El reto del cliente es detectar con fiabilidad cucharas transparentes en superficies metálicas reflectantes para mejorar el control de calidad
El polvo producido por un fabricante de productos alimenticios se envasa en latas de aluminio. A continuación se cierran las latas y se coloca una cuchara dosificadora en cada una. Durante el control de calidad se comprueba, entre otras cosas, si se incluye una cuchara con cada lata. Cuando se introdujo una cuchara transparente para mejorar la tasa de reciclado, ni siquiera el procesamiento de imágenes especial basado en sensores fue capaz de detectarla con fiabilidad en la superficie metálica ondulada, perforada y reflectante.
Para responder al reto del cliente se ha optado por una cámara de instantáneas 2D que aprende utilizando el software de Deep Learning integrado dStudio. Este servicio web puede utilizarse para entrenar redes neuronales. En este caso, se hace mediante imágenes de la cuchara adjunta en distintas posiciones. La cámara determina de forma fiable si la cuchara necesaria está presente durante una comprobación rápida de cada lata. Si la cámara detecta una “foto sin cuchara”, el sistema se detiene automáticamente. En cuanto se haya añadido la cuchara que falta, el sistema seguirá funcionando automáticamente sin necesidad de reiniciarlo manualmente.

Ventajas:
El control de calidad fiable, preciso y automatizado ahorra tiempo y dinero al fabricante. Se evitan los tiempos de parada. Los defectos de calidad debidos a un envasado incompleto son cosa del pasado. El propio cliente puede volver a entrenar la red neuronal y adaptar así fácilmente la cámara a nuevos productos. El sistema puede manejarse de forma intuitiva sin necesidad de conocimientos especiales de IA o procesamiento de imágenes.










