Thermoseal & Label Inspector von Inndeo

Mit Deep Learning gegen Fehler

Hohe Geschwindigkeit und hohe Erkennungsraten sind die Anforderungen an die Qualitätskontrolle in der Verpackungsbranche. Wie diese Anforderungen erreicht werden können, zeigt das Unternehmen Inndeo mit einem Automatisierungssystem auf Basis von industrieller Bildverarbeitung und Deep Learning.

 (Bild: Inndeo Prroyectos Industriales S.L.)

(Bild: Inndeo Prroyectos Industriales S.L.)

Inndeo aus Saragossa bietet mit seiner Marke Inspectra Bildverarbeitungslösungen für die Automatisierung von Qualitätsprüfungen in der Lebensmittelindustrie an. Der Thermoseal & Label Inspector soll nun auch Verpackungen inspizieren und Etiketten lesen. Das Gerät vereint Technologien wie Hochgeschwindigkeits- und Verarbeitungserfassung mit der hauseigenen HSP-Technologie, hyperspektraler Bildverarbeitung, Deep Learning und RGB.

Durchgängig automatisieren

Ziel ist es, ein durchgängig automatisiertes System für die Verpackungsbranche zu entwickeln. Die Effekte eines solchen Machine-Vision-Systems sind: höhere Erkennungsraten von Defekten der Verpackungen, Kostenersparnis sowie die Digitalisierung der Produktionsprozesse. Doch wie sieht das Setup des Thermoseal & Label Inspector aus? An verschiedenen Stellen innerhalb der Inspektionsumgebung positionierte Kameras nehmen Bilder der zu prüfenden Objekte auf. Diese werden von der integrierten Machine-Vision-Software Halcon des Münchener Unternehmens MVTec verarbeitet.

Für die versiegelten Bereiche ermittelt die Software auf Grundlage verschiedener Parameter den relevanten Prüfbereich (Region of Interest/ROI) des Bildes. Dazu verwendet Inndeo hochauflösende RGB-Vision-Technologie, um einfache Fehler auf versiegelten Flächen zu finden – wie etwa Schinkenstücke, deren Farbe in einer transparenten Schale leicht zu erkennen ist. Darüber hinaus setzt das Unternehmen hyperspektrale Bildverarbeitungstechnologie für komplexere Fehler ein. So können beispielsweise Fehler in undurchsichtigen oder bedruckten Schalen erkannt werden. Unter Einsatz von Deep Learning interpretiert die Software die Bilder mit einer höheren Erkennungsgeschwindigkeit und -effizienz und erkennt etwa Falten in Siegelfolien oder Fehler in der Zusammensetzung des Produkts in der Schale.

Optische Zeichenerkennung

Ein weiteres Anwendungsszenario ist die Inspektion der Etikettierung sowie die Prüfung, ob sich Falten unterhalb des Etiketts gebildet haben. Um das Etikett zu erkennen, sucht ein konfigurierbares Werkzeug nach einem bestimmten Muster. Ist dieses gefunden, erfolgen die Prüfprozesse. Dabei nutzt die Applikation die in die Halcon-Software integrierten Technologien zur optischen Zeichenerkennung wie OCR (Optical Character Recognition) oder Deep OCR, die Texterkennungsfunktionen mit Deep-Learning-Algorithmen kombinieren. So lassen sich verschiedene Arten der Etiketteninspektion konfigurieren. Zur Erkennung von Anomalien der aufgebrachten Etikettierung kommen ebenfalls Deep-Learning-Technologien sowie ein Musterabgleich von Farbtönen zum Einsatz.

Das könnte Sie auch interessieren

Werkzeugbahnen für Zerspanprozesse in CAM-Systemen zu planen erfordert Expertenwissen. Viele Parameter müssen bestimmt und geprüft werden, um die Bahnplanung Schritt für Schritt zu optimieren. Im Projekt CAMStylus arbeiten die Beteiligten daran, diese Aufgabe zu vereinfachen - per KI-gestützter Virtual-Reality-Umgebung.‣ weiterlesen

In einer Studie von Techconsult in Zusammenarbeit mit Grandcentrix wurden 200 Unternehmen ab 250 Beschäftigten aller Branchen zum Thema ESG in ihren Unternehmen befragt. Die Studie hebt die zentrale Rolle der jüngsten CSR-Direktive der EU bei der Förderung von Transparenz und Nachhaltigkeit in Unternehmen hervor. Dabei beleuchtet sie die Fortschritte und Herausforderungen bei der Umsetzung von Umwelt-, Sozial- und Unternehmensführungskriterien (ESG) im Zusammenhang mit der Nutzung von IoT-Technologien.‣ weiterlesen

AappliedAI hat vier KI Use Cases identifiziert, die es dem produzierenden Gewerbe ermöglichen, ihre Effizienz und Produktivität zu steigern. Mit der Anwendung bewährter Technologien können sich die Investitionen bereits nach einem Jahr amortisieren.‣ weiterlesen

Hinter jedem erfolgreichen Start-up steht eine gute Idee. Bei RockFarm sind es gleich mehrere: Das Berliner Unternehmen baut nachhaltige Natursteinmauern aus CO2 bindendem Lavagestein. Oder besser gesagt, es lässt sie bauen - von einem Yaskawa-Cobot HC10DTP.‣ weiterlesen

Mit über 2,2Mio.t verarbeitetem Schrott pro Jahr ist die Swiss Steel Group einer der größten Recyclingbetriebe Europas. Für seinen 'Green Steel', also Stahl aus recyceltem Material, arbeitet das Unternehmen an einem digitalen Zwilling des ankommenden Schrotts.‣ weiterlesen

Laut einer aktuellen Studie von Hitachi Vantara betrachten fast alle der dafür befragten Unternehmen GenAI als eine der Top-5-Prioritäten. Aber nur 44 Prozent haben umfassende Governance-Richtlinien eingeführt.‣ weiterlesen

61 Prozent der Unternehmen in Deutschland wollen laut einer Bitkom-Befragung per Cloud interne Prozesse digitalisieren, vor einem Jahr waren es nur 45 Prozent. Mittelfristig wollen die Unternehmen mehr als 50 Prozent ihrer Anwendungen in die Cloud verlagern.‣ weiterlesen

Mit generativer KI erlebt 'Right Brain AI', also eine KI, die kreative Fähigkeiten der rechten menschlichen Gehirnhälfte nachahmt, derzeit einen rasanten Aufstieg. Dieser öffnet aber auch die Tür für einen breiteren Einsatz von eher analytischer 'Left Brain AI'. Das zeigt eine aktuelle Studie von Pegasystems.‣ weiterlesen

Um klima- und ressourcengerechtes Bauen voranzubringen, arbeiten Forschende der Bergischen Universität Wuppertal in ihrem Projekt TimberConnect an der Optimierung von digitalen Prozessen entlang der Lieferkette von Holzbauteilen. Ihr Ziel ist unter anderem, digitale Produktpässe zu erzeugen.‣ weiterlesen

Rund zwei Drittel der Erwerbstätigen in Deutschland verwenden ChatGPT und Co. zumindest testweise, 37 Prozent arbeiten regelmäßig mit KI-Anwendungen. Doch auch Cyberkriminelle machen sich vermehrt die Stärken künstlicher Intelligenz zunutze - mit weitreichenden Folgen.‣ weiterlesen

Erstmals seit der Energiekrise verzeichnet der Energieeffizienz-Index der deutschen Industrie mit allen drei Teilindizes (die Bedeutung, Produktivität und Investitionen betreffend) einen leichten Rückgang. Mögliche Gründe erkennt EEP-Institutsleiter Professor Alexander Sauer in der Unsicherheit und der drohenden Rezession, der dadurch getriebenen Prioritätenverschiebung und der Reduktion von Produktionskapazität.‣ weiterlesen