Newsletter Oktober 2022

Unser Newsletter vom Oktober 2022

Kartoninhaltsprüfung mittels Deep Learning

Endkunde war in diesem Projekt ein international führender Hersteller von technologieorientierten Produkten für das Auge. Gemeinsam mit unserem Kunden KOCH Pac-Systeme GmbH haben wir ein optisches Prüfsystem mit Deep Learning Algorithmen integriert.
Am Ende einer Sekundärverpackungslinie sollten dabei die in einer Faltschachtel gruppierten Einzelblister auf Anwesenheit der gewünschten Anzahl Blister sowie eines Leaflet kontrolliert werden. Zu prüfende Varianten waren / 4 Blister ohne Leaflet / 6 Blister ohne Leaflet / 6 Blister mit Leaflet.

Herausforderung

Da die Blister innerhalb der Umverpackung Spielraum haben kommt es zu starken Lageschwankungen, die eine hohe Veränderlichkeit im Erscheinungsbild verursachen. Somit müssen hohe Lage- und Größentoleranzen berücksichtigt werden. Für einen regelbasierten Prüfansatz denkbar ungünstige Rahmenbedingungen, die erfahrungsgemäß zu erhöhten Pseudofehlern führen.

Vor diesem Hintergrund wurde bei dieser Lösung dem Deep Learning Ansatz vor dem regelbasierten Ansatz der Vorzug geben.

Umsetzung

Zur Unterscheidung der drei Varianten wurden drei separate Prüfprogramme auf der Kamera verwendet. Jedes der drei Prüfprogramme greift dabei auf ein zuvor trainiertes VIDI-Modell zu.
Beim Einlernen der „Blister_Mustern“ in das DeepLearning Modell erweitert sich die Erwartungshaltung im Modell von mal zu mal, dahingehend was erwartet werden kann und gut ist. Bei der Suche nach dem eintrainierten „Blister-Muster“ werden diese dann auch bei starken Lageschwankungen erkannt.
Im Modell wurden die zwei Merkmale „Blister“ und „Beipackzettel“ eintrainiert. Über weitere Funktionen wird die Anzahl der beiden Merkmale sowie die Positionen der gefundenen Merkmale ermittelt und über grafische Regionen im Kamerabild angezeigt. Die ermittelte Anzahl der beiden Merkmale wird mit einer im Prüfprogramm fest eingegebenen Vorgabe verglichen. Das Ergebnis dieses Vergleichs wird dann zur grafischen OK / NOK Signalisierung sowie zur Entscheidung des Fehlerbildspeichers verwendet. Als Ergebnis der Prüfung für die Steuerung wird die tatsächlich gefundene Merkmalsanzahl verwendet.
Zur Visualisierung im HMI der Anlage wurde eine WEB Ansicht integriert.

Diese zeigt das aktuelle Kamerabild mit einem umlaufenden farbigen Rahmen zur Signalisierung des OK/NOK Zustand der jeweiligen Prüfung sowie durch grafische Bereiche die gefundenen Merkmale. Neben dem Kamerabild befindet sich der Prüfprogrammname, die Anzeige des Betriebszustand der Kamera, das Menü zur Sprachumschaltung sowie die Statistik über die ausgewerteten Prüfungen inklusive Reset Taste.

Ergebnis

Ein zufriedener Kunde!

Sie haben konkrete Fragen
Nehmen Sie gerne mit uns Kontakt auf (thomas.hahn@i-mation.de)!