이 애플리케이션은 제품의 안전성, 수명, 품질 및 브랜드를 손상시킬 수 있는 결함을 찾아내기 위한 유연 플라스틱 포장 검사에 중점을 둡니다.
어떤 제조상의 결함이 발생합니까?
유연한 플라스틱 식품 포장은 다음과 같은 결함이 발생할 수 있습니다.
이러한 포장 결함은 소비자 건강 위험, 고비용 리콜, 법적 책임, 그리고 브랜드 평판 손상 등 심각한 결과를 초래합니다. 제조업체는 이러한 결함을 감지, 시정 및 예방하기 위해 엄격한 품질 관리 조치와 검사 절차를 시행하는 것이 매우 중요합니다.
하지만 포장 결함은 감지하기 어려울 수 있습니다. 결함의 유형과 위치가 다양할 수 있기 때문입니다. 포장된 제품 자체도 까다로울 수 있습니다. 제품은 다양하고, 겹치거나 컨베이어 라인을 따라 일관되지 않게 이동하며, 제조업체가 신제품을 생산함에 따라 제품이 자주 바뀔 수 있습니다.
기존의 머신 비전 제품은 부품 및 결함 변동성에 직면했을 때 제품을 과도하게 생산하고, 부품 교체 시 재구성 속도가 느립니다. 제조업체는 머신 비전이 실패하는 경우 여전히 수동 검사에 의존합니다. 하지만 수동 검사는 속도가 느리고, 제조업체가 요구하는 생산 속도에 맞춰 확장할 수 없으며, 각 검사자에 따라 결과가 다릅니다. 수동 검사에서는 수집되는 데이터가 거의 없기 때문에 제조업체는 생산 관련 통찰력을 놓치고, 이탈이나 리콜 발생 시 부품 및 검사 결정을 다시 검토할 수 없습니다.
솔루션
UnitX의 AI-powered 검사는 다른 솔루션이 실패한 곳에서 가공된 유연 플라스틱 포장의 결함을 효과적으로 감지합니다.
첫째, OptiX 이미징 시스템은 포장된 식품을 조명하고 이미징합니다. 그런 다음 CorteX Central AI 플랫폼은 패키징 결함에 대해 학습됩니다. 마지막으로, 이러한 AI 모델은 CorteX Edge 결함을 인라인으로 감지하고 분류하는 추론 시스템입니다.
또는 기존 이미징 시스템이 있는 경우, 제조업체는 CorteX AI만 사용할 수 있습니다. 예를 들어, 제조업체가 내부 포장 결함을 감지하려는 경우, CorteX AI만 배포하고 기존 X-Ray 및 CT 스캐너와 통합하여 향상된 결함 감지 기능을 빠르게 구축할 수 있습니다.
UnitX 유연한 플라스틱 포장 검사를 위해?
OptiX 반사율은 최소화하고 결함 가시성은 극대화하여 뛰어난 이미지를 제공합니다. 32개의 독립적으로 제어 가능한 조명 광원을 갖추고 있으며, 소프트웨어를 통해 다양한 투명 포장 표면 및 결함에 맞게 최적화할 수 있습니다. 또한, 조명 돔 디자인은 매우 날카로운 입사각의 투사광을 지원하여 아주 작은 결함에도 그림자를 드리워 가시성을 높여줍니다.
CorteX는 무작위적이고 복잡한 결함을 정확하게 감지합니다. 위치 및 방향의 변동성을 자동으로 정규화하고 픽셀 수준까지 결함을 인식합니다. 불량품 및 제품 낭비로 이어지는 오탐(false positive)을 줄여줍니다.
CorteX는 빠른 AI 모델 개발, 배포 및 반복을 지원합니다.CorteX AI 모델은 샘플 효율성이 뛰어납니다. 즉, 새로운 결함 유형에 대해 학습하는 데 몇 개의 이미지만 필요합니다.
UnitX 수율을 최적화합니다. CorteX에서는 품질 기준을 조정하고 수율에 미치는 영향을 시각화한 후 생산에 적용할 수 있습니다. 모든 검사 데이터는 제조업체가 하나의 중앙 플랫폼에서 참조할 수 있으며, 공정 개선 영역을 분석 및 파악하고 과거 기록을 활용하여 리콜 범위를 제한하고 필요시 사기성 청구를 방지할 수 있습니다.
UnitX 100% 인라인 검사를 신속하게 제공합니다. OptiX 밝은 LED와 1m/s의 빠른 파리 포획 속도를 갖춰 고속 이미징이 가능합니다. CorteX Edge 최대 100MP의 높은 추론 속도를 지원하여 OK/NG 결정을 빠르게 출력하고, 모든 주요 PLC, MES, FTP 시스템과 통합하여 해당 결정을 원활하게 전달합니다.
와 UnitX제조업체는 식품 포장 결함을 방지하고 식품 안전 및 품질을 저해하여 고객 신뢰를 떨어뜨리고 결과적으로 고비용 리콜을 초래합니다. 생산 속도에 맞춰 검사를 자동화하여 식품 포장 처리량과 수율을 높입니다.
UnitX 검사 예시 심층 분석
예시 #1: 핫도그 포장 검사
이 사례에서 우리는 핫도그 포장을 검사하여 포장 구멍과 잘못된 양의 제품이 있는지 확인했습니다.
영상
첫째, 우리는 OptiX 핫도그 포장의 이미지를 촬영하여 결함이 있는 제품과 정상 제품을 모두 촬영했습니다.
트레이닝
다음으로 우리는 다음을 사용했습니다. CorteX Central 모델을 학습시키기 위해 두 가지 결함에 대한 라벨을 만들었습니다. 포장 구멍("puncture")과 잘못된 제품 수량("missing_hotdog")입니다.
그런 다음 우리는 캡처한 이미지에서 해당 결함에 레이블을 지정했습니다. OptiX각 결함에 대해 적은 수의 이미지를 사용합니다.
- "펑크" 결함에 대한 3개의 NG 이미지
- “missing_hotdog” 결함에 대한 3개의 NG 이미지
- 5개의 OK 이미지
CorteX의 사용자 친화적인 인터페이스와 AI 모델을 훈련하는 데 필요한 이미지 수가 적기 때문에 3개의 결함에 대한 라벨링을 완료하는 데 42분 2초밖에 걸리지 않았습니다.
Detection System
그런 다음 우리는 해당 AI 모델을 배포했습니다. CorteX Edge 새로운 핫도그 부품에서 결함을 감지하여 두 가지 결함이 발생했습니다.
예시 #2: 다진 쇠고기 포장 검사
이 사례에서 우리는 밀봉 부분과 포장 긁힘에 음식물 오염이 있는지 확인하기 위해 다진 쇠고기 포장을 검사했습니다.
영상
첫째, 우리는 OptiX 다진 쇠고기 포장의 이미지를 촬영하여 결함이 있는 제품과 정상 제품을 모두 포착했습니다.
트레이닝
다음으로 우리는 다음을 사용했습니다. CorteX Central 모델을 훈련하기 위해 레이블을 만들었습니다. 두 가지 결함, 즉 식품 오염("오염")과 포장 흠집("스커프")에 대해서입니다.
그런 다음 우리는 캡처한 이미지에서 해당 결함에 레이블을 지정했습니다. OptiX두 가지 결함 유형 모두에 대해 적은 수의 이미지를 사용합니다.
Detection System
그런 다음 우리는 해당 AI 모델을 배포했습니다. CorteX Edge 새로운 다진 쇠고기 포장에서 결함을 감지하여 두 가지 결함을 정확하게 감지하고 분류했습니다.

흠집 결함