green bottle lot

SolVision成功案例

玻璃酒瓶霉斑脏污检测方案

AI 检测玻璃酒瓶内缘之霉斑脏污

落实环保绿色经济:玻璃酒瓶循环再利用

为落实环保理念,国内外制酒商皆启动玻璃瓶容器回收再利用的机制。经过清洗与高温消毒处理后的玻璃酒瓶,可直接作为装填原产品的容器使用。而经过现场人员目检瓶中有杂质或者破损、磨损严重者,则汰除打碎为瓶屑。

霉斑脏污无法透过自动光学检测检出

玻璃酒瓶内缘之霉斑脏污,即使经过清洗消毒后仍然容易残留,故希望在清洗阶段就能检测剔除。然而,排列在清洗产线上移动旋转的酒瓶无法精准定位,加上瓶身还有标示印刷,不仅人眼不易看出霉斑,亦不利传统光学检测(AOI)检测进行

所罗门结合AI与机器视觉,使霉斑无所遁形

使用SolVision以酒瓶霉斑、脏污影像训练AI模型,实例切割技术可学习霉斑脏污的位置与颜色,自动辨识霉斑脏污的影像特征,即可在清洗产线上快速检测玻璃瓶身之霉斑分布,找出有霉斑、脏污的酒瓶并将之汰除,让回收再利用的酒瓶可维持整体品质。

瓶身检测案例

霉菌斑分布

AI Visual Inspection for Glass Bottles

检测结果

AI Visual Inspection for Glass Bottles
相关文章
  • A Man Fixing a Laptop

    笔电组装零件缺漏与瑕疵检测

    笔电产品零件进入组合与包装程序后,利用人工方式进行配套零件的装配,在执行上下装壳与垂直螺丝组装等工序时,若有零件缺漏将直接影响最终产品质量,进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性,能持续优化其检测效力,有效提高产品的质量良率。
  • 药片外观瑕疵检测

    借由Solvision AI视觉检测技术,快速检验产品瑕疵,确保药品品质,减少人力检测错误,提升产线生产力。
  • 渐层玻璃瓶瑕疵检测

    渐层玻璃瓶皆经过喷砂制程雾面处理,制作过程常见的瑕疵类型为色泽不均或者瓶身出现黑点,而这些瑕疵因无法明确定义且样式不固定,难以采用AOI方法进行检测。训练完成的AI模型即可快速检出玻璃瓶身各角度之瑕疵分布,并标注出缺陷位置。
  • 快速辨识轮胎内胎印刷编码

    轮胎在制程的环节经历许多高压、高负荷与高温差的工序,使内胎表面字迹模糊且刷色深浅不齐,影响内胎编码的辨识度,不利于人工辨识与传统AOI检测。利用SolVision工具,针对轮胎内胎编码的数字与形状进行拍摄,进行AI模型训练,能成功辨识,有效改善编码辨识的正确率。