L’ispezione nel workflow dell’imballaggio è un’attività imprescindibile per mantenere e migliorare la qualità, la produttività, eliminare i falsi scarti e portare verso lo zero i rischi di un richiamo. Le applicazioni e tecnologie di visione artificiale rappresentano oggi una parte sempre più sostanziale del processo produttivo e sempre più spesso richiedono di essere customizzate per le singole attività di imballaggio.
“Lungo le linee di imballaggio si verificano la presenza, la correttezza, la posizione e la leggibilità di un’etichetta. Non devono esserci linguette, strappi, bolle e la leggibilità, la scansionabilità dei codici a barre o dei codici data/lotto, dev’essere assoluta. Il tutto a velocità tali da non compromettere la produttività di un impianto” premette Paolo Stevanin, regional manager di Cognex International.
A cosa serve il deep learning nella visione artificiale?
Ma non sempre soluzioni di visione industriale tradizionale riescono a raggiungere i risultati con precisione e tantomeno l’ispezione dell’occhio umano.
“A supporto della produttività e della qualità, la tecnologia del deep learning rappresenta uno strumento efficace e particolarmente adattabile. Con questa tecnologia si possono gestire tutti i diversi tipi di superfici di imballaggio, compresi carta, vetro, plastica e ceramica, nonché le corrispondenti etichette. In caso di difetti specifici su un’etichetta stampata o nella zona di taglio per un elemento di imballaggio, il Deep Learning è in grado di identificare le aree di interesse semplicemente mediante l’apprendimento dell’aspetto variabile della zona interessata. Impiegando una serie di strumenti, il Deep Learning è in grado di localizzare e conteggiare oggetti e caratteristiche complessi, individuare anomalie e classificare quegli oggetti che, con sistemi di tradizionali causerebbero notevoli ‘falsi scarti’ con ingenti cali di produzione. Infine, con le tecnologie del deep learning si è in grado di riconoscere e verificare caratteri alfanumerici utilizzando una libreria di caratteri pre-impostati.”
Numeri e lettere anche sulle superfici difficili
Paolo Stevanin spiega le innovative capacità del Deep Learning negli strumenti OCR di Cognex. “Di norma la visione artificiale tradizionale potrebbe riuscire facilmente a riconoscere e/o verificare che i codici siano leggibili e corretti prima che lascino lo stabilimento, tuttavia alcune superfici complesse rendono questo compito molto difficile. Cognex propone un sistema di ispezione in grado di giudicare la leggibilità secondo standard umani ma con la velocità e l’affidabilità di un sistema digitalizzato. Come? Utilizzando il deep learning. Lo strumento di OCR con Deep Learning di Cognex rileva e legge il formato di testo dei codici data/lotto, verificando che le loro sequenze di numeri e lettere siano corrette anche quando sono molto deformati o, nel caso di superfici metalliche, mal incisi. Lo strumento riduce al minimo l’addestramento in quanto sfrutta una sconfinata libreria di font pre-addestrati. Ciò significa che il Deep Learning di Cognex è in grado di leggere la maggior parte del testo alfanumerico anche appena installato, senza programmazione. L’addestramento è limitato a casi specifici dove è richiesto di riconoscere dettagli superficiali complessi o l’utilizzo di caratteri non riconosciuti. Tutti questi vantaggi aiutano a facilitare e velocizzare l’implementazione e contribuiscono a risultati di successo nelle applicazioni OCR e OCV senza il coinvolgimento di un esperto in visione.”
Prova superata anche nelle confezioni multiprodotto
Un problema che Cognex ha brillantemente risolto grazie al Deep Learning è quello del controllo su confezioni multiple o con prodotti diversi.
Per queste ispezioni i produttori necessitano di sistemi e soluzioni estremamente flessibili in grado di localizzare e verificare che i singoli articoli siano presenti e correttamente disposti secondo la configurazione opportuna. Secondo Paolo Stevanin per localizzare i singoli pezzi, un sistema basato sul Deep Learning costituisce la soluzione ideale perché generalizza le caratteristiche distintive di ciascun articolo sulla base di aspetti quali dimensioni, forma, colore e superficie. “Il software di Deep Learning di Cognex può essere addestrato rapidamente in modo da creare un database completo di articoli. Successivamente, l’ispezione può procedere per zona per verificare che la confezione sia stata assemblata correttamente. Le ispezioni del kitting richiedono un’abilità più spiccata del sistema di ispezione automatizzato. Le confezioni multiple di beni di consumo devono essere ispezionate prima della spedizione. Ad esempio, la confezione multipla di solari contiene davvero due tipi di solari e un burrocacao solare extra?
Questa categorizzazione è importante ma non ottenibile con soluzioni di visione artificiale tradizionali. Lo strumento di classificazione con Deep Learning di Cognex può essere combinato facilmente con strumenti di visione artificiale tradizionali di localizzazione e conteggio oppure con gli stessi tool basati su tecnologia Deep Learning nel caso in cui l’ispezione del kitting comporti tipi variabili di prodotti e richieda l’intelligenza artificiale per distinguere le caratteristiche generalizzanti di tali tipi di prodotti.”
La classificazione basata sul Deep Learning funziona distinguendo classi diverse sulla base di una raccolta di immagini etichettate e identifica i prodotti sulla base delle discrepanze di imballaggio.
I nuovi sistemi di visione con funzionalità Deep Learning si distinguono dai sistemi di visione artificiale tradizionale in quanto sono in grado di auto-apprendere e possono essere addestrati su immagini di esempio etichettate, senza una programmazione esplicita. Il software basato sul Deep Learning utilizza un’intelligenza simile a quella umana. L’aspetto più importante consiste nel fatto che il software è in grado di risolvere le sfide di automazione più complesse che prima non era possibile programmare.
Nel settore dell’imballaggio aumenta esponenzialmente la richiesta di sistemi di visione artificiale più rapidi e più potenti per realizzare una produzione maggiore, di qualità più elevata e a costo inferiore. “Cognex soddisfa le esigenze dei clienti nel packaging offrendo sistemi di ispezione automatizzata che combinano la potenza della visione artificiale al Deep Learning per produrre un confezionamento affidabile a costi sostenibili” conclude Paolo Stevanin.
Per conoscere tutti i vantaggio del deep learning per l’automazione dello stabilimento, leggi questo approfondimento.
