1. Gambaran keseluruhan

1.1 Kepentingan Pemeriksaan Prabentuk

Prabentuk ialah produk perantaraan botol PET, yang akhirnya dibentuk menjadi pelbagai spesifikasi botol pembungkusan melalui proses pengacuan tamparan. Sebagai "produk separuh siap" botol PET, kualiti prabentuk secara langsung menentukan prestasi produk akhir. Preform yang rosak boleh menyebabkan:

• Kegagalan dalam pengacuan tamparan, mengurangkan kecekapan pengeluaran

• Kecacatan struktur dalam botol siap, menjejaskan keselamatan penggunaan

• Prestasi pengedap yang tidak mencukupi, menyebabkan kebocoran dan kemerosotan produk

• Kecacatan penampilan, imej jenama yang merosakkan dan penerimaan pasaran

Dalam rantaian kawalan kualiti, pemeriksaan prabentuk tergolong dalam pautan "pencegahan hadapan". Berbanding dengan pemeriksaan botol siap, pemeriksaan prabentuk menawarkan faedah ekonomi yang lebih tinggi dan kelebihan kecekapan, membolehkan penyingkiran tepat pada masanya produk yang tidak memenuhi syarat sebelum kecacatan dikuatkan, dengan itu mengelakkan pembaziran sumber dalam pemprosesan berikutnya.

1.2 Kelebihan Teknikal Pemeriksaan Penglihatan

Pemeriksaan prabentuk tradisional terutamanya bergantung pada pemeriksaan visual manual, yang mempunyai kelemahan yang wujud seperti kecekapan rendah, konsistensi yang lemah, subjektiviti yang kuat, dan intensiti buruh yang tinggi. Dengan perkembangan teknologi penglihatan mesin, sistem pemeriksaan penglihatan automatik secara beransur-ansur menjadi arus perdana, dengan kelebihan terasnya termasuk:

Ketepatan Pemeriksaan: Mampu mengenal pasti kecacatan halus sekecil 0.1mm

Kelajuan Pemeriksaan: Sehingga 20-30 prabentuk sesaat

Konsisten: Tidak dipengaruhi oleh faktor subjektif manusia

Maklumat Komprehensif: Boleh mengesan pelbagai jenis kecacatan serentak

Kebolehkesanan Data: Penyimpanan digital hasil pemeriksaan, memudahkan kebolehkesanan dan analisis kualiti

2. Komponen Sistem Pemeriksaan Penglihatan Prabentuk

2.1 Reka Bentuk Sistem Perkakasan

2.1.1 Unit Pengimejan

Pemilihan Kamera: Kamera CCD atau CMOS gred industri biasanya digunakan, dengan resolusi antara 2 hingga 12 megapiksel. Berdasarkan keperluan pemeriksaan, pilihan termasuk:

• Kamera Imbasan Kawasan: Untuk pemeriksaan penampilan keseluruhan

• Kamera Imbasan Talian: Untuk pemeriksaan putaran berkelajuan tinggi

• Kamera 3D: Untuk pemeriksaan dimensi dan morfologi

Konfigurasi Kanta: Kanta industri dengan jarak fokus yang sesuai dipilih berdasarkan medan pandangan dan jarak kerja. Konfigurasi biasa termasuk:

• Kanta Telesentrik: Menghapuskan ralat perspektif, meningkatkan ketepatan ukuran dimensi

• Kanta Makro: Untuk pengimejan resolusi tinggi kawasan terperinci

• Kanta Zum: Menyesuaikan diri dengan prabentuk spesifikasi yang berbeza

Sistem Pencahayaan: Pencahayaan adalah bahagian penting dalam pemeriksaan penglihatan. Untuk ciri telus prabentuk, penyelesaian pencahayaan yang biasa digunakan termasuk:

• Pencahayaan sepaksi: Untuk mengesan calar permukaan dan kotoran

• Pencahayaan latar: Untuk pemeriksaan keseragaman kontur dan ketebalan dinding

• Pencahayaan Kubah: Menghilangkan pantulan, digunakan untuk pemeriksaan mulut benang dan botol

• Cahaya Berstruktur Khas: Untuk pemeriksaan morfologi 3D

2.1.2 Sistem Pengangkutan Mekanikal

Mekanisme Pemakanan: Mangkuk bergetar, tali pinggang penghantar, lengan robot, dsb.

Mekanisme Kedudukan: Meja putar dipacu motor servo, lekapan kedudukan ketepatan

Mekanisme Isih: Peranti penolakan pneumatik atau mekanikal

Sistem Kawalan: PLC atau PC industri, menyelaraskan tindakan pelbagai komponen

2.2 Seni Bina Sistem Perisian

2.2.1 Algoritma Pemprosesan Imej

Prapemprosesan Imej:

• Penapisan dan Pengurangan Bunyi: Hilangkan hingar pengimejan

• Peningkatan Kontras: Serlahkan ciri sasaran

• Segmentasi Imej: Ekstrak kawasan yang diminati

• Pemprosesan Morfologi: Isi lubang, keluarkan burr

Algoritma Pengekstrakan Ciri:

• Pengesanan Tepi: Pengendali Canny, Sobel

• Analisis Tekstur: Matriks kejadian bersama aras kelabu

• Analisis Warna: Penukaran ruang RGB/HSV

• Analisis Bentuk: Transformasi Hough, padanan kontur

Algoritma Pengecaman Kecacatan:

• Segmentasi Ambang: Berdasarkan perbezaan skala kelabu

• Padanan Templat: Bandingkan dengan sampel standard

• Pembelajaran Mesin: Mesin Vektor Sokongan, Hutan Rawak

• Pembelajaran Mendalam: Rangkaian Neural Konvolusi

2.2.2 Perisian Kawalan Sistem

Pengurusan Proses Pemeriksaan: Menyelaraskan keseluruhan proses pemerolehan, pemprosesan, pertimbangan dan pengisihan imej

Antara Muka Penetapan Parameter: Menyediakan antara muka mesra pengguna untuk konfigurasi parameter

Sistem Pengurusan Data: Penyimpanan, pertanyaan, statistik dan eksport hasil pemeriksaan

Penggera dan Prompt: Makluman tepat pada masanya untuk status tidak normal, membimbing penyelenggaraan

3. Item Pemeriksaan Utama dan Keperluan Teknikal

3.1 Pemeriksaan Kecacatan Rupa

3.1.1 Kecacatan Permukaan

Pengesanan Calar: Kecacatan linear dengan panjang > 0.5mm, kedalaman > 0.05mm

Kekotoran Bintik Hitam: Pencemaran bahan asing dengan diameter > 0.3mm

gelembung: Buih dengan diameter > 0.5mm, ketumpatan > 3/cm²

Contengan Perak: Keretakan mikro disebabkan oleh tekanan atau kelembapan

Jerebu: Ketelusan tidak memenuhi keperluan

Cabaran Pengesanan: Bahan lutsinar sensitif kepada cahaya, dengan gangguan pantulan permukaan yang ketara. Penyelesaian termasuk menggunakan cahaya terpolarisasi, pengimejan berbilang sudut dan pencahayaan pantulan meresap.

3.1.2 Keabnormalan Warna

Pengesanan Perbezaan Warna: Nilai ΔE > 1.5 berbanding carta warna standard

Garisan Warna: Taburan warna tidak sekata

Perubahan warna: Disebabkan oleh penguraian atau pencemaran bahan mentah

Kaedah Pengesanan: Kamera warna berketepatan tinggi menangkap imej di bawah sumber cahaya standard (D65, D50, dll.), dengan penukaran ruang warna dan formula perbezaan warna untuk pengiraan.

3.2 Pemeriksaan Ketepatan Dimensi

3.2.1 Dimensi Kritikal

Jumlah Tinggi: Toleransi ±0.3mm

Diameter Luar Mulut Botol: Toleransi ±0.1mm

Dimensi Benang: Pitch, profil gigi, kesempurnaan

Dimensi Leher: Diameter gelang sokongan, kedudukan

Berat badan: Sisihan berat < 0.5g

3.2.2 Toleransi Geometrik

Konsentrik: Keserasian mulut botol dan badan < 0.2mm

Ketegakan: Kelurusan badan botol

Keseragaman Ketebalan Dinding: Perubahan ketebalan dinding pada kedudukan berbeza < 0.1mm

Teknologi Pengesanan: Sistem penglihatan 3D boleh mengukur pelbagai bahagian prabentuk dengan tepat, mendapatkan maklumat dimensi tiga dimensi melalui pemprosesan data awan titik.

3.3 Pemeriksaan Integriti Struktur

3.3.1 Cacat Mulut Botol

Benang Hilang: Benang hilang atau putus

Deformasi Mulut Botol: Bujur di luar toleransi

Sokongan Kecacatan Cincin: Tidak lengkap, burr

Mengedap Kecacatan Permukaan: Calar, penyok

3.3.2 Kecacatan Badan Botol

Keabnormalan Ketebalan Dinding: Secara tempatan terlalu nipis atau terlalu tebal

Pemutihan Tekanan: Orientasi molekul tidak sekata

Kecacatan Pintu: Sisa sprue, tanda pengecutan

Garis Perpisahan: Terlalu jelas atau tidak sejajar

3.4 Pemeriksaan Kecacatan Khas

3.4.1 Kecacatan Berkaitan Bahan Mentah

Kemasukan Bahan Asing: Kekotoran bahan yang berbeza

Kandungan Lembapan Berlebihan: Buih terhasil semasa pengacuan suntikan

Produk Degradasi: Penguraian kepanasan bahan mentah

3.4.2 Kecacatan Berkaitan Proses

Pukulan Pendek: Tekanan suntikan yang tidak mencukupi menyebabkan kekurangan bahan

kilat: Jurang acuan yang berlebihan menyebabkan limpahan

Tanda Sinki: Pengecutan penyejukan tidak sekata

Talian Kimpalan: Kelemahan pada titik penumpuan cair

4. Algoritma Pemeriksaan dan Inovasi Teknologi

4.1 Teknik Pemprosesan Imej Tradisional

4.1.1 Segmentasi Berasaskan Ambang

Asingkan kawasan kecacatan dari latar belakang dengan menetapkan ambang skala kelabu yang sesuai. Sesuai untuk kecacatan dengan kontras yang jelas, seperti bintik hitam dan buih.

Had: Sensitif kepada perubahan pencahayaan, sukar untuk menyesuaikan diri dengan latar belakang yang kompleks.

4.1.2 Padanan Templat

Gunakan imej prabentuk standard sebagai templat, lakukan pemadanan korelasi dengan imej yang akan diperiksa dan hitung perbezaannya.

Kaedah Penambahbaikan: Padanan berbilang templat, templat boleh ubah bentuk, padanan ciri tempatan.

4.1.3 Analisis Tekstur

Kesan kecacatan permukaan dengan menganalisis ciri tekstur imej, sesuai untuk calar, jerebu, dsb.

Ciri Biasa: Kontras, korelasi, tenaga, keseragaman.

4.2 Pendekatan Pembelajaran Mesin

4.2.1 Kejuruteraan Ciri

Ekstrak bentuk, tekstur, warna dan ciri lain daripada imej untuk membina vektor ciri bagi pengelas latihan.

Pengelas Biasa: Mesin Vektor Sokongan, Hutan Rawak, AdaBoost.

4.2.2 Pemindahan Pembelajaran

Gunakan model yang telah dilatih pada set data berskala besar, perhalusinya untuk tugas pemeriksaan prabentuk, mengurangkan keperluan untuk data latihan.

4.3 Kaedah Pembelajaran Mendalam

4.3.1 Rangkaian Neural Konvolusi (CNN)

Rangka Kerja Pengesanan:

• R-CNN yang lebih pantas: Pengesanan dua peringkat, ketepatan yang tinggi

• Siri YOLO: Pengesanan satu peringkat, kelajuan pantas

• SSD: Mengimbangi kelajuan dan ketepatan

Senario Aplikasi: Sesuai untuk pengesanan umum pelbagai kecacatan, terutamanya yang sukar ditentukan dengan kaedah tradisional.

4.3.2 Rangkaian Musuh Generatif (GAN)

Sintesis Kecacatan: Hasilkan pelbagai sampel kecacatan untuk mengembangkan set data latihan

Pengesanan Anomali: Tentukan keabnormalan melalui ralat pembinaan semula

4.3.3 Mekanisme Perhatian

Membolehkan rangkaian memfokus pada bidang utama, meningkatkan kecekapan dan ketepatan pengesanan, terutamanya untuk pengesanan kecacatan sasaran kecil.

4.4 Gabungan Pelbagai Penderia

4.4.1 Penglihatan + 3D

Penglihatan 2D mengesan kecacatan rupa, penglihatan 3D mengesan kecacatan dimensi dan morfologi, saling melengkapi.

4.4.2 Penglihatan + Spektroskopi

Gabungkan cahaya boleh dilihat dengan spektroskopi inframerah dekat untuk mengesan ciri dalaman seperti ketulenan bahan mentah dan kandungan lembapan.

5. Pelaksanaan dan Pengoptimuman Sistem

5.1 Langkah-langkah Pelaksanaan

5.1.1 Analisis Keperluan

• Tentukan objektif pemeriksaan: Jenis kecacatan, piawaian pemeriksaan

• Tentukan penunjuk prestasi: Kadar pengesanan, kadar positif palsu, kelajuan pemeriksaan

• Menilai keadaan di tapak: Ruang, pencahayaan, bekalan kuasa, sumber udara

5.1.2 Reka Bentuk Sistem

• Pemilihan Perkakasan: Kamera, kanta, pencahayaan, struktur mekanikal

• Senibina Perisian: Algoritma pemprosesan imej, logik kawalan, antara muka manusia-mesin

• Pelan Integrasi: Kaedah antara muka dengan barisan pengeluaran

5.1.3 Pemasangan dan Pentauliahan

• Pemasangan Mekanikal: Pastikan ketepatan kedudukan

• Pentauliahan Optik: Optimumkan kualiti pencahayaan dan pengimejan

• Penentukuran Parameter: Wujudkan korespondensi antara piksel dan dimensi sebenar

• Pengoptimuman Algoritma: Laraskan parameter pengesanan untuk prestasi optimum

5.1.4 Pengesahan dan Penerimaan

• Ujian Prestasi: Kadar pengesanan ujian menggunakan sampel standard

• Ujian Kestabilan: Jalankan sistem secara berterusan untuk menguji kebolehpercayaan

• Latihan Pengguna: Latihan pengendalian dan penyelenggaraan

5.2 Pengoptimuman Parameter Utama

5.2.1 Pengoptimuman Pencahayaan

• Sudut: Sudut kejadian, sudut pantulan

• Intensiti: Elakkan pendedahan berlebihan atau kurang pendedahan

• Keseragaman: Hilangkan pencahayaan yang tidak sekata

• Spektrum: Padankan ciri kamera dan bahan

5.2.2 Parameter Kamera

• Resolusi: Keseimbangan antara medan pandangan dan ketepatan

• Masa Pendedahan: Elakkan pergerakan kabur

• Keuntungan: Imbangkan nisbah isyarat kepada hingar

• Kadar Bingkai: Memenuhi keperluan kitaran pemeriksaan

5.2.3 Parameter Algoritma

• Ambang: Ambang pembahagian

• Parameter Penapisan: Keamatan pengurangan hingar

• Parameter Ciri: Berat bentuk, ciri tekstur

• Ambang Pengelasan: Ambang diskriminasi

5.3 Penyelenggaraan Sistem

5.3.1 Penyelenggaraan Harian

• Pembersihan: Kanta, pencahayaan, tingkap pelindung

• Penentukuran: Penentukuran dimensi biasa

• Sandaran: Parameter dan sandaran program

• Pembalakan: Log operasi, statistik kecacatan

5.3.2 Penentukuran Berkala

• Pengesahan Prestasi: Sahkan kadar pengesanan menggunakan sampel standard

• Pengoptimuman Parameter: Laraskan parameter berdasarkan keadaan pengeluaran

• Peningkatan Perisian: Kemas kini algoritma dan fungsi

• Pemeriksaan Perkakasan: Semak status komponen

6. Aplikasi dan Cabaran Industri

6.1 Industri Pembungkusan Minuman

Ciri-ciri Aplikasi: Kelajuan tinggi, ketepatan tinggi, pelbagai jenis

Keperluan Khas: Bahan gred makanan, pematuhan dengan pensijilan FDA, EFSA

Trend Pembangunan: Pemeriksaan prabentuk ringan, keserasian dengan bahan kitar semula

6.2 Pembungkusan Kosmetik

Keperluan Kualiti: Penampilan sempurna, warna yang tepat

Cabaran Pemeriksaan: Pelbagai warna, bentuk, lutsinar

Trend Pembangunan: Pemeriksaan prabentuk peribadi, penyesuaian kepada kumpulan kecil, pelbagai jenis

6.3 Pembungkusan Farmaseutikal

Keperluan Kawal Selia: Pematuhan dengan piawaian GMP, farmakope

Pemeriksaan Khas: Keutuhan meterai, kebersihan, ketekalan bahan

Trend Pembangunan: Pemeriksaan pembungkusan steril, penyepaduan dengan sistem kebolehkesanan

6.4 Cabaran Teknikal

6.4.1 Pengimejan Bahan Lutsinar

• Gangguan pantulan dan pembiasan

• Kesukaran pengimejan struktur dalaman

• Penyelesaian: Cahaya terpolarisasi, pengimejan berbilang sudut, salutan khas

6.4.2 Pemeriksaan Kelajuan Tinggi

• Pengimejan kadar bingkai tinggi

• Pemprosesan masa nyata

• Penyelesaian: Pecutan perkakasan, pengkomputeran selari, pengoptimuman algoritma

6.4.3 Kecacatan Kompleks

• Kecacatan mikro

• Kecacatan dengan sempadan kabur

• Penyelesaian: Pengimejan resolusi tinggi, pembelajaran mendalam, analisis berbilang skala

6.4.4 Kebolehsuaian

• Bertukar pantas antara pelbagai jenis

• Pelarasan parameter penyesuaian

• Penyelesaian: Pengurusan resipi, penentukuran automatik, pembelajaran dalam talian

7. Trend Pembangunan Masa Depan

7.1 Peningkatan Pintar

Pemeriksaan Adaptif: Sistem boleh melaraskan parameter secara automatik berdasarkan keadaan pengeluaran

Penyelenggaraan Ramalan: Menganalisis status peralatan berdasarkan data pemeriksaan, meramalkan kegagalan

Pembelajaran Dalam Talian: Sistem boleh belajar daripada sampel baharu, terus mengoptimumkan model

7.2 Pembangunan Bersepadu

Integrasi Mendalam dengan Barisan Pengeluaran: Data pemeriksaan terus maklum balas untuk mengawal parameter pengacuan suntikan

Data Besar Berkualiti: Data pemeriksaan besar-besaran yang digunakan untuk pengoptimuman proses dan analisis kualiti

Kembar Digital: Wujudkan sistem pemeriksaan maya untuk ramalan dan pengoptimuman

7.3 Integrasi Teknologi Baharu

Pengimejan Hiperspektral: Secara serentak memperoleh maklumat spatial dan spektrum

Teknologi Terahertz: Mengesan kecacatan dalaman dan delaminasi

Pengimejan Kuantum: Terobosan had optik tradisional

Pengkomputeran Tepi: Pemprosesan selesai pada hujung peranti, mengurangkan kependaman

7.4 Penyeragaman dan Modularisasi

Penyeragaman Antaramuka: Memudahkan penyepaduan dan peningkatan sistem

Reka Bentuk Modular: Konfigurasi fleksibel berdasarkan keperluan

Perkhidmatan Awan: Kemas kini algoritma, diagnostik jauh, analisis data

8. Analisis Faedah Ekonomi

8.1 Faedah Langsung

Peningkatan Kualiti: Kadar kecacatan dikurangkan sebanyak 30%-70%

Penjimatan Kos: Buruh berkurangan lebih 80%, kerja semula lebih rendah dan kerugian sekerap

Peningkatan Kecekapan: Kelajuan pemeriksaan meningkat sebanyak 3-5 kali ganda, mampu beroperasi 7×24

8.2 Faedah Tidak Langsung

Nilai Data: Data kualiti yang digunakan untuk pengoptimuman proses

Perlindungan Jenama: Elakkan kerosakan jenama yang disebabkan oleh isu kualiti

Jaminan Pematuhan: Memenuhi peraturan kualiti yang semakin ketat

Rizab Teknologi: Mengumpul teknologi pemeriksaan teras

8.3 Pulangan Pelaburan

Kos Pelaburan: Harga sistem berjulat dari ratusan ribu hingga jutaan

Tempoh Bayar Balik: Biasanya 6-18 bulan, bergantung pada skala pengeluaran

Nilai Jangka Panjang: Peningkatan teknologi, pengumpulan data, premium jenama

9. Syor Pelaksanaan

9.1 Strategi Pelaksanaan Berperingkat

1. Fasa Perintis: Juruterbang di stesen utama untuk mengesahkan keberkesanan

2. Fasa Kenaikan Pangkat: Ringkaskan pengalaman, secara beransur-ansur dilanjutkan ke barisan pengeluaran lain

3. Fasa Integrasi: Sepadukan dengan MES, sistem ERP untuk perkongsian data

4. Fasa Pengoptimuman: Optimumkan algoritma dan parameter secara berterusan untuk meningkatkan prestasi

9.2 Faktor Kejayaan Utama

Sokongan Pengurusan: Penekanan strategik, jaminan sumber

Kerjasama Rentas Jabatan: Penyelarasan antara bahagian pengeluaran, kualiti, peralatan dan IT

Pemilihan Pembekal: Kekuatan teknikal, pengalaman industri, keupayaan perkhidmatan

Latihan Kakitangan: Memupuk operasi, penyelenggaraan, dan keupayaan analisis data

Penambahbaikan Berterusan: Wujudkan mekanisme pengoptimuman untuk menyesuaikan diri dengan keperluan yang berubah-ubah

9.3 Kawalan Risiko

Risiko Teknikal: Teknologi yang tidak matang, kebolehsuaian yang lemah

Risiko Pelaksanaan: Garis masa tertunda, keputusan tidak berkesan

Risiko Operasi: Penyelenggaraan yang sukar, kegagalan yang kerap

Tindakan balas: Pengesahan menyeluruh, pelaksanaan berperingkat, pelan sandaran, sokongan profesional

10. Kesimpulan

Teknologi pemeriksaan penglihatan prabentuk berkembang daripada pemeriksaan fungsi tunggal tradisional kepada sistem pintar, bersepadu dan rangkaian. Dengan penyepaduan dan aplikasi teknologi baharu seperti kecerdasan buatan, Internet Perkara dan data besar, sistem pemeriksaan penglihatan bukan sahaja boleh mencapai pengecaman kecacatan yang lebih tepat tetapi juga menyediakan sokongan data untuk pengoptimuman proses pengeluaran, menjadi komponen penting dalam pembuatan pintar.

Bagi pengeluar pembungkusan PET, melabur dalam sistem pemeriksaan penglihatan prabentuk lanjutan bukan sahaja boleh meningkatkan kualiti produk dan mengurangkan kos pengeluaran tetapi juga berfungsi sebagai langkah penting dalam transformasi digital dan meningkatkan daya saing teras. Pada masa hadapan, apabila ketepatan pemeriksaan terus bertambah baik, kelajuan pemeriksaan meningkat, dan kebolehsuaian sistem bertambah kukuh, teknologi pemeriksaan penglihatan sudah pasti akan memainkan peranan yang semakin penting dalam kawalan kualiti prabentuk, memacu seluruh industri ke tahap pembangunan yang lebih tinggi.

Apabila memilih dan melaksanakan sistem pemeriksaan penglihatan prabentuk, syarikat harus mempertimbangkan keperluan sebenar mereka, menilai secara komprehensif dari aspek seperti kemajuan teknologi, kestabilan sistem, pulangan pelaburan, dan sokongan perkhidmatan, mengguna pakai strategi pelaksanaan yang saintifik dan munasabah, dan memastikan sistem itu benar-benar dapat menambah nilai dan mewujudkan daya saing yang mampan untuk perusahaan.