矩案例 | 引领智能制造,机器视觉缺陷检测技术推动纸箱包装行业大变革
转载 2022-06-29 11:58 矩视智能包装作为生产环节的最后一环,产品裂纹、漏装、异物、破损等异常都会直接影响产品质量,从而影响产品销售和品牌口碑,包装质量检测越来越受到生产厂家的重视。
外包装检测流程中,视觉检测系统会运用工业相机或红外线扫描检测箱体等数据,分析并上传至网站服务器,对商品外包装进行缺陷检测,标识质量、外包装毁坏、污垢、杂物等等,对不合格产品进行去除。
但在多情况下商家都是大致把突出的缺陷如起皱毁坏进行人为去除,由于在生产过程中不太可能24小时监测,因此在包装划痕、破洞、表面缺陷等问题上可能还会一直生产下去,造成浪费。
行业痛点
纸箱是目前最常见的,可以对各种产品进行外包装,具有抗压和防护的作用,减小所盛装物品因磕碰受损的几率,承担着容装、保护产品的重要责任,为运输提供便利,在生产制造和快递行业得到广泛应用。纸箱的检测主要分为纸箱生产出厂前(包装前)和纸箱包装后。包装前的检测:纸箱生产过程中易出现裂纹、异物、破损等异常,所以出厂前的检测就十分重要。包装后的检测:现有技术纸箱包装产品多采用机械自动封装,经常出现包装纸箱破损,封装遗漏的情况发生,不仅影响产品形象,影响销售,还存在防护不到位产品受损的问题,所以在包装完成后需要对纸箱进行外观检测。为此,运用机器视觉检测可以对包装流程前后分别进行检测,发现问题可马上进行报警及停止设备运转,造成损失,与此同时也对质量进行了把关。项目信息
一、检测物
纸箱外包装
二、检测要求
①检测纸箱的各个面,判断是否有外观不良。
②保证出厂前包装箱外观完好无明显破损,准确率达到98%以上
三、检测难点
①外观不良项目多且缺陷特征不规则,如划痕破洞、穿刺破洞、脱皮、表面压痕、裂口等
②纸箱有背景干扰(如文字、图案、胶带)
③传统视觉检测难以准确检测
解决办法
在机器视觉应用中,物件外观缺陷检测一直是行业痛点。纸箱外观缺陷中的划痕破洞、穿刺破洞、脱皮、表面压痕、裂口和姿态不同,很难用传统的视觉检测算法稳定检测。在此这个项目中,矩视云低代码平台凭借其独特的技术优势成为客户自动检测系统的首选。目前平台对纸箱的缺陷的描述分为4类标签:划痕破洞(划痕导致的破洞)、穿刺破洞(单点刺穿产生的破洞)、脱皮(表皮撕脱)、表面缺陷(如压痕、小的裂口)。将上传图片的缺陷部分和标签逐一对应标注(每张图片内所有需要定位的缺陷需全部标注),标注结束后,无需配置模型训练参数和服务器资源,一键训练进入深度学习阶段,通过对原始数据多步特征转换,得到更高层次、更加抽象的特征表示。经过适当训练的神经网络可以很好地识别出变量环境(如物体形状的变化、不同的分辨率或光源条件)中的物体,精准判断图片中存在的缺陷因素,并进行自动标注。结果超越预期 效果显著提升
产品检测的稳定性和精准度能够完全满足甚至超越客户预期,客户反馈说:“检测效果很好,首月的识别准确率能达到98%以上,增加数据进一步优化后能达到99%以上的准确率。”左右滑动查看测试前后效果
矩视智能团队致力于为各行各业的制造商,提供高速机器视觉解决方案,制造企业客户依靠我们团队的技术经验,如果您需要加快生产线的速度,请随时与我们。网友评论0条评论
相关资讯
更多- 松灵新品 | 具身智能时代通用机器人平台匠心之作,松灵机器人行业量产级工业底盘UMR全新发布
- 口碑+ | 全球 3PL 巨头 Toll Group 落地首个韩国智能仓,极智嘉全面助力!
- 中共中央政治局委员、国务院副总理张国清在安徽调研
- 提速3倍!海柔ACR入驻永辉四川彭州物流园
- 重磅发布 | 迦智科技与中控技术签署战略合作协议
- 【创·在上海】龚超慧:以数据驱动打造工厂大脑,助力中国制造业升级转型
- 革新视觉体验!探索机器视觉新品的独特魅力
- 斯坦德机器人助力小米SU7智能制造!
- 海外客户莅临木蚁智慧工厂,共鉴智能生活服务领域新篇章
- 高帧率!3000E系列AI读码器上市,越级的配置与显著提升的解码效率