O desafio do cliente é detectar de forma confiável colheres transparentes em superfícies metálicas reflexivas para melhorar o controle de qualidade
O pó, produzido por uma indústria alimentícia, é envasado em latas de alumínio. Em seguida, as latas são fechadas e cada uma recebe uma colher medidora. Durante o controle de qualidade, é verificado, entre outras coisas, se uma colher está incluída em cada lata. Quando uma colher transparente foi introduzida para melhorar a taxa de reciclagem, até mesmo o processamento de imagens baseado em sensores especiais não foi mais capaz de detectá-la de forma confiável na superfície metálica corrugada, perfurada e reflexiva.
Para atender ao desafio do cliente, foi selecionada uma câmera instantânea 2D que aprende usando o software integrado de Deep Learning dStudio. Esse serviço da web pode ser usado para treinar redes neuronais. Nesse caso, isso é feito usando imagens da colher anexada em diferentes posições. A câmera determina de forma confiável se a colher necessária está presente durante uma rápida verificação de cada lata. Se a câmera detectar uma “foto sem colher”, o sistema parará automaticamente. Assim que a colher ausente for adicionada, o sistema continuará a ser executado automaticamente sem reinicialização manual.

Vantagens:
O controle de qualidade confiável, preciso e automático economiza tempo e dinheiro do fabricante. Os tempos de imobilização são evitados. Defeitos de qualidade devido a embalagens incompletas são coisa do passado. O próprio cliente pode treinar novamente a rede neuronal e, assim, adaptar facilmente a câmera a novos produtos. O sistema pode ser operado intuitivamente sem nenhum conhecimento especial de IA ou de processamento de imagens.










