Tecnologia de Inspeção Visual do Gargalo das Garrafas PET: Conferindo às Embalagens de Bebidas um "Olho Inteligente"

As garrafas PET são amplamente utilizadas nas indústrias de bebidas, cosmética e farmacêutica devido à sua leveza, elevada transparência e excelentes propriedades físicas. No entanto, o gargalo da garrafa, como parte crucial para garantir a estanquicidade, afeta diretamente a segurança e a vida útil do conteúdo. A inspeção manual tradicional é ineficiente e propensa a erros, incapaz de satisfazer as exigências das modernas linhas de produção de alta velocidade (até 36.000 garrafas por hora). A tecnologia de inspeção automatizada baseada em visão por computador emergiu como um meio fundamental para garantir a qualidade do produto. Este artigo analisará sistematicamente os princípios técnicos, as classificações dos métodos, os cenários de aplicação e as tendências de desenvolvimento da inspeção visual do estrangulamento das garrafas PET.

I. Desafios técnicos: porque é que a inspeção de estrangulamentos é tão desafiante?

A inspeção do gargalo das garrafas PET enfrenta múltiplos desafios técnicos, decorrentes principalmente das exigências de alta velocidade e precisão do ambiente industrial:

Requisitos de altíssima precisão: Os defeitos no gargalo das garrafas são diversos, incluindo entalhes, rebarbas, lascas, excesso de material e manchas pretas, com dimensões minúsculas (como lascas a nível milimétrico), exigindo uma precisão de inspeção superior a 99,9%.

Velocidade e pressão em tempo real: As velocidades da linha de produção atingem frequentemente várias garrafas por segundo, exigindo que o tempo de inspeção seja reduzido para 50 milissegundos. Qualquer atraso pode resultar na entrada de um grande número de produtos defeituosos no mercado.

Fatores de interferência complexos: Os ruídos ambientais, como reflexos na boca da garrafa, espuma líquida, sombras de etiquetas e vibrações mecânicas, podem interferir facilmente na aquisição de imagens, exigindo um design ótico otimizado e características algorítmicas anti-interferência.

Diversidade de defeitos: Formas irregulares de defeitos (por exemplo, defeitos externos, defeitos internos, defeitos passantes) e baixo contraste entre garrafas transparentes e defeitos tornam os métodos tradicionais de segmentação por limiar propensos a deteções perdidas.

II. Classificação dos Métodos de Detecção: Do ​​​​Processamento Tradicional de Imagens à Aprendizagem Profunda

Com base na evolução tecnológica, os métodos de inspeção visual da boca das garrafas PET podem ser divididos em três categorias:

Métodos tradicionais de processamento de imagem: com base na segmentação de limiar, localização de regiões e contraste em escala de cinzentos, este método extrai a ROI (região de interesse) na boca da garrafa e realiza cálculos diferenciais com um modelo sem defeitos. Por exemplo:

Método de automodelação: Constrói um modelo em forma de anel na face da extremidade da boca da garrafa e identifica defeitos subtraindo valores de escala de cinzentos, atingindo uma precisão de deteção de 99,9% em menos de 50 milissegundos.

Método de Consistência dos Níveis de Cinza: Este método utiliza o algoritmo RANSAC para ajustar o contorno elíptico da abertura da garrafa e, em seguida, analisa a uniformidade dos níveis de cinza na região. A velocidade de deteção pode atingir os 10 milissegundos por frame.

Vantagens: Computacionalmente simples, adequado para defeitos regulares;

Desvantagens: Depende de limites definidos manualmente, baixa adaptabilidade a defeitos complexos.

Método de classificação por aprendizagem automática: Este método utiliza modelos como as Máquinas de Vetores de Suporte (SVM) e as redes neuronais, sendo necessário um grande número de amostras para treinar o classificador. Por exemplo: Ao extrair características de defeitos (como a textura e a forma), a SVM é utilizada para distinguir os tipos de defeitos.

Vantagens: Permite identificar diversos defeitos;

Desvantagens: Requer formação adicional ao trocar de tipo de garrafa, desempenho em tempo real inferior.

**Aprendizagem Profunda e Modelos Diferenciais:** Os métodos emergentes combinam redes profundas e mecanismos de atenção para melhorar a taxa de deteção de defeitos complexos:

**Modelo de Características Diferenciais:** São adquiridas imagens da garrafa a inspecionar e de uma garrafa de referência sem defeitos. As características são extraídas utilizando um codificador duplo e, em seguida, é calculado um mapa de características diferenciais para otimizar o poder discriminativo. Finalmente, é utilizado um classificador para determinar o resultado. Este tipo de método pode suprimir eficazmente a interferência da sobre-exposição e é adequado para cenas reflexivas.

Vantagens: Forte resistência a interferências, adequado para pequenos defeitos;

Desvantagens: Requisitos computacionais elevados.

A tabela abaixo compara as soluções típicas e o desempenho de três tipos de métodos:

III. Cenários de Aplicação: Abrangendo toda a linha de produção

O sistema de inspeção visual foi integrado em toda a cadeia de produção de garrafas PET. Os principais pontos de aplicação incluem:

Inspeção de pré-formas (pré-moldagem por sopro)

É instalada uma estação antes da máquina de moldagem por sopro, utilizando 6 câmaras CCD de alta resolução para captar imagens de 360° da boca, do ombro e do fundo da pré-forma, detetando defeitos como rebarbas, folgas e manchas pretas. Uma câmara acima da boca é dedicada à verificação de defeitos na superfície de vedação para evitar a ampliação desses defeitos após a moldagem por sopro.

Inspeção completa da garrafa (após o enchimento)

Após o enchimento, são utilizados quatro conjuntos de câmaras CCD para inspecionar o nível do líquido, a tampa da garrafa (rompimento do anel de segurança, tampa alta, tampa torta) e a qualidade da codificação. É utilizado um esquema de iluminação envolvente de 120°, combinando a iluminação frontal e traseira para compensar a interferência da espuma e melhorar a precisão da deteção do nível do líquido.

Inspeção de rótulos e embalagens

Após a etiquetagem, são utilizadas quatro câmaras espaçadas a 90° para detetar desalinhamento de etiquetas e erros de impressão; após a embalagem, é utilizada uma balança de controlo online para verificar o peso e rejeitar produtos em falta.

IV. Fluxo do Sistema e Tecnologias-Chave

Um sistema completo de inspeção visual inclui os seguintes componentes principais:

Aquisição de imagens

Configuração de hardware: As câmaras industriais de rede gigabit da Basler e as fontes de luz LED em forma de anel ou fita são utilizadas para captar imagens da boca da garrafa a curta distância. O design da fonte de luz deve suprimir os reflexos; por exemplo, as fontes de luz em fita podem reduzir a sobre-exposição.

Otimização ótica: as imagens sobre-expostas são corrigidas utilizando um codificador-descodificador automático para melhorar a consistência da escala de cinzentos.

Processamento de imagem

Localização da ROI (Região de Interesse): A área da boca da garrafa é extraída com precisão utilizando a transformada de Hough, o ajuste de elipse RANSAC ou métodos de posicionamento do eixo de simetria.

Extração de características: A ROI (região de interesse) é processada por conversão para escala de cinzentos, filtragem e binarização, e depois as características dos defeitos são realçadas através de cálculo diferencial ou mecanismos de atenção espacial.

Classificação e Remoção de Defeitos: Os defeitos são identificados com base em limites de mapas de características ou resultados de classificadores (como o Softmax), acionando um dispositivo pneumático de rejeição para remover os produtos defeituosos.

V. Tendências e Desafios do Desenvolvimento

O futuro da tecnologia de inspeção visual do gargalo das garrafas PET evoluirá nas seguintes direções:

Atualização Inteligente: Os modelos de aprendizagem profunda serão ainda mais otimizados, por exemplo, utilizando redes leves para realizar a deteção de fronteiras em tempo real, reduzindo a dependência do poder de computação em nuvem.

Fusão multimodal: Combinação de visão 3D e imagens de raios X para detetar defeitos ocultos, como fissuras internas e bolhas.

Controlo de Qualidade em Circuito Fechado: Os dados de detecção são enviados de volta para a linha de produção, ajustando os parâmetros de moldagem por sopro e enchimento em tempo real, representando um salto da "detecção" para a "prevenção".

Resumo

A tecnologia de inspeção visual do gargalo das garrafas PET substitui a visão humana pela visão por computador, resolvendo os desafios do controlo de qualidade em cenários de produção de alta velocidade. Do processamento de imagens tradicional à aprendizagem profunda diferencial, a precisão e a eficiência da deteção têm melhorado continuamente, tornando-se a base da manufatura inteligente em indústrias como a das bebidas e a farmacêutica. No futuro, com a evolução sinérgica dos algoritmos e do hardware, esta tecnologia continuará a avançar para uma inteligência ainda maior e para um processo completo e integrado.