25 de fevereiro de 2025
Guia para Defeitos Detectados pela Inspeção Visual
A tecnologia de inspeção visual utiliza um sistema de detecção de imagens e um conjunto de algoritmos para interpretar dados e identificar condições de não conformidade.
Esse processo permite detectar tanto defeitos cosméticos quanto contaminações por partículas no conteúdo e na embalagem do produto. As inspeções realizadas pela máquina podem ser classificadas em duas categorias principais:
Inspeção Cosmética
Essa etapa investiga defeitos na embalagem externa e nos componentes do próprio recipiente. As seguintes irregularidades são analisadas:
- – Tampa de borracha: ausência ou formato não conforme
- – Flip-Off: ausência, formato ou cor não conforme, ou danos
- – Crimpagem: não conforme
- – Anel de alumínio: amassado ou riscado
- – Forma da ponta ou do anel: não conforme
- – Nível de preenchimento: não conforme
- – Cor do conteúdo: não conforme
- – Cor do recipiente: não conforme
- – Defeitos cosméticos: rachaduras, arranhões, queimaduras, manchas e defeitos de forma no topo, corpo ou parte inferior do recipiente
Inspeção de Partículas
Essa etapa investiga a presença de corpos estranhos e possíveis contaminações no produto. As seguintes irregularidades são analisadas:
- – Partícula externa (cake)
- – Defeitos de volume, cor ou forma do cake
- – Partícula externa (pó)
- – Contaminação por partículas em líquido (todos os tipos e possibilidades)
Aplicação de Inteligência Artificial na Inspeção Visual
Atualmente, modelos de aprendizado supervisionado estão sendo aplicados à inspeção visual automatizada (AVI), especialmente para produtos de difícil inspeção, como contêineres BFS (Blow-Fill-Seal). Soluções baseadas em inteligência artificial (IA) têm demonstrado grande sucesso na automação de tarefas e na melhoria do processo de tomada de decisão. Elas aumentam a precisão da classificação de imagens e identificam variações do produto (como formação de defeitos e bolhas) que inspeções simples não conseguem detectar.
Redes neurais de IA (NNs) treinadas em contêineres específicos aprendem a distinguir entre produtos conformes e defeituosos, mesmo quando certas características do recipiente podem se assemelhar a defeitos. A combinação de diferentes tipos de redes neurais, cada uma especializada em diferentes tarefas, com algoritmos tradicionais de rastreamento permite que a AVI atinja taxas aceitáveis de rejeição falsa (FRR).
Citações
Este artigo foi inspirado em informações da Bonfiglioli Engineering.
- Bonfiglioli Engineering. “Guia para defeitos detectados por Inspeção Visual” – Bonfiglioli Engineering, BONFIGLIOLI ENGINEERING Srl
