Le défi du client est de détecter de manière fiable des cuillères transparentes sur des surfaces métalliques réfléchissantes afin d'améliorer le contrôle de la qualité
La poudre produite par un fabricant d'aliments est conditionnée dans des boîtes en aluminium. Ensuite, les boîtes sont fermées et chacune est munie d'une cuillère doseuse. Lors du contrôle de qualité, on vérifie entre autres si une cuillère est jointe à chaque boîte. Lorsqu'une cuillère transparente a été introduite pour améliorer le taux de recyclage, même le traitement d'image spécial basé sur des capteurs n'était plus en mesure de la détecter de manière fiable sur la surface métallique ondulée, estampée et réfléchissante.
Pour relever le défi du client, une caméra instantané 2D est choisie pour apprendre à l'aide du logiciel de Deep Learning intégré dStudio. Ce service web permet d'entraîner des réseaux neuronaux. Dans ce cas, cela se fait à l'aide d'images de la cuillère jointe dans différentes positions. En examinant rapidement chaque boîte, la caméra détermine de manière fiable si la cuillère nécessaire est présente. Si la caméra détecte une « image sans cuillère », le système s'arrête automatiquement. Dès que la cuillère manquante est ajoutée, le système continue à fonctionner automatiquement sans redémarrage manuel.

Avantages :
Le contrôle qualité fiable, précis et automatique permet au fabricant d'économiser du temps et de l'argent. Les temps d'arrêt sont évités. Les défauts de qualité dus à un emballage incomplet appartiennent au passé. Le client peut lui-même entraîner le réseau neuronal et adapter ainsi facilement la caméra à de nouveaux produits. Le système s'utilise de manière intuitive, sans connaissances particulières en matière d'IA ou de traitement d'images.










