このアプリケーションは、製品の安全性、寿命、品質、ブランドを損なう可能性のある欠陥がないか、硬質プラスチックのパッケージを検査することに重点を置いています。
食品容器はどのように製造されるのでしょうか?
プラスチック製食品容器の製造には、最終製品の特定の要件に合わせて調整された複数の工程が含まれます。一般的な製造工程の一つが射出成形です。これは、タブ、キャップ、その他の硬質容器など、均一な製品を大量に製造するのに最適です。この工程では、溶融したプラスチックを高圧で金型に注入します。プラスチックが冷却されて固化すると、金型が開いて部品が取り出されます。
どのような製造上の欠陥が発生しますか?
射出成形中に様々な欠陥が発生する可能性があり、容器の品質、機能性、美観に影響を与えます。一般的な欠陥には以下のようなものがあります。
これらの欠陥は構造的完全性を損なう可能性があり、容器は使用中に破損したり故障したりしやすくなります。これらの容器は食品包装に使用されるため、これらの欠陥は内容物の漏れ、汚染、または腐敗につながる可能性があります。これは容器の安全性やコンプライアンスを損ない、消費者の健康リスクをもたらし、法的および規制上の問題につながる可能性があります。製造業者は、射出成形プロセスを慎重に管理することで、これらの欠陥を最小限に抑えることが不可欠です。
ただし、これらの欠陥は検出が難しい場合があります。プラスチック材料は、透明な部品が必ずしも十分なコントラストを生み出すとは限らず、予期しない方法で光を反射および屈折してぎらつきや歪みを生み出す可能性があるため、検査が困難です。
容器のサイズや種類は様々で、それぞれ異なる検査基準が必要です。従来のマシンビジョンでは、何百もの手作業によるルールのプログラミングが必要であり、プログラムされたパラメータと一致しない新しい部品や変動部品、あるいは欠陥を検出できないという問題がありました。
大量生産環境では、生産速度を維持するために容器を迅速に検査する必要があります。従来のマシンビジョン製品では、必要なサイクルタイムに対応できない場合があります。
ソリューション
UnitXさん AI-powered 検査では、他のソリューションでは検出できない食品容器のプラスチック射出成形の欠陥を効果的に検出します。
まず、 OptiX 撮像システムが容器を照らし、画像化する。そして、 CorteX Central AIプラットフォームはプラスチック射出成形の欠陥について学習します。最後に、これらのAIモデルは CorteX Edge インラインで欠陥を検出し分類する推論システム。
なぜ 容器のプラスチック射出成形検査にUnitX?
OptiX 反射率を最小限に抑えながら欠陥の視認性を最大限に高める優れた画像を提供します。 32個の独立制御可能な照明光源を備え、ソフトウェアを介して様々な透明プラスチック表面や欠陥に合わせて最適化できます。また、照明ドーム設計により、非常に鋭角な入射角で光を照射できるため、非常に小さな欠陥にも影が投影され、視認性が向上します。
CorteX はランダムで複雑な欠陥を正確に検出します。 位置と向きのばらつきを自動的に正規化し、ピクセルレベルまで欠陥を認識します。これにより、不良品や廃棄につながる誤検知を削減します。
CorteXは、AIモデルの高速開発、展開、反復をサポートします。CorteX AI モデルはサンプル効率が高く、新しい欠陥の種類をトレーニングするのに数枚の画像のみが必要です。
UnitX 収量を最適化します。 CorteXでは、品質基準を調整し、変更を生産工程に展開する前に歩留まりへの影響を視覚化できます。すべての検査データは単一の中央プラットフォームで参照できるため、メーカーはプロセス改善の余地を分析・特定し、必要に応じて履歴記録を参照することでリコールの範囲を限定し、不正請求に対抗することができます。
UnitX 迅速な100%インライン検査を提供します。 OptiX 明るいLEDと1m/秒の高速飛行撮影速度を備え、高速撮影が可能です。そして CorteX Edge 高速推論速度 (最大 100 MP) をサポートし、OK/NG の決定を迅速に出力し、その決定をすべての主要な PLC、MES、FTP システムに統合してシームレスに伝達します。
使用するメーカー UnitX シリンジ部品の射出成形検査を自動化することで、次のことが可能になります。
- 消費者の安全を危険にさらす品質漏れを防ぐ
- 従来のマシンビジョンでよくある誤検出率を最小限に抑えることで、スクラップを削減します。
- 生産および品質データを分析してプロセス改善の機会を見つけ、歩留まりを向上します。
- 生産速度に合わせて検査を自動化し、製造スループットを向上
UnitX 検査例の詳細
この例では、プラスチック射出成形工程後のプラスチック食品容器の焼けや飛び散りを検査しました。
イメージング
まず、使った OptiX 容器の画像を撮影し、不良品と良品の両方を確実に捉える必要がありました。そのためには、上面と背面の両方から照明を当て、さらに部品を回転させることで、容器をあらゆる角度から撮影する必要がありました。
AI学習
次に、 CorteX Central モデルを訓練するために、火傷とスプレーの2つの欠陥にラベルを付けました。そして、撮影した画像にそれらの欠陥をラベル付けしました。 OptiXNG部分の画像7枚とOK部分の画像3枚のみを使用しました。
CorteX のユーザーフレンドリーなインターフェースと、AI モデルのトレーニングに必要な画像数が少ないため、画像内の欠陥にラベルを付けるにはわずか数分しかかかりませんでした。
検出
その後、これらのAIモデルを CorteX Edge 新しい容器の欠陥を検出し、焼けや飛び散りを正確に検出して分類します。