Industrial

Sistema visión artificial para inspección y control de calidad del pan

Índice del contenido

La industria del pan es un sector económico dentro del sector alimentación de gran importancia a nivel global que ha evolucionado de manera constante en las últimas décadas. La producción de pan se ha visto afectada por diversas limitaciones, entre ellas, la necesidad de garantizar la calidad del producto y la eficiencia en la producción. Por tanto, con este contexto, la aplicación de tecnologías de visión artificial se ha presentado como una solución viable para mejorar estos procesos.

El sistema de visión artificial de barras de pan se enfoca en la detección, clasificación y análisis de las barras de pan, permitiendo a los fabricantes de pan tener un mayor control sobre la calidad del producto y mejorar la eficiencia de su proceso de producción. En este sentido, la aplicación de la visión artificial en la industria del pan puede llevar a una mejora en la eficiencia de los procesos y a una reducción de costos.

En este blog, se llevará a cabo un análisis detallado del producto BreadInspector, un sistema de visión artificial, creado para satisfacer las necesidades de control de calidad y producción de las barras de pan.

BreadInspector: inspecciones con tecnología de visión artificial

El objetivo del sistema BreadInspector es realizar una inspección de las barras de pan lo más exhaustiva posible. Para ello, se combinan distintas tecnologías que permitan analizar todos los elementos que puedan causar que una barra de pan sea considerada como “no apta”. Las inspecciones que realiza el sistema, así como la tecnología usada para ello se muestran en la siguiente tabla:

Grupo Descripción Cámara Tecnología
Colorimetría Detección de nivel de tostado Superior Color Colorimetría
Detección de quemaduras Superior Color Deep Learning
Detección de manchas de harina Superior Color Deep Learning
Objetos extraños Objeto que no sea pan y este en su superficie Superior Color Deep Learning
Objeto que no sea pan y este en su superficie Inferior Color Deep Learning
Control dimensional Medición de largo Cámaras 3D 3D
Medición de ancho máximo y mínimo Cámaras 3D 3D
Medición del perímetro Cámaras 3D 3D
Medición del alto Cámaras 3D 3D
Medición del volumen Cámaras 3D 3D
Análisis morfológico Contaje de crestas Cámaras 3D Deep Learning
Análisis de la forma de las crestas Cámaras 3D Visión convencional
Contaje de puentes Cámaras 3D Deep Learning
Detección de golpes Cámaras 3D Deep Learning
Detección de grietas Inferior Color Deep Learning
Detección de deformidad en el perímetro Cámaras 3D 3D

Diseño mecánico

A la hora de realizar el diseño mecánico, se ha tenido en cuenta que la máquina pueda ser modular, de manera que el cliente, en base a las necesidades que tenga, pueda decidir qué inspecciones quiere que lleve el sistema.

Como se observa en la figura superior, el sistema cuenta con tres bloques de inspecciones:

  • Dos perfilómetros 3D que permiten capturar información tridimensional de cada barra de pan. Se han usado dos combinados para mejorar la precisión y resolución de las medidas dimensionales.
  • Una cámara lineal superior para obtener y analizar la parte superior del pan.
  • Una cámara lineal inferior para capturar y analizar la parte inferior del pan.

Cualquiera de estos elementos es opcional, puede incluirse o no a la hora de realizar el proyecto y la instalación, pudiéndose ajustar de manera sencilla el sistema a las necesidades del cliente.

Aplicación software

Se realizó una aplicación software que permitiera visualizar los resultados obtenidos, así como configurar las inspecciones y ver las estadísticas acumuladas de los resultados de producción. Así pues, el objetivo era diseñar una aplicación que además de realizar las inspecciones correctas, permitiera al usuario entenderla y manejarla de manera sencilla, así como analizar los datos de producción fácilmente. El resultado de dicho diseño se muestra en las figuras de abajo.

Especificaciones del sistema de visión artificial de BreadInspector

El BreadInspector presenta las siguientes características:

  • Medición de dimensiones de la barra de pan con un error < 2mm.
  • Cálculo del perímetro de la barra de pan con un error < 5 mm.
  • Medición del volumen de cada barra.
  • Evaluación de la simetría de la barra de pan.
  • Detección del número de greñas presente en la barra de pan y medición de ancho y largo de éstas, con un error < 5 mm.
  • Conteo de puentes rotos entre greñas.
  • Detección de golpes en la barra de pan con un tamaño > 2 mm2.
  • Detección de manchas y quemaduras con un tamaño > 2 mm2.
  • Detección de objetos extraños con un tamaño > 2 mm2.
  • Detección de grietas en la parte inferior del pan con un tamaño > 2 mm2.
  • Cálculo del nivel de tostado del pan con una tasa de error < 0.5%.
  • Evaluación del 100% de la producción una tasa de 90 barras por minuto.
  • Inspeccionar el pan con un ángulo de ± 18º, siempre que las barras vayan separadas 20 cm entre ellas.
  • Trabajo sobre el producto en movimiento. Se desplazándose transversalmente.
  • Expulsar los productos no conformes sin afectar al resto de la producción.
  • Poder ajustar y configurar la tolerancia de las inspecciones y su aplicación o no.
New call-to-action
Comparte

No es sólo un blog

Noticias y avances sobre
tecnología

No data was found

Consigue el eBook

De conformidad con lo establecido en la normativa vigente en materia de protección de datos, le informamos que sus datos serán tratados por Sothis Enterprise Resource Planning, S.L.U. con el fin de atender las solicitudes que nos formule en base a la ejecución de un acuerdo. Puede ejercer sus derechos de acceso, rectificación, supresión, oposición, así como los demás que la normativa reconoce al interesado, mediante solicitud dirigida a c/ Charles Robert Darwin, 13 – Parque Tecnológico cp. 46980 Paterna (Valencia), o por correo electrónico a rgpd@sothis.tech adjuntando copia de su DNI o documentación que le identifique. Puede consultar información adicional sobre el tratamiento de datos en SOTHIS en nuestra Política de Privacidad.

¡Gracias!

Tu formulario se ha enviado correctamente-