El deep learning ha ampliado enormemente lo que la visión artificial puede inspeccionar. En líneas donde los defectos son variables o difíciles de describir con reglas fijas —como las de conservas y latas—, es la tecnología que marca la diferencia. Veamos cómo se aplica el deep learning al control de calidad y a la inspección avanzada de latas.
Deep learning aplicado al control de calidad
A diferencia de la visión por reglas, el deep learning aprende a partir de ejemplos de piezas buenas y defectuosas. Así reconoce defectos que no se pueden definir con una fórmula: variaciones de textura, deformaciones sutiles, defectos irregulares. Es ideal cuando la variabilidad del producto es alta.
Los retos de inspeccionar latas
Las líneas de conservas (canning) son exigentes: alta velocidad, superficies metálicas con reflejos, y defectos como abolladuras, defectos en el cierre/engatillado, mal sellado, deformaciones o codificación ilegible. Muchos de estos defectos son variables y difíciles de parametrizar.
Inspección avanzada de latas con deep learning
Con modelos entrenados sobre imágenes reales de la línea, el sistema aprende a distinguir una lata correcta de una defectuosa incluso con reflejos y variabilidad. Detecta abolladuras y defectos de cierre, verifica el correcto sellado y valida la codificación, rechazando automáticamente las unidades no conformes.
Beneficios
Inspección del 100 % en líneas de gran cadencia, detección de defectos que las reglas fijas no capturan, menos reclamaciones y trazabilidad de cada rechazo.
En AIS Vision Systems aplicamos deep learning y nuestra plataforma de inspección a la inspección avanzada de latas y conservas. Cuéntanos tu línea.