Inspección de huevos con IA para la detección y clasificación automatizadas de defectos en la cáscara
Descripción general del caso
Industria: Alimentos y Bebidas
Solución: SolVision
Las líneas de producción de huevos de alta velocidad requieren una detección uniforme de grietas y poros en las cáscaras antes de su distribución. SolVision utiliza inspección visual basada en aprendizaje profundo para identificar defectos superficiales y clasificar los huevos según niveles de calidad definidos.
El caso
Inspección automatizada de cáscaras de huevo y clasificación por calidad
La integridad de la cáscara es fundamental para mantener la calidad del producto y reducir los riesgos de contaminación. Las grietas pueden comprometer la barrera protectora de la cáscara, mientras que la porosidad superficial es otra característica utilizada para evaluar su calidad.
Los huevos deben inspeccionarse y clasificarse antes de su distribución para identificar productos defectuosos y mantener estándares de calidad uniformes. La inspección visual automatizada reduce la dependencia de la identificación y clasificación manual de defectos.
El desafío
Detección de defectos irregulares en cáscaras de huevo en movimiento
Los poros y las grietas de las cáscaras varían en tamaño, forma y distribución, lo que dificulta una detección uniforme de defectos. Los patrones superficiales aleatorios complican aún más la clasificación de calidad de las cáscaras.
Las líneas de producción de alta velocidad y las distintas orientaciones de los huevos presentan desafíos adicionales. Los sistemas de inspección tradicionales tienen dificultades para adaptarse a estas variaciones, mientras que la inspección manual resulta ineficiente para la producción continua.
La solución
Detección de defectos en cáscaras de huevo mediante aprendizaje profundo con SolVision
SolVision utiliza inspección visual basada en aprendizaje profundo para detectar poros y grietas en las cáscaras de huevo. Las imágenes de muestra anotadas se utilizan para entrenar el modelo de IA, permitiéndole reconocer defectos superficiales a pesar de las variaciones en su tamaño, forma y distribución.
El modelo entrenado analiza imágenes de las cáscaras para identificar defectos y clasificar los huevos según niveles de calidad definidos, automatizando tareas que anteriormente se realizaban mediante inspección manual.
Clasificación de calidad de los huevos
SolVision clasifica los huevos en tres niveles de calidad según las características detectadas en la cáscara. Las anotaciones codificadas por colores permiten distinguir cada clasificación:
- Nivel 1: Verde
- Nivel 2: Azul
- Nivel 3: Rosa
Este enfoque permite mantener una clasificación uniforme de los huevos mediante la detección y clasificación automatizadas de defectos.
 |  |  | |||
| Nivel 1 | Nivel 2 | Nivel 3 | |||
 |  | ||||