Inspection visuelle des défauts des bouteilles de boissons : principes techniques, mise en œuvre du système et perspectives d'application

Introduction

Avec le développement rapide de l'industrie des boissons, le contrôle de la qualité des produits est devenu un élément essentiel de la compétitivité des entreprises. En tant que forme principale d'emballage de produits, la qualité des bouteilles de boissons affecte directement la sécurité des produits, leur étanchéité et l'image de la marque. Les méthodes traditionnelles d'inspection manuelle présentent une faible efficacité, une forte subjectivité et des taux de faux-négatifs élevés, en particulier sur les lignes de production à haute vitesse (telles qui traitent 72 000 ou même 120 000 bouteilles par heure), où l'inspection manuelle ne peut plus répondre aux exigences. La technologie de vision industrielle, avec ses avantages en matière de haute précision, de haute efficacité et de fonctionnement sans contact, est devenue la solution principale pour l'inspection des défauts des bouteilles de boissons.

Les systèmes d'inspection par vision industrielle, en simulant la fonction de l'œil humain, utilisent des systèmes optiques, des algorithmes de traitement d'image et des systèmes de décision intelligents pour automatiser l'inspection des multiples dimensions des indicateurs de qualité des bouteilles de boisson, notamment l'apparence, la taille et l'étanchéité. Cet article examinera de manière approfondie les principes techniques, la composition du système, les méthodes clés, les pratiques d'application et les tendances de développement futures en matière d'inspection visuelle des défauts des bouteilles de boissons.

Je. Défauts et risques courants des bouteilles de boissons

Divers défauts peuvent survenir dans les bouteilles de boissons pendant la production, principalement classés comme suit :

1.1 Défauts du goulot de la bouteille

Le goulot de la bouteille est un élément d'étanchéité essentiel de la bouteille de boisson. Les défauts courants comprennent :

• Surface d'étanchéité endommagée : Affecte la performance d'étanchéité du bouchon, ce qui peut entraîner des fuites ou une contamination.

• Défauts de filetage : Empêche le bouchon de se serrer correctement.

• Bords ébréchés/bavures : affectent l'apparence et peuvent blesser les consommateurs.

• Déformation/fissures : Affecte directement la performance d'étanchéité.

1.2 Défauts du corps de la bouteille

Les défauts du corps de la bouteille affectent directement l'apparence et la résistance structurelle du produit :

• Rayures/fissures : Réduisent la résistance de la bouteille et peuvent provoquer des bris.

• Taches/points noirs : affectent l'esthétique du produit et peuvent susciter des inquiétudes chez les consommateurs.

• Bulles d'air/impuretés : Particulièrement visibles dans les bouteilles transparentes, affectant la transparence.

• Déformation/épaisseur irrégulière : Affecte la précision du remplissage et la constance du produit.

1.3 Défauts du fond des bouteilles

Les défauts du fond de la bouteille affectent la stabilité et la résistance de la bouteille :

• Dégâts/fissures : Peuvent entraîner la rupture de la bouteille.

• Saleté et matières étrangères : affectent la propreté du produit

• Résidu de film transparent : Film qui peut subsister après le processus de soufflage.

1.4 Défauts fonctionnels

• Niveau de liquide anormal : Remplissage insuffisant ou excessif, affectant la conformité des spécifications du produit.

• Défauts des bouchons de bouteilles : bouchon trop haut, bouchon de travers, bouchon cassé, absence de bouchon, etc.

• Problèmes d'étiquetage : étiquetage incorrect, étiquetage manquant, étiquetage de travers, plis, codage flou, etc.

Ces défauts affectent non seulement l'apparence du produit, mais peuvent également causer des problèmes de sécurité alimentaire. Par exemple, une mauvaise étanchéité peut entraîner la détérioration des boissons, des fissures peuvent provoquer la rupture des bouteilles et des blessures, et un niveau de liquide anormal affecte la précision des mesures et les droits des consommateurs.

II. Composants de base d'un système d'inspection visuelle

Un système complet d'inspection visuelle des défauts des bouteilles de boissons comprend généralement les composants principaux suivants :

2.1 Système d'acquisition d'images

L'acquisition d'images est le fondement de l'inspection visuelle et comprend principalement :

• Caméra industrielle : Caméra à balayage plan ou à balayage linéaire haute résolution, comme une caméra à balayage plan avec une résolution de 1280×1024. Les systèmes modernes utilisent généralement des caméras haute résolution de 5 mégapixels ou plus, capables d'identifier des défauts aussi petits que 0,3 mm².

• Objectifs optiques : objectifs industriels de 35 mm, etc., avec une distance focale et un champ de vision appropriés sélectionnés en fonction des exigences d'inspection.

• Systèmes d'éclairage : sources de lumière annulaire, sources de lumière coaxiale, sources de contre-éclairage, etc., utilisés pour éliminer les reflets et améliorer le contraste. Pour l'inspection des bouteilles transparentes, l'éclairage à fort contraste et la technologie de film de contrôle du rétroéclairage sont particulièrement importants.

2.2 Unité de traitement d'images

• Processeur d'images : Matériel dédié tel que les processeurs d'images Siemens

• Ordinateur industriel : Équipé d'un processeur haute performance, tel qu'un AMD Ryzen ™ processeur, offrant une puissance de calcul de 3,3 TFLOPS

• Logiciel de traitement : Comprend des modules d'algorithmes tels que le prétraitement d'image, l'extraction de caractéristiques et l'identification des défauts.

2.3 Système de contrôle

• PLC (Contrôleur Logique Programmable) : Par exemple le PLC Allen Bradley CompactLogix, responsable de la coordination et du contrôle du système.

• Système de capteurs : Capteurs photoélectriques, encodeurs, etc., utilisés pour le positionnement et le déclenchement des produits.

• Actionneurs : Dispositifs de rejet, mécanismes de tri, etc.

2.4 Interface Homme-Machine

• IHM (Interface Homme-Machine) : Comme la IHM Cognex VisionView, utilisée pour le réglage des paramètres, la surveillance de l'état et l'affichage des résultats.

• Système de gestion des données : Enregistre les résultats des inspections, facilite la traçabilité et l'analyse de la qualité.

III. Technologies et méthodes clés

3.1 Technologie d'acquisition et de prétraitement d'images

L'acquisition d'images de haute qualité est une condition essentielle pour une inspection réussie. En raison des caractéristiques uniques des bouteilles de boisson, des solutions d'éclairage spécialisées sont nécessaires :

• Détection des bouteilles transparentes : Un éclairage à fort contraste et un film de contrôle de rétroéclairage sont utilisés pour collimer la lumière et créer un contraste d'image plus élevé.

• Imagerie multi-angle : 360 ° L'imagerie à vision complète est obtenue grâce à la réflexion par un miroir plan, comme un premier et un deuxième miroir plan placés symétriquement de chaque côté du capteur de détection.

• Imagerie par rotation : Le groupe de caméras est tourné en fonction de l'angle de rotation des points de référence prédéfinis pour acquérir des images multidirectionnelles.

Le prétraitement d'image comprend des étapes de débruitage, d'amélioration et de segmentation, jetant ainsi les bases pour l'identification ultérieure des défauts.

3.2 Algorithmes de détection des défauts

3.2.1 Algorithmes traditionnels de traitement d'images

• Détection des contours : Les outils de détection de contours, etc., sont utilisés pour identifier le contour des bouteilles et les limites des défauts.

• Correspondance par modèle : Les zones défectueuses sont localisées en comparant avec des images de bouteilles standard.

• Segmentation du seuil : La zone du goulot de la bouteille est extraite et l'intégrité du filetage est analysée.

• Traitement morphologique : Utilisé pour l'amélioration et la séparation des défauts.

Pour la détection des défauts du goulot de la bouteille, la transformation des coordonnées polaires (cv2.warpPolar) est souvent utilisée pour mapper les défauts annulaires en structures en forme de bande, simplifiant ainsi la modélisation spatiale. Le contour noir de la zone du goulot de la bouteille est précisément séparé par la conversion de l'espace colorimétrique HSV, et les coordonnées centrales et le rayon du goulot de la bouteille sont automatiquement estimés à l'aide de la transformation du cercle de Hough.

3.2.2 Algorithmes d'apprentissage profond

Avec le développement de la technologie de l'intelligence artificielle, l'apprentissage profond est de plus en plus largement utilisé dans la détection des défauts :

• Algorithmorythmes de la série YOLO : par exemple, le système de détection des bouteilles de thé glacé basé sur YOLO13-C3k2-RFAConv, atteignant un mAP de 92,6 %.

• YOLOv7 amélioré : La structure pyramidale originale de regroupement SPPCSPC est améliorée pour devenir une structure SPPFCSPC plus rapide, utilisant la fonction de perte SIoU, ce qui permet d'atteindre une précision de reconnaissance du niveau de liquide de 96,3 % pour les bouteilles de boissons en PET.

• Outil de recherche de motifs géométriques PatMax : des algorithmes avancés de traitement d'images identifient et localisent automatiquement les caractéristiques géométriques sur la bouteille.

3.3 Technologies de détection spéciales

3.3.1 Détection des emballages transparents

Les matériaux d'emballage transparents n'absorbent quasiment pas de lumière visible, ce qui se traduit par très peu d'informations sur l'emballage lui-même dans les images directement capturées. La technologie brevetée analyse l'effet de distorsion optique des emballages transparents sur le motif de fond, transformant les défauts invisibles en changements de fond détectables, et utilise différentes stratégies d'amélioration pour différents types de zones.

3.3.2 Détection du niveau de liquide

La technologie d'imagerie par transmission combinée à l'analyse en niveaux de gris est utilisée pour mesurer la hauteur du niveau de liquide. Un algorithme de séparation régionale sépare les impuretés en suspension, et un classificateur détermine le type d'impureté.

3.3.3 Détection des étiquettes et des marquages

• Technologie OCR : Identifie le contenu des marquages et vérifie des informations telles que la date de production et la durée de conservation.

• Alignement par modèle : vérifie la position de l'étiquette avec une précision de ±0,5 mm.

• Analyse des différences de couleur : garantit que les couleurs des étiquettes respectent les normes.

IV. Mise en œuvre du système et cas d'application

4.1 Conception de l'architecture du système

Les systèmes de détection des défauts des bouteilles de boisson basés sur la vision industrielle adoptent généralement une conception modulaire, comprenant quatre modules principaux : l'exécution mécanique, le contrôle électrique, le traitement d'image et le logiciel informatique central. Le système intègre le PLC, le système de vision et le système de contrôle de la chaîne de production via Ethernet.

4.2 Processus d'inspection

Un processus typique d'inspection visuelle des bouteilles de boissons comprend :

1. Inspection des bouteilles : La bouteille est éclairée par une source de lumière, le dispositif d'imagerie capture l'image et le système de vision informatique analyse les défauts tels que la casse ou la déformation.

2. Inspection des bouchons : Détecte les bouchons desserrés, endommagés ou non conformes.

3. Inspection du niveau de liquide : Détermine si le niveau de liquide se trouve dans la plage acceptable.

4. Inspection des étiquettes : Détecte les étiquettes incorrectes, floues ou manquantes.

4.3 Cas d'application pratiques

4.3.1 Système d'inspection de ligne de production à haute vitesse

La ligne de production de sirop de maïs d'une entreprise alimentaire utilise un système d'inspection d'étiquettes développé par EPIC Vision Systems, avec une vitesse d'inspection dépassant 500 bouteilles par minute. Le système utilise les systèmes de micro-vision Cognex In-Sight 5400 et In-Sight 1400, vérifiant l'exactitude des motifs d'étiquettes et des codes-barres grâce à des méthodes de correspondance de motifs géométriques, et vérifiant plus de 20 étiquettes de produits différentes.

4.3.2 Solution de ligne intégrée intelligente

La solution de ligne intégrée intelligente de Yuzhen Technology pour l'inspection visuelle des flacons pharmaceutiques permet un contrôle intelligent en boucle fermée "de la bouchonnette à la boîte". Le système intègre l'inspection visuelle par IA, la détection de fuites de haute précision et un système d'emballage flexible sans personnel, permettant d'atteindre une précision d'inspection de 0,1 mm et une vitesse d'inspection maximale de 300 bouteilles par minute.

4.3.3 Système d'inspection des bouteilles de bière

Les lignes de production de bière peuvent atteindre des vitesses de plus de 36 000 bouteilles par heure, ce que les méthodes d'inspection traditionnelles ne peuvent pas assurer. Le système d'inspection visuelle utilise des caméras pour acquérir des images du goulot, du fond et des parois de la bouteille, détectant ainsi des défauts tels que le joint du goulot, les filetages, la saleté sur les surfaces intérieures et extérieures des parois de la bouteille, la saleté sur le fond et les fissures. Les bouteilles de bière présentant des défauts détectés sont automatiquement rejetées.

4.4 Indicateurs de performance

Les principaux indicateurs de performance des systèmes modernes d'inspection visuelle des bouteilles de boissons comprennent :

• Vitesse d'inspection : Jusqu'à 400 bouteilles par minute ou plus, certains systèmes peuvent atteindre 500 bouteilles par minute.

• Précision de l'inspection : Peut identifier des défauts aussi petits que 0,3 mm², avec un taux de précision ≥99,9%.

• Adaptabilité : Peut inspecter différentes formes de bouteilles, y compris les bouteilles rondes, carrées et de formes irrégulières.

• Stabilité : Peut fonctionner en continu pendant plus de 24 heures

V. Avantages techniques et bénéfices économiques

5.1 Avantages techniques

Par rapport à l'inspection manuelle traditionnelle, les systèmes d'inspection par vision industrielle présentent des avantages significatifs :

1. Haute efficacité : La vitesse d'inspection dépasse largement celle de l'inspection manuelle, s'adaptant aux besoins des lignes de production à haute vitesse.

2. Haute précision : Peut détecter des défauts minuscules difficiles à repérer à l'œil nu.

3. Objectivité : Insensible aux facteurs humains, avec des normes d'inspection unifiées

4. Traçabilité : Enregistre automatiquement les données d'inspection, favorisant la traçabilité et l'analyse de la qualité.

5. Adaptabilité : Peut être adapté à différents types de produits grâce à des ajustements logiciels, avec un temps de conversion de seulement deux minutes.

5.2 Avantages économiques

1. 1. Réduction des coûts de main-d'œuvre : Réduction des postes d'inspection manuelle de la qualité de plus de 60%, permettant d'économiser plus de 200 000 yuans par an.

2. Améliorer la qualité des produits : Éliminer les erreurs de base telles que les étiquettes de travers et le codage flou, améliorant ainsi la cohérence des produits.

3. Réduire les déchets : Éliminer rapidement les produits défectueux, évitant ainsi les coûts ultérieurs d'emballage et de transport.

4. Améliorer l'image de marque : S'assurer que chaque bouteille respecte les normes de qualité, renforçant ainsi la confiance des consommateurs.

VI. Tendances et défis du développement

6.1 Tendances de développement technologique

1. Intégration du Deep Learning et de l'IA : Les algorithmes de détection des défauts basés sur le Deep Learning deviendront plus répandus, comme par exemple l'application des algorithmes de la série YOLO dans l'inspection des bouteilles de boissons.

2. Technologie de vision 3D : L'inspection par vision 3D peut fournir des informations spatiales plus riches, améliorant ainsi la précision de la détection.

3. Fusion multi-capteurs : Combinaison de plusieurs capteurs tels que la vision, le laser et les ultrasons pour réaliser une inspection plus complète.

4. Collaboration Cloud et plateformes à faible code : telles que la plateforme à faible code Matrix Intelligent Machine Vision, offrant un ensemble d'outils unique pour l'acquisition d'images, l'annotation et le développement d'algorithmes.

5. Edge Computing : Traitement en temps réel côté l'appareil, réduisant la latence de transmission des données.

6.2 Tendances des applications industrielles

1. 1. Contrôle Intelligent Complet du Processus :** Contrôle de la qualité tout au long du processus, des matières premières aux produits finis, comme le contrôle intelligent en boucle fermée de Yuzhen Technology « du goulot de bouteille à la boîte ».

2. Production flexible : adaptation rapide aux transitions de produits et aux changements de catégories, réduisant les temps d'arrêt des lignes de production.

3. Optimisation basée sur les données :** Utilisation des données d'inspection pour optimiser les processus de production et réaliser une maintenance prédictive.

6.3 Difficultés rencontrées:

1. Inspection des matériaux transparents : la détection des défauts dans les bouteilles transparentes reste un défi technique, nécessitant un éclairage spécial et un traitement par algorithme.

2. Inspection à haute vitesse :** L'augmentation de la vitesse des chaînes de production impose des exigences plus élevées en matière de vitesse d'acquisition et de traitement des images.

3. Adaptabilité aux environnements complexes :** Les environnements des chaînes de production sont soumis à des facteurs tels que les vibrations, les variations de température et les interférences lumineuses.

4. Contrôle des coûts : Les systèmes de vision haute performance sont coûteux, ce qui représente une pression financière pour les petites et moyennes entreprises.

5. Capacité de généralisation des algorithmes :** Le système doit s'adapter aux exigences d'inspection des différents types de bouteilles, matériaux et couleurs.

VII. Conclusion :

Après des années de développement, la technologie d'inspection visuelle des défauts des bouteilles de boissons a évolué du simple traitement d'images à des systèmes intelligents intégrant l'apprentissage profond et l'intelligence artificielle. Les systèmes modernes d'inspection visuelle peuvent détecter efficacement et avec précision les défauts dans divers aspects de la production de bouteilles, notamment l'ouverture, le corps, le fond, le niveau de liquide et les étiquettes. Les vitesses d'inspection peuvent atteindre des centaines de bouteilles par minute, avec un taux de précision supérieur à 99%, jouant un rôle irremplaçable dans la production de boissons.

Avec les progrès technologiques constants, l'inspection visuelle des bouteilles de boissons évoluera vers une plus grande intelligence, rapidité et précision. L'application d'algorithmes d'apprentissage profond améliorera encore la précision et l'adaptabilité de l'identification des défauts. Les technologies de vision 3D et de fusion multi-capteurs offriront des capacités d'inspection plus complètes ; La collaboration basée sur le cloud et les plateformes à faible code complexité réduiront les barrières techniques, favorisant ainsi l'adoption généralisée de l'inspection visuelle dans les petites et moyennes entreprises (PME).

Pour les fabricants de boissons, investir dans des systèmes d'inspection visuelle est non seulement un moyen nécessaire d'améliorer la qualité des produits, mais aussi un choix stratégique pour accroître l'efficacité de la production, réduire les coûts d'exploitation et renforcer la compétitivité sur le marché. Alors que les exigences des consommateurs en matière de qualité des produits continuent de croître et que les coûts de main-d'œuvre continuent d'augmenter, les perspectives d'application de la technologie d'inspection visuelle dans l'industrie des boissons deviendront encore plus vastes.

À l'avenir, la technologie d'inspection visuelle des défauts des bouteilles de boissons continuera de s'intégrer à de nouvelles technologies telles que l'Internet des objets, le big data et le cloud computing, permettant de passer d'un seul point d'inspection à la ligne de production entière, de l'analyse hors ligne à l'optimisation en temps réel, et du rejet passif à la prévention proactive, offrant ainsi un soutien technique solide pour le développement de haute qualité de l'industrie des boissons.