Vacuüm Controle op bolognaise saus

Beschrijving Vacuüm Controle

In deze toepassing wordt de vacuümstatus van afgesloten potten gecontroleerd op een productielijn binnen de voedingsindustrie. De controle heeft als doel om potten die niet correct vacuüm zijn afgesloten tijdig te detecteren en uit het proces te halen. Dit is cruciaal om bederf te voorkomen en de voedselveiligheid te waarborgen.

Tijdens het productieproces passeren de potten aan hoge snelheid en wordt het deksel gecontroleerd op kenmerken die wijzen op een correct vacuüm. Het verschil tussen een vacuüm en een niet-vacuüm pot is hierbij zeer klein en kan beïnvloed worden door producttoleranties. Daarnaast kunnen in een industriële omgeving factoren zoals vocht, condens of druppels op het deksel voorkomen, waardoor de controle in alle omstandigheden betrouwbaar moet blijven.

The Challenge

De grootste uitdaging in deze toepassing is het extreem kleine hoogteverschil tussen een vacuüm en een niet-vacuüm deksel. In sommige gevallen is dit verschil zelfs kleiner dan de producttoleranties van pot en deksel, waardoor klassieke meetmethodes snel onbetrouwbaar worden.

Daarnaast is er een belangrijke praktische factor: in de productieomgeving kunnen er druppels of condens op het deksel terechtkomen. Deze variaties mogen de meting niet beïnvloeden, anders ontstaan er foutieve afkeuringen of gemiste fouten.

De oplossing

Onze oplossing combineert een backlight met een Cognex IS2800 visioncamera en een AI Classify-tool (edge learning). Door de reflectie via de backlight creëren we een helder en consistent beeld, waarna de AI Classify-tool het verschil tussen vacuüm en niet-vacuüm betrouwbaar leert herkennen.

Het voordeel van edge learning AI is dat het automatisch omgaat met variaties zoals kleine afwijkingen in potten/deksels, producttoleranties en storende elementen zoals druppels. Het model leert wat “normaal” is en focust op de echte kenmerken die het vacuüm onderscheiden.

Met standaard visiontools moet je vaak werken met edge-detectie en nauwkeurige metingen op vaste randen. Dit kan minder stabiel zijn: als de edge door reflecties, vervuiling of druppels niet perfect wordt gevonden, kan de camera onterecht afkeuren. Net daarom is een AI-gebaseerde classificatie in deze toepassing een stabielere en betrouwbaardere keuze.