新学期 · 新知识
开学来得太快就像龙卷风，又到了拿起新课本，学习更高阶知识的季节。康耐视包装行业智造手册也迎来了全新升级，全新深度学习技术经过专门设计，能以高度的准确性和可重复性执行元件定位、检测、分类和字符识别任务，使包装行业的广泛应用实现自动化并扩展规模。
包装行业的朋友们，不如趁着开学季的热风，跟随康耐视打开这本全新的包装行业智造手册，迎接崭新知识的洗礼，学完就会发现，原来包装检测如此简单，那些曾经困扰过你的难题都迎刃而解～
Cognex Deep Learning是一款基于图像的分析软件，经过专门设计，能够使包装行业的广泛应用实现自动化和扩展规模。它将像人类一样的智能与机器视觉的可靠性相结合，在判断的基础上，以高度的准确性和可重复性执行元件定位、检测、分类和字符识别任务。从而帮助生产商分销商实现流程数字化，以提高生产率、减少浪费、改进产品质量、提升制造灵活性并降低运营成本，并轻松适应不断变化的应用需求。
下面就从保护包装（包装密封检测）、检测错误或缺失产品（包装装配和配套检测）、确保标签和代码质量（标签印刷质量检测）三个方面，详细介绍三个常见的包装检测挑战以及对应的康耐视解决方案：
1· 包装密封检测
Ø 挑战
密封完整性对于确保包装无菌和无污染物至关重要。因污染、变质或异物引起的产品召回或退货的成本可能会很高昂。由于缺陷外观的变化以及密封产品时可能发生的大量潜在的故障模式，使用传统的视觉系统进行密封检测非常具有挑战性。粒径变化、对比度变化和外观各异的随机缺陷会导致合格产品出现较高的剔除率或者将潜在危险产品运送给客户。基于规则的视觉系统难以适应变化，无法对包装密封未通过检测的具体原因进行分类或量化。
Ø 解决方案
康耐视基于深度学习的技术能够可靠地识别异物、密封空洞、污染以及许多其他可能影响产品密封的问题。通过100%的视觉检测，制造商可以消除操 作误差并优化效率。深度学习技术则可以通过实时突出显示上述问题，使操作员或机器能够清楚地指出问题并随后对问题进行分类，从而进一步提升视觉检测的效果。
Ø 优点
▪ 确保包装无菌和无污染物
▪ 避免产品召回和退货
▪ 通过自动化检测优化效率
▪ 标记、分类和了解故障模式
2· 包装装配和配套检测
Ø 挑战
对于某些包装应用，制造商必须依靠视觉检测来确保最终装配的质量。产品的外观变化可能会给自动化检测系统带来复杂性。检测系统必须成功验证正确的产品、设备或食物份量是否位于包装中的正确位置。对于许多包装类消费品和医疗设备配套应用来说，情况就是如此，其中，检测系统必须能够识别、计数和分类预装配的不同产品，这些产品可能具有不同的包装方向、反光面和复杂的几何形状。
Ø 解决方案
康耐视基于深度学习的系统和软件可通过单个图像自动执行多个特征的定位、识别和分类任务。它将根据尺寸、形状和表面特征归纳总结不同产品的区别性特征。用户可以训练元件定位和装配验证工具，用于定位需要查找的每种 类型的产品。训练完成后，用户可以将图像分割为不同的区域，在这些区域中，定位工具将检查产品是否存在并验证产品类型是否正确。此外，用户还可以针对单条生产线的包装可能有所变化的情形创建多种配置。通过这种方 式，用户可以仅使用一种工具就能够自动进行包装验证。
Ø 优点
▪ 确保正确的产品位于正确的位置
▪ 消除返工需要
▪ 保护品牌声誉
3· 标签印刷质量检测
Ø 挑战
标签包含特定的产品数据，如原产地、日期、有效期、数量或类别。在许多 工厂中，机器视觉用于控制标签的对位和放置以及检测。油墨污迹和对比度低的印刷通常会影响喷墨标签的印刷和张贴，进而损害许多代码的可读性。
在标签张贴过程中，由于物品在输送带上的放置方向和物品的曲面问题，许多缺陷很难被发现。如果包装是透明类型，即使是人眼也很难区分包装印刷 与包装内容物。印刷错误和不佳的标签质量需要人工干预，这会减慢生产速度，并给供应商和合作伙伴带来挑战。
Ø 解决方案
康耐视基于深度学习的技术可在包装印刷检测过程中快速、轻松地识别异常。该技术可基于一系列潜在内容物背景上的一组合格包装印刷图像进行训练。然后，缺陷检测工具可立即检测出不同的打印错误，包括在的包装内容物复杂且不断变化的情况下。如果包装设计发生变化，缺陷检测工具可基于一组新包装图像重新进行训练，并可快速完成部署，不会引起较长的停机时间。
Ø 优点
▪ 检测标签缺陷或错误
▪ 确保符合质量标准要求
▪ 保证客户满意度
