IT und Automatisierung

Nachverfolgbarkeit von Aluminiumflaschen

30.10.2024 - Die Technologie von Deep OCR basiert auf Deep-Learning-Algorithmen und ist in der Lage, Zeichen unabhängig von Ausrichtung, Schriftart und Polarität zu lokalisieren.

Mit industrieller Bildverarbeitung lassen sich Produkte während des gesamten Warenflusses verlässlich identifizieren. Entsprechende Schriftzeichen oder Codes können aufgrund verschiedener Umstände nur schwer lesbar sein. Deep-Learning-basierte Technologien bieten hier eine wertvolle Hilfestellung. Das Unternehmen Visione Artificiale hat eine robuste Anwendung zur Nachverfolgbarkeit von Aluminiumflaschen während der Produktion unter Zuhilfenahme der Machine-Vision-Software MVTec Halcon entwickelt. 

Visione Artificiale mit Hauptsitz im norditalienischen Bione hat sich auf die Integration von industriellen Bildverarbeitungstechnologien (Machine Vision) in durchgängig automatisierten Robotik-Systeme spezialisiert. Mit mehr als 20 Jahren Branchenerfahrung und tiefgehender Machine-Vision-Expertise entwickelt das Unternehmen Lösungen für verschiedenste Industrie-Anwendungen. Dazu zählen Systeme zur Qualitätskontrolle von Bauteilen, hochpräzise Messtechnologien zur Automatisierung von Inline-Inspektionsprozessen, 3D-Vision-Systeme, Bin-Picking-Applikationen, Deep-Learning-basierte Anwendungen und viele weitere Lösungen.

Für ein Unternehmen aus der Lebensmittelindustrie hat Visione Artificiale eine Anwendung entwickelt, mit der sich die Rückverfolgung von CO2-befüllten Aluminiumflaschen, die zum Aufsprudeln von stillem Wasser verwendet werden, automatisieren lässt. Auf den Oberflächen der zylinderförmigen Flaschen sind verschiedene Informationen wie Seriennummern, Produktdaten, Abfülldatum und Logo per Laser eingraviert. Diese Buchstaben-Zahlen-Kombinationen dienen dazu, die Aluminiumflaschen mittels optischer Zeichenerkennung (Optical Character Recognition/OCR) automatisiert und mit hoher Präzision zu identifizieren. Dies ist wichtig für reibungslose Produktionsabläufe sowie für die Qualität der ausgelieferten Flaschen und somit für die Kundenzufriedenheit. Um eine lückenlose Rückverfolgung der Gefäße sicherzustellen, werden die eingravierten Informationen per industrieller Bildverarbeitung auf ihre Richtigkeit überprüft. Die automatisierte Inspektion durch Machine Vision ist nicht nur robust und schnell, sondern kann auch rund um die Uhr durchgeführt werden. So spart das Unternehmen langfristig Kosten.

Herausforderungen 

Eine Herausforderung liegt dabei in dem Material, in das die Texte gelasert sind. So können aufgrund der Oberflächenbeschaffenheit des Aluminiums bei der Bildaufnahme durch die Belichtung vielfältige Reflexionen und Flecken entstehen, die eine korrekte Segmentierung der Zeichen erschweren und damit den OCR-basierten Identifikationsprozess empfindlich stören. Um dennoch robuste Erkennungsraten zu gewährleisten, setzt Visione Artificiale auf die Technologie Deep OCR, ein Feature, das in MVTec Halcon integriert ist. Halcon ist die umfassende Standardsoftware für die industrielle Bildverarbeitung. Die Software ist ein Produkt von MVTec Software mit Sitz in München. 

Die Technologie von Deep OCR basiert auf Deep-Learning-Algorithmen und ist in der Lage, Zeichen unabhängig von ihrer Ausrichtung, Schriftart und Polarität zu lokalisieren. Zudem lassen sich Buchstaben automatisch gruppieren, was die Identifizierung ganzer Wörter ermöglicht. Darüber hinaus werden Fehlinterpretationen von Zeichen mit ähnlichem Aussehen gänzlich vermieden, sodass die Erkennungsleistung deutlich steigt. Halcons Deep OCR wurde für die verlässliche Identifikation verschiedenster Schrifttypen trainiert.

Kontrollprozess automatisieren und beschleunigen

Im Rahmen der Anwendung werden die zylinderförmigen Aluminiumflaschen jeweils in Spindeln arretiert und gedreht. Eine Zeilenkamera tastet die Flasche ab und nimmt so ein zweidimensionales Bild ihrer gekrümmten Oberfläche auf. Zunächst geht es darum, die Bereiche auf dem Bild zu finden, die Buchstaben und Zahlen enthalten. Dabei ermittelt das Netzwerk Boxen, die mit einem „Confidence Score“ gekoppelt sind. Dieser Wert gibt an, wie wahrscheinlich es ist, dass diese Boxen Text enthalten. 

Innerhalb der Boxen bestimmt das Netzwerk dann die enthaltenen Zeichen, sodass sich die darin enthaltenen Informationen auf ihre Korrektheit überprüfen und verifizieren lassen. So wird der gesamte Kontrollprozess automatisiert und beschleunigt. Dabei ist das Set-up mit zwei Kameras und Drehvorrichtungen ausgestattet, sodass pro Takt jeweils zwei Flaschen gleichzeitig getestet werden können. Dies erlaubt einen noch schnelleren Durchlauf und erhöht die Effizienz.

„Aufgrund der besonderen Beschaffenheit des Materials hätte uns ein konventionelles OCR-System bei der Identifikation der eingravierten Texte nicht zum Ziel geführt. Um trotz der Reflexionen robuste Erkennungsraten zu erzielen, benötigten wir ein intelligentes OCR-System, das mit dieser Herausforderung zurechtkommt. Deep OCR hat sich hierbei als optimale Lösung für unsere Anforderungen erwiesen. Dank umfassend vortrainierter Deep-Learning-Netze lassen sich auch schwer lesbare Texte mit hoher Genauigkeit erkennen. Die Halcon-Bibliotheken von MVTec bieten eine beeindruckende Palette an Deep-Learning- Algorithmen, mit denen wir diese komplexe Aufgabenstellung erfolgreich lösen können“, bestätigt Fazio Saverio, Gründer und Eigentümer von Visione Artificiale. Bei der Umsetzung stand Saverio und seinem Team das Unternehmen Image S beratend zur Seite.Image S unterstützt seine Kunden in allen Fragen der industriellen Bildverarbeitung und stellt dazu auch eigene Produkte und Technologien bereit.

Höhere Produktivität und Qualität

Durch den Einsatz der Bildverarbeitungssoftware Halcon inklusive Deep OCR konnte die Rückverfolgung der CO2-Flaschen mittels Seriennummern überhaupt erst umgesetzt werden. Denn nur durch die automatisierte Kontrolle und Verifizierung der eingravierten Texte lässt sich dieser Prozess wirtschaftlich und mit der gebotenen Geschwindigkeit realisieren. Außerdem werden dadurch Mitarbeitende, welche die Prüfung der Zeichencodes ansonsten manuell durchführen müssten, von der monotonen Tätigkeit entlastet und können sich anspruchsvolleren Aufgaben widmen. Und nicht zuletzt lässt sich dank optimierter Nachverfolgbarkeit die Produktivität der gesamten Prozesskette erhöhen und die Qualität der Produkte im Ergebnis auf ein neues Niveau heben.

Autor: Jan Gärtner, Product Manager Halcon, MVTec Software

Downloads

Contact

MVTec Software GmbH

Arnulfstraße 205
80634 München
Deutschland

+49 89 457 695 0
+49 89 457 695 55

Top Feature

Mediadaten

Mediadaten - LVT LEBENSMITTEL Industrie

zum Download

Top Feature

Mediadaten

Mediadaten - LVT LEBENSMITTEL Industrie

zum Download