Dettaglio Caso d'Uso

L’Image Recognition per il Controllo qualità; Telini chirurgici senza difetti

Un esempio di innovazione all’interno della rete ARTES 4.0 è dedicato ad un sistema di visione intelligente per il riconoscimento dei difetti direttamente sulla linea produttiva. Ciò permette la stabilità, l’efficienza e l’affidabilità del monitoraggio della qualità dei componenti in produzione senza interferire con il ritmo di processo.

 Tecnologie Abilitanti:

Big Data & Analytics

Tecnologia abilitante: Intelligenza artificiale/Pattern Recognition;

Settore industriale: Produzione di teli/veli (tissue, tessuto non tessuto, tessile, film plastici, ecc.);

Cliente target: Produttori telini chirurgici sterili;

Problema affrontato: effettuare il controllo qualità del 100% dei prodotti, ad alte velocità di produzione e ad alta precisione.

Soluzione tecnica proposta: Il sistema sviluppato è in grado di rendere più efficiente ed efficace il controllo della qualità di veli che scorrono ad altissima velocità.

La macchina interviene durante il taglio e confezionamento dei telini e consente il riconoscimento veloce di eventuali difetti, scartando in automatico la porzione di telino difettosa e quindi confezionando solo telini “buoni”, bianchi o colorati.

La tecnologia hardware utilizzata è quella delle telecamere a scansione lineari ad alta definizione (8000 pixel). Il telo si muove a velocità di circa 1m/sec.

E’ possibile riconoscere difetti di dimensioni lineari o diametro minimo di 0,1 mm. 

Il software è un sistema di analisi che interpreta immagini fotografiche in tempi brevissimi, in modo da scartare il tratto difettoso già nel flusso di produzione, con elevata precisione e minimizzazione della quantità scartata.

Volendo è possibile integrare il logo qualitativo in un sistema di tracciatura dei dati di prodotto, molto importante in ambito sanitario.

Risultato: 100% dei pezzi sottoposti a controllo qualità con costi contenuti di impianto e gestione;

Keywords: Measurement, quality, web inspection, image recognition, machine vision, deep learning, tessuto non tessuto

Fonte: Gamba Mario e Botteghi Fernando S.n.c.

Per maggiori informazioni sull'autore del caso d'uso:  www.gambaebotteghi.com