Inspektionssystem

IMAGE LG DL

Leergutkontrolle mit Deep Learning

Automatisierte Mehrwegkasten-Inspektion mit Deep-Learning-Softwaremodul zur Flaschentyp-Klassifikation.

Leergutkasten-InspektionBis 7.500 cph

Behälter: Glasflaschen, REF PET-Flaschen, Kästen
Linienposition: Vor Auspacker

Anfrage senden

Einsatzbereich

Intakte Kästen vor dem Auspacker

Sicherstellen, dass nur intakte und auspackbare Mehrwegkästen den Auspacker erreichen. Deep Learning unterstützt die Klassifikation wiederkehrender Flaschentyp-Merkmale im Kasteninhalt.

LinienpositionVor Auspacker
ProdukteGlasflaschen, REF PET-Flaschen, Kästen
AufgabenLeergutkasten-Inspektion

Funktionsprinzip

Kameraprüfung mit Deep Learning

Hochauflösende Kameras, Spezialoptiken und gezielte Beleuchtungsmodule prüfen Kasteninhalt und sichtbare Schäden. Das Deep-Learning-Softwaremodul lernt wiederkehrende Merkmale im Kasteninhalt aus aufgenommenen Bildern und ordnet sie Flaschentypen zu.

LeistungBis 7.500 cph

Leistungsmerkmale

Automatisierte Auspackbarkeitsprüfungen helfen, ungeeignete Kästen vom Auspacker fernzuhalten.
Die frühe Erkennung beschädigter oder fremder Kästen unterstützt einen stabileren nachgelagerten Prozess.
Die Automatisierung der Inspektion kann manuellen Prüfaufwand und damit verbundene Arbeitskosten reduzieren.
Die kontinuierliche Kastenprüfung hilft, Stillstände und Schäden durch nicht auspackbares Leergut zu reduzieren.
Das Deep-Learning-Modul unterstützt ein einfacheres Teach-in und eine höhere Erkennungsgenauigkeit bei wiederkehrenden Flaschentyp-Merkmalen.
Prüfdaten und Statistiken schaffen Transparenz über den Leergut-Zulauf in den Prozess.
Der Einsatzbereich umfasst gängige Mehrwegkästen unabhängig von Fachwerktyp, Farbe oder Logo.

Funktionen

Geeignet für gängige Mehrwegkästen mit unterschiedlichen Fachwerktypen, Farben und Logoausführungen.
Auspackbarkeitsprüfung mit Zwischenraumkontrolle zur Fremdkörpererkennung.
Erkennung von Fremdkörpern über den Flaschen, liegenden Flaschen, kopfstehenden Flaschen und Bruchflaschen.
Flaschensortierung nach Material, Durchmesser, Höhe, Kontur und Farbe.
Prüfung von Halsetiketten, Verschlusstyp und Verschlussmaterial.
Unterscheidung zwischen Einweg-PET- und Mehrweg-PET-Flaschen.
Kastensortierung nach Format, Fachwerktyp, Transportrichtung, Farbe und Logo.
Erkennung von Kastenschäden und Verformungen.
Flaschenzählung zur Erkennung fehlender Flaschen.
Erkennung von Restverschlüssen auf den Flaschen.
Referenzen zu integriertem Tracking, einfachem Teach-in, erweiterten Statistiken und Fernwartung.
Mehrlinienkonzept mit kaskadierbaren und erweiterbaren Systemreferenzen.
Deep-Learning-Softwaremodul zur Zuordnung gelernter Kasteninhalts-Merkmale zu Flaschentypen.