Control de cajones completos de cajas de bebidas mediante Smart Cameras basadas en IA
En las líneas de embotellado modernas, las botellas se colocan automáticamente en cajas de bebidas y, a continuación, se comprueba su integridad. Justo después de la empaquetadora de cajones, una Smart Camera comprueba cada caja. Una red neuronal entrenada cuenta las botellas de forma fiable y compara los resultados con el valor nominal. Las cajas defectuosas se detectan con antelación y se rechazan automáticamente antes de alcanzar los procesos posteriores, como el paletizado o el envío, lo que aumenta la calidad y la eficiencia del proceso.

Inspección de la integridad de los rodamientos de bolas basada en IA mediante Smart Cameras
Durante la fabricación de rodamientos de bolas, es necesario comprobar que haya el número correcto de bolas en cada rodamiento. El aceite, la grasa y las reflexiones suelen hacer que las bolas tengan un aspecto diferente, lo que dificulta su detección mediante el procesamiento de imágenes basado en reglas. Por el contrario, una Smart Camera con red neuronal entrenada detecta y cuenta las bolas de forma fiable. La cantidad determinada se compara automáticamente con la cantidad nominal. De este modo, se detectan los rodamientos con un número insuficiente de bolas y se expulsan del proceso.

Control de colocación de rodajas en pizzas congeladas basado en IA mediante Smart Cameras
En la producción de alimentos, las pizzas congeladas se cubren de forma totalmente automatizada con rodajas de salami. A continuación, una Smart Camera B60 comprueba que cada pizza tenga el número correcto de rodajas. Una red neuronal entrenada detecta y cuenta las rodajas de salami de forma fiable, incluso en caso de solapamiento y en pizzas envasadas al vacío. Las pizzas con un número insuficiente de rodajas se expulsan automáticamente y se completan manualmente. Esto garantiza que cada pizza cumpla con las especificaciones de calidad y que la calidad del producto sea alta y constante.

Comprobación de la integridad de los tubos con Smart Camera e IA
Los tubos se empaquetan de forma totalmente automática en cajas de cartón y se envían a los clientes para su posterior llenado. El control de peso utilizado en el control de salida no siempre proporciona resultados fiables debido al bajo peso de los tubos. Para evitarlo, se instala una Smart Camera sobre la cinta transportadora que registra cada caja antes de su envío. Con la ayuda de la IA y la tecnología de aprendizaje profundo, la cámara analiza el contenido de las cajas y cuenta automáticamente los tubos que contiene. De este modo, se evitan las cantidades erróneas y se aumenta la seguridad del proceso en el control de calidad.

Control de calidad de productos de panadería mediante Smart Camera B60
En la producción de croissants, anillos y productos de panadería trenzados se debe garantizar una alta calidad constante. Para el control de calidad se utilizan una Smart Camera B60 y una iluminación tipo domo plana. Las imágenes registradas se evalúan en el software uniVision 3 en función de diferentes parámetros, como el número de manchas (“blobs”), dimensiones y superficies. Esto permite comprobar la geometría de la masa y detectar el trenzado correcto en el producto. Los productos defectuosos se detectan con antelación, lo que garantiza una calidad constante del producto.

Control visual de la calidad de las latas de aceite mediante el sistema de visión
Tras su fabricación, las piezas de plástico moldeadas por inyección deben comprobarse visualmente en busca de determinadas características de calidad. Mediante un sistema de visión compuesto por varias cámaras, iluminaciones, lentes, una unidad de control y el software de procesamiento de imágenes uniVision, se controla, por ejemplo, la geometría, el color, las inclusiones, la inyección excesiva o insuficiente o la separación entre los puntos de inyección en las latas de aceite. También se puede determinar la posición y la integridad de las inserciones. Los resultados de las pruebas se pueden mostrar directamente a través de la visualización basada en la web y se pueden descartar piezas defectuosas.

Descodificación de códigos DataMatrix para la identificación de puertas interiores de automóviles
En la industria automovilística, es necesario comprobar visualmente la calidad de los diferentes componentes de las puertas interiores de los automóviles, como por ejemplo los elevalunas o los reposabrazos, en el caso de varios tipos de puertas diferentes. Para ello, se instala un sistema de visión con varias cámaras. Para identificar la puerta de forma inequívoca antes del proceso de comprobación, un escáner de códigos 1D/2D lee un código DataMatrix etiquetado en las puertas. Gracias a la flexibilidad de la conexión roscada C mount, el código se registra de forma segura incluso a grandes distancias. Mediante su descodificación se selecciona el programa de pruebas correcto en el sistema de visión. Aquí encontrará aplicaciones similares.

Comprobación de la posición de las membranas en mascarillas FFP3 con válvula de respiración mediante un sistema de visión
Para garantizar que funcionen de forma segura, las mascarillas FFP3 deben supervisarse durante su fabricación. Para ello, se debe comprobar si las membranas integradas se han colocado correctamente antes de colocar las tapas. La membrana no debe sobresalir y debe estar al ras con respecto al marco. Para ello, se instala un sistema de visión que comprueba la posición y el diámetro de la membrana. El sistema se compone de una cámara de visión artificial, un módulo de análisis (unidad de control) y una iluminación de anillo. Si se rebasa la tolerancia, se descarta la mascarilla.

Inspección visual de la calidad de puertas interiores de automóviles a través del sistema de visión
En la industria automovilística, la calidad de los diferentes componentes de las puertas interiores de los automóviles, como los elevalunas o los reposabrazos, se debe comprobar visualmente en los distintos tipos de puertas. Para ello, se instala un sistema de visión que consta de varias cámaras, lentes, iluminaciones y una unidad de control. Una vez colocada la puerta en un molde, claramente identificada y con el programa de pruebas correcto cargado, se inicia la inspección. Los matices cromáticos más finos y los componentes más pequeños se detectan ahora con precisión. Los resultados se envían al sistema principal y se visualizan. Aquí encontrará aplicaciones similares.

Colocación precisa de transelevadores en almacenes con estanterías altas mediante sensores de visión
Las mercancías pesadas y las variaciones de temperatura pueden afectar a la estabilidad dimensional de las construcciones metálicas en almacenes con estanterías altas. No obstante, para que los transelevadores (RBG) puedan almacenar y retirar de forma precisa contenedores a través de los pasillos de hasta 40 m de altura, tienen que colocarse con una gran precisión. Para ello, en el transelevador se monta un sensor de visión con iluminación externa en cada lado, que permite un posicionamiento preciso mediante la detección de orificios en los travesaños metálicos en dirección X/Y. Mediante un módulo de software de comparación de patrones, el sensor de visión detecta orificios de diferentes tamaños de profundidad sencilla o doble.

Control de posición de fardos de basura con la Smart Camera B60 y la IA
En la industria del reciclaje, los residuos se suelen prensar en fardos y unirse con hilos de plástico para evitar que se vuelvan a deshacer. Para que los fardos puedan desenhebrarse automáticamente, deben colocarse a un lado de modo que el hilo sea visible para la cámara. Si el cable no es visible para la cámara, significa que el fardo está en la posición incorrecta. Para controlarlo se utiliza una Smart Camera B60. Las imágenes capturadas se comparan con imágenes de referencia a través de una red de IA. De este modo, la cinta de plástico se puede detectar de forma fiable a pesar de los diferentes aspectos de los fardos. Encontrará más ejemplos de aplicación en AI Lab.

Control de calidad de piezas moldeadas por inyección mediante Smart Camera B60
Después del proceso de moldeo por inyección, los componentes de plástico deben inspeccionarse con precisión para detectar defectos visuales en la superficie, como grietas, burbujas o decoloración. Para ello, un robot extrae los componentes de su molde y los coloca delante de una Smart Camera B60. Con ayuda de una red neuronal, las imágenes captadas se comprueban en busca de defectos como sobreinyecciones o subinyecciones, así como de grietas. La IA proporciona una mayor estabilidad en condiciones de luz y temperatura variables, así como con diferentes lotes de materiales. Encontrará más ejemplos de aplicación en AI Lab.