高度なイメージングとディープラーニング技術により重要な梱包検査を実行

食品から医薬品まで非常に幅広い市場における製品パッケージには、「不正開封防止」シールと呼ばれる非常に重要なシール技術が組み込まれていることがよくあります。 これらのメカニズムの目的は、製品の安全性、品質、そして多くの場合は保存期間を確保することです。 1980 年代初頭の悪質な製品汚染という悲劇的な事件をきっかけに、FDA はそれ以来、すべての医薬品 OTC 製品に不正開封防止包装を義務付け、他の市場のほとんどすべての消耗品のメーカーもこれに倣いました。 いくつかの標準的なシール技術が使用されており、いずれの場合も、パッケージング中のシールの完全性の検証がプロセスにとって重要なステップとなります。

ペットボトルの包装における幅広い用途において、キャップの下にホイルシールを使用することは、標準的で一般的な「不正開封防止包装」(TEP) 実装の 1 つです。 この記事では、フォイルシールの完全性を高い信頼性で検査するために使用される高度なイメージング技術とディープラーニング分析の統合について説明します。

「誘導キャップ シール」および「誘導キャップ シーリング」は、キャップの下のボトルの上部に接着するホイル シール アセンブリを含めるコンポーネントとプロセスを説明します。 これらのシールは、世界中の何百万もの製品のパッケージに使用されており、最も有名なのは OTC 錠剤や液体医薬品、消費者向け液体製品、さまざまな食品です。 シールは製品を保護しながら簡単に剥がすことができ、シールが壊れたり、剥がれたり、紛失したりした場合に改ざんの可能性を明確に示します。

自動包装プロセスでは、充填後にライナー付きのキャップが容器に取り付けられます。 (ライナーには、容器の内容物を密閉して保護するのに役立つさまざまな材料の複数の層があり、具体的にはアルミニウム箔の層が含まれます。) キャップは適切な力でボトルに締め付けられ、ライナー (シール) と端の間に圧力が生じます。ボトルの口の表面。 キャップが正しく取り付けられていると、キャップをかぶったボトルの上部が電磁誘導にさらされ、シール内のホイルが加熱され、シールをボトルの端に接着する層を含むシールの他の層が加熱されます。 ホイルからの熱により、キャップの下側のシールも剥がされます。 加熱とそれに続く冷却の後、シールは完了し、キャップはシールに損傷を与えたり影響を与えたりすることなく取り外すことができます。

生産用サーマルシール検査システムのレンダリング。 出典: インテグロ テクノロジーズ株式会社

過熱シールの例。 出典: インテグロ テクノロジーズ株式会社

キャッピングプロセスにおけるいくつかの事柄が、完全で堅牢なシールの形成に影響を与える可能性があります。 これらには、過熱または過小加熱、不十分または不均一な圧力、ライナー上の液体または異物、切り傷、破れ、ライナーの折り目などのシールの物理的変形が含まれます。

この用途では、シールの品質を確保するための自動検査の価値はおそらく非常に明らかです。 各ボトルのシールがしっかりと損傷していないことを確認することは、消費者の安全と信頼にとって重要です。 ただし、インライン検査の実装にはいくつかの課題があり、その主な課題は、完成したシールがプラスチックのキャップの下に隠されていることです。

このパッケージング プロセスの性質により、高度なイメージング技術を使用して、完全に隠された機能を「見る」という特有の課題を克服する機会が得られます。 シール内のフォイルはライナーシールを作成するために誘導加熱され、フォイルの温度が最終的なシール品質の鍵となるため、フォイルの熱プロファイルの熱画像を使用してシールプロセスを評価できます。 この用途では、内部冷却機能を備えた高精度サーマルカメラを使用して、誘導加熱プロセスの直後にシール内の箔に保持される熱の画像を取得しました。 この「熱プロファイル」は、プラスチック キャップを通してサーマル カメラで完全に見ることができます。

ただし、すべての欠陥条件に対するホイルシールの熱プロファイルを評価すると、アプリケーションに追加の課題が生じます。 一部の欠陥は、形状やコントラストの変化によって抽出できる特徴を備えた熱画像で明確に定義されていますが、他の欠陥はより主観的であり、典型的な「良好な」シール熱画像と比較して定量化することが困難です。 このアプリケーションでの検査の成功は、イメージングの「ハイブリッド」分析における分析ビジョン ツールと深層学習の組み合わせを使用することによって実現されます。

良好なシールの熱画像の 3D レンダリング。 出典: インテグロ テクノロジーズ株式会社

良好なシールの 2D 熱画像。 出典: インテグロ テクノロジーズ株式会社

不良シール、緩んだキャップの 2D 熱画像の例。 出典: インテグロ テクノロジーズ株式会社

緩んだキャップの例の熱画像の 3D レンダリング。 出典: インテグロ テクノロジーズ株式会社

ディープラーニングは機械学習分野のサブセットであり、どちらも「AI」（人工知能）という科学分野の非常に広い範囲に分類されます。 マシン ビジョン アプリケーションは、「分析」または「離散」ビジョン ツールを使用して何十年にもわたって大きな成功を収めてきましたが、ディープ ラーニングは、特に分析アルゴリズムが複雑になる可能性がある場合に、非常に複雑な分類や物体検出の問題を簡単に解決できることが証明されています。法外に複雑かつ大規模であり、画像に非常に主観的な欠陥が含まれている場合、精度が制限される可能性があります。

マシン ビジョンにおけるディープ ラーニングの狭い用途は、より優れた大規模なデータ セットと問題のより適切な定義によって結果の精度が向上し続けるにつれて、より主流になってきています。 主観的な決定のためのこの狭義の深層学習の長所と、明確に定義された特徴のための分析ビジョンツールを組み合わせることで、このアプリケーションにおけるサーマルフォイル画像の分析に対する信頼性の高いハイブリッドアプローチが実現します。

特に重要な欠陥は、誘導加熱時のキャップの緩みによるシール不良です。 キャップが緩んでいる加熱シールの熱プロファイルの画像は、完全にトルクがかかったキャップの予想位置からの角度偏差に対するキャップの緩みの程度に応じて、幅広い変動を示しています。 従来の分析ビジョン ツールでは、必要な検出率を達成できません。 ただし、この欠陥ケースは独立した狭い故障モードとして定義でき、すべての欠陥条件をカバーする大規模な深層学習ソリューションを実装するのではなく、深層学習を使用して効率的に解決できます。 このプロジェクトでは、このハイブリッド アプローチにより、すべての故障モード全体の検出精度が向上し、最終ソリューションの提供が短縮され、システムの拡張性が向上し、検査サイクル タイムが改善されました。

不良シールの過熱シールの 2D 熱画像の例。 出典: インテグロ テクノロジーズ株式会社

過熱シールの例の熱画像の 3D レンダリング。 出典: インテグロ テクノロジーズ株式会社

マゼンタの円弧グラフィックの 2D 熱画像で示される、過熱部分を含むシールの例。 出典: インテグロ テクノロジーズ株式会社

過熱シールの例の熱画像の 3D レンダリング。 出典: インテグロ テクノロジーズ株式会社

あらゆる検査ソリューションの開発および実装フェーズは、画像データセットから始まります。 多くの場合、初期イメージングは​​、初期設計および構築中にオフラインで実行できます。 熱画像システムでは、分析する熱プロファイルがオンラインプロセスに特有であるため、これは困難または不可能になる可能性があります。 そのため、製造ラインにシステムを設置した後に、密封された製品の熱画像を取得する必要があります。

このアプリケーションの実行では、比較的小さなサンプル セットの画像を使用して、明確に定義された特徴に合わせて離散ビジョン ツールを調整および展開できます。 初期インストール後、システムを画像収集モードで実行して、深層学習分類データセットに適したデータベースを作成できます。 このアプリケーションでは、欠陥の分類を人間が視覚的に確認しながら、サンプル データセットに対してルーズ キャップの例が手動で作成されます。

このアプリケーションは、高度な熱画像処理を備えた分析ツールと深層学習ツールの両方を使用したハイブリッド検査システムの開発と実稼働展開の成功を実証します。 システムのすべての部分の強みをうまく活用して、明確に定義された欠陥特徴と弱く定義された欠陥特徴の両方に対して高い検出精度を達成します。

ある実装では、このようなシステムはさまざまな製品の複数の場所にうまく導入されました。 このシステムは、非常に低い誤故障率を維持しながら、重要なシール欠陥を高精度で捕捉する能力が高いことが証明されました。 実現されたプロセス改善の重要な領域の 1 つは、シールの完全性と完全性に基づいてキャップ トルクの変動を特定できることでした。 この継続的なプロセス データを使用して、キャップのトルクを調整して、より緊密なシールを実現し、製品の不良品を減らしました。 また、このシステムは、ラベル貼り付けなどの後続のプロセスで問題を引き起こす可能性があるキャップやボトル上の液体が熱画像によって捕捉される生産状況を明らかにし、全体的な品質を向上させるプロセスの改善につながりました。 さらに、このシステムは、キャップのひび割れなど、これまで検出されなかったいくつかのまれな欠陥を捕捉することに成功しました。

このアプリケーションは、高度なイメージング技術と分析ツールのエレガントな組み合わせを利用して、重要な生産プロセスに大きな価値を提供します。 このソリューションの鍵には、実績のある産業用熱画像処理の使用と、ディープラーニングと離散ビジョンツールの両方の独自のハイブリッド利用が含まれます。 その結果、さまざまな産業用途に影響を与える、非常にスケーラブルなソリューションが実現します。

ナブニート・ナギ彼は、大手マシン ビジョン インテグレータである Integro Technologies Corp. に勤務するシニア コンピュータ ビジョン (CV) エンジニアです。 彼は、農業から航空宇宙に至るまで、さまざまな業界の生産現場で多数の自動検査システムを開発、拡張し、導入を支援してきました。 彼は、従来の CV 技術と深層学習の両方を使用した自動工業検査アプリケーション用のアルゴリズムの開発に豊富な経験を持っています。 彼は、高度な深層学習技術を適用して最も困難な産業検査の課題を解決し、それらのソリューションをスケールアップすることに情熱を注いでいます。 Nagi は、バージニア工科大学および州立大学でコンピューター ビジョンと高度な制御理論を専門とする機械工学の修士号を取得し、フロリダ工科大学で航空宇宙工学の学士号を取得しています。

デビッド・L・ドゥハウエンジニア、プログラマー、起業家であり、マシン ビジョン、ロボット工学、その他の産業オートメーション テクノロジーの統合を専門としています。 製造業における長いキャリアを通じて、Landing AI、Integro Technologies、Fanuc America などのさまざまな企業に勤務してきました。 彼はまた、成功を収めたシステム インテグレーション会社 2 社の創設者、オーナー、主任エンジニアでもありました。 現在、Dechow は自身の会社 Machine Vision Source (MVSource.com) を通じてテクノロジー コンサルティングと統合サービスを提供しており、TECH B2B マーケティングとも協力して企業のテクノロジー トレーニングの提供、サービス、サポートを支援しています。

Dechow は、産業および/または科学イメージングにおける優れたキャリア貢献を称える業界リーダーを表彰する A3 Automated Imaging Achievement Award を受賞しています。 彼は、Association for Advancing Automation (A3) Imaging Technology Strategy Board のメンバーであり、Saccade Vision Ltd の技術諮問委員でもあります。

Dechow はマシン ビジョン業界の主要な教育者として、A3 Certified Vision Professional プログラムのインストラクターとして何百人ものエンジニアのトレーニングに参加してきました。 また、マシン ビジョンや産業オートメーションの実現テクノロジーに関する幅広い技術トピックをカバーする、有益な技術記事、論文、ウェビナー、カンファレンス セッションやクラスを頻繁に開催していることでもよく知られています。 詳細については、[email protected] まで電子メールでお問い合わせください。