AIS REV - DESARROLLO EXPERIMENTAL DE UNA SOLUCIÓN 360º BASADA EN TECNOLOGÍAS DEEP LEARNING PARA EL CONTROL DE CALIDAD DE ENVASES CILÍNDRICOS
Objetivo General
El objetivo de este proyecto es desarrollar un prototipo de sistema de inspección de envases en líneas de producción. El sistema permite capturar la vista completa del envase en 360º mediante varias cámaras y emplea técnicas de inteligencia artificial y deep learning para asegurar que cada producto cumple con los criterios de calidad establecidos por el fabricante.
Desarrollo del Prototipo de Inspección Automatizada
Descripción: El prototipo se ha diseñado para identificar defectos en los envases de manera autónoma y precisa. Incluye:
- Iluminación homogénea en las paredes laterales del producto.
- Estructura de soporte para cámaras con un sistema sincronizado de captura de imágenes.
- Pruebas con cámaras de distintos fabricantes, como OMRON e iRiple, y configuraciones avanzadas de iluminación.
Sistema de Adquisición y Almacenamiento de Datos
Para gestionar el alto volumen de datos generados, hemos implementado una arquitectura eficiente para la ingesta y almacenamiento de datos. Este sistema de Data Warehouse permite el almacenamiento y análisis continuo de la información de inspección.
Modelo de Deep Learning para Clasificación de Defectos
Hemos desarrollado un modelo de Deep Learning que analiza las imágenes capturadas para identificar posibles defectos en los envases. Los parámetros de calidad fueron definidos para optimizar el etiquetado y la detección de defectos, mientras seguimos mejorando el conjunto de datos de entrenamiento.
Pruebas de Concepto y Evaluación de Resultados
Tras implementar el modelo, se llevaron a cabo pruebas para validar su eficacia. Este proceso ha sido fundamental para ajustar y perfeccionar el sistema de inspección antes de su despliegue en entornos de producción.
Resumen del Proyecto
- Proyecto: IDI-20221085
- Ubicación de ejecución: Nuestras instalaciones en Sabadell, Barcelona.
- Duración del proyecto: Junio 2022 – Abril 2024.
- Presupuesto Aceptado: 273.536 euros (Ayuda concedida cofinanciada por CDTI y fondos Feder 232.505,60 euros).
