksaan manual tradisional mengalami kecekapan rendah, subjektiviti, dan keletihan, gagal memenuhi permintaan industri moden. Oleh itu, teknologi pemeriksaan automatik berdasarkan penglihatan mesin telah menjadi pilihan yang tidak dapat dielakkan untuk industri. Ia mencapai pengesanan yang cepat dan tepat bagi kemunculan tin aluminium melalui pemerolehan imej ketepatan tinggi, pemprosesan dan analisis.

Artikel ini akan menganalisis secara sistematik sistem teknikal aluminium boleh rupa pemeriksaan visual, termasuk reka bentuk sistem pengimejan, algoritma pengesanan kecacatan, pembangunan platform perisian, dan aplikasi industri praktikal, menyediakan rujukan komprehensif untuk kakitangan teknikal dalam bidang berkaitan.

2. Reka Bentuk Perkakasan Sistem Pemeriksaan Visual

2.1 Sistem Pengimejan dan Konfigurasi Sumber Cahaya

Sistem pengimejan adalah asas pemeriksaan visual, dan reka bentuknya secara langsung menentukan kualiti imej. Untuk struktur khas tin aluminium, seni bina teragih biasanya diguna pakai, di mana beberapa stesen pemeriksaan bebas ditubuhkan untuk bertanggungjawab bagi pemeriksaan bahagian bawah tin, badan dan penutup, masing-masing. Stesen pemeriksaan bawah tin menggunakan kamera imbasan kawasan resolusi tinggi dengan sumber cahaya cincin, mengawal sudut kejadian cahaya dengan tepat untuk meningkatkan kontras aksara yang dicetak laser; stesen pemeriksaan badan tin dikonfigurasikan dengan tiga set modul pemerolehan gabungan 2D-3D yang dicetuskan serentak, setiap modul mengandungi kamera imbasan garisan dan pemprofil laser talian, dipasang pada selang 120 darjah untuk mencapai pengimbasan liputan penuh badan tin.

Reka bentuk sumber cahaya adalah kunci untuk menyelesaikan masalah pantulan logam. Disebabkan sifat pemantulan kuat tin minuman aluminium, pelbagai sumber cahaya khas digunakan secara meluas:  Sumber cahaya sfera penyepaduan menggunakan dinding dalam hemisfera dengan kesan penyepaduan untuk memantulkan cahaya yang dipancarkan secara seragam dari bahagian bawah 360 darjah, menghasilkan imej yang sangat seragam pada bahagian bawah tin cekung; sistem sumber cahaya LED komposit terdiri daripada cahaya tanpa bayang tiga cincin, cahaya tanpa bayang berbentuk kubah, lampu cincin sudut rendah dan cahaya sepaksi. Dengan mengawal gabungan sumber cahaya komposit ini, kontur yang jelas dan imej kontras tinggi penutup tin boleh diperolehi; sumber cahaya kawasan kon berganda terdiri daripada dua sumber cahaya kawasan kon yang diletakkan secara sepusat, dengan sumber cahaya atas menerangi panel tengah dan sumber cahaya bawah menerangi kawasan persisian. Medan cahaya yang bertindih dengan ketara meningkatkan keseragaman pencahayaan.

2.2 Perkakasan Pemerolehan dan Pemprosesan Imej

Barisan pengeluaran berkelajuan tinggi mempunyai keperluan yang ketat untuk perkakasan pemerolehan imej. Kamera pintar industri seperti Cognex In-Sight Micro 1400 digunakan secara meluas kerana saiznya yang padat (30mm x 30mm x 60mm) dan keupayaan pemprosesan yang berkuasa, membolehkan mereka digunakan dalam barisan pengeluaran berkelajuan tertinggi dengan jejak minimum. Kamera ini biasanya mempunyai algoritma penglihatan mesin matang terbina dalam, fungsi sokongan seperti pertimbangan, pemeriksaan kecacatan permukaan, ukuran saiz dan pengecaman OCR, meningkatkan kelajuan pembangunan sistem.

Modul pemprosesan biasanya berpusat di sekitar komputer industri, dilengkapi dengan pemproses berprestasi tinggi dan memori yang mencukupi. Apabila tin minuman diangkut ke stesen pengimejan, transceiver fotoelektrik dicetuskan, menghantar isyarat kepada papan input/output komputer industri. Komputer kemudian mengawal sumber cahaya untuk dihidupkan dan mengarahkan kamera untuk memperoleh imej. Imej yang diperoleh dihantar ke komputer industri melalui antara muka 1394 untuk analisis dan pemprosesan.

3 Algoritma Pengesanan Kecacatan dan Pelaksanaan Teknikal

3.1 Boleh Pengesanan Kecacatan Aksara Bawah

Mengesan aksara yang dicetak pada bahagian bawah tin menghadapi cabaran kontras yang rendah, kerana aksara yang dicetak laser adalah serupa dalam bahan dengan bahagian bawah tin logam, mengakibatkan ciri yang lemah. Untuk menangani masalah ini, kaedah berdasarkan segmentasi semantik yang menonjol berprestasi cemerlang. Rangkaian Res18-UNet menggunakan ResNet18 sebagai struktur asas pengekod, membenamkan modul perhatian blok ciri yang dipertingkatkan dalam setiap peringkat pensampelan rendah. Dengan melakukan pengelompokan spatial dan penentukuran semula saluran bagi peta ciri, keupayaan model untuk memfokus pada kawasan aksara dipertingkatkan. Bahagian penyahkod mengguna pakai strategi pensampelan progresif, memperkenalkan mekanisme pembelajaran sisa dalam setiap sambungan langkau, dengan berkesan mengurangkan masalah lenyap kecerunan. Untuk menangani isu orientasi aksara yang tidak konsisten yang disebabkan oleh putaran rawak tin, algoritma pembetulan putaran berasaskan koordinat kutub digunakan secara meluas. Algoritma ini mula-mula mengesan centroid kawasan aksara melalui analisis komponen yang disambungkan, mengira sudut relatif antara centroid dan pusat imej, dan kemudian melakukan transformasi afin untuk membetulkan orientasi aksara. Struktur rangkaian konvolusi ringan digunakan untuk pengelasan aksara tunggal.  Konvolusi yang boleh dipisahkan secara mendalam mengurangkan bilangan parameter, dan operasi shuffle saluran meningkatkan penggunaan semula ciri, mencapai kelajuan pemprosesan 300 aksara sesaat sambil mengekalkan ketepatan klasifikasi 99.5%.

3.2 Boleh Pengesanan Kecacatan Badan

Kecacatan badan boleh terutamanya termasuk calar, penyok dan ubah bentuk. Cabaran dalam mengesan kecacatan ini terletak pada herotan imej yang disebabkan oleh permukaan melengkung silinder dan gangguan daripada corak latar belakang yang kompleks. Kaedah peningkatan imej kecacatan badan boleh bantuan maklumat mendalam meningkatkan kadar pengesanan kecacatan cembung dan cekung melalui gabungan data berbilang mod. Kaedah ini mula-mula membina sistem pemerolehan penglihatan trinokular, melakukan penentukuran bersama menggunakan papan penentukuran ketepatan tinggi, dan mewujudkan hubungan pemetaan antara koordinat piksel imej 2D dan koordinat spatial awan titik 3D.

Untuk menangani ciri pemerolehan data tin silinder, model unjuran belakang silinder yang dipertingkatkan dicadangkan. Model ini memetakan data awan titik kepada sistem koordinat silinder berparameter, menghapuskan herotan unjuran yang disebabkan oleh ralat pemasangan dengan menyelesaikan padanan optimum awan titik kepada model silinder. Dalam peringkat peningkatan imej, strategi gabungan ciri berbilang skala melaksanakan gabungan berwajaran imej tekstur 2D dan peta kedalaman pada resolusi berbeza. Ia menyerlahkan ciri ketakselanjaran kedalaman untuk kecacatan lekuk dan mengukuhkan ciri kecerunan tepi untuk kecacatan calar.

Algoritma HPFST-YOLOv5 meningkatkan ketepatan pengesanan dalam latar belakang yang kompleks melalui struktur rangkaian saraf yang inovatif. Mekanisme perhatian hibrid direka dalam tulang belakang rangkaian, membenamkan modul perhatian diri berbilang kepala Swin Transformer ke dalam lapisan pengekstrakan ciri pada skala yang berbeza. Perhatian tetingkap tempatan digunakan dalam rangkaian cetek untuk menangkap ciri kecacatan yang halus, manakala perhatian global digunakan dalam rangkaian dalam untuk memodelkan kebergantungan jarak jauh. Untuk menangani masalah pengecilan maklumat tepi yang disebabkan oleh kabur gerakan, panduan penapis laluan tinggi ditambahkan pada input. Operator pembezaan tertib pertama yang boleh dilatih mengekstrak peta tindak balas tepi kecacatan, yang kemudiannya dimasukkan selari dengan imej asal ke rangkaian tulang belakang.

3.3 Pengesanan Kecacatan Penutup/Tamat

Struktur hujung tin adalah kompleks, termasuk berbilang bahagian berfungsi seperti panel tengah, pinggir persisian, panel jahitan dan lencong, yang setiap satunya mungkin menunjukkan kecacatan tertentu. Untuk menangani ciri ini, strategi pengesanan serantau telah terbukti berkesan. Penyelidikan dari Universiti Hunan mencadangkan untuk membahagikan kawasan pengesanan penutup tin kepada kawasan bulat dan kawasan anulus. Untuk kawasan bulatan, kaedah pengesanan kecacatan berasaskan analisis Gumpalan digunakan, manakala untuk pengesanan kecacatan di kawasan anulus, algoritma berdasarkan padanan kuasa dua terkecil bagi lengkung unjuran skala kelabu menegak digunakan.

Algoritma pengelompokan kadar entropi yang digabungkan dengan kekangan bentuk terdahulu secara berkesan mengesan sasaran akhir tin dan membahagikannya kepada berbilang kawasan ukuran. Algoritma ini berdasarkan perwakilan graf imej dan mencapai pemisahan tepat tin berakhir dari latar belakang dengan mengoptimumkan fungsi objektif. Apabila bilangan kelompok k=2, hujung tin dan latar belakang dipisahkan dengan tepat; apabila k meningkat, panel tengah, tepi luar, panel jahitan dan curl diekstrak secara beransur-ansur. Untuk memastikan kebolehpercayaan hasil pembahagian, kekangan bentuk terdahulu digunakan untuk pemprosesan pasca. Berdasarkan ciri bahawa tin berakhir dan semua kawasan ukurannya adalah bulatan sepusat atau anuli, pusat hujung tin c(x,y) dan jejari r dikira menggunakan algoritma pemasangan bulatan.

Untuk pengesanan kecacatan di kawasan panel tengah, algoritma pengelompokan dan pemilihan superpiksel berprestasi cemerlang. Pertama, algoritma pengelompokan kadar entropi digunakan untuk menghasilkan sejumlah besar superpiksel (Ni>6000). Kemudian, graf bersebelahan rantau berwajaran dibina dengan setiap superpiksel Si sebagai nod, mengumpulkan superpiksel yang serupa. Indeks khusus ditakrifkan untuk menilai variasi skala kelabu tempatan setiap rantau, dan kawasan kecacatan dikenal pasti melalui ambang.

3.4 Pemprosesan Refleksi dan Teknik Peningkatan Imej

Pantulan kuat pada permukaan tin logam merupakan faktor gangguan utama yang mempengaruhi ketepatan pengesanan. Untuk menangani masalah ini, teknologi yang dipatenkan mencadangkan kaedah penindasan pantulan berdasarkan analisis imej skala kelabu berbilang bingkai. Kaedah ini mula-mula mendapatkan imej skala kelabu berbilang bingkai bagi tin pembungkusan, melakukan pengesanan tepi pada imej skala kelabu dan menggunakan kawasan yang dibentuk oleh tepi tertutup yang dikesan sebagai kawasan sasaran; kemudian, ia mengira kebarangkalian bahawa kawasan sasaran ialah kawasan reflektif. Kebarangkalian ini dikira berdasarkan purata nilai skala kelabu, nilai skala kelabu maksimum dan ciri pantulan menyeluruh bagi semua piksel dalam kawasan sasaran.

Penjelmaan gamma suai menentukan pekali gamma berdasarkan kebarangkalian rantau reflektif. Bagi setiap piksel dalam kawasan sasaran, nilai skala kelabu asal yang sepadan diubah menggunakan transformasi gamma untuk mendapatkan nilai skala kelabu terkini, menghasilkan imej skala kelabu yang dipertingkatkan bagi tin pembungkusan. Transformasi ini boleh menyesuaikan diri dengan keadaan pencahayaan dan pantulan yang berbeza. Di kawasan yang mempunyai pantulan kuat, pekali gamma akan dilaraskan dengan sewajarnya untuk mengurangkan kesan pantulan pada pengesanan kecacatan. Pengiraan ciri reflektif menyeluruh bagi kawasan sasaran mempertimbangkan berbilang faktor, termasuk penunjuk pertama (purata perubahan skala kelabu), penunjuk kedua (ketekalan arah kecerunan) dan persamaan berbilang bingkai (ketekalan kawasan sasaran antara bingkai yang berbeza). Dengan menganalisis penunjuk ini secara menyeluruh, sistem boleh membezakan dengan tepat antara kecacatan sebenar dan kecacatan pseudo yang disebabkan oleh pantulan, meningkatkan ketepatan pengesanan dengan ketara.

4. Platform dan Pelaksanaan Perisian Sistem Pengesanan

4.1 Seni Bina Perisian dan Aliran Kerja

Sistem pemeriksaan visual tin minuman menggunakan teknologi pemprosesan selari berbilang benang, mereka bentuk benang kawalan utama, benang pemerolehan imej, benang pemprosesan algoritma dan benang output hasil. Benang kawalan utama bertanggungjawab untuk menyelaraskan aliran kerja setiap modul, benang pemerolehan imej secara serentak memperoleh data dwi-stesen melalui isyarat pencetus luaran, benang pemprosesan algoritma secara serentak menjalankan algoritma pengecaman aksara dan pengesanan kecacatan, dan benang output hasil menyepadukan hasil pengesanan dan mengawal peranti pengisihan.

Untuk memastikan prestasi masa nyata sistem, mekanisme gangguan pemasa digunakan untuk mengekang kitaran pengesanan satu tin dengan ketat, teknologi pemetaan memori digunakan untuk mencapai pertukaran pantas data imej berkapasiti besar, dan teknologi pecutan GPU digunakan untuk mengoptimumkan dan menggunakan algoritma pembelajaran mendalam. Sistem ini juga menyepadukan fungsi pengajaran parameter, membenarkan pengendali melaraskan parameter pengesanan mengikut spesifikasi produk, dan mewujudkan modul pangkalan data untuk menyimpan keputusan pengesanan dan maklumat produk, menyediakan sokongan data untuk kebolehkesanan kualiti.

Perisian penglihatan Maotong In-Sight menyediakan kemudahan untuk pembangunan sistem. Reka bentuk algoritma hamparannya membolehkan pengguna membina algoritma skrip menggunakan hamparan tanpa memerlukan pengaturcaraan bahasa lanjutan, membolehkan fungsi seperti pertimbangan dan pengecaman OCR, meningkatkan kelajuan pembangunan sistem dengan ketara. Berdasarkan alat pemprosesan imej pintar In-Sight Explorer dan fungsi pembacaan dan pengesahan aksara OCR, adalah mudah untuk melatih aksara daripada imej dan mencipta pustaka aksara.

4.2 Penyepaduan Sistem dan Penilaian Prestasi

Sistem pemeriksaan penampilan boleh minuman lengkap mengintegrasikan tiga komponen utama: peranti elektromekanikal, sistem pengimejan dan modul pemprosesan. Peranti elektromekanikal merealisasikan kawalan gerakan automatik dan pengisihan tin minuman, termasuk port input, sistem penyampaian, dan sistem penyisihan; sistem pengimejan bertanggungjawab untuk memperoleh imej berkualiti tinggi; dan modul pemprosesan menganalisis dan memproses imej yang diperoleh.

Dari segi penilaian prestasi, sistem pengesanan kecacatan penutup tin yang dibangunkan oleh Universiti Hunan boleh mencapai ketepatan pengesanan melebihi 96%, dengan purata masa pengesanan 18.6ms setiap penutup tin, memenuhi keperluan barisan pengeluaran industri minuman. Berdasarkan pembelajaran mendalam, teknologi pengesanan kecacatan tin mencapai keputusan pengiktirafan yang baik selepas 10 lelaran latihan dengan kadar pembelajaran 0.0005, menghasilkan kadar pengecaman kecacatan klasifikasi binari akhir sebanyak 99.7% dan masa pelaksanaan algoritma 119 ms. Sistem pengesanan hujung tin mencapai ketepatan pengesanan sehingga 99.48% untuk pelbagai hujung tin bulat.

5 Aplikasi Perindustrian dan Prospek Masa Depan

5.1 Kes Aplikasi Amali

Sistem pemeriksaan visual rupa tin telah berjaya digunakan dalam beberapa senario perindustrian. Sistem penglihatan mesin Cognex telah mencapai kelajuan 72,000 tin sejam dan ketepatan 99.99% dalam mengesan kod bawah pada tin minuman, mengatasi kesesakan teknikal yang dihadapi dalam meningkatkan kelajuan pengeluaran dalam industri makanan dan minuman.

Peranti penglihatan mesin untuk pengesanan hujung tin menggunakan sistem penghantar pneumatik dan penjerapan vakum untuk mencapai penghantaran yang stabil dan kedudukan tepat hujung tin. Apabila hujung tin diangkut ke stesen pengimejan, kawasan tekanan rendah dicipta pada permukaan penghantar oleh pam vakum, dan hujung tin diserap secara stabil ke penghantar kerana perbezaan tekanan dan diangkut sepanjang penghantar yang digerakkan oleh motor AC. Sistem pengisihan mengklasifikasikan hujung tin berdasarkan hasil pemeriksaan, dan hujung tin yang rosak dipisahkan daripada penghantar menggunakan pemisah yang didorong oleh denyutan udara termampat.

5.2 Cabaran Teknikal dan Trend Pembangunan

Walaupun terdapat kemajuan yang ketara dalam teknologi sedia ada, bolehkah pemeriksaan penampilan masih menghadapi beberapa cabaran: mengesan kecacatan kecil adalah sukar, terutamanya mengenal pasti calar mikro terhadap latar belakang yang kompleks; gangguan reflektif belum diselesaikan sepenuhnya, terutamanya untuk permukaan berkilat tinggi; keseimbangan antara prestasi dan ketepatan masa nyata algoritma memerlukan pengoptimuman selanjutnya; dan kebolehsuaian sistem adalah terhad, memerlukan pelarasan parameter apabila reka bentuk tin berubah.

Trend pembangunan masa depan termasuk: teknologi gabungan data berbilang mod akan menggabungkan tekstur 2D, morfologi 3D dan maklumat spektrum untuk memberikan penerangan yang lebih komprehensif tentang ciri kecacatan; algoritma pembelajaran adaptif akan terus mengoptimumkan model berdasarkan data barisan pengeluaran, mengurangkan beban kerja penalaan parameter manual; gabungan pengkomputeran tepi dan seni bina pengkomputeran awan akan memastikan prestasi masa nyata sambil menggunakan data besar berasaskan awan untuk melatih model yang lebih tepat; dan pembangunan cip AI terbenam akan memacu sistem pengesanan ke arah saiz yang lebih kecil dan penggunaan kuasa yang lebih rendah. 6. Kesimpulan

Teknologi pemeriksaan visual untuk tin minuman menyepadukan pencapaian lanjutan daripada pelbagai bidang, termasuk optik, mekanik, elektronik dan penglihatan komputer, dan merupakan penunjuk penting bagi tahap automasi industri. Daripada reka bentuk sistem pengimejan kepada pengoptimuman algoritma, daripada pemilihan perkakasan kepada pembangunan platform perisian, setiap pautan secara langsung mempengaruhi prestasi pengesanan akhir. Pada masa ini, kaedah pengesanan berasaskan pembelajaran mendalam telah mengatasi algoritma tradisional dalam banyak aspek, tetapi dalam aplikasi industri praktikal, biasanya perlu untuk menggabungkan kelebihan kaedah pemprosesan imej tradisional dan teknik pembelajaran mendalam untuk membina sistem pengesanan hibrid.

Dengan pelaksanaan strategi nasional "Made in China 2025" yang mendalam, teknologi pemeriksaan penampilan minuman boleh berkembang ke arah yang lebih pintar, cekap dan boleh dipercayai. Ini bukan sahaja membantu pengilang menggunakan teknologi AI untuk menggalakkan pengeluaran pintar dan mengurangkan kos buruh, tetapi juga sejajar dengan strategi peningkatan industri pembuatan negara, yang mempunyai implikasi praktikal yang ketara. Pada masa hadapan, dengan kemajuan berterusan teknologi penderia, teori algoritma dan keupayaan pengkomputeran, sistem pemeriksaan visual boleh minuman sudah pasti akan memainkan peranan yang lebih penting dalam industri makanan dan minuman, menjaga kualiti produk.