Teknologi Inspeksi Visual Penampilan Kaleng Aluminium: Analisis Komprehensif dari Pencitraan Optik hingga Pembelajaran Mendalam
Teknologi Inspeksi Visual Penampilan Kaleng Aluminium: Analisis Komprehensif dari Pencitraan Optik hingga Pembelajaran Mendalam
1. Pendahuluan: Tantangan Teknis dan Signifikansi Inspeksi Penampilan Kaleng Aluminium
Seiring dengan perkembangan pesat industri makanan dan minuman, permintaan akan kaleng aluminium sebagai wadah kemasan utama terus meningkat. Kaleng aluminium standar, yang diproduksi dengan kecepatan tinggi (hingga 15 kaleng per detik), menghadapi berbagai risiko cacat penampilan, termasuk goresan, penyok, deformasi, dan pembengkakan pada badan kaleng; cacat pada karakter yang tercetak di bagian bawah kaleng; dan pengaplikasian segel yang tidak merata pada tutup kaleng serta deformasi pada tab penarik. Cacat-cacat ini tidak hanya memengaruhi estetika produk tetapi juga dapat menyebabkan tumpahan atau kontaminasi isi, yang menimbulkan masalah keamanan serius.
Inspeksi tampilan kaleng aluminium menghadapi berbagai tantangan teknis: sifat reflektif yang kuat dari permukaan logam dapat menutupi cacat sebenarnya; struktur permukaan melengkung silindris membuat pencitraan rentan terhadap distorsi; jalur produksi berkecepatan tinggi membutuhkan sistem deteksi untuk mengambil keputusan dalam hitungan milidetik; dan keragaman jenis cacat membutuhkan algoritma dengan kemampuan adaptasi yang kuat. Metode inspeksi manual tradisional memiliki efisiensi rendah, subjektivitas, dan kelelahan, sehingga gagal memenuhi tuntutan industri modern. Oleh karena itu, teknologi inspeksi otomatis berbasis visi mesin telah menjadi pilihan yang tak terhindarkan bagi industri. Teknologi ini mencapai deteksi tampilan kaleng aluminium yang cepat dan akurat melalui akuisisi, pemrosesan, dan analisis gambar dengan presisi tinggi.
Artikel ini akan menganalisis secara sistematis sistem teknis inspeksi visual tampilan kaleng aluminium, termasuk desain sistem pencitraan, algoritma deteksi cacat, pengembangan platform perangkat lunak, dan aplikasi industri praktis, memberikan referensi komprehensif bagi tenaga teknis di bidang terkait.
2. Desain Perangkat Keras Sistem Inspeksi Visual
2.1 Konfigurasi Sistem Pencitraan dan Sumber Cahaya
Sistem pencitraan merupakan dasar dari inspeksi visual, dan desainnya secara langsung menentukan kualitas gambar. Untuk struktur khusus kaleng aluminium, biasanya digunakan arsitektur terdistribusi, di mana beberapa stasiun inspeksi independen didirikan untuk bertanggung jawab atas inspeksi bagian bawah, badan, dan tutup kaleng secara terpisah. Stasiun inspeksi bagian bawah kaleng menggunakan kamera pemindai area beresolusi tinggi dengan sumber cahaya cincin, yang secara tepat mengontrol sudut datang cahaya untuk meningkatkan kontras karakter yang dicetak laser; stasiun inspeksi badan kaleng dikonfigurasi dengan tiga set modul akuisisi fusi 2D-3D yang dipicu secara sinkron, setiap modul berisi kamera pemindai garis dan profiler laser garis, yang dipasang dengan interval 120 derajat untuk mencapai pemindaian cakupan penuh badan kaleng.
Desain sumber cahaya merupakan kunci untuk mengatasi masalah refleksi logam. Karena sifat reflektif yang kuat dari kaleng minuman aluminium, berbagai sumber cahaya khusus banyak digunakan: Sumber cahaya bola terintegrasi menggunakan dinding bagian dalam berbentuk setengah bola dengan efek terintegrasi untuk memantulkan cahaya yang dipancarkan dari bawah secara seragam 360 derajat, menghasilkan gambar yang sangat seragam dari bagian bawah kaleng yang cekung; sistem sumber cahaya LED komposit terdiri dari lampu tanpa bayangan tiga cincin, lampu tanpa bayangan berbentuk kubah, lampu cincin sudut rendah, dan lampu koaksial. Dengan mengontrol kombinasi sumber cahaya komposit ini, kontur yang jelas dan gambar kontras tinggi dari tutup kaleng dapat diperoleh; sumber cahaya area kerucut ganda terdiri dari dua sumber cahaya area kerucut yang ditempatkan secara konsentris, dengan sumber cahaya atas menerangi panel tengah dan sumber cahaya bawah menerangi area periferal. Bidang cahaya yang tumpang tindih secara signifikan meningkatkan keseragaman pencahayaan.
2.2 Perangkat Keras Akuisisi dan Pemrosesan Gambar
Lini produksi berkecepatan tinggi memiliki persyaratan ketat untuk perangkat keras akuisisi gambar. Kamera pintar industri seperti Cognex In-Sight Micro 1400 banyak digunakan karena ukurannya yang ringkas (30mm x 30mm x 60mm) dan kemampuan pemrosesan yang mumpuni, sehingga dapat digunakan pada lini produksi berkecepatan tinggi dengan jejak minimal. Kamera-kamera ini biasanya memiliki algoritma visi mesin yang matang, mendukung fungsi-fungsi seperti penilaian, inspeksi cacat permukaan, pengukuran ukuran, dan pengenalan OCR, yang sangat meningkatkan kecepatan pengembangan sistem.
Modul pemrosesan biasanya berpusat pada komputer industri, yang dilengkapi dengan prosesor berkinerja tinggi dan memori yang memadai. Ketika kaleng minuman diangkut ke stasiun pencitraan, transceiver fotolistrik diaktifkan, mengirimkan sinyal ke papan input/output komputer industri. Komputer kemudian mengontrol sumber cahaya untuk menyala dan memerintahkan kamera untuk mengambil gambar. Gambar yang diperoleh ditransmisikan ke komputer industri melalui antarmuka 1394 untuk analisis dan pemrosesan.
3 Algoritma Deteksi Cacat dan Implementasi Teknis
3.1 Deteksi Cacat Karakter Bagian Bawah Kaleng
Mendeteksi karakter yang tercetak di dasar kaleng menghadapi tantangan kontras rendah, karena karakter yang dicetak laser memiliki material yang mirip dengan dasar kaleng logam, sehingga menghasilkan fitur yang lemah. Untuk mengatasi masalah ini, metode berbasis segmentasi semantik yang menonjol menunjukkan kinerja yang sangat baik. Jaringan Res18-UNet menggunakan ResNet18 sebagai struktur dasar encoder, menyematkan modul perhatian blok fitur yang ditingkatkan di setiap tahap downsampling. Dengan melakukan pengelompokan spasial dan kalibrasi ulang saluran peta fitur, kemampuan model untuk fokus pada area karakter ditingkatkan. Bagian decoder mengadopsi strategi upsampling progresif, memperkenalkan mekanisme pembelajaran residual di setiap koneksi lewati, secara efektif mengurangi masalah hilangnya gradien. Untuk mengatasi masalah orientasi karakter yang tidak konsisten yang disebabkan oleh rotasi acak kaleng, algoritma koreksi rotasi berbasis transformasi koordinat polar banyak digunakan. Algoritma ini pertama-tama menemukan titik pusat wilayah karakter melalui analisis komponen terhubung, menghitung sudut relatif antara titik pusat dan pusat gambar, dan kemudian melakukan transformasi affin untuk mengoreksi orientasi karakter. Struktur jaringan konvolusional ringan digunakan untuk klasifikasi karakter tunggal. Konvolusi terpisah kedalaman mengurangi jumlah parameter, dan operasi pengacakan saluran meningkatkan penggunaan kembali fitur, mencapai kecepatan pemrosesan 300 karakter per detik sambil mempertahankan akurasi klasifikasi 99,5%.
3.2 Deteksi Cacat pada Bodi Kaleng
Cacat pada badan kaleng terutama meliputi goresan, penyok, dan deformasi. Tantangan dalam mendeteksi cacat ini terletak pada distorsi gambar yang disebabkan oleh permukaan lengkung silindris dan interferensi dari pola latar belakang yang kompleks. Metode peningkatan citra cacat badan kaleng yang dibantu informasi kedalaman meningkatkan tingkat deteksi cacat cembung dan cekung melalui fusi data multimodal. Metode ini pertama-tama membangun sistem akuisisi visi trinokular, melakukan kalibrasi bersama menggunakan papan kalibrasi presisi tinggi, dan menetapkan hubungan pemetaan antara koordinat piksel gambar 2D dan koordinat spasial awan titik 3D.
Untuk mengatasi karakteristik akuisisi data kaleng silinder, diusulkan model proyeksi balik silinder yang disempurnakan. Model ini memetakan data awan titik ke sistem koordinat silinder berparameter, menghilangkan distorsi proyeksi yang disebabkan oleh kesalahan pemasangan dengan menyelesaikan penyesuaian optimal awan titik ke model silinder. Pada tahap peningkatan citra, strategi fusi fitur multi-skala melakukan fusi berbobot dari citra tekstur 2D dan peta kedalaman pada resolusi yang berbeda. Strategi ini menyoroti fitur diskontinuitas kedalaman untuk cacat penyok dan memperkuat fitur gradien tepi untuk cacat goresan.
Algoritma HPFST-YOLOv5 meningkatkan akurasi deteksi pada latar belakang kompleks melalui struktur jaringan saraf yang inovatif. Mekanisme perhatian hibrida dirancang dalam tulang punggung jaringan, menyematkan modul self-attention multi-head Swin Transformer ke dalam lapisan ekstraksi fitur pada skala yang berbeda. Perhatian jendela lokal digunakan dalam jaringan dangkal untuk menangkap fitur cacat yang halus, sementara perhatian global digunakan dalam jaringan dalam untuk memodelkan ketergantungan jarak jauh. Untuk mengatasi masalah pelemahan informasi tepi yang disebabkan oleh blur gerak, panduan filter high-pass ditambahkan ke input. Operator diferensial orde pertama yang dapat dilatih mengekstrak peta respons tepi cacat, yang kemudian dimasukkan secara paralel dengan gambar asli ke jaringan tulang punggung.
3.3 Deteksi Cacat Tutup/Ujung Kaleng
Struktur tutup kaleng sangat kompleks, mencakup berbagai bagian fungsional seperti panel tengah, tepi luar, panel sambungan, dan lekukan, yang masing-masing dapat menunjukkan cacat tertentu. Untuk mengatasi karakteristik ini, strategi deteksi regional telah terbukti efektif. Penelitian dari Universitas Hunan mengusulkan pembagian area deteksi tutup kaleng menjadi wilayah melingkar dan wilayah melingkar. Untuk wilayah melingkar, digunakan metode deteksi cacat berbasis analisis Blob, sedangkan untuk deteksi cacat di wilayah melingkar, digunakan algoritma berbasis pencocokan kuadrat terkecil dari kurva proyeksi skala abu-abu vertikal.
Algoritma pengelompokan laju entropi yang dikombinasikan dengan batasan bentuk sebelumnya secara efektif menemukan target ujung kaleng dan membaginya menjadi beberapa wilayah pengukuran. Algoritma ini didasarkan pada representasi grafik gambar dan mencapai pemisahan ujung kaleng dari latar belakang secara akurat dengan mengoptimalkan fungsi objektif. Ketika jumlah cluster k=2, ujung kaleng dan latar belakang dipisahkan secara akurat; seiring bertambahnya k, panel tengah, tepi luar, panel sambungan, dan lekukan secara bertahap diekstraksi. Untuk memastikan keandalan hasil segmentasi, batasan bentuk sebelumnya digunakan untuk pasca-pemrosesan. Berdasarkan karakteristik bahwa ujung kaleng dan semua wilayah pengukurannya adalah lingkaran konsentris atau cincin, pusat ujung kaleng c(x,y) dan jari-jari r dihitung menggunakan algoritma pencocokan lingkaran.
Untuk deteksi cacat di wilayah panel tengah, algoritma pengelompokan dan pemilihan superpiksel bekerja dengan sangat baik. Pertama, algoritma pengelompokan laju entropi digunakan untuk menghasilkan sejumlah besar superpiksel (Ni>6000). Kemudian, grafik kedekatan wilayah berbobot dibangun dengan setiap superpiksel Si sebagai simpul, mengelompokkan superpiksel yang serupa. Indeks spesifik didefinisikan untuk mengevaluasi variasi skala abu-abu lokal dari setiap wilayah, dan wilayah cacat diidentifikasi melalui ambang batas.
3.4 Pemrosesan Refleksi dan Teknik Peningkatan Citra
Pantulan kuat pada permukaan kaleng logam merupakan faktor pengganggu utama yang memengaruhi akurasi deteksi. Untuk mengatasi masalah ini, teknologi yang dipatenkan mengusulkan metode penekanan pantulan berdasarkan analisis citra skala abu-abu multi-bingkai. Metode ini pertama-tama memperoleh citra skala abu-abu multi-bingkai dari kaleng kemasan, melakukan deteksi tepi pada citra skala abu-abu, dan menggunakan wilayah yang dibentuk oleh tepi tertutup yang terdeteksi sebagai wilayah target; kemudian, menghitung probabilitas bahwa wilayah target adalah wilayah reflektif. Probabilitas ini dihitung berdasarkan nilai skala abu-abu rata-rata, nilai skala abu-abu maksimum, dan karakteristik pantulan komprehensif dari semua piksel dalam wilayah target.
Transformasi gamma adaptif menentukan koefisien gamma berdasarkan probabilitas wilayah reflektif. Untuk setiap piksel di wilayah target, nilai skala abu-abu asli yang sesuai ditransformasikan menggunakan transformasi gamma untuk mendapatkan nilai skala abu-abu terbaru, menghasilkan citra skala abu-abu yang ditingkatkan dari kemasan kaleng. Transformasi ini dapat beradaptasi dengan kondisi pencahayaan dan refleksi yang berbeda. Di area dengan refleksi yang kuat, koefisien gamma akan disesuaikan untuk mengurangi dampak refleksi pada deteksi cacat. Perhitungan fitur reflektif komprehensif dari area target mempertimbangkan beberapa faktor, termasuk indikator pertama (perubahan skala abu-abu rata-rata), indikator kedua (konsistensi arah gradien), dan kesamaan multi-bingkai (konsistensi area target antara bingkai yang berbeda). Dengan menganalisis indikator-indikator ini secara komprehensif, sistem dapat secara akurat membedakan antara cacat nyata dan cacat semu yang disebabkan oleh refleksi, sehingga secara signifikan meningkatkan akurasi deteksi.
4. Platform Perangkat Lunak Sistem Deteksi dan Implementasi
4.1 Arsitektur Perangkat Lunak dan Alur Kerja
Sistem inspeksi visual kaleng minuman mengadopsi teknologi pemrosesan paralel multi-threaded, dengan merancang thread kontrol utama, thread akuisisi gambar, thread pemrosesan algoritma, dan thread keluaran hasil. Thread kontrol utama bertanggung jawab untuk mengoordinasikan alur kerja setiap modul, thread akuisisi gambar secara sinkron memperoleh data dua stasiun melalui sinyal pemicu eksternal, thread pemrosesan algoritma secara simultan menjalankan algoritma pengenalan karakter dan deteksi cacat, dan thread keluaran hasil mengintegrasikan hasil deteksi dan mengontrol perangkat penyortiran.
Untuk memastikan kinerja sistem secara real-time, mekanisme interupsi timer digunakan untuk membatasi secara ketat siklus deteksi kaleng tunggal, teknologi pemetaan memori digunakan untuk mencapai pertukaran data gambar berkapasitas besar dengan cepat, dan teknologi akselerasi GPU digunakan untuk mengoptimalkan dan menerapkan algoritma pembelajaran mendalam. Sistem ini juga mengintegrasikan fungsi pengajaran parameter, memungkinkan operator untuk menyesuaikan parameter deteksi sesuai dengan spesifikasi produk, dan membangun modul basis data untuk menyimpan hasil deteksi dan informasi produk, memberikan dukungan data untuk ketertelusuran kualitas.
Perangkat lunak visi Maotong In-Sight memberikan kemudahan dalam pengembangan sistem. Desain algoritma spreadsheet-nya memungkinkan pengguna untuk membangun algoritma skrip menggunakan spreadsheet tanpa memerlukan pemrograman bahasa tingkat lanjut, memungkinkan fungsi seperti penilaian dan pengenalan OCR, yang sangat meningkatkan kecepatan pengembangan sistem. Berdasarkan alat pemrosesan gambar cerdas In-Sight Explorer dan fungsi pembacaan dan verifikasi karakter OCR, mudah untuk melatih karakter dari gambar dan membuat pustaka karakter.
4.2 Integrasi Sistem dan Evaluasi Kinerja
Sistem inspeksi tampilan kaleng minuman yang lengkap mengintegrasikan tiga komponen utama: perangkat elektromekanik, sistem pencitraan, dan modul pengolahan. Perangkat elektromekanik mewujudkan kontrol gerakan otomatis dan penyortiran kaleng minuman, termasuk port input, sistem konveyor, dan sistem penyortiran; sistem pencitraan bertanggung jawab untuk memperoleh gambar berkualitas tinggi; dan modul pengolahan menganalisis dan memproses gambar yang diperoleh.
Dari segi evaluasi kinerja, sistem deteksi cacat tutup kaleng yang dikembangkan oleh Universitas Hunan dapat mencapai akurasi deteksi lebih dari 96%, dengan waktu deteksi rata-rata 18,6 ms per tutup kaleng, memenuhi kebutuhan lini produksi industri minuman. Berdasarkan pembelajaran mendalam, teknologi deteksi cacat kaleng mencapai hasil pengenalan yang baik setelah 10 iterasi pelatihan dengan laju pembelajaran 0,0005, menghasilkan tingkat pengenalan cacat klasifikasi biner akhir sebesar 99,7% dan waktu eksekusi algoritma 119 ms. Sistem deteksi ujung kaleng mencapai akurasi deteksi hingga 99,48% untuk berbagai ujung kaleng bundar.
5 Aplikasi Industri dan Prospek Masa Depan
5.1 Studi Kasus Penerapan Praktis
Sistem inspeksi visual tampilan kaleng telah berhasil diterapkan dalam beberapa skenario industri. Sistem visi mesin Cognex telah mencapai kecepatan 72.000 kaleng per jam dan akurasi 99,99% dalam mendeteksi kode bagian bawah pada kaleng minuman, mengatasi hambatan teknis yang dihadapi dalam meningkatkan kecepatan produksi di industri makanan dan minuman.
Perangkat penglihatan mesin untuk deteksi tutup kaleng menggunakan sistem pengangkutan pneumatik dan adsorpsi vakum untuk mencapai transmisi yang stabil dan penempatan tutup kaleng yang tepat. Ketika tutup kaleng diangkut ke stasiun pencitraan, area bertekanan rendah dibuat di permukaan konveyor oleh pompa vakum, dan tutup kaleng tersebut secara stabil teradsorpsi ke konveyor karena perbedaan tekanan dan diangkut sepanjang konveyor yang digerakkan oleh motor AC. Sistem penyortiran mengklasifikasikan tutup kaleng berdasarkan hasil inspeksi, dan tutup kaleng yang cacat dipisahkan dari konveyor menggunakan pemisah yang digerakkan oleh pulsa udara terkompresi.
5.2 Tantangan Teknis dan Tren Pengembangan
Terlepas dari kemajuan signifikan dalam teknologi yang ada, inspeksi tampilan kaleng masih menghadapi beberapa tantangan: mendeteksi cacat kecil sulit dilakukan, terutama mengidentifikasi goresan mikro pada latar belakang yang kompleks; interferensi reflektif belum sepenuhnya teratasi, khususnya untuk permukaan yang sangat mengkilap; keseimbangan antara kinerja algoritma secara real-time dan akurasi perlu dioptimalkan lebih lanjut; dan kemampuan adaptasi sistem terbatas, sehingga memerlukan penyesuaian parameter ketika desain kaleng berubah.
Tren pengembangan di masa depan meliputi: teknologi fusi data multimodal akan menggabungkan tekstur 2D, morfologi 3D, dan informasi spektral untuk memberikan deskripsi fitur cacat yang lebih komprehensif; algoritma pembelajaran adaptif akan terus mengoptimalkan model berdasarkan data lini produksi, mengurangi beban kerja penyetelan parameter manual; arsitektur komputasi tepi dan komputasi awan gabungan akan memastikan kinerja waktu nyata sambil memanfaatkan data besar berbasis awan untuk melatih model yang lebih akurat; dan pengembangan chip AI tertanam akan mendorong sistem deteksi menuju ukuran yang lebih kecil dan konsumsi daya yang lebih rendah. 6. Kesimpulan
Teknologi inspeksi visual untuk kaleng minuman mengintegrasikan pencapaian canggih dari berbagai bidang, termasuk optik, mekanik, elektronik, dan visi komputer, dan merupakan indikator penting dari tingkat otomatisasi industri. Mulai dari desain sistem pencitraan hingga optimasi algoritma, dari pemilihan perangkat keras hingga pengembangan platform perangkat lunak, setiap tautan secara langsung memengaruhi kinerja deteksi akhir. Saat ini, metode deteksi berbasis pembelajaran mendalam telah melampaui algoritma tradisional dalam banyak aspek, tetapi dalam aplikasi industri praktis, biasanya diperlukan untuk menggabungkan keunggulan metode pengolahan gambar tradisional dan teknik pembelajaran mendalam untuk membangun sistem deteksi hibrida.
Dengan penerapan strategi nasional "Made in China 2025" yang mendalam, teknologi pemeriksaan penampilan kaleng minuman akan berkembang ke arah yang lebih cerdas, efisien, dan andal. Hal ini tidak hanya membantu produsen memanfaatkan teknologi AI untuk mendorong produksi cerdas dan mengurangi biaya tenaga kerja, namun juga sejalan dengan strategi peningkatan industri manufaktur nasional, sehingga memiliki implikasi praktis yang signifikan. Di masa depan, dengan kemajuan berkelanjutan dalam teknologi sensor, teori algoritme, dan kemampuan komputasi, sistem inspeksi visual kaleng minuman tidak diragukan lagi akan memainkan peran yang lebih penting dalam industri makanan dan minuman, guna menjaga kualitas produk.
