Kundens utmaning är att på ett tillförlitligt sätt registrera transparenta skedar på reflekterande metallytor, för att förbättra kvalitetskontrollen
Pulvret, som tillverkas av en livsmedelstillverkare, fylls i aluminiumburkar. Burkarna försluts sedan och förses med varsin måttsked. Vid kvalitetskontrollen kontrolleras bland annat om en sked följer med varje burk. När en transparent sked introducerades för att förbättra återvinningsgraden kunde inte ens den speciella sensorbaserade bildbehandlingen identifiera den på den korrugerade, stämplade och reflekterande metallytan.
För att hantera kundens utmaning väljs en 2D-snapshotkamera som lär sig med hjälp av den integrerade Deep-Learning-mjukvaran dStudio. Neurala nätverk kan tränas med denna webbtjänst. I det här fallet görs detta med bilder av den bifogade skeden i olika positioner. Med en snabb kontroll av varje burk avgör kameran på ett tillförlitligt sätt om den sked som behövs är tillgänglig. När kameran registrerar en ”bild utan sked” stannar systemet automatiskt. När den saknade skeden har lagts till fortsätter systemet att köras automatiskt utan manuell omstart.

Fördelar:
Den pålitliga, exakta och automatiska kvalitetskontrollen sparar tillverkaren tid och pengar. Stilleståndstider undviks. Kvalitetsbrister på grund av ofullständig förpackning är ett minne blott. Kunden kan själv träna om det neurala nätverket och på så sätt enkelt anpassa kameran till nya produkter. Systemet kan manövreras intuitivt utan någon speciell kunskap om AI eller bildbehandling.










