新學期 · 新知識
開學來得太快就像龍卷風，又到了拿起新課本，學習更高階知識的季節。康耐視包裝行業智造手冊也迎來了全新升級，全新深度學習技術經過專門設計，能以高度的準確性和可重復性執行元件定位、檢測、分類和字符識別任務，使包裝行業的廣泛應用實現自動化并擴展規模。
包裝行業的朋友們，不如趁著開學季的熱風，跟隨康耐視打開這本全新的包裝行業智造手冊，迎接嶄新知識的洗禮，學完就會發現，原來包裝檢測如此簡單，那些曾經困擾過你的難題都迎刃而解～
Cognex Deep Learning是一款基于圖像的分析軟件，經過專門設計，能夠使包裝行業的廣泛應用實現自動化和擴展規模。它將像人類一樣的智能與機器視覺的可靠性相結合，在判斷的基礎上，以高度的準確性和可重復性執行元件定位、檢測、分類和字符識別任務。從而幫助生產商分銷商實現流程數字化，以提高生產率、減少浪費、改進產品質量、提升制造靈活性并降低運營成本，并輕松適應不斷變化的應用需求。
下面就從保護包裝（包裝密封檢測）、檢測錯誤或缺失產品（包裝裝配和配套檢測）、確保標簽和代碼質量（標簽印刷質量檢測）三個方面，詳細介紹三個常見的包裝檢測挑戰以及對應的康耐視解決方案：
1· 包裝密封檢測
挑戰
密封完整性對于確保包裝無菌和無污染物至關重要。因污染、變質或異物引起的產品召回或退貨的成本可能會很高昂。由于缺陷外觀的變化以及密封產品時可能發生的大量潛在的故障模式，使用傳統的視覺系統進行密封檢測非常具有挑戰性。粒徑變化、對比度變化和外觀各異的隨機缺陷會導致合格產品出現較高的剔除率或者將潛在危險產品運送給客戶。基于規則的視覺系統難以適應變化，無法對包裝密封未通過檢測的具體原因進行分類或量化。
解決方案
康耐視基于深度學習的技術能夠可靠地識別異物、密封空洞、污染以及許多其他可能影響產品密封的問題。通過100%的視覺檢測，制造商可以消除操 作誤差并優化效率。深度學習技術則可以通過實時突出顯示上述問題，使操作員或機器能夠清楚地指出問題并隨后對問題進行分類，從而進一步提升視覺檢測的效果。
優點
● 確保包裝無菌和無污染物
● 避免產品召回和退貨
● 通過自動化檢測優化效率
● 標記、分類和了解故障模式
2· 包裝裝配和配套檢測
挑戰
對于某些包裝應用，制造商必須依靠視覺檢測來確保最終裝配的質量。產品的外觀變化可能會給自動化檢測系統帶來復雜性。檢測系統必須成功驗證正確的產品、設備或食物份量是否位于包裝中的正確位置。對于許多包裝類消費品和醫療設備配套應用來說，情況就是如此，其中，檢測系統必須能夠識別、計數和分類預裝配的不同產品，這些產品可能具有不同的包裝方向、反光面和復雜的幾何形狀。
解決方案
康耐視基于深度學習的系統和軟件可通過單個圖像自動執行多個特征的定位、識別和分類任務。它將根據尺寸、形狀和表面特征歸納總結不同產品的區別性特征。用戶可以訓練元件定位和裝配驗證工具，用于定位需要查找的每種 類型的產品。訓練完成后，用戶可以將圖像分割為不同的區域，在這些區域中，定位工具將檢查產品是否存在并驗證產品類型是否正確。此外，用戶還可以針對單條生產線的包裝可能有所變化的情形創建多種配置。通過這種方 式，用戶可以僅使用一種工具就能夠自動進行包裝驗證。
優點
● 確保正確的產品位于正確的位置
● 消除返工需要
● 保護品牌聲譽
3· 標簽印刷質量檢測
挑戰
標簽包含特定的產品數據，如原產地、日期、有效期、數量或類別。在許多 工廠中，機器視覺用于控制標簽的對位和放置以及檢測。油墨污跡和對比度低的印刷通常會影響噴墨標簽的印刷和張貼，進而損害許多代碼的可讀性。
在標簽張貼過程中，由于物品在輸送帶上的放置方向和物品的曲面問題，許多缺陷很難被發現。如果包裝是透明類型，即使是人眼也很難區分包裝印刷 與包裝內容物。印刷錯誤和不佳的標簽質量需要人工干預，這會減慢生產速度，并給供應商和合作伙伴帶來挑戰。
解決方案
康耐視基于深度學習的技術可在包裝印刷檢測過程中快速、輕松地識別異常。該技術可基于一系列潛在內容物背景上的一組合格包裝印刷圖像進行訓練。然后，缺陷檢測工具可立即檢測出不同的打印錯誤，包括在的包裝內容物復雜且不斷變化的情況下。如果包裝設計發生變化，缺陷檢測工具可基于一組新包裝圖像重新進行訓練，并可快速完成部署，不會引起較長的停機時間。
優點
● 檢測標簽缺陷或錯誤
● 確保符合質量標準要求
● 保證客戶滿意度
