control de qualitat amb aprenentatge profund per a fleques industrials<\/strong><\/a> ofereix una inspecci\u00f3 fiable i en temps real a les l\u00ednies de baguettes d\u2019alta velocitat, convertint la garantia de qualitat en un avantatge competitiu.<\/p>\nEl repte: producte uniforme a 120 unitats\/min<\/h3>\n
Una fleca europea l\u00edder estava perdent rendiment i acceptaci\u00f3 dels distribu\u00efdors a causa de les variacions en la longitud, l\u2019al\u00e7ada, la forma i les esquerdes superficials<\/strong> de les baguettes. Les comprovacions manuals i les regles basades en el pes no podien mantenir el ritme d\u2019una l\u00ednia que produ\u00efa 120 baguettes per minut<\/strong>.
Els objectius eren: detecci\u00f3 autom\u00e0tica de defectes, mesures precises, canvis de format flexibles i integraci\u00f3 fluida amb el PLC<\/strong>.<\/p>\nRequisits principals<\/h3>\n\n- \n
Detectar pans retor\u00e7ats, pessigats o esquerdats<\/p>\n<\/li>\n
- \n
Mesurar al\u00e7ada \u00b110 mm<\/strong> i longitud \u00b120 mm<\/strong><\/p>\n<\/li>\n- \n
Classificar i rebutjar autom\u00e0ticament els productes no conformes<\/p>\n<\/li>\n
- \n
Adaptar-se r\u00e0pidament a diversos formats de baguette<\/p>\n<\/li>\n
- \n
Integrar-se amb la cinta transportadora i els controls existents<\/p>\n<\/li>\n<\/ul>\n
La soluci\u00f3: visi\u00f3 artificial + perfilat l\u00e0ser<\/h3>\n
Es va instal\u00b7lar una estaci\u00f3 d\u2019inspecci\u00f3 d\u2019acer inoxidable a la l\u00ednia amb:<\/p>\n
\n- \n
C\u00e0mera matricial en color d\u2019alta resoluci\u00f3<\/strong><\/p>\n<\/li>\n- \n
Esc\u00e0ner l\u00e0ser lineal<\/strong> per obtenir un perfil d\u2019al\u00e7ada prec\u00eds<\/p>\n<\/li>\n- \n
Il\u00b7luminaci\u00f3 de c\u00fapula controlada<\/strong> per eliminar variacions ambientals<\/p>\n<\/li>\n- \n
Pantalla t\u00e0ctil HMI de 15\u2033<\/strong> per als operaris<\/p>\n<\/li>\n- \n
Una plataforma d\u2019aprenentatge profund entrenada amb imatges reals de producci\u00f3<\/strong><\/p>\n<\/li>\n<\/ul>\nCom s\u2019entrena (i millora) el model<\/h3>\n
Els operaris utilitzen una eina de formaci\u00f3 al n\u00favol<\/strong> per etiquetar imatges de la l\u00ednia. La xarxa apr\u00e8n a distingir les baguettes correctes de les defectuoses i continua millorant a mesura que s\u2019afegeixen m\u00e9s exemples, captant subtileses superficials que sovint passen desapercebudes als humans. Els equips poden preparar nous formats sense suport extern.<\/p>\nResultats: garantia en temps real i menys residus<\/h3>\n
El sistema detecta esquerdes i deformacions en mil\u00b7lisegons<\/strong>, activa el rebuig i registra estad\u00edstiques d\u2019error per afavorir la millora cont\u00ednua. Els resultats inclouen millor qualitat visual, menys residus<\/strong>, menys reclamacions dels clients i m\u00e9s efici\u00e8ncia a la l\u00ednia.<\/p>\nPer qu\u00e8 \u00e9s important per a les fleques<\/h3>\n
Quan l\u2019aparen\u00e7a \u00e9s tan cr\u00edtica com el sabor, la inspecci\u00f3 escalable amb IA garanteix que cada pe\u00e7a compleixi les especificacions a gran velocitat. L\u2019aprenentatge profund<\/strong> dona a les fleques la flexibilitat per llan\u00e7ar nous productes, mantenir els est\u00e0ndards dels distribu\u00efdors i protegir els marges amb un control de qualitat basat en dades.<\/p>\n<\/p>","protected":false},"excerpt":{"rendered":"
El control de qualitat d’aprenentatge profund per a fleques industrials \u00e9s ara pr\u00e0ctic a la velocitat de la l\u00ednia. En aquest cas pr\u00e0ctic, una fleca europea inspecciona 120 baguettes per minut, mesura l’al\u00e7ada (\u00b110 mm) i la longitud (\u00b120 mm) i rebutja els defectes en temps real. El model d’IA s’entrena amb imatges reals mitjan\u00e7ant una eina al n\u00favol, de manera que els operadors poden adaptar-lo a nous formats, reduint els residus i les queixes alhora que augmenten l’efici\u00e8ncia.<\/p>\n","protected":false},"author":1,"featured_media":2590,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[3,18,1],"tags":[],"class_list":["post-2589","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-eventos","category-caso-de-exito","category-sin-categoria"],"acf":[],"views":2506,"_links":{"self":[{"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/posts\/2589","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/comments?post=2589"}],"version-history":[{"count":3,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/posts\/2589\/revisions"}],"predecessor-version":[{"id":2593,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/posts\/2589\/revisions\/2593"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/media\/2590"}],"wp:attachment":[{"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/media?parent=2589"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/categories?post=2589"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aisvision.com\/ca\/wp-json\/wp\/v2\/tags?post=2589"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}