Un contrôle visuel précis des emballages alimentaires : comment les technologies modernes d’inspection visuelle garantissent la sécurité alimentaire

Sur la chaîne de production, les sacs alimentaires défilent à une vitesse de 300 par minute, tandis qu'un système d'inspection avancé basé sur la vision détecte chaque défaut d'impression avec une précision de 100 %, minimisant ainsi les risques pour la sécurité alimentaire.

Sur les chaînes de production alimentaire à grande vitesse, la date de production, la date de péremption et le numéro de lot figurant sur chaque emballage sont des éléments essentiels pour garantir la sécurité alimentaire. Cependant, les méthodes d'inspection manuelles traditionnelles peinent à suivre le rythme de production, ce qui entraîne inévitablement des inspections manquées ou incorrectes.

La technologie d'inspection d'impression basée sur la vision industrielle transforme radicalement cette situation. En imitant, voire en surpassant, les capacités perceptives de l'œil humain, et grâce à l'analyse et au jugement par intelligence artificielle, elle crée une barrière de protection numérique pour la sécurité des emballages alimentaires.

1. Les défis majeurs de l'inspection de l'impression des emballages alimentaires

L'inspection de l'impression des emballages alimentaires est confrontée à de multiples défis techniques, notamment la complexité des fonds des sacs d'emballage, l'incohérence de la qualité d'impression et les variations de forme des sacs d'emballage.

Les motifs, textures ou fonds sombres des emballages alimentaires réduisent le contraste entre le code imprimé et le fond, ce qui complique sa lecture. Par ailleurs, le code imprimé lui-même peut présenter des défauts de qualité tels que des interruptions, des flous, des bavures d'encre et une densité d'encre irrégulière.

Sur une chaîne de production, les sacs d'emballage peuvent se déformer, se froisser ou refléter la lumière sous l'effet des mouvements. Ces facteurs nuisent à la qualité d'acquisition des images et, par conséquent, à la précision des résultats d'inspection. Face à des lignes de production à grande vitesse traitant des centaines de sacs par minute, le système d'inspection doit effectuer l'acquisition, l'analyse et le contrôle des images dans un délai extrêmement court, ce qui exige des performances en temps réel exceptionnelles.

Les algorithmes itératifs séquentiels K3M traditionnels, lors de l'extraction du squelette des caractères imprimés, ont tendance à dévier du centre pour les formes différentes ou les caractères irréguliers, ce qui affecte la précision du contrôle d'impression. Les méthodes d'inspection manuelles sont non seulement inefficaces, mais aussi sujettes aux erreurs d'inspection dues à la fatigue, ne permettant pas de répondre aux exigences de qualité de la production moderne.

2. Principes techniques et innovations des systèmes d'inspection par vision

Les systèmes modernes d'inspection visuelle pour l'impression d'emballages alimentaires intègrent diverses technologies telles que l'imagerie optique, le traitement d'images et l'intelligence artificielle, formant ainsi une solution d'inspection efficace et fiable.

Acquisition et prétraitement des images

Le système utilise d'abord des caméras industrielles pour acquérir des images des codes imprimés sur les emballages, grâce à un éclairage spécialisé éliminant les reflets et les ombres parasites. Il effectue ensuite des opérations de prétraitement telles que le filtrage médian, le seuillage et la transformation affine sur les images acquises afin d'améliorer leur qualité et de corriger une éventuelle inclinaison.

Une technologie brevetée évalue avec précision la qualité d'impression jet d'encre en calculant le degré d'ajustement du squelette et la densité d'informations squelettiques des pixels, en construisant un champ de distance et en extrayant les résultats de l'extraction du squelette. Cette méthode prend en compte la distance entre les pixels et la similarité des vecteurs normaux, permettant une identification plus précise des caractéristiques des caractères.

Apprentissage profond et réseaux légers

Ces dernières années, les technologies d'apprentissage profond ont été largement utilisées dans le domaine du contrôle qualité des impressions jet d'encre. Un algorithme amélioré, basé sur YOLOv4, grâce à une pyramide de caractéristiques de taille optimisée et à l'intégration d'informations de régression angulaire, permet au réseau de réduire la taille des boîtes de prédiction et d'atteindre une précision de 99,1 %.

L'introduction d'auto-encodeurs de débruitage résout efficacement les problèmes liés aux arrière-plans complexes et aux données limitées rencontrés dans les applications d'impression jet d'encre industrielles. Le réseau MSDAnet amélioré atteint un taux de détection d'impression jet d'encre impressionnant de 99,81 %, surpassant largement les méthodes traditionnelles.

Pour répondre aux exigences du traitement en temps réel, les chercheurs ont proposé le réseau léger Ghost-YOLO. Basé sur YOLOv5, ce réseau utilise un module fantôme pour réduire la dimensionnalité des couches convolutionnelles, diminuant ainsi le nombre de paramètres du modèle de 25 %. Associée à des méthodes de suppression des répétitions de position, cette technologie permet une détection en temps réel de haute précision sur les dispositifs embarqués, avec des taux de précision et de rappel atteignant respectivement 100 % et 99,99 %.

Système de contrôle intelligent en boucle fermée

Les systèmes d'inspection visuelle avancés ne se limitent plus à des fonctions de détection uniques, mais constituent désormais un système de contrôle en boucle fermée en temps réel de type « identification-détection-rétroaction-exécution ».

Ce système intègre harmonieusement l'imprimante à jet d'encre laser et le système d'inspection visuelle. Dès qu'un défaut d'impression est détecté, un signal est immédiatement envoyé à l'automate programmable, qui active le dispositif d'éjection pour retirer les produits défectueux de la ligne de production, assurant ainsi un contrôle qualité entièrement automatisé.

3. Processus de mise en œuvre du système d'inspection par vision

La mise en œuvre d'un système complet d'inspection visuelle des sacs d'emballage alimentaire comprend plusieurs étapes, chacune avec des exigences techniques claires.

Concernant le déploiement matériel, les caméras industrielles, les sources lumineuses et les capteurs de déclenchement doivent être installés correctement. Les composants de détection sont généralement installés sur le dispositif d'entraînement du film. En détectant la distance parcourue à chaque déplacement de ce dispositif, l'acquisition d'images est déclenchée avec précision, garantissant ainsi que chaque sachet d'emballage est photographié dans la position correcte.

Lors du développement de l'algorithme, il est nécessaire de préparer et d'annoter les jeux de données d'images. Les chercheurs ont utilisé des caméras industrielles pour capturer des images imprimées par jet d'encre, puis des outils d'annotation pour étiqueter les échantillons. Enfin, ils ont enrichi les données à l'aide d'un logiciel d'amélioration d'image afin d'améliorer la capacité de généralisation de l'algorithme.

Lors de la phase d'intégration système, les unités d'acquisition, de traitement, de vérification et d'exécution d'images sont combinées de manière organique. Lorsque le système détecte des caractères manquants, incorrects, déformés ou mal positionnés dans l'impression jet d'encre sur les sachets d'emballage, il envoie un signal NG au dispositif de rejet, déclenchant ainsi le rejet et une alarme.

4. Efficacité de l'application et tendances de développement futures

L'application du système d'inspection visuelle pour l'impression à jet d'encre sur les sacs d'emballage alimentaire a donné des résultats significatifs, jouant un rôle clé dans l'amélioration de la qualité, la réduction des coûts et le renforcement de la traçabilité.

Prenons l'exemple d'une grande entreprise agroalimentaire : après avoir mis en place une solution entièrement automatisée « imprimante à jet d'encre laser + système d'inspection visuelle », elle a atteint un taux de détection zéro défaut de 100 % sur une ligne de production de 300 bouteilles par minute, éliminant ainsi complètement les réclamations des clients liées à des problèmes d'étiquetage.

Ce système a également engendré des avantages économiques considérables, en réduisant non seulement le personnel nécessaire au contrôle qualité, mais aussi en libérant ce personnel des tâches d'inspection répétitives et fastidieuses. Parallèlement, le rejet rapide des produits défectueux a permis d'éviter le gaspillage de matériaux d'emballage, réduisant ainsi les coûts de production globaux.

Du point de vue du développement technologique, la détection par impression jet d’encre pour les emballages alimentaires évolue vers une direction plus intelligente et plus efficace. L'allègement des modèles d'apprentissage profond facilitera le déploiement des systèmes de détection sur les appareils embarqués, répondant ainsi aux exigences des applications ayant des exigences en temps réel plus élevées.

Un cadre de réseau de détection et de reconnaissance de bout en bout constitue également une piste de développement importante. Ce cadre, grâce à la conception de couches d'échantillonnage de caractéristiques appropriées, effectue un échantillonnage équidistant sur la zone d'impression jet d'encre localisée, permettant ainsi d'utiliser les caractéristiques extraites lors de la détection d'objets comme entrée pour la branche de reconnaissance de caractères, améliorant de ce fait la vitesse et la précision de la détection et de la reconnaissance.

Avec les progrès constants des algorithmes et du matériel, les systèmes d'inspection visuelle joueront un rôle encore plus important dans le contrôle de la qualité des emballages alimentaires, en fournissant un soutien technique aux entreprises pour évoluer vers des « usines fantômes sans personnel » et réaliser une transformation et une modernisation intelligentes de la production.

Après la mise en place d'un système d'inspection visuelle, une entreprise agroalimentaire a vu son taux de détection des défauts chuter de 1,5 % (avec l'inspection manuelle) à un niveau quasi nul, générant ainsi des gains économiques directs de plus d'un million de yuans par an grâce à la réduction des déchets et des retouches. Ce système a non seulement garanti la qualité des produits finis, mais a également renforcé la crédibilité de l'entreprise sur le marché.

Grâce aux progrès constants de l'intelligence artificielle, les futurs systèmes de détection d'impression jet d'encre pour emballages alimentaires seront plus intelligents et adaptatifs. Ils pourront non seulement identifier les défauts, mais aussi prédire les pannes d'équipement en analysant les tendances des données, permettant ainsi de passer du « traitement des problèmes existants » à la « prévention des problèmes potentiels » et ajoutant une couche de protection intelligente supplémentaire à la sécurité alimentaire.