AI maakt zijn intrede bij CAMERAsystemen

VOORAL Software stuwt verbeteringen BIJ VISIE-INSPECTIE

Visie-inspectietoestellen worden ingezet voor de automatische controle van zowel onverpakte producten als verpakkingen, waarbij de camera's en uitwerpsystemen veel voordelen bieden ten opzichte van operatoren. De controle verloopt dan namelijk op een snelle, correcte en objectieve manier. De toepassing van artificiële intelligentie versterkt deze voordelen nog, want dit leidt ertoe dat de configuratie en het gebruik van de toestellen sneller, nauwkeuriger en eenvoudiger verlopen.

Plaats in het proces

Camera's kunnen zowel in het productieproces zelf als voor de eindcontrole worden ingezet.

In het eerste geval sorteren of classificeren ze onverpakte producten, bijvoorbeeld op grootte. Het kan hier ook al gaan om een kwaliteitscontrole, waarbij bijvoorbeeld wordt nagegaan of de vetlaag rond een stuk ham binnen de diktegrenzen valt, of dat er voldoende stukjes salami op een diepvriespizza liggen. Vervolgens worden de producten naar de juiste transportband geleid, of uit het proces gestoten voor de eventuele herverwerking.

Bij de 'end-of-line'-controles worden de verpakkingen en de etiketten onder de loep genomen. Dan wordt er bijvoorbeeld nagegaan of de lasnaad van een MAP-verpakking luchtdicht is aangebracht, en of er eventueel een contaminatie in de lasnaadzone zit. Voorts wordt ook gecontroleerd of het etiket aanwezig is en zich op de juiste positie bevindt, of de info hierop leesbaar is (logo's, productnaam, ingrediënten ...) en ook of de barcode leesbaar is en de juiste info bevat (artikelnummer, lotnummer, gewicht en/of prijs, houdbaarheidsdatum ...). 

Opbouw en werking

Een camerasysteem is telkens opgebouwd uit een lichtbron, de camera zelf, de behuizing en de achterliggende software.

De lichtbron kan golflengtes uitsturen uit het uv- of IR-spectrum, of de witbelichting daartussen, of hyperspectrale combinaties daarvan. Het kan ook om laserstralen gaan. De keuze hiertussen hangt af van de specifieke toepassing, omdat de materialen of levensmiddelen hier anders op reageren. In ieder geval kunnen zo zaken worden 'opgelicht' die met het blote oog niet zichtbaar zijn.  

De overeenkomstige camera, hiertegenover of aan dezelfde zijde opgesteld, interpreteert dit uitgestuurde licht. Het gaat meestal om lijncamera's die de achtereenvolgende beelden gaan samenstellen tot een groter geheel. Zo kunnen ze op een compacte manier worden geïntegreerd, bijvoorbeeld tussen twee transportbanden door. 

Bij de lasnaadcontrole zal een luchtbel of vervuiling als een donkere plek worden weergegeven door een uv-camera. In het geval van een thermische IR-camera wordt eigenlijk de temperatuur gemeten: koude zones wijzen op een slechte afdichting. Zo'n camera moet dan weliswaar meteen na de sealmachine worden ingebouwd. 

Hyperspectraalcamera’s hebben dan weer als voordeel dat ze info leveren omtrent de chemische materiaaleigenschappen, en op deze manier contaminaties in de lasnaad kunnen detecteren. Hiertoe hoeft de camera niet tegenover de lichtbron geplaatst te worden. Hierdoor kunnen die contaminaties ook gezien worden door bedrukte topfolies, of bij gebruik van kartonbodems waar licht niet doorheen kan. 

Voor de behuizing gelden de gangbare vereisten qua robuustheid en reinigbaarheid in de voedingsindustrie. Die is dus meestal uit rvs vervaardigd en heeft afgeronde hoeken. 

De echte kracht van een sensor is de software en net die wordt nu steeds beter, dankzij artificiële intelligentie (AI).

Wat doet Artificiële intelligentie?

Veel fabrikanten passen AI momenteel al toe voor OCR, 'optical character recognition'. Daarbij 'leest' de camera een etiket, waarbij die de karakters hierop detecteert en herkent. Waar er vroeger veel tijd nodig was om een nieuw programma te configureren en er daarvoor veel instellingen vereist waren, verloopt dit nu vele malen sneller, nauwkeuriger en eenvoudiger. Ook voor de eindgebruiker overigens, dus is er sprake van een meervoudige winst. 

Dankzij artificiële intelligentie verloopt de controle vele malen sneller, nauwkeuriger en eenvoudiger

Zo'n 'geautomatiseerde' inspectie wordt tegenwoordig ook ingezet voor de positieherkenning van het etiket, om dus slecht aangebrachte of verkeerd gepositioneerde etiketten en labels te identificeren. Op AI-gebaseerde algoritmes laten ook toe om de lasnaadcontrole robuuster te laten verlopen, doordat ze flexibeler kunnen omgaan met verpakkingen die afwijken van de standaardvorm, of voor de interpretatie van hyperspectrale beelden. 

De werking is telkens dezelfde: het visiesysteem wordt getraind op enkele tientallen tot duizenden afbeeldingen en gaat daarbij ook zichzelf aanleren, op basis van de voorgaande beelden. Zo verloopt dit leerproces steeds sneller. Vervolgens worden hier algoritmes op losgelaten voor de vergelijking van een nieuw beeld met de door AI opgebouwde referentiekennis, en volgt ook vliegensvlug een voorgedefinieerde of door de eindgebruiker beïnvloedbare beslissing.  

Voor wie interessant?

Deze geavanceerde technologie komt natuurlijk met een overeenkomstig prijskaartje. Al valt dit eigenlijk best mee, omdat het nu net de softwareontwikkelingen zijn die verantwoordelijk zijn voor deze verbeteringen. En die software kan dikwijls eenvoudig worden geüpgraded, met behoud van de bestaande hardware. 

Visie-inspectietoestellen met AI worden ingezet voor een automatische controle, beoordeling en afhandeling, waarbij ze dan dus operatoren vervangen. Bovendien kunnen de resultaten automatisch worden opgeslagen, waardoor je je als voedingsproducent kan indekken bij een eventuele klacht. Deze systemen werken vele malen sneller en nauwkeuriger dan mensen, en ook objectief, omdat ze geen last hebben van een maandagochtend- of vrijdagnamiddaggevoel.

Ze zijn dan ook vooral interessant voor de controle van grote hoeveelheden van producten, die aan een hoge snelheid de band passeren. Zeker met de huidige, hoge loonkosten is zo'n visie-inspectiesysteem voor dergelijke bedrijven snel terugverdiend.  

Met medewerking van Bizerba en Engilico