Teknologi Inspeksi Visual Pengkodean Bawah Kaleng: Prinsip, Aplikasi, dan Tren Masa Depan

Dengan kecepatan pemeriksaan 72.000 kaleng per jam dan akurasi lebih dari 99,9%, bagaimana teknologi pemeriksaan visual dapat menjaga kualitas dan keamanan minuman?

Dalam industri makanan dan minuman yang berkembang pesat saat ini, kaleng, sebagai format kemasan utama, sangat penting untuk pengendalian kualitas produk. Pengodean dasar kaleng, sebagai media pembawa informasi produk, merupakan cara krusial untuk melacak informasi penting seperti tanggal produksi dan nomor batch. Namun, cacat dalam proses pengodean dapat menyebabkan kerugian yang signifikan bagi perusahaan.

Metode pemeriksaan manual tradisional tidak lagi mampu memenuhi tuntutan jalur produksi berkecepatan tinggi modern, dan sistem pemeriksaan otomatis berdasarkan visi mesin menjadi teknologi utama untuk mengatasi masalah ini.

1. Tantangan Kualitas Pengkodean Dasar Kaleng

Dalam proses produksi minuman kaleng, kualitas kode dipengaruhi oleh berbagai faktor. Penyetelan yang tidak tepat atau ketidaksejajaran blower air di depan printer dapat mengakibatkan pembuangan tetesan air dari dasar kaleng tidak tuntas, sehingga kode menjadi kabur atau hilang.

Penyumbatan tinta pada nozel printer juga dapat menyebabkan kecelakaan produksi seperti kode yang hilang atau terlewat. Selain itu, ketidaksejajaran sensor pemicu atau kepala cetak printer dapat menyebabkan masalah seperti karakter yang hilang, kode yang hilang, atau kode yang posisinya salah.

Cacat pengkodean ini tidak hanya memengaruhi keterlacakan produk, tetapi juga dapat menyebabkan keluhan konsumen dan berdampak negatif pada nilai merek perusahaan. Statistik menunjukkan bahwa, rata-rata, setiap lini produksi perlu mengarantina sekitar 8.000 peti anggur setiap tahunnya karena cacat pengkodean, yang membutuhkan sekitar 1.600 jam pemrosesan ulang manual dan mengakibatkan biaya tenaga kerja dan bahan habis pakai hampir 200.000 yuan.

2.Komposisi dan Prinsip Sistem Inspeksi Visi Mesin

Sistem inspeksi visual pengkodean dasar kaleng yang lengkap terutama terdiri dari sumber cahaya dan sistem pemrosesan penglihatan, sistem kontrol listrik dan antarmuka manusia-mesin, serta perangkat penolakan yang rusak.

Ketika kaleng melewati sistem pencitraan, sakelar jarak dekat logam memicu lampu strobo sumber cahaya dan kamera pintar industri untuk menangkap gambar bagian bawah kaleng dengan kecepatan tinggi. Setelah kamera pintar menganalisis dan memproses gambar, sistem kontrol listrik mengeksekusi hasil inspeksi, memungkinkan penyortiran otomatis produk cacat.

Sistem Sumber Cahaya

Karena struktur cekung dasar kaleng aluminium dan sifat reflektif permukaan logamnya, sistem inspeksi biasanya menggunakan sumber cahaya terintegrasi berbentuk bola. Permukaan bagian dalam setengah bola sumber cahaya ini, dengan efek integrasinya, memantulkan cahaya yang dipancarkan dari dasar kaleng secara merata hingga 360 derajat, memastikan pencahayaan yang merata di seluruh gambar dan secara signifikan meningkatkan stabilitas akuisisi gambar.

Sistem Akuisisi Gambar

Untuk menangkap gambar kaleng yang bergerak dengan kecepatan tinggi secara jelas, sistem ini membutuhkan kamera pintar industri berkinerja tinggi. Kamera pintar seperti Cognex In-Sight Micro1400, meskipun ringkas (hanya 30mm x 30mm x 60mm), dapat memenuhi persyaratan inspeksi lini produksi berkecepatan tertinggi, mencapai kecepatan inspeksi melebihi 1.350 buah per menit.

Sistem Pemrosesan dan Eksekusi

Sistem ini menggunakan komputer industri dan PLC (seperti Siemens S7-200) sebagai sistem kendali intinya, dengan mempertimbangkan faktor-faktor seperti kecepatan, stabilitas, dan efektivitas biaya. Komponen-komponen ini bertanggung jawab untuk menjalankan algoritma pemrosesan gambar dan mengeluarkan sinyal pengurutan akhir.

3. Evolusi Algoritma Pengenalan Karakter Pencetakan Inkjet

Dengan kemajuan teknologi, algoritma untuk mengenali karakter cetakan inkjet pada bagian bawah kaleng telah mengalami evolusi yang signifikan dari pemrosesan gambar tradisional ke pembelajaran mendalam. Teknologi OCR Tradisional

Sistem awal sering kali menggunakan teknologi pembacaan karakter dan verifikasi OCR yang dikembangkan menggunakan bahasa skrip spreadsheet. Metode ini memanfaatkan algoritme visi mesin matang yang tertanam dalam kamera pintar untuk mengimplementasikan fungsi seperti deteksi kehadiran, inspeksi cacat permukaan, dan pengukuran dimensi, sehingga memungkinkan penerapan cepat tanpa pemrograman pengguna yang rumit.

Penerapan Jaringan Neural Konvolusional

Dalam beberapa tahun terakhir, metode pengenalan karakter berbasis jaringan saraf konvolusional (CNN) telah menunjukkan keunggulan yang signifikan. Metode ini melakukan segmentasi dan klasifikasi karakter dalam gambar secara luring untuk membangun pustaka karakter, kemudian melatihnya menggunakan metode pembelajaran CNN yang telah disempurnakan untuk membentuk pengklasifikasi yang stabil.

Dalam inspeksi daring, gambar diambil secara real-time, dan karakter disegmentasi lalu diklasifikasikan menggunakan pengklasifikasi. Hal ini secara signifikan meningkatkan akurasi deteksi sekaligus memastikan kinerja real-time.

Teknologi Segmentasi Karakter Dot Matrix

Para peneliti telah mengembangkan algoritma segmentasi karakter khusus yang disesuaikan dengan karakteristik karakter printer inkjet dot matrix. Algoritma ini menggunakan metode MSER (Most Stable Extremal Region) untuk lokalisasi awal wilayah karakter dan metode domain terhubung untuk lokalisasi yang lebih halus, sehingga secara efektif mengatasi tantangan segmentasi terproyeksi karakter dot matrix.

4. Terobosan Teknologi dan Inovasi Utama dalam Sistem

Sistem inspeksi kode dasar kaleng telah mencapai berbagai terobosan teknologi, yang memungkinkannya memenuhi persyaratan ketat di lokasi industri.

Teknologi Pemosisian Karakter

Untuk mengatasi masalah kaleng yang mudah terputar selama proses pengkodean, sistem inspeksi modern menggunakan metode MSER dan area morfologi untuk menentukan lokasi area karakter, sehingga menghilangkan interferensi dari skala karakter dan transformasi rotasi. Sudut rotasi area karakter dihitung menggunakan persegi panjang minimum yang melingkupinya, dan area karakter yang miring dikoreksi ke orientasi horizontal menggunakan transformasi afin dan interpolasi linier.

Penggabungan Pembelajaran Mendalam dan Algoritma Tradisional

Sistem ini secara inovatif menggabungkan jaringan saraf konvolusional dengan teknik pemrosesan gambar tradisional. CNN melakukan ekstraksi fitur dan pengenalan pola, dikombinasikan dengan deteksi tepi dan teknik pemrosesan morfologi, untuk mencapai pengenalan kode presisi tinggi dan deteksi cacat. Pendekatan fusi ini tidak hanya meningkatkan akurasi pengenalan tetapi juga secara signifikan mengurangi positif palsu dan deteksi yang terlewat.

Sistem Pembelajaran Cerdas

Sistem inspeksi generasi baru juga dilengkapi dengan fungsi pembelajaran cerdas yang terus mengoptimalkan model inspeksi berdasarkan data inspeksi historis, secara otomatis mengidentifikasi pola pengkodean baru dan jenis cacat, serta memperbarui aturan inspeksi, sehingga secara signifikan meningkatkan kemampuan beradaptasi dan skalabilitas sistem.

5. Kasus Aplikasi Industri dan Analisis Manfaat

Aplikasi industri sesungguhnya telah menunjukkan bahwa sistem inspeksi penglihatan mesin telah mencapai hasil signifikan dalam inspeksi kode dasar kaleng.

Jinan Maotong Inspection Equipment Co., Ltd. telah mencapai otomatisasi dan inspeksi kode cerdas melalui peralatan inspeksi kode dasar kaleng yang dikembangkan secara independen. Sistem ini telah mengurangi tingkat cacat kode hingga 99%, membantu pelanggan menghemat sekitar 220.000 yuan per lini produksi per tahun, mengurangi jam inspeksi manual hingga 1.600 jam per tahun, dan meningkatkan efisiensi produksi secara signifikan.

Dari segi indikator teknis, sistem inspeksi visual modern dapat mencapai tingkat akurasi pengenalan melebihi 99,9%, kecepatan inspeksi melebihi 1.350 buah per menit, dan stabilitas peralatan terjamin untuk beroperasi terus menerus selama lebih dari dua minggu. Dibandingkan dengan peralatan impor, biaya peralatan yang dikembangkan secara independen jauh lebih rendah, hanya 10% dari peralatan impor dan kurang dari 50% dari peralatan produksi dalam negeri.

6. Tren Pengembangan Masa Depan

Dengan pengembangan kecerdasan buatan dan Internet of Things yang berkelanjutan, teknologi inspeksi visual untuk pengkodean dasar kaleng akan menjadi lebih cerdas dan efisien.

Integrasi algoritma pembelajaran mendalam lebih lanjut akan meningkatkan kemampuan sistem untuk mengidentifikasi cacat kompleks. Di saat yang sama, penerapan teknologi 5G akan memungkinkan transmisi dan analisis data inspeksi jarak jauh secara real-time, sehingga memberikan umpan balik kualitas yang lebih tepat waktu bagi lini produksi.

Lebih lanjut, model kerja kolaboratif komputasi tepi dan komputasi awan akan menyeimbangkan kemampuan pemrosesan waktu nyata sistem dengan kebutuhan analisis data besar. Dengan semakin populernya konsep desain modular, sistem masa depan akan lebih fleksibel dan mampu beradaptasi dengan cepat terhadap kebutuhan inspeksi di berbagai lini produksi dan jenis produk.

Ke depannya, seiring dengan terus meningkatnya tingkat otomatisasi di industri makanan dan minuman, teknologi inspeksi visual untuk pengkodean dasar kaleng akan dipromosikan dan diterapkan di lebih banyak lini produksi. Hal ini tidak hanya akan meningkatkan kontrol kualitas produk secara efektif, tetapi juga memberikan pengalaman berharga bagi peningkatan cerdas di seluruh industri manufaktur.

Pengembangan dan peningkatan teknologi ini akan memberikan dampak positif dan luas dalam mematahkan monopoli peralatan asing dan meningkatkan daya saing industri manufaktur negara saya.