Tecnologia de Inspeção Visual de Frascos Vazios: Princípios, Aplicações e Tendências de Desenvolvimento

A inspeção visual de garrafas vazias é uma tecnologia crucial na produção industrial automatizada moderna. Particularmente em setores como o das cervejas, bebidas e produtos farmacêuticos, a inspeção eficiente e precisa da qualidade das garrafas vazias é de primordial importância. Com o rápido avanço da tecnologia de visão por computador, os sistemas de inspeção de garrafas vazias baseados em visão por computador substituíram os métodos tradicionais de inspeção manual, tornando-se equipamentos essenciais para garantir a qualidade do produto e aumentar a eficiência da produção.

1. Contexto Tecnológico e Significado

Nas indústrias alimentar, de bebidas e farmacêutica, a qualidade das garrafas vazias impacta diretamente a segurança e a integridade da vedação do produto final. Os métodos tradicionais de inspeção manual apresentam diversas desvantagens, incluindo baixa eficiência, elevada procura de mão-de-obra, padrões de inspeção inconsistentes e suscetibilidade a fatores subjetivos. Isto é particularmente problemático em linhas de produção de alta velocidade, onde a inspeção manual tem dificuldade em acompanhar o ritmo de produção, que atinge dezenas de milhares de garrafas por hora.

Com as suas vantagens de operação sem contacto, processamento em tempo real, alta precisão e forte repetibilidade, a tecnologia de visão computacional oferece uma solução ideal para a inspeção automatizada de garrafas vazias. Através de sistemas de visão por computador, é possível realizar uma inspeção completa da boca, do corpo e da base da garrafa, identificando com precisão vários defeitos e garantindo que apenas as garrafas vazias aprovadas seguem para a etapa de enchimento.

2. Composição do Sistema e Princípios de Funcionamento

2.1 Arquitetura Geral do Sistema

Um sistema típico de inspeção visual de garrafas vazias é constituído principalmente pelos seguintes componentes:

1. Equipamento de Aquisição de Imagens: Isto inclui câmaras industriais, lentes, fontes de luz e componentes relacionados. O sistema emprega normalmente câmaras CCD ou CMOS, combinadas com lentes óticas e sistemas de iluminação especialmente concebidos. O design da fonte de luz é particularmente crítico, uma vez que diferentes áreas de inspeção requerem métodos de iluminação distintos — por exemplo, iluminação circular para a boca da garrafa, fontes de luz planas para a base da garrafa e iluminação fluorescente para o corpo da garrafa.

2. Módulo de Processamento e Análise de Imagens: Constitui o núcleo do sistema, responsável pelo processamento e análise das imagens captadas. Incorpora vários algoritmos para pré-processamento de imagens, extração de características, reconhecimento de defeitos e tarefas semelhantes.

3. Sistema de Controlo: Normalmente utilizando um Controlador Lógico Programável (PLC) como unidade de controlo principal, este sistema coordena o funcionamento de toda a configuração — incluindo o acionamento das capturas da câmara, a regulação da velocidade do tapete transportador e o acionamento dos mecanismos de rejeição.

4. Mecanismo de Acionamento: Composto principalmente por dispositivos pneumáticos de rejeição, este mecanismo remove as garrafas vazias não conformes da linha de produção com base nos resultados da inspeção.

5. Interface Homem-Máquina (IHM): Esta interface fornece aos operadores funções para a configuração de parâmetros, monitorização de dados, diagnóstico de avarias e outras tarefas operacionais. 2.2 Fluxo de Trabalho

Durante a operação, as garrafas vazias passam sequencialmente por várias estações de inspeção através de um tapete transportador. Quando um sensor fotoelétrico deteta que uma garrafa vazia atingiu a posição de captura de imagem, aciona a câmara para registar a imagem. Os dados de imagem são transmitidos para um sistema de processamento de imagem para análise, de forma a determinar se a garrafa vazia contém algum defeito. Se for detetado um defeito, o sistema regista as informações de posição da garrafa; posteriormente, quando a garrafa defeituosa atinge a posição de rejeição, o sistema de controlo ativa um mecanismo pneumático para a ejetar.

3. Itens de Inspeção e Especificações Técnicas

3.1 Itens de Inspeção Primária

É necessário um sistema de inspeção visual de garrafas vazias para detetar vários tipos de defeitos, incluindo principalmente:

Inspeção da boca da garrafa:

• Danos, fissuras ou lascas na superfície de vedação

• Danos na borda da boca (superfície superior), borda externa ou borda interna

• Defeitos na rosca (característica opcional)

• Contaminação e objetos estranhos

Inspeção do corpo da garrafa:

• Contaminantes nas superfícies interna e externa da parede da garrafa (p. ex., fita adesiva transparente, cinza de cigarro)

• Abrasões, arranhões e fissuras

• Bolhas de ar, impurezas, rugas e aderências

• Detecção de objectos estranhos sob a forma de películas transparentes

Inspeção do fundo da garrafa:

• Sujidade e objetos estranhos no fundo da garrafa (por exemplo, película transparente de embalagens de cigarros, pontas de cigarro)

• Fissuras, superfícies irregulares, saliências pontiagudas (pontas) e fundos descentrada

• Defeitos de danos estruturais

Outras inspeções:

• Detecção de líquidos residuais (água residual, solução cáustica residual)

• Inspeção de forma e formato (garrafas com altura excessiva/insuficiente, garrafas com o gargalo partido, garrafas deformadas, garrafas descoloridas, garrafas invertidas, garrafas a meio)

3.2 Especificações de desempenho técnico

Os modernos sistemas de inspeção visual de garrafas vazias devem cumprir requisitos técnicos rigorosos:

• Velocidade de inspeção: As normas internacionais avançadas permitem inspecionar mais de 72.000 garrafas por hora.

• Precisão da Inspeção: A precisão da inspeção abrangente excede os 99,65%, com uma taxa de rejeição falsa inferior a 0,18% e uma taxa de deteção falhada inferior a 0,21%.

• Tempo de resposta: O tempo médio para a deteção de defeitos é ≤ 8,7 milissegundos.

• Adaptabilidade: Suporta a troca rápida entre vários tipos de garrafas; o tempo de migração do modelo para um novo tipo de garrafa é concluído até 30 minutos.

4. Principais Algoritmos Técnicos

4.1 Tecnologias de Aquisição e Pré-processamento de Imagens

A aquisição de imagens de alta qualidade serve de base para a precisão da inspeção. O sistema utiliza um ambiente fechado de aquisição de imagem para minimizar ao máximo as interferências externas. Para resolver o problema de desfocagem de imagem (desfocagem de movimento) causada por movimentos a alta velocidade, o sistema emprega iluminação estroboscópica sincronizada com uma velocidade do obturador controlada com precisão.

Para a inspeção da parede da garrafa, um dispositivo de imagem ótica de reflexão multiestágio — capaz de captar uma imagem completa numa única passagem — foi concebido e implementado nos pontos de entrada e saída do sistema. Esta configuração permite uma inspeção abrangente de 360 ​​graus da parede da garrafa, sem ângulos mortos. Ao empregar um design com uma fonte de luz polarizada e uma lente polarizada, a interferência da luz dispersa é eliminada, aumentando o contraste das imagens captadas e facilitando a deteção mais eficaz de objetos estranhos transparentes e semitransparentes.

4.2 Algoritmos de Posicionamento e Rastreio

O posicionamento preciso do corpo da garrafa é um pré-requisito para a deteção eficaz de defeitos. No que diz respeito ao posicionamento da boca da garrafa, os investigadores propuseram um método de "localização do centroide em quatro circunferências". Este método consegue uma precisão de posicionamento com um desvio do centroide inferior a 3 pixéis e um tempo de localização inferior a 15 milissegundos. Ao deslocar iterativamente o centroide dentro de um pequeno intervalo localizado e calibrar a sua posição com base em métricas de precisão, é possível obter uma precisão de posicionamento ainda maior — com um desvio do centroide inferior a 1 pixel.

Para o posicionamento do corpo da garrafa foram propostos dois algoritmos distintos com base nas características espaciais das imagens do corpo da garrafa: um baseado no centroide dos pontos da borda e outro baseado nos pontos extremos das projeções verticais em tons de cinzento. Estes algoritmos conseguem uma precisão de posicionamento de aproximadamente 4 pixéis, com um tempo médio de localização de 1 milissegundo.

O posicionamento no fundo da garrafa utiliza um algoritmo melhorado de "ajuste aleatório de círculos" com ajustes adaptativos de peso. Esta abordagem mitiga eficazmente a influência dos pontos discrepantes nos resultados de localização, demonstrando uma maior robustez contra defeitos no fundo da garrafa, bem como contra a presença de ruído significativo ou pontos de interferência.

4.3 Algoritmos de Detecção de Defeitos

Detecção de Defeitos na Boca da Garrafa: É empregue uma estratégia de detecção baseada em regiões, na qual a área da boca da garrafa é "desenrolada" numa imagem rectangular. Para lidar com o problema da interferência mútua entre os realces especulares e as regiões de sombra, foi desenvolvido um método específico para segmentar as áreas de realce da boca da garrafa. Este método extrai as regiões de realce detetando os bordos ascendentes e descendentes da curva de projeção circunferencial da boca da garrafa. Posteriormente, estas regiões de realce são subtraídas da imagem original; os pixéis são então amostrados das regiões de sombra imediatamente adjacentes aos realces originais para preencher os vazios resultantes, gerando assim uma imagem reconstruída da boca da garrafa "sem realces". A deteção de defeitos dentro das regiões de realce é realizada através de um método de projeção radial, enquanto as regiões sem realces são analisadas através de um método de segmentação por limiarização de histerese.

Detecção de Defeitos no Corpo da Garrafa: Propõe-se um algoritmo de detecção baseado em regiões, especificamente adaptado às características de distribuição dos valores de escala de cinzentos dos pixéis nas imagens do corpo da garrafa. A imagem do corpo da garrafa está dividida em três regiões distintas: a região lisa, a região da banda de desgaste e a região do LOGOTIPO/texto.

• Região Suave: Emprega um método de extração de defeitos baseado no agrupamento de superpixéis, juntamente com um método de reconhecimento de defeitos que utiliza características médias dos pixéis dentro de cada superpixel.

• Região da Gama de Desgaste: Utiliza um algoritmo de deteção e reconhecimento de defeitos baseado em operadores de gradiente horizontal.

• Região de LOGOTIPO/Texto: Apresenta um método de extração de blocos retangulares baseado num operador de deteção de bordos Canny modificado, juntamente com um algoritmo de reconhecimento de defeitos e LOGOTIPO/texto baseado em Redes Neurais Convolucionais (CNNs).

Detecção de defeitos no fundo da garrafa: A imagem do fundo da garrafa é dividida em duas partes — a zona antiderrapante e a zona central — que são inspeccionadas separadamente. Um banco de filtros Gabor multiescala é empregue para realçar as características de pequenas amassaduras e bolhas, e um classificador de Máquina de Vetores de Suporte (SVM) é introduzido para facilitar o reconhecimento de defeitos. Para defeitos localizados na região do padrão antiderrapante, é utilizado um SVM combinado com um kernel de Função de Base Radial (RBF) para classificar as características dos defeitos no fundo da garrafa.

4.4 Aplicação de Tecnologias de Aprendizagem Profunda

Com o avanço das tecnologias de inteligência artificial, a aplicação da aprendizagem profunda na inspeção visual de garrafas vazias tornou-se cada vez mais comum. Um método para a deteção de defeitos superficiais em garrafas vazias — baseado num algoritmo SSD (Single Shot MultiBox Detector) modificado — incorpora um módulo de fusão de características na arquitetura da rede SSD para fornecer capacidades semânticas ricas às camadas de previsão. Simultaneamente, é introduzido um mecanismo de atenção na rede para melhorar as suas capacidades de extração de características. Os resultados experimentais demonstram que este método atinge uma taxa de acerto de 98,3%, uma taxa de deteção perdida de 0,74%, uma taxa de deteção falsa de 0,96% e uma precisão média (mAP) de 96,5% — representando uma melhoria de quase 5,6 pontos percentuais em comparação com o algoritmo SSD original.

5. Cenários de aplicação e estudos de caso

5.1 Aplicações na Indústria Cervejeira e de Bebidas

Na produção de cerveja, a maioria das empresas utiliza garrafas recicladas para o reabastecimento; no entanto, a qualidade destas garrafas recicladas varia significativamente, tornando a sua inspeção uma tarefa complexa. Um sistema de inspeção de garrafas vazias deve ser capaz de detetar uma vasta gama de defeitos, incluindo problemas com a vedação da boca da garrafa, roscas, contaminantes nas superfícies internas e externas das paredes da garrafa, níveis de desgaste, contaminantes no fundo da garrafa e fissuras.

Tomando como exemplo a aplicação prática numa cervejaria específica: o sistema emprega um mecanismo de tapete linear. À medida que as garrafas vazias se movem sequencialmente pelas estações de inspeção designadas para a boca, o corpo e o fundo da garrafa, sensores fotoelétricos são acionados, fazendo com que um sistema de múltiplas imagens capture automaticamente imagens de cada zona de inspeção respetiva. O sistema de inspeção visual processa as imagens de cada estação de forma independente; por fim, um mecanismo de triagem — atuando sobre os resultados combinados da inspeção de todas as estações — ejeta da linha de produção quaisquer garrafas vazias defeituosas. 5.2 Aplicações na Indústria Farmacêutica

Na indústria farmacêutica, os requisitos de inspeção dos frascos de vidro são particularmente rigorosos. Ao contrário das embalagens alimentares padrão, os frascos farmacêuticos possuem características únicas; consequentemente, é necessária uma inspeção precisa em relação à sua forma, precisão dimensional e outros atributos. Os critérios de inspeção abrangem danos e fissuras na boca, gargalo, corpo e base do frasco; medições da área defeituosa; dimensões (diâmetros interno e externo), ovalização e desvio do diâmetro da boca do frasco; bem como a presença de objetos estranhos, como partículas brancas ou pretas, cabelos e filamentos fibrosos coloridos.

5.3 Estudo de Caso: Detecção de Defeitos na Base de Garrafas de Vidro Vazias da Huicui Vision

Num projeto implementado pela Huicui Intelligent para a deteção de defeitos – especificamente danos – nas bases de garrafas de vidro vazias, foi concebido um sistema de inspeção visual multicâmara. Esta solução integra quatro câmaras de obturador global com o HCvisionQuick, um software proprietário de análise e processamento de imagens. Ao captar imagens da base da garrafa a partir de quatro ângulos distintos, o sistema identifica de forma abrangente todo o espectro de possíveis defeitos que podem ocorrer na base. É empregue uma técnica de retroiluminação para aumentar o contraste entre a base da garrafa e o fundo, melhorando assim a precisão da deteção. Na aplicação prática, o sistema alcançou uma taxa de precisão de deteção superior a 99%.

6. Desafios técnicos e tendências de desenvolvimento

6.1 Principais Desafios Técnicos

1. Desafios impostos pelas propriedades do material: As garrafas de cerveja são frequentemente feitas de vidro laminado; as propriedades inerentes a este material apresentam dificuldades para as tecnologias de inspeção tradicionais. Fatores como a espessura não uniforme do vidro e a presença de padrões em relevo complexos ou características estruturais podem afetar negativamente a aquisição e a qualidade da imagem.

2.º Requisitos de produção de alta velocidade: As modernas linhas de engarrafamento de cerveja podem operar a velocidades superiores a 36.000 garrafas por hora, exigindo uma velocidade de processamento extremamente elevada e precisão do sistema de inspeção.

3. Inspeção de formatos complexos de garrafas: As garrafas vazias apresentam frequentemente geometrias complexas, tornando os métodos de inspeção por contacto impraticáveis; consequentemente, são necessários métodos de inspeção sem contacto baseados em visão por computador.

4.º Deteção de objetos estranhos transparentes: A identificação de objetos estranhos transparentes — como fita adesiva transparente ou filmes plásticos — representa um desafio significativo, exigindo projetos óticos especializados e processamento algorítmico avançado.

6.2 Tendências de Desenvolvimento

1. Inteligência e Adaptabilidade: Os futuros sistemas de inspeção de garrafas vazias serão cada vez mais inteligentes, capazes de se adaptar automaticamente a diferentes formatos de garrafa e condições de iluminação variáveis. Estes sistemas permitirão a rápida migração de modelos para novos tipos de garrafa — concluindo o processo no prazo de 30 minutos — aumentando significativamente a flexibilidade e a adaptabilidade do equipamento.

2.º Integração de Aprendizagem Profunda: As tecnologias de aprendizagem profunda estão prestes a desempenhar um papel cada vez mais crucial na deteção de defeitos. Ao utilizar algoritmos como as Redes Neurais Convolucionais (CNNs), estes sistemas podem identificar defeitos complexos com maior precisão e melhorar a robustez global do processo de inspeção. 3.º Fusão Multissensor: Além da inspeção visual, o sistema integrará outros sensores — como transmissores de alta frequência para deteção de líquidos residuais — para conseguir a fusão de dados multimodais, aumentando assim a abrangência e a precisão do processo de inspeção.

4. Colaboração baseada na cloud e manutenção remota: Os sistemas de formação e operação e manutenção (O&M) baseados em plataformas na cloud estão a emergir como uma tendência fundamental; estes sistemas suportam a O&M remota e online em tempo real, permitindo a resolução atempada dos problemas do cliente 24 horas por dia, 7 dias por semana.

5. Normalização e Regulamentação: À medida que a tecnologia amadurece, os sistemas de inspeção visual de garrafas vazias passarão por um processo gradual de normalização. As entidades nacionais já participaram na elaboração de normas relevantes, como a *GB/T 39792-2021: Requisitos Técnicos Gerais para Sistemas de Inspeção Visual Online de Garrafas Vazias Utilizadas em Embalagens Alimentares*.

7. Conclusão

Como componente vital da fabricação inteligente, a tecnologia de inspeção visual de garrafas vazias desempenha um papel insubstituível na proteção da qualidade do produto, no aumento da eficiência da produção e na redução dos custos de mão-de-obra. Impulsionados pelos avanços contínuos na visão computacional, inteligência artificial, imagem ótica e áreas afins, os sistemas de inspeção de garrafas vazias estão a evoluir para uma maior precisão, velocidades mais rápidas e maior adaptabilidade.

Abrangendo desde princípios técnicos a aplicações práticas — e evoluindo dos algoritmos tradicionais para a aprendizagem profunda — a inspeção visual de garrafas vazias estabeleceu uma estrutura técnica abrangente e consolidada. Olhando para o futuro, à medida que a Indústria 4.0 e as iniciativas de fabrico inteligente continuam a aprofundar-se, esta tecnologia encontrará aplicação numa gama ainda maior de indústrias, proporcionando um apoio robusto à transformação e modernização do setor da indústria transformadora.

Através da inovação tecnológica contínua e da aplicação prática, a inspeção visual de garrafas vazias não só resolveu desafios reais de produção, como também proporcionou uma experiência inestimável para a aplicação da visão computacional noutros domínios. À medida que o nível de nacionalização continua a aumentar e a procura de autonomia e autocontrolo tecnológicos ganha impulso, a proficiência técnica e a competitividade de mercado da China no domínio da inspeção visual de garrafas vazias estão preparadas para uma maior melhoria.