Pemeriksaan Visual Terhadap Kecacatan Botol Minuman: Prinsip Teknikal, Pelaksanaan Sistem, dan Prospek Aplikasi

Pengenalan

Dengan perkembangan pesat dalam industri minuman, kawalan kualiti produk telah menjadi elemen utama dalam daya saing perusahaan. Sebagai bentuk utama pembungkusan produk, kualiti botol minuman mempunyai kesan langsung terhadap keselamatan produk, kekemasan, dan imej jenama. Kaedah pemeriksaan manual tradisional mempunyai kekurangan dari segi kecekapan yang rendah, subjektiviti yang tinggi, dan kadar negatif palsu yang tinggi, terutamanya pada barisan pengeluaran berkelajuan tinggi (seperti yang memproses 72,000 atau bahkan 120,000 botol sejam), di mana pemeriksaan manual tidak lagi dapat memenuhi keperluan. Teknologi penglihatan mesin, dengan kelebihannya dalam ketepatan tinggi, kecekapan tinggi, dan operasi tanpa sentuhan, telah menjadi penyelesaian utama untuk pemeriksaan kecacatan botol minuman.

Sistem pemeriksaan penglihatan mesin, dengan mensimulasikan fungsi mata manusia, menggunakan sistem optik, algoritma pemprosesan imej, dan sistem pembuatan keputusan pintar untuk mengautomasikan pemeriksaan pelbagai dimensi penunjuk kualiti botol minuman, termasuk rupa, saiz, dan pengedapan. Kertas kerja ini akan membincangkan secara komprehensif prinsip-prinsip teknikal, komposisi sistem, kaedah utama, amalan aplikasi, dan trend pembangunan masa depan dalam pemeriksaan visual kecacatan botol minuman.

I. Kecacatan dan Bahaya Umum pada Botol Minuman

Pelbagai kecacatan mungkin berlaku pada botol minuman semasa pengeluaran, terutamanya dikategorikan seperti berikut:

1.1 Kecacatan Leher Botol

Leher botol adalah bahagian penting yang berfungsi untuk mengelakkan kebocoran pada botol minuman. Kecacatan biasa termasuk:

• Permukaan pengedap yang rosak: Menjejaskan prestasi pengedapan penutup, yang berpotensi menyebabkan kebocoran atau pencemaran.

• Kecacatan benang: Menghalang penutup daripada diketatkan dengan betul.

• Tepi yang pecah/berduri: Menjejaskan penampilan dan boleh mencederakan pengguna.

• Deformasi/retakan: Mempengaruhi prestasi pengedap secara langsung.

1.2 Kecacatan Badan Botol

Kecacatan pada badan botol secara langsung menjejaskan rupa dan kekuatan struktur produk:

• Calar/retak: Mengurangkan kekuatan botol dan boleh menyebabkan kerosakan.

• Noda/bintik hitam: Menjejaskan estetika produk dan boleh menimbulkan kebimbangan pengguna.

• Gelembung udara/kotoran: Sangat ketara pada botol lutsinar, menjejaskan ketelusan.

• Deformasi/ketebalan tidak sekata: Menjejaskan ketepatan pengisian dan konsistensi produk.

1.3 Kecacatan Bahagian Bawah Botol

Kecacatan pada bahagian bawah botol menjejaskan kestabilan dan kekuatan botol:

• Kerosakan/retak: Boleh menyebabkan botol pecah.

• Kotoran dan bahan asing: Menjejaskan kebersihan produk

• Sisa filem lutsinar: Filem yang mungkin tertinggal selepas proses cetakan tiupan

1.4 Kecacatan Fungsional

• Paras cecair yang tidak normal: Pengisian yang tidak mencukupi atau berlebihan, menjejaskan konsistensi spesifikasi produk.

• Kecacatan penutup botol: Penutup terlalu tinggi, penutup bengkok, penutup pecah, tiada penutup, dan sebagainya.

• Masalah pelabelan: Pelabelan yang salah, pelabelan yang hilang, pelabelan yang tidak sejajar, kedutan, pengekodan yang kabur, dan lain-lain.

Kecacatan ini bukan sahaja menjejaskan rupa produk tetapi juga boleh menyebabkan masalah keselamatan makanan. Sebagai contoh, pengedap yang tidak baik boleh menyebabkan minuman rosak, retakan boleh menyebabkan botol pecah dan kecederaan, dan paras cecair yang tidak normal melibatkan ketepatan pengukuran dan hak pengguna.

II. Komponen Asas Sistem Pemeriksaan Visual

Sistem pemeriksaan visual lengkap untuk kecacatan botol minuman biasanya terdiri daripada komponen utama berikut:

2.1 Sistem Pemerolehan Imej

Pengambilan imej adalah asas utama pemeriksaan visual dan terutamanya merangkumi:

• Kamera industri: Kamera imbasan kawasan atau imbasan garisan beresolusi tinggi, seperti kamera imbasan kawasan beresolusi 1280×1024. Sistem moden biasanya menggunakan kamera beresolusi tinggi dengan 5 megapiksel atau lebih tinggi, yang mampu mengenal pasti kecacatan sekecil 0.3 mm².

• Lensa optik: Lensa industri 35mm, dan lain-lain, dengan panjang fokus dan bidang pandangan yang sesuai dipilih mengikut keperluan pemeriksaan.

• Sistem pencahayaan: sumber cahaya cincin, sumber cahaya koaksial, sumber cahaya latar, dan lain-lain, digunakan untuk menghapuskan pantulan dan meningkatkan kontras. Untuk pemeriksaan botol lutsinar, pencahayaan berkontras tinggi dan teknologi filem kawalan cahaya latar adalah amat penting.

2.2 Unit Pemprosesan Imej

• Pemproses Imej: Perkakasan khusus seperti pemproses imej Siemens

• Komputer Industri: Dilengkapi dengan pemproses berprestasi tinggi, seperti AMD Ryzen ™ pemproses, menyediakan kuasa pengiraan sebanyak 3.3 TFLOPS

• Perisian Pemprosesan: Termasuk modul algoritma seperti pra-pemprosesan imej, pengekstrakan ciri, dan pengenalpastian kecacatan.

2.3 Sistem Kawalan

• PLC (Programmable Logic Controller): Seperti Allen Bradley CompactLogix PLC, yang bertanggungjawab untuk penyelarasan dan kawalan sistem.

• Sistem Sensor: Sensor fotoelektrik, pengekod, dan lain-lain, digunakan untuk penentuan kedudukan produk dan pengaktifan.

• Penggerak: Peranti penolakan, mekanisme penyusunan, dan lain-lain.

2.4 Antara Muka Manusia-Mesin

• HMI (Antara Muka Manusia-Mesin): Seperti Cognex VisionView HMI, digunakan untuk tetapan parameter, pemantauan status, dan paparan hasil.

• Sistem Pengurusan Data: Merekodkan hasil pemeriksaan, menyokong kebolehjejak dan analisis kualiti

III. Teknologi dan Kaedah Utama

3.1 Teknologi Pemerolehan dan Pra-Pemprosesan Imej

Pengambilan imej berkualiti tinggi adalah prasyarat untuk pemeriksaan yang berjaya. Disebabkan oleh ciri-ciri unik botol minuman, penyelesaian pencahayaan khusus diperlukan:

• Pengesanan botol lutsinar: Pencahayaan berkontras tinggi dan filem kawalan cahaya latar digunakan untuk menyelaraskan cahaya dan menghasilkan kontras imej yang lebih tinggi.

• Pengimejan pelbagai sudut: 360 ° Pengimejan pandangan penuh dicapai melalui pantulan cermin satah, seperti cermin satah pertama dan kedua yang diletakkan secara simetri di kedua-dua sisi sensor pengesan.

• Pengimejan berputar: Kumpulan kamera diputar berdasarkan sudut putaran titik rujukan yang telah ditetapkan untuk mendapatkan imej pelbagai arah.

Pra-pemprosesan imej merangkumi langkah-langkah pengurangan gangguan, penambahan kualiti, dan pemisahan, yang menjadi asas untuk pengenalpastian kecacatan seterusnya.

3.2 Algoritma Pengesanan Kecacatan

3.2.1 Algoritma Pemprosesan Imej Tradisional

• Pengesanan tepi: Alat pengesan tepi, dan lain-lain, digunakan untuk mengenal pasti garis luar botol dan sempadan kecacatan.

• Pencocokan templat: Kawasan cacat dikenal pasti dengan membandingkannya dengan imej botol standard.

• Pemisahan ambang: Kawasan mulut botol dikeluarkan, dan keutuhan benang dianalisis.

• Pemprosesan morfologi: Digunakan untuk penambahbaikan kekurangan dan pemisahan.

Untuk pengesanan kecacatan pada mulut botol, transformasi koordinat kutub (cv2.warpPolar) sering digunakan untuk memetakan kecacatan cincin ke dalam struktur seperti jalur, sekali gus memudahkan pemodelan spatial. Garis hitam pada kawasan leher botol dipisahkan dengan tepat melalui penukaran ruang warna HSV, dan koordinat tengah serta jejari leher botol dianggarkan secara automatik menggunakan transformasi bulatan Hough.

3.2.2 Algoritma Pembelajaran Mendalam

Dengan perkembangan teknologi kecerdasan buatan, pembelajaran mendalam semakin banyak digunakan dalam pengesanan kecacatan:

• Algoritma siri YOLO: seperti sistem pengesanan botol minuman teh sejuk berdasarkan YOLO13-C3k2-RFAConv, mencapai mAP sebanyak 92.6%.

• YOLOv7 yang telah diperbaiki: Struktur piramid pengumpulan SPPCSPC asal telah diperbaiki kepada struktur SPPFCSPC yang lebih pantas, menggunakan fungsi kehilangan SIoU, mencapai ketepatan pengenalan paras cecair sebanyak 96.3% untuk botol minuman PET.

• Alat pencarian corak geometri PatMax: Algoritma pemprosesan imej yang canggih secara automatik mengenal pasti dan mengenal pasti ciri-ciri geometri pada botol.

3.3 Teknologi Pengesanan Khas

3.3.1 Pengesanan Pembungkusan Lutsinar

Bahan pembungkusan yang telus hampir tidak menyerap cahaya yang kelihatan, menyebabkan maklumat yang sangat sedikit tentang bungkusan itu sendiri dapat dilihat dalam imej yang ditangkap secara langsung. Teknologi yang dipatenkan ini menganalisis kesan distorsi optik pembungkusan lutsinar pada corak latar belakang, mengubah kecacatan yang tidak kelihatan kepada perubahan latar belakang yang boleh dikesan, dan menggunakan strategi penambahbaikan yang berbeza untuk jenis kawasan yang berlainan.

3.3.2 Pengesanan Paras Cecair

Teknologi pengimejan transmisi yang digabungkan dengan analisis skala kelabu digunakan untuk mengukur ketinggian paras cecair. Algoritma pertumbuhan kawasan memisahkan kekotoran yang terampas, dan pengelasan menentukan jenis kekotoran tersebut.

3.3.3 Pengesanan Label dan Penandaan

• Teknologi OCR: Mengenal pasti kandungan tanda dan mengesahkan maklumat seperti tarikh pengeluaran dan jangka hayat.

• Padanan Templat: Mengesahkan kedudukan label dengan ketepatan ±0.5mm.

• Analisis Perbezaan Warna: Memastikan warna label memenuhi piawaian.

IV. Pelaksanaan Sistem dan Kes Aplikasi

4.1 Reka Bentuk Seni Bina Sistem

Sistem pengesanan kecacatan botol minuman berasaskan penglihatan mesin biasanya menggunakan reka bentuk modular, termasuk empat modul utama: pelaksanaan mekanikal, kawalan elektrik, pemprosesan imej, dan perisian komputer utama. Sistem ini mengintegrasikan PLC, sistem visi, dan sistem kawalan talian pengeluaran melalui Ethernet.

4.2 Proses Pemeriksaan

Proses pemeriksaan visual biasa untuk botol minuman merangkumi:

1. Pemeriksaan Botol: Botol diterangi oleh sumber cahaya, peranti pengimejan menangkap imej, dan sistem penglihatan komputer menganalisis kekurangan seperti kerosakan atau perubahan bentuk.

2. Pemeriksaan Penutup: Mengesan penutup yang longgar, rosak, atau tidak mematuhi piawaian.

3. Pemeriksaan Paras Cecair: Mengesan sama ada paras cecair berada dalam julat yang boleh diterima.

4. Pemeriksaan Label: Mengesan label yang salah, kabur, atau hilang.

4.3 Kes Aplikasi Praktikal

4.3.1 Sistem Pemeriksaan Talian Pengeluaran Berkelajuan Tinggi

Talian pengeluaran sirap jagung sebuah syarikat makanan menggunakan sistem pemeriksaan label yang dibangunkan oleh EPIC Vision Systems, dengan kelajuan pemeriksaan melebihi 500 botol seminit. Sistem ini menggunakan sistem mikro visi Cognex In-Sight 5400 dan In-Sight 1400, memeriksa ketepatan corak label dan kod bar melalui kaedah pemadanan corak geometri, serta mengesahkan lebih daripada 20 jenis label produk yang berbeza.

4.3.2 Penyelesaian Talian Bersepadu Pintar

Penyelesaian talian bersepadu pintar Yuzhen Technology untuk pemeriksaan visual botol farmaseutikal mencapai kawalan pintar berlingkar "dari mulut botol hingga ke kotak". Sistem ini menggabungkan pemeriksaan visual AI, pengesanan kebocoran berketepatan tinggi, dan sistem pembungkusan fleksibel tanpa pengawal, mencapai ketepatan pemeriksaan sebanyak 0.1mm dan kelajuan pemeriksaan maksimum sebanyak 300 botol/minit.

4.3.3 Sistem Pemeriksaan Botol Bir

Garis pengeluaran bir boleh mencapai kelajuan lebih daripada 36,000 botol sejam, yang tidak dapat dicapai oleh kaedah pemeriksaan tradisional. Sistem pemeriksaan visual menggunakan kamera untuk mengambil imej bahagian leher, bahagian bawah, dan dinding botol, mengesan kecacatan seperti kedap leher botol, benang, kotoran pada permukaan dalam dan luar dinding botol, kotoran pada bahagian bawah, dan retakan. Botol bir yang didapati mempunyai kecacatan akan ditolak secara automatik.

4.4 Penunjuk Prestasi

Penunjuk prestasi utama sistem pemeriksaan visual botol minuman moden merangkumi:

• Kelajuan Pemeriksaan: Sehingga 400 botol seminit atau lebih, sesetengah sistem boleh mencapai 500 botol seminit.

• Ketepatan Pemeriksaan: Mampu mengenal pasti kecacatan sekecil 0.3mm², dengan kadar ketepatan ≥99.9%

• Kebolehadaptasi: Boleh memeriksa pelbagai bentuk botol, termasuk botol bulat, segi empat, dan botol berbentuk tidak sekata.

• Kestabilan: Boleh berfungsi secara berterusan selama lebih daripada 24 jam

V. Kelebihan Teknikal dan Manfaat Ekonomi

5.1 Kelebihan Teknikal

Berbanding dengan pemeriksaan manual tradisional, sistem pemeriksaan menggunakan penglihatan mesin mempunyai kelebihan yang ketara:

1. Kecekapan Tinggi: Kelajuan pemeriksaan jauh melebihi kelajuan pemeriksaan manual, sesuai dengan keperluan barisan pengeluaran berkelajuan tinggi.

2. Ketepatan Tinggi: Dapat mengesan kecacatan kecil yang sukar dikesan dengan mata kasar.

3. Objektiviti: Tidak terjejas oleh faktor manusia, dengan piawaian pemeriksaan yang seragam.

4. Kebolehtelusuran: Secara automatik merekodkan data pemeriksaan, menyokong kebolehtelusuran dan analisis kualiti.

5. Kebolehadaptasi: Boleh disesuaikan dengan pelbagai jenis produk melalui penyesuaian perisian, dengan masa penukaran hanya dua minit.

5.2 Faedah Ekonomi

1. 1. Kurangkan Kos Buruh: Kurangkan lebih daripada 60% kedudukan pemeriksaan kualiti manual, menjimatkan lebih daripada 200,000 yuan setiap tahun.

2. Tingkatkan Kualiti Produk: Hapuskan kesilapan asas seperti label yang tidak tepat dan pengekodan yang kabur, sekaligus meningkatkan konsistensi produk.

3. Kurangkan Pembaziran: Buang produk yang rosak dengan segera, mengelakkan kos pembungkusan dan pengangkutan seterusnya.

4. Meningkatkan Imej Jenama: Pastikan setiap botol memenuhi piawaian kualiti, mengukuhkan kepercayaan pengguna.

VI. Trend dan Cabaran Pembangunan

6.1 Trend Perkembangan Teknologi

1. Pembelajaran Mendalam dan Integrasi AI: Algoritma pengesanan kecacatan berdasarkan pembelajaran mendalam akan menjadi lebih meluas, seperti penerapan algoritma siri YOLO dalam pemeriksaan botol minuman.

2. Teknologi Penglihatan 3D: Pemeriksaan penglihatan 3D dapat memberikan maklumat spatial yang lebih kaya, meningkatkan ketepatan pengesanan.

3. Gabungan Pelbagai Sensor: Menggabungkan pelbagai sensor seperti penglihatan, laser, dan ultrasound untuk mencapai pemeriksaan yang lebih menyeluruh.

4. Kolaborasi Awan dan Platform Kod Rendah: Seperti Platform Kod Rendah Matrix Intelligent Machine Vision, yang menyediakan rangkaian alat serba lengkap untuk pemerolehan imej, anotasi, dan pembangunan algoritma.

5. Pengiraan Tepi: Pemprosesan masa nyata di hujung peranti, mengurangkan kelewatan penghantaran data.

6.2 Trend Aplikasi Industri

1. 1. Kawalan Pintar Sepenuhnya:** Kawalan kualiti sepanjang proses daripada bahan mentah hingga produk siap, seperti kawalan pintar gelung tertutup Yuzhen Technology "dari titik kekurangan sehingga ke kotak."

2. Pengeluaran Fleksibel:** Cepat menyesuaikan diri dengan perubahan produk dan kategori, mengurangkan masa henti barisan pengeluaran.

3. Pengoptimuman Berasaskan Data:** Menggunakan data pemeriksaan untuk mengoptimumkan proses pengeluaran dan mencapai penyelenggaraan ramalan.

6.3 Cabaran Yang Dihadapi:

1. Pemeriksaan Bahan Lutsinar:** Pengesanan kecacatan pada botol lutsinar masih merupakan satu cabaran teknikal, memerlukan pencahayaan khas dan pemprosesan algoritma.

2. Pemeriksaan Berkelajuan Tinggi:** Peningkatan kelajuan barisan pengeluaran menuntut kelajuan yang lebih tinggi dalam pemerolehan dan pemprosesan imej.

3. Keupayaan Menyesuaikan Diri dengan Persekitaran Kompleks:** Persekitaran barisan pengeluaran tertakluk kepada faktor-faktor seperti getaran, variasi suhu, dan gangguan cahaya.

4. Kawalan Kos: Sistem penglihatan berprestasi tinggi adalah mahal, menyebabkan tekanan kewangan bagi perusahaan kecil dan sederhana.

5. Keupayaan Pengabltasan Algoritma:** Sistem perlu menyesuaikan diri dengan keperluan pemeriksaan untuk jenis botol, bahan, dan warna yang berbeza.

VII. Kesimpulan:

Selepas bertahun-tahun pembangunan, teknologi pemeriksaan visual untuk kecacatan botol minuman telah berkembang daripada pemprosesan imej yang ringkas kepada sistem pintar yang mengintegrasikan pembelajaran mendalam dan kecerdasan buatan. Sistem pemeriksaan visual moden boleh mengesan kecacatan dalam pelbagai aspek pengeluaran botol dengan cekap dan tepat, termasuk bahagian pembukaan botol, badan botol, bahagian bawah, paras cecair, dan label. Kadar pemeriksaan boleh mencapai ratusan botol seminit, dengan kadar ketepatan melebihi 99%, memainkan peranan yang tidak boleh digantikan dalam pengeluaran minuman.

Dengan kemajuan teknologi yang berterusan, pemeriksaan visual botol minuman akan berkembang ke arah kecerdasan, kelajuan, dan ketepatan yang lebih tinggi. Penggunaan algoritma pembelajaran mendalam akan meningkatkan lagi ketepatan dan kebolehadaptasi dalam pengenalpastian kecacatan; Teknologi penglihatan 3D dan gabungan pelbagai sensor akan memberikan keupayaan pemeriksaan yang lebih komprehensif; Kolaborasi berbasis awan dan platform berkode rendah akan mengurangkan halangan teknikal, mempromosikan penggunaan pemeriksaan visual secara meluas dalam perusahaan kecil dan sederhana (PKS).

Bagi pengeluar minuman, pelaburan dalam sistem pemeriksaan visual bukan sahaja merupakan cara yang perlu untuk meningkatkan kualiti produk, tetapi juga merupakan pilihan strategik untuk meningkatkan kecekapan pengeluaran, mengurangkan kos operasi, dan mengukuhkan daya saing pasaran. Apabila permintaan pengguna terhadap kualiti produk terus meningkat dan kos buruh terus melonjak, prospek aplikasi teknologi pemeriksaan visual dalam industri minuman akan menjadi lebih luas.

Pada masa hadapan, teknologi pemeriksaan visual untuk kecacatan botol minuman akan terus disepadukan dengan teknologi baharu seperti Internet of Things, data besar, dan pengiraan awan, merealisasikan transformasi daripada satu titik pemeriksaan kepada keseluruhan talian pengeluaran, daripada analisis luar talian kepada pengoptimuman masa nyata, dan daripada penolakan pasif kepada pencegahan proaktif, memberikan sokongan teknikal yang kukuh untuk pembangunan industri minuman yang berkualiti tinggi.