Tecnologia de inspeção visual de defeitos em garrafas de vidro: princípios, aplicações e tendências de desenvolvimento

1. Introdução: A importância da deteção de defeitos em garrafas de vidro

As garrafas de vidro, como os recipientes de embalagem tradicionais, são amplamente utilizadas nas indústrias alimentar, de bebidas, farmacêutica e cosmética devido à sua excelente vedação, estabilidade química e reciclabilidade. No entanto, durante os processos de fabrico, transporte e reprocessamento, diversos defeitos, como fissuras, bolhas e espessura irregular, são inevitáveis. Estes defeitos não só afetam a aparência, como também podem levar a riscos de segurança, como explosões de garrafas, pondo em risco a segurança do consumidor e causando perdas económicas significativas e riscos para a marca dos fabricantes. Por conseguinte, a deteção eficiente e precisa de defeitos em garrafas de vidro é uma etapa essencial e crítica no processo de produção.

A deteção tradicional de defeitos em garrafas de vidro depende principalmente da inspeção visual manual, um método que apresenta baixa eficiência, alta intensidade de trabalho, alta subjetividade e fadiga. Especialmente em linhas de produção de alta velocidade, a inspeção manual já não consegue satisfazer as duplas exigências de qualidade e eficiência da indústria moderna. Com o desenvolvimento da tecnologia de visão por computador, surgiram sistemas de deteção de defeitos em garrafas de vidro baseados na visão por computador. Ao simular funções visuais humanas e ao combinar tecnologias óticas, eletrónicas, de processamento de imagem e computacionais, estes sistemas permitem a deteção automatizada, de alta precisão e eficiência de defeitos em garrafas de vidro, melhorando significativamente o nível de automatização das linhas de produção e a estabilidade da qualidade do produto.

2 Tipos e Causas de Defeitos em Garrafas de Vidro

2.1 Tipos e classificações comuns de defeitos

Os defeitos em garrafas de vidro podem ser classificados de diversas formas, com base na sua localização e natureza. Em termos de localização, os defeitos ocorrem principalmente na boca, no corpo e no fundo da garrafa. Os defeitos podem ser classificados em defeitos maiores e menores, de acordo com a sua gravidade. De seguida, apresentamos os tipos de defeitos mais comuns e as suas características nas garrafas de vidro:

Tabela: Tipos comuns de defeitos e características em garrafas de vidro

2.2 Análise da Causa do Defeito

Os defeitos nas garrafas de vidro são causados ​​principalmente por vários fatores durante o processo de produção. Temperaturas desiguais nas gotas podem levar à distribuição irregular do vidro. As áreas de alta temperatura têm baixa viscosidade e são propensas a adelgaçamento, enquanto as áreas de baixa temperatura têm maior resistência e são mais espessas, resultando numa espessura irregular. Temperaturas excessivamente baixas no molde podem causar pontos frios na superfície do vidro, um defeito que ocorre frequentemente no início da produção ou durante paragens de produção. Além disso, o funcionamento inadequado (como levantar o núcleo superior demasiado tarde) pode fazer com que o vidro seja espremido ou rebentado, resultando em saliências. Moldes danificados ou contaminação na superfície da junta podem causar defeitos como rebarbas na linha de junta.

Compreender os tipos e as causas destes defeitos é crucial para uma inspeção visual eficaz e fornece uma base teórica para o desenvolvimento de algoritmos de deteção direcionados e configurações de sistemas. Diferentes tipos de defeitos requerem diferentes configurações óticas e estratégias de processamento de imagem, o que representa um dos principais desafios no projeto de sistemas de inspeção visual de garrafas de vidro.

3 Princípios Técnicos dos Sistemas de Inspeção Visual

Os sistemas de inspeção visual de garrafas de vidro baseiam-se na tecnologia de visão computacional, simulando a capacidade de deteção do olho humano para realizar a inspeção automatizada de produtos. O sistema captura imagens de objetos-alvo utilizando sensores de imagem e converte-as em sinais digitais. Estes sinais são depois analisados ​​utilizando algoritmos especializados de processamento de imagem para, por fim, identificar e classificar defeitos. Este sistema integra tecnologias de ponta de diversas áreas, incluindo ótica, eletrónica, processamento de imagem, automação mecânica e controlo computacional.

3.1 Componentes de um Sistema de Inspeção Visual

Um sistema completo de inspeção visual de garrafas de vidro inclui normalmente os seguintes cinco componentes principais:

Sistema de Iluminação: A iluminação é um fator chave que afeta a qualidade de entrada de um sistema de visão por computador, impactando diretamente a qualidade dos dados de imagem e a eficácia do processamento. Um esquema de iluminação adequado pode produzir imagens de alto contraste, distinguindo claramente as características do alvo do fundo. Os métodos comuns de iluminação incluem retroiluminação, iluminação frontal, luz estruturada e iluminação estroboscópica. A retroiluminação destaca claramente os contornos dos objetos, enquanto a iluminação frontal facilita a instalação e a colocação em funcionamento.

Lente Industrial: Como ponto de entrada para a aquisição de imagens, a qualidade da lente determina diretamente a nitidez da imagem. A seleção da lente requer a consideração de vários parâmetros, incluindo a distância focal, a altura do alvo, a altura da imagem, a ampliação e a distância entre a imagem e o alvo. Os encaixes das objetivas variam, incluindo o encaixe C, o encaixe CS e o encaixe F. Selecione um encaixe compatível com base no tipo de câmara.

Câmara Industrial: Atuando como os "olhos" do sistema, a câmara capta imagens da superfície da garrafa de vidro. Dependendo dos requisitos da aplicação, pode escolher uma câmara CCD de varrimento linear ou CCD de matriz de área, ou uma câmara monocromática ou a cores. A resolução da câmara afeta diretamente a precisão da inspeção. Em geral, quanto maior for a resolução, menor será o tamanho do defeito que pode ser detetado.

Placa de aquisição de fotogramas: Este componente converte o sinal analógico captado pela câmara num sinal digital e transmite-o ao computador para processamento. Embora algumas câmaras modernas emitam sinais digitais diretamente, a placa de aquisição de fotogramas ainda desempenha um papel vital como ponte no sistema.

Processador de visão: Como cérebro do sistema, o processador de visão executa algoritmos especializados de processamento de imagem para analisar e processar imagens digitais, extrair informações sobre características e determinar defeitos com base em critérios predefinidos. Com o avanço da capacidade computacional, os processadores de visão modernos podem implementar algoritmos inteligentes cada vez mais complexos.

3.2 Como funciona a inspeção visual

A inspeção visual das garrafas de vidro ocorre através de um processo preciso e multietapas: quando uma garrafa de vidro se desloca numa passadeira rolante para a área de inspeção, um sensor deteta a sua presença e aciona o sistema de aquisição de imagens. O sistema de iluminação proporciona condições de iluminação estáveis, e a câmara industrial capta a imagem da garrafa de vidro no momento apropriado, convertendo o sinal ótico num sinal elétrico. As imagens captadas passam primeiro por um pré-processamento, incluindo a remoção e o melhoramento do ruído, para melhorar a qualidade da imagem. De seguida, os algoritmos de processamento de imagem extraem características do produto, como o contorno, o tamanho, a forma e as variações de cor. O sistema compara então estas características com padrões predefinidos para identificar defeitos, localizá-los e classificá-los.

Por fim, o sistema realiza ações de controlo correspondentes com base no julgamento: se a garrafa for aprovada, pode avançar para a fase seguinte de produção; se for detetado um defeito, um atuador (como um braço robótico) remove a garrafa defeituosa da linha de produção. O sistema também regista e armazena dados de inspeção para rastreabilidade da qualidade e análise de produção.

4 Processos Técnicos Principais de Inspeção Visual

4.1 Aquisição e pré-processamento de imagens

A aquisição de imagens é o primeiro passo na inspeção visual e a base de todo o sistema. A aquisição de imagens de alta qualidade melhora significativamente a precisão da deteção de defeitos. Na inspeção visual de garrafas de vidro, são normalmente utilizadas câmaras industriais de alta resolução (como câmaras CCD ou CMOS) para captar imagens das garrafas a partir de vários ângulos. Por exemplo, nos sistemas de inspeção avançados, várias câmaras (como oito câmaras de visão industrial) são implantadas em torno de uma garrafa de vidro para realizar uma inspeção de 360 ​​graus sem ângulos mortos, captando com precisão os defeitos em todas as superfícies, incluindo a boca, o corpo e o fundo da garrafa.

As imagens em bruto captadas contêm frequentemente ruído e interferência, pelo que é necessário um pré-processamento para melhorar a qualidade da imagem. O pré-processamento envolve basicamente duas etapas: remoção de ruído e melhoramento da imagem. A remoção de ruído utiliza algoritmos para eliminar o ruído aleatório na imagem e melhorar a relação sinal-ruído. Os métodos avançados de remoção de ruído empregam técnicas como a extração de características multivariadas, a purificação e o melhoramento de características e a fusão de características para remover o ruído, preservando os detalhes da imagem. O melhoramento de imagem ajusta os parâmetros da imagem, como a escala de cinzentos e o contraste, para melhorar a focagem das características alvo. Por exemplo, calculando as diferenças de escala de cinzentos entre pixéis adjacentes e aplicando coeficientes de ponderação, pode ser melhorada a informação sobre as margens e a textura.

4.2 Algoritmos de Detecção e Identificação de Defeitos

A deteção de defeitos é um componente essencial dos sistemas de inspeção visual e depende de algoritmos avançados de processamento de imagem. São necessários diferentes algoritmos de deteção para diferentes localizações de garrafas de vidro e tipos de defeitos:

Inspeção da boca da garrafa: A boca da garrafa é uma das áreas mais críticas de uma garrafa de vidro, impactando diretamente o seu desempenho de vedação. Para a inspeção da boca da garrafa, os investigadores propuseram vários algoritmos especializados, como um algoritmo de localização da boca da garrafa que utiliza a deteção de múltiplos círculos aleatórios e a avaliação do ajuste de círculos. Este método utiliza a segmentação de limiar, o método do centroide e a varredura radial para obter pontos de fronteira. Em seguida, utiliza pontos de aresta amostrados aleatoriamente para determinar um círculo e utiliza o ajuste de círculos como critério de avaliação para procurar o resultado de localização ideal. Além disso, um método que combine a segmentação dinâmica do limiar baseada na análise residual com a segmentação global do limiar pode detetar eficazmente defeitos na boca da garrafa, superando o impacto das variações em tons de cinzento e das bocas de garrafa em falta nos resultados da inspeção.

Inspeção do corpo da garrafa: A inspeção do corpo da garrafa enfrenta desafios como a grande curvatura da superfície e a elevada refletividade. Para lidar com estas características, pode ser utilizado um método de localização da parede da garrafa baseado na correspondência de modelos binários. Este método reduz a resolução da imagem de entrada e utiliza o gargalo ou a parede da garrafa como modelo para a correspondência de modelos binários, de forma a determinar a linha central da parede da garrafa. Isto resolve efetivamente o problema de localização imprecisa quando várias paredes da garrafa são visualizadas do mesmo ângulo.

Inspeção da base da garrafa: As bases da garrafa possuem estruturas complexas e apresentam frequentemente texturas como ranhuras antiderrapantes, dificultando a deteção de defeitos. Para a inspeção da base da garrafa, um método baseado numa transformação de distância geodésica melhorada e correspondência de modelos apresentou resultados promissores. Este método divide a base da garrafa em múltiplas regiões de inspeção, incluindo o plano central, o plano anular e a textura anular, e emprega diferentes estratégias de inspeção para cada uma delas. Além disso, os métodos baseados na deteção de saliência e nas transformadas wavelet podem superar eficazmente os efeitos da interferência da textura do fundo e dos erros de posicionamento, melhorando a precisão da deteção de defeitos pequenos e de baixo contraste.

Com o desenvolvimento da tecnologia de inteligência artificial, a aprendizagem automática, em particular a aprendizagem profunda, demonstrou vantagens significativas na deteção de defeitos em garrafas de vidro. Os algoritmos de aprendizagem profunda, como as redes neuronais convolucionais (CNNs), podem aprender automaticamente as características dos defeitos através do treino, adaptar-se a uma variedade de tipos de defeitos e manter uma elevada precisão de reconhecimento mesmo em cenários complexos. Por exemplo, o modelo de deteção de defeitos YOLOv5 treinado com aprendizagem profunda, combinado com a otimização TensorRT, pode alcançar a deteção de defeitos em tempo real de alta velocidade e precisão.

4.3 Saída e Controlo de Resultados

O objetivo final da deteção de defeitos é orientar o controlo do processo produtivo e a garantia da qualidade. Quando o sistema identifica um produto defeituoso, apresenta os resultados numa interface de visualização ou base de dados e aciona um mecanismo de alarme quando o defeito excede um limite predefinido. Simultaneamente, o sistema controla atuadores (como braços robóticos) para remover as garrafas defeituosas da linha de produção. Os sistemas modernos de inspeção visual também possuem funcionalidades de gestão de dados, registando os resultados da inspeção de cada lote de produtos, incluindo o tipo, a quantidade e a localização do defeito. Estes dados fornecem uma base sólida para a rastreabilidade do processo de produção e a análise da qualidade, ajudando as empresas a otimizar os processos de produção e a melhorar a qualidade global.

5 Casos de Aplicação e Análise de Resultados

A aplicação da tecnologia de inspeção visual na indústria de garrafas de vidro alcançou resultados notáveis. A seguir, apresentam-se alguns casos típicos que ilustram a sua aplicação prática:

No campo da inspeção de garrafas de vidro farmacêuticas, o Chongqing Shouhan Intelligent Technology Research Institute Co., Ltd. desenvolveu um sistema de inspeção visual baseado em IA. Este sistema utiliza oito câmeras de visão industrial para realizar inspeções de 360 ​​graus em frascos de vidro farmacêutico, verificando de forma abrangente as dimensões, precisão, impurezas, corpos estranhos e defeitos do frasco em oito ângulos: superior, lateral, inferior e chanfros. Incorporando um algoritmo proprietário de IA, o sistema exibe os parâmetros de cada garrafa e os resultados da inspeção em uma tela visual em tempo real. Usando tecnologia de aprendizagem profunda, o sistema constrói um conjunto de dados de treinamento usando um grande número de amostras de garrafas de vidro, otimizando continuamente sua capacidade de identificar defeitos no produto. Os resultados da aplicação demonstram que o sistema melhora significativamente a precisão na identificação e rejeição de produtos defeituosos, melhorando assim a qualidade geral das embalagens farmacêuticas. Os sistemas de inspeção visual também desempenham um papel fundamental nas linhas de produção de garrafas de bebidas. Um estudo direcionado à inspeção visual de garrafas de vidro em linhas de produção de bebidas inteligentes desenvolveu uma plataforma completa de inspeção por visão mecânica e propôs vários algoritmos de inspeção inovadores. Por exemplo, um algoritmo de detecção de múltiplos círculos aleatórios e avaliação de ajuste de círculo para inspeção de boca de garrafa aborda o desafio do posicionamento de alta velocidade e alta precisão na presença de defeitos graves na boca de garrafa. Uma transformação de distância geodésica aprimorada e um método de correspondência de modelo para inspeção da base da garrafa permitem a detecção precisa de defeitos pequenos e de baixo contraste na base da garrafa. Esses algoritmos tiveram um bom desempenho na produção real, atendendo aos requisitos de inspeção de alta velocidade e em tempo real das linhas de produção de bebidas.

A aplicação de sistemas de inspeção visual traz múltiplos benefícios. Em primeiro lugar, permite uma inspeção totalmente automatizada, reduzindo significativamente os custos de mão-de-obra e melhorando a eficiência da inspeção. Por exemplo, após a implementação de um sistema de inspeção visual, uma empresa observou um aumento da eficiência da inspeção superior a três vezes e uma redução de falsos positivos de aproximadamente 50%. Em segundo lugar, o sistema pode detetar defeitos subtis difíceis de serem detetados pelo olho humano, como pequenas fissuras e bolhas, melhorando significativamente a qualidade e a segurança do produto. Além disso, o sistema opera de forma estável e contínua, sem ser afetado por fatores subjetivos como a fadiga e a emoção, garantindo resultados de inspeção consistentes e fiáveis. 6 Desafios e Tendências de Desenvolvimento Futuro

Embora a tecnologia de inspeção visual de garrafas de vidro tenha feito progressos significativos, ainda enfrenta vários desafios. Em primeiro lugar, a natureza reflexiva do vidro dificulta a aquisição de imagens, exigindo soluções de iluminação cuidadosamente concebidas para minimizar a interferência da reflexão. Em segundo lugar, a elevada velocidade de operação das linhas de produção exige que os sistemas de inspeção completem a aquisição, o processamento e o julgamento das imagens num tempo extremamente curto, exigindo muito do desempenho do sistema em tempo real. Além disso, a diversidade de garrafas de vidro (diferentes formatos, tamanhos e cores) também exige que o sistema seja altamente versátil e adaptável.

No futuro, a tecnologia de inspeção visual de garrafas de vidro irá desenvolver-se nas seguintes direções:

Capacidades de Inteligência e Autoaprendizagem: Ao incorporar a tecnologia de aprendizagem profunda, os sistemas de inspeção visual terão uma maior capacidade de aprendizagem de características e adaptabilidade. Ao aprender continuamente com novas amostras de defeitos, o sistema pode melhorar gradualmente a sua precisão de reconhecimento e adaptar-se a novos tipos de produtos e padrões de defeitos. Em particular, a introdução de métodos de aprendizagem não supervisionada e semi-supervisionada reduzirá a dependência de um grande número de amostras rotuladas e diminuirá os custos de manutenção do sistema.

Tecnologia de Inspeção Visual 3D: Os sistemas de inspeção visual 2D tradicionais têm dificuldade em obter informação sobre a espessura e profundidade em garrafas de vidro. A tecnologia de visão 3D pode fornecer informações tridimensionais mais detalhadas, permitindo medições de alta precisão de parâmetros complexos, como a distribuição da espessura da parede da garrafa e a espessura da base, melhorando ainda mais a abrangência e a precisão das inspeções.

Imagem multiespectral e hiperespectral: Diferentes defeitos podem apresentar características diferentes em diferentes comprimentos de onda. As tecnologias de imagem multiespectral e hiperespectral podem captar informações espectrais mais ricas, revelando características de defeitos que são invisíveis ao olho humano e melhorando a deteção de defeitos pequenos e ocultos.

Melhorias no desempenho e na velocidade de processamento em tempo real: Com o desenvolvimento da computação de ponta e de processadores de visão dedicados (como VPUs), a velocidade de processamento dos sistemas de inspeção visual será ainda mais melhorada, atendendo aos requisitos de inspeção em tempo real das linhas de produção de alta velocidade. Além disso, os modelos de redes neuronais leves reduzirão significativamente a complexidade computacional, mantendo a precisão.

Integração e miniaturização de sistemas: Os futuros sistemas de inspeção visual serão mais compactos e fáceis de integrar. Com os avanços na tecnologia de hardware, o tamanho do sistema continuará a diminuir, enquanto o desempenho continuará a melhorar, adaptando-se a ambientes de produção mais diversificados.

Conectividade de dados e produção inteligente: Os sistemas de inspeção visual deixarão de ser unidades isoladas de inspeção de qualidade, mas serão profundamente integrados nos sistemas de gestão empresarial e nos sistemas de controlo da linha de produção, permitindo a partilha de dados e a tomada de decisões inteligentes. Ao analisar os dados de inspeção, o sistema pode fornecer feedback valioso para a otimização do processo de produção, formando um sistema de controlo em circuito fechado, desde a inspeção até à otimização.

Conclusão

Ao integrar tecnologias avançadas como ótica, eletrónica, processamento de imagem e inteligência artificial, a tecnologia de inspeção visual de defeitos em garrafas de vidro permite um controlo de qualidade automatizado, de alta precisão e altamente eficiente. Não só aborda eficazmente a baixa eficiência e a baixa consistência da inspeção manual tradicional, como também deteta defeitos subtis impercetíveis ao olho humano, melhorando significativamente a qualidade e a segurança do produto. Com o avanço contínuo da tecnologia, os sistemas de inspeção visual continuarão a avançar em inteligência, desempenho em tempo real e adaptabilidade, fornecendo aos fabricantes de garrafas de vidro soluções de qualidade mais abrangentes.

Face à feroz concorrência de mercado e às exigências de qualidade cada vez mais rigorosas, a adoção de uma tecnologia avançada de inspeção visual tornou-se uma escolha inevitável para os fabricantes de garrafas de vidro. No futuro, com o avanço da Indústria 4.0 e da manufatura inteligente, a tecnologia de inspeção visual será profundamente integrada com outras tecnologias de manufatura inteligente para formar um sistema de gestão da qualidade mais inteligente e eficiente, impulsionando o progresso tecnológico e a modernização industrial em todo o setor.