Technologie d'inspection visuelle des défauts des bouteilles en verre : principes, applications et tendances de développement

1. Introduction : L’importance de la détection des défauts des bouteilles en verre

Les bouteilles en verre, emballages traditionnels, sont largement utilisées dans les industries agroalimentaire, pharmaceutique et cosmétique en raison de leur excellente étanchéité, de leur stabilité chimique et de leur recyclabilité. Cependant, lors des processus de fabrication, de transport et de retraitement, divers défauts, tels que des fissures, des bulles et des épaisseurs irrégulières, sont inévitables. Ces défauts affectent non seulement l'apparence, mais peuvent également entraîner des risques pour la sécurité, tels que des explosions, mettant en danger la sécurité des consommateurs et causant des pertes économiques et des risques pour l'image de marque des fabricants. Par conséquent, une détection efficace et précise des défauts des bouteilles en verre est une étape essentielle du processus de production.

La détection traditionnelle des défauts des bouteilles en verre repose principalement sur l'inspection visuelle manuelle, une méthode peu efficace, exigeante en main-d'œuvre, fortement subjective et fatigante. Surtout sur les lignes de production à grande vitesse, l'inspection manuelle ne répond plus aux exigences de qualité et d'efficacité de l'industrie moderne. Avec le développement de la vision artificielle, des systèmes de détection de défauts des bouteilles en verre basés sur la vision par ordinateur ont vu le jour. En simulant les fonctions visuelles humaines et en combinant les technologies optiques, électroniques, de traitement d'images et informatiques, ces systèmes permettent une détection automatisée, précise et efficace des défauts des bouteilles en verre, améliorant ainsi considérablement le niveau d'automatisation des lignes de production et la stabilité de la qualité des produits.

2 types et causes de défauts des bouteilles en verre

2.1 Types et classifications des défauts courants

Les défauts des bouteilles en verre peuvent être classés de différentes manières selon leur localisation et leur nature. Les défauts se situent principalement au niveau du goulot, du corps et du fond de la bouteille. Ils peuvent être classés en défauts majeurs et mineurs selon leur gravité. Voici les types de défauts courants et leurs caractéristiques sur les bouteilles en verre :

Tableau : Types courants de défauts et caractéristiques des bouteilles en verre

2.2 Analyse des causes des défauts

Les défauts des bouteilles en verre sont principalement causés par divers facteurs lors du processus de production. Des températures de paraison inégales peuvent entraîner une répartition inégale du verre. Les zones à haute température présentent une faible viscosité et sont sujettes à l'amincissement, tandis que les zones à basse température présentent une plus grande résistance et sont plus épaisses, ce qui entraîne une épaisseur inégale. Des températures de moule trop basses peuvent provoquer des points froids à la surface du verre, un défaut qui survient souvent au démarrage ou lors des arrêts de production. De plus, une mauvaise manipulation (comme le soulèvement tardif du noyau supérieur) peut entraîner un écrasement ou un soufflage du verre, entraînant des protubérances. Des moules endommagés ou une contamination de la surface de joint peuvent provoquer des défauts tels que des bavures au niveau du joint.

Comprendre les types et les causes de ces défauts est essentiel pour une inspection visuelle efficace et fournit une base théorique pour la conception d'algorithmes de détection ciblés et de configurations système. Différents types de défauts requièrent différentes configurations optiques et stratégies de traitement d'image, ce qui constitue l'un des principaux défis de la conception de systèmes d'inspection visuelle des bouteilles en verre.

3 principes techniques des systèmes d'inspection visuelle

Les systèmes d'inspection visuelle des bouteilles en verre s'appuient sur la vision industrielle, simulant les capacités de détection de l'œil humain pour automatiser l'inspection des produits. Le système capture des images des objets cibles à l'aide de capteurs et les convertit en signaux numériques. Ces signaux sont ensuite analysés à l'aide d'algorithmes de traitement d'images spécialisés afin d'identifier et de classer les défauts. Ce système intègre des technologies de pointe issues de multiples domaines, notamment l'optique, l'électronique, le traitement d'images, l'automatisation mécanique et le contrôle-commande.

3.1 Composants d'un système d'inspection visuelle

Un système complet d’inspection visuelle des bouteilles en verre comprend généralement les cinq composants principaux suivants :

Système d'éclairage : L'éclairage est un facteur clé de la qualité d'entrée d'un système de vision industrielle, impactant directement la qualité des données d'image et l'efficacité du traitement. Un système d'éclairage adapté permet de produire des images à contraste élevé, distinguant clairement les caractéristiques de la cible de l'arrière-plan. Les méthodes d'éclairage courantes incluent le rétroéclairage, l'éclairage frontal, la lumière structurée et l'éclairage stroboscopique. Le rétroéclairage met clairement en valeur les contours des objets, tandis que l'éclairage frontal facilite l'installation et la mise en service.

Objectif industriel : En tant que point d'entrée pour l'acquisition d'images, la qualité de l'objectif détermine directement la clarté de l'image. Le choix d'un objectif nécessite la prise en compte de plusieurs paramètres, notamment la distance focale, la hauteur de la cible, la hauteur de l'image, le grossissement et la distance image-cible. Les montures d'objectif varient, notamment les montures C, CS et F. Choisissez une monture compatible en fonction du type de caméra.

Caméra industrielle : Véritables « yeux » du système, elle capture des images de la surface de la bouteille en verre. Selon les exigences de l'application, vous pouvez choisir une caméra CCD à balayage linéaire ou matriciel, monochrome ou couleur. La résolution de la caméra influence directement la précision de l'inspection. En général, plus la résolution est élevée, plus le défaut détectable est petit.

Carte d'acquisition d'images : ce composant convertit le signal analogique capturé par la caméra en signal numérique et le transmet à l'ordinateur pour traitement. Bien que certaines caméras modernes émettent directement des signaux numériques, la carte d'acquisition d'images joue toujours un rôle essentiel de passerelle au sein du système.

Processeur de vision : En tant que cerveau du système, le processeur de vision exécute des algorithmes de traitement d'images spécialisés pour analyser et traiter les images numériques, extraire des informations sur les caractéristiques et identifier les défauts selon des critères prédéfinis. Grâce aux progrès de la puissance de calcul, les processeurs de vision modernes peuvent mettre en œuvre des algorithmes intelligents de plus en plus complexes.

3.2 Comment fonctionne l'inspection visuelle

L'inspection visuelle des bouteilles en verre s'effectue selon un processus précis en plusieurs étapes : lorsqu'une bouteille en verre avance sur un tapis roulant vers la zone d'inspection, un capteur détecte sa présence et déclenche le système d'acquisition d'images. Le système d'éclairage assure des conditions d'éclairage stables, et la caméra industrielle capture l'image de la bouteille au moment opportun, convertissant le signal optique en signal électrique. Les images capturées subissent d'abord un prétraitement, incluant la suppression et l'amélioration du bruit, afin d'optimiser la qualité d'image. Ensuite, des algorithmes de traitement d'images extraient les caractéristiques du produit, telles que le contour, la taille, la forme et les variations de couleur. Le système compare ensuite ces caractéristiques à des normes prédéfinies pour identifier, localiser et classer les défauts.

Enfin, le système effectue les contrôles correspondants en fonction du résultat : si la bouteille est conforme, elle passe à l'étape suivante de production ; si un défaut est détecté, un actionneur (tel qu'un bras robotisé) retire la bouteille défectueuse de la chaîne de production. Le système enregistre et stocke également les données d'inspection à des fins de traçabilité qualité et d'analyse de la production.

4 processus techniques clés de l'inspection visuelle

4.1 Acquisition et prétraitement des images

L'acquisition d'images est la première étape de l'inspection visuelle et constitue le fondement de tout le système. Une acquisition d'images de haute qualité améliore considérablement la précision de la détection des défauts. Pour l'inspection visuelle des bouteilles en verre, des caméras industrielles haute résolution (telles que des caméras CCD ou CMOS) sont généralement utilisées pour capturer des images des bouteilles sous plusieurs angles. Par exemple, dans les systèmes d'inspection avancés, plusieurs caméras (par exemple, huit caméras de vision industrielle) sont déployées autour d'une bouteille en verre pour réaliser une inspection à 360 degrés sans angles morts, détectant avec précision les défauts sur chaque surface, y compris le goulot, le corps et le fond de la bouteille.

Les images brutes capturées contiennent souvent du bruit et des interférences ; un prétraitement est donc nécessaire pour améliorer la qualité de l'image. Ce prétraitement comprend principalement deux étapes : le débruitage et l'amélioration de l'image. Le débruitage utilise des algorithmes pour éliminer le bruit aléatoire de l'image et améliorer le rapport signal/bruit. Les méthodes de débruitage avancées utilisent des techniques telles que l'extraction, la purification et l'amélioration de caractéristiques multivariées, ainsi que la fusion de caractéristiques, pour supprimer le bruit tout en préservant les détails de l'image. L'amélioration de l'image ajuste les paramètres de l'image, tels que les niveaux de gris et le contraste, afin de mieux mettre en évidence les caractéristiques cibles. Par exemple, en calculant les différences de niveaux de gris entre les pixels adjacents et en appliquant des coefficients de pondération, les informations sur les contours et la texture peuvent être améliorées.

4.2 Algorithmes de détection et d'identification des défauts

La détection des défauts est un élément essentiel des systèmes d'inspection visuelle et repose sur des algorithmes avancés de traitement d'image. Différents algorithmes de détection sont requis pour différents emplacements de bouteilles en verre et types de défauts :

Inspection du goulot : Le goulot est l'une des zones les plus critiques d'une bouteille en verre, impactant directement son étanchéité. Pour l'inspection du goulot, les chercheurs ont proposé plusieurs algorithmes spécialisés, notamment un algorithme de localisation du goulot utilisant la détection de cercles aléatoires multiples et l'évaluation de l'ajustement du cercle. Cette méthode utilise la segmentation par seuil, la méthode du centroïde et le balayage radial pour obtenir les points de contour. Elle utilise ensuite des points de contour échantillonnés aléatoirement pour déterminer un cercle et utilise l'ajustement du cercle comme critère d'évaluation pour rechercher le résultat de localisation optimal. De plus, une méthode combinant une segmentation par seuil dynamique basée sur l'analyse résiduelle et une segmentation par seuil globale permet de détecter efficacement les défauts du goulot, compensant ainsi l'impact des variations de niveaux de gris et de l'absence de goulots sur les résultats d'inspection.

Inspection du corps de bouteille : L'inspection du corps de bouteille présente des difficultés telles qu'une courbure importante de la surface et une forte réflectivité. Pour remédier à ces caractéristiques, une méthode de localisation de la paroi basée sur la correspondance de modèles binaires peut être utilisée. Cette méthode sous-échantillonne l'image d'entrée et utilise le goulot ou la paroi de la bouteille comme modèle pour la correspondance de modèles binaires afin de déterminer l'axe central de la paroi. Cela résout efficacement le problème de localisation imprécise lorsque plusieurs parois de bouteille sont observées sous le même angle.

Inspection du fond de bouteille : Les fonds de bouteille présentent des structures complexes et souvent des textures, comme des rainures antidérapantes, ce qui rend la détection des défauts difficile. Pour l’inspection des fonds de bouteille, une méthode basée sur une transformation de distance géodésique améliorée et la mise en correspondance de gabarits a donné des résultats prometteurs. Cette méthode divise le fond de bouteille en plusieurs zones d’inspection, notamment le plan central, le plan annulaire et la texture annulaire, et applique des stratégies d’inspection différentes à chacune. De plus, les méthodes basées sur la détection de saillance et les transformées en ondelettes permettent de surmonter efficacement les effets des interférences dues à la texture du fond et les erreurs de positionnement, améliorant ainsi la précision de détection des petits défauts à faible contraste.

Avec le développement des technologies d'intelligence artificielle, l'apprentissage automatique, et notamment l'apprentissage profond, a démontré des avantages significatifs dans la détection des défauts des bouteilles en verre. Les algorithmes d'apprentissage profond tels que les réseaux de neurones convolutifs (CNN) peuvent apprendre automatiquement les caractéristiques des défauts par apprentissage, s'adapter à divers types de défauts et maintenir une grande précision de reconnaissance, même dans des contextes complexes. Par exemple, le modèle de détection de défauts YOLOv5, entraîné par apprentissage profond et combiné à l'optimisation TensorRT, permet une détection des défauts en temps réel à haute vitesse et haute précision.

4.3 Résultats de sortie et contrôle

L'objectif ultime de la détection des défauts est de guider le contrôle des processus de production et l'assurance qualité. Lorsqu'un produit défectueux est identifié, le système affiche les résultats sur une interface ou dans une base de données et déclenche une alarme lorsque le taux de défaut dépasse un seuil prédéfini. Simultanément, le système commande des actionneurs (tels que des bras robotisés) pour retirer les bouteilles défectueuses de la ligne de production. Les systèmes d'inspection visuelle modernes intègrent également des fonctionnalités de gestion des données, enregistrant les résultats d'inspection de chaque lot de produits, notamment le type, la quantité et l'emplacement des défauts. Ces données constituent une base solide pour la traçabilité des processus de production et l'analyse de la qualité, permettant aux entreprises d'optimiser leurs processus et d'améliorer la qualité globale de leurs produits.

5 cas d'application et analyse des résultats

L'application de la technologie d'inspection visuelle dans l'industrie des bouteilles en verre a donné des résultats remarquables. Voici quelques exemples illustrant son application pratique :

Dans le domaine de l'inspection des bouteilles en verre pharmaceutiques, Chongqing Shouhan Intelligent Technology Research Institute Co., Ltd. a développé un système d'inspection visuelle basé sur l'IA. Ce système utilise huit caméras de vision industrielle pour effectuer des inspections à 360 degrés des bouteilles en verre pharmaceutiques, vérifiant de manière exhaustive les dimensions, la précision, les impuretés, les corps étrangers et les défauts de la bouteille sous huit angles : dessus, côté, fond et chanfreins. Intégrant un algorithme d'IA exclusif, le système affiche les paramètres et les résultats de l'inspection de chaque bouteille sur un écran visuel en temps réel. Grâce à la technologie d'apprentissage profond, le système crée un ensemble de données de formation à l'aide d'un grand nombre d'échantillons de bouteilles en verre, optimisant ainsi en permanence sa capacité à identifier les défauts des produits. Les résultats de l'application démontrent que le système améliore considérablement la précision de l'identification et du rejet des produits défectueux, améliorant ainsi la qualité globale de l'emballage pharmaceutique. Les systèmes d'inspection visuelle jouent également un rôle clé dans les lignes de production de bouteilles de boissons. Une étude ciblant l'inspection visuelle des bouteilles en verre dans les lignes de production de boissons intelligentes a développé une plateforme complète d'inspection par vision industrielle et proposé plusieurs algorithmes d'inspection innovants. Par exemple, un algorithme de détection de cercles aléatoires multiples et d’évaluation de l’ajustement des cercles pour l’inspection du goulot des bouteilles relève le défi du positionnement à grande vitesse et de haute précision en présence de défauts graves du goulot des bouteilles. Une méthode améliorée de transformation de distance géodésique et de correspondance de modèles pour l'inspection du fond de bouteille permet une détection précise de petits défauts à faible contraste sur le fond de bouteille. Ces algorithmes ont donné de bons résultats dans la production réelle, répondant aux exigences d'inspection à grande vitesse et en temps réel des lignes de production de boissons.

L'utilisation de systèmes d'inspection visuelle présente de nombreux avantages. Premièrement, elle permet une inspection entièrement automatisée, réduisant considérablement les coûts de main-d'œuvre et améliorant l'efficacité des inspections. Par exemple, après la mise en œuvre d'un système d'inspection visuelle, une entreprise a constaté une augmentation de l'efficacité des inspections de plus de trois fois et une réduction des faux positifs d'environ 50 %. Deuxièmement, le système peut détecter des défauts subtils, difficiles à déceler à l'œil nu, tels que de fines fissures et de minuscules bulles, améliorant ainsi significativement la qualité et la sécurité des produits. De plus, le système fonctionne de manière stable et continue, insensible aux facteurs subjectifs tels que la fatigue et l'émotion, garantissant des résultats d'inspection cohérents et fiables. 6 Défis et tendances de développement futures

Bien que la technologie d'inspection visuelle des bouteilles en verre ait considérablement progressé, elle reste confrontée à plusieurs défis. Premièrement, la nature réfléchissante du verre rend l'acquisition d'images difficile, ce qui nécessite des solutions d'éclairage soigneusement conçues pour minimiser les interférences de réflexion. Deuxièmement, le fonctionnement à grande vitesse des lignes de production exige que les systèmes d'inspection effectuent l'acquisition, le traitement et l'évaluation des images dans des délais extrêmement courts, ce qui impose des exigences élevées en termes de performances en temps réel. De plus, la diversité des bouteilles en verre (formes, tailles et couleurs différentes) exige également une grande polyvalence et adaptabilité du système.

À l'avenir, la technologie d'inspection visuelle des bouteilles en verre évoluera dans les directions suivantes :

Intelligence et capacités d'auto-apprentissage : grâce à l'intégration de la technologie d'apprentissage profond, les systèmes d'inspection visuelle bénéficieront de capacités d'apprentissage des caractéristiques et d'une adaptabilité accrues. En apprenant continuellement à partir de nouveaux échantillons de défauts, le système pourra progressivement améliorer sa précision de reconnaissance et s'adapter à de nouveaux types de produits et de modèles de défauts. En particulier, l'introduction de méthodes d'apprentissage non supervisé et semi-supervisé permettra de réduire la dépendance à un grand nombre d'échantillons étiquetés et de diminuer les coûts de maintenance du système.

Technologie d'inspection visuelle 3D : Les systèmes d'inspection visuelle 2D traditionnels peinent à obtenir des informations sur l'épaisseur et la profondeur des bouteilles en verre. La technologie de vision 3D peut fournir des informations tridimensionnelles plus riches, permettant une mesure de haute précision de paramètres complexes tels que la distribution de l'épaisseur de la paroi et de la base des bouteilles, améliorant ainsi l'exhaustivité et la précision des inspections.

Imagerie multispectrale et hyperspectrale : Différents défauts peuvent présenter des caractéristiques différentes selon la longueur d'onde. Les technologies d'imagerie multispectrale et hyperspectrale permettent de capturer des informations spectrales plus riches, révélant des caractéristiques de défauts invisibles à l'œil nu et améliorant la détection des défauts petits et cachés.

Amélioration des performances et de la vitesse de traitement en temps réel : Grâce au développement de l'informatique de pointe et des processeurs de vision dédiés (tels que les VPU), la vitesse de traitement des systèmes d'inspection visuelle sera encore améliorée, répondant ainsi aux exigences d'inspection en temps réel des lignes de production à haute cadence. De plus, les modèles de réseaux neuronaux légers réduiront considérablement la complexité des calculs tout en préservant la précision.

Intégration et miniaturisation des systèmes : les futurs systèmes d’inspection visuelle seront plus compacts et plus faciles à intégrer. Grâce aux progrès technologiques en matière de matériel, la taille des systèmes continuera de diminuer tandis que leurs performances continueront de s’améliorer, permettant ainsi une adaptation à des environnements de production plus diversifiés.

Connectivité des données et production intelligente : Les systèmes d'inspection visuelle ne seront plus des unités de contrôle qualité isolées, mais seront étroitement intégrés aux systèmes de gestion d'entreprise et aux systèmes de contrôle des lignes de production pour permettre le partage des données et une prise de décision intelligente. L'analyse des données d'inspection permet au système de fournir des informations précieuses pour optimiser le processus de production, formant ainsi un système de contrôle en boucle fermée, de l'inspection à l'optimisation.

Conclusion

En intégrant des technologies avancées telles que l'optique, l'électronique, le traitement d'images et l'intelligence artificielle, l'inspection visuelle des défauts des bouteilles en verre permet un contrôle qualité automatisé, de haute précision et très efficace. Elle permet non seulement de remédier efficacement au manque d'efficacité et de régularité des inspections manuelles traditionnelles, mais aussi de détecter des défauts subtils, imperceptibles à l'œil nu, améliorant ainsi considérablement la qualité et la sécurité des produits. Grâce aux progrès technologiques constants, les systèmes d'inspection visuelle continueront de gagner en intelligence, en performance en temps réel et en adaptabilité, offrant ainsi aux fabricants de bouteilles en verre des solutions de qualité plus complètes.

Face à une concurrence féroce sur le marché et à des exigences de qualité de plus en plus strictes, l'adoption de technologies d'inspection visuelle avancées est devenue incontournable pour les fabricants de bouteilles en verre. À l'avenir, avec l'essor de l'Industrie 4.0 et de la fabrication intelligente, l'inspection visuelle sera étroitement intégrée aux autres technologies de fabrication intelligente pour former un système de gestion de la qualité plus performant et plus intelligent, favorisant ainsi le progrès technologique et la modernisation industrielle dans l'ensemble du secteur.