در تولید دارو و مواد غذایی, دقت یک امر تجملی نیست، بلکه یک ضرورت نظارتی و تجاری است. چه شمارش قرص, کپسول ها, نرم ژل ها, یا لثه ای, تولیدکنندگان باید اطمینان حاصل کنند که هر بطری که از خط تولید خارج میشود دارای مقدار صحیح و مطابق با استانداردهای دقیق کیفیت باشد.
ماشین شمارش بینایی نشان دهنده یک پیشرفت بزرگ نسبت به سنتی است دستگاه شمارش فوتوالکتریک. با ادغام اپتیک, الکترونیک, الگوریتم های نرم افزاری, و کنترل مکانیکی, به شمارش دقیق دست می یابد, تشخیص نقص در زمان واقعی, و رد خودکار - همه با سرعت بالا.
این مقاله توضیح می دهد, به صورت ساختاری و فنی, چگونه یک ماشین شمارش بینایی شمارش را انجام می دهد, بازرسی, و رد, و چرا به یک راه حل ترجیحی در صنایع تحت نظارت تبدیل شده است.
1. جذب تصویر و تبدیل سیگنال
اولین قدم در شمارش بصری به دست آوردن یک اعوجاج بدون اعوجاج است, تصویر با وضوح بالا از مواد با حرکت سریع. بدون داده های تصویری با کیفیت بالا, الگوریتم های پایین دستی نمی توانند به طور قابل اعتماد عمل کنند.
1.1 سیستم تصویربرداری نوری و روشنایی
هنگامی که قرص ها یا کپسول ها از منطقه تشخیص عبور می کنند - اغلب در یک کانال سقوط آزاد به سبک آبشار - سیستم یک دوربین صنعتی را راه اندازی می کند.. هر چند, دوربین به تنهایی کافی نیست. روشنایی کنترل شده بسیار مهم است.
تنظیمات نورپردازی رایج عبارتند از:
چراغ های گنبدی برای سرکوب یکنواخت بازتاب
نور پس زمینه برای استخراج کانتور
روشنایی کواکسیال برای تشخیص عیوب سطح
نورپردازی طیفی (قرمز شده) برای بهبود کنتراست در رنگ های خاص تبلت
هدف از بین بردن تداخل نور محیط و ایجاد کنتراست ثابت بین شی و پس زمینه است. در تولید دارو, حتی ناهماهنگی جزئی نور می تواند منجر به تشخیص نادرست یا نقص از دست رفته شود.
1.2 از سیگنال نوری تا تصویر دیجیتال
داخل دوربین, میلیونها پیکسل در حسگر CCD فوتونهای منعکسشده را به سیگنالهای الکتریکی آنالوگ تبدیل میکنند. این سیگنال ها از یک مبدل آنالوگ به دیجیتال عبور می کنند (ADC), تبدیل شدن به مقیاس خاکستری دیجیتال یا داده های رنگی.
نتیجه یک تصویر دیجیتالی با کد باینری است که از مقادیر شدت پیکسل تشکیل شده است - اساساً یک ماتریس داده ساختار یافته که شی فیزیکی را نشان می دهد..
این تبدیل - از نور به داده های دیجیتالی ساخت یافته - پایه و اساس کل منطق شمارش است.
1.3 پیاده سازی منطق شمارش
هنگامی که تصویر دیجیتال به دست آمد, یک کامپیوتر صنعتی (IPC) آن را در زمان واقعی پردازش می کند.
مراحل اصلی پردازش تصویر شامل:
تقسیم بندی آستانه - جداسازی شی از پس زمینه
تشخیص لبه - شناسایی خطوط
فیلتر مورفولوژیکی - حذف نویز
تجزیه و تحلیل اجزای متصل - جداسازی اشیاء منفرد
هر شی شناسایی شده به عنوان یک واحد قابل شمارش ثبت می شود. بر خلاف سیستم های مبتنی بر وزن, شمارش بصری تحت تأثیر تغییرات توده قرص فردی قرار نمی گیرد.
سیستم های پیشرفته می توانند از 1000 قطعات در ثانیه, حتی در شرایط آبشاری با سرعت بالا. الگوریتمهای تقسیمبندی پیچیده به تبلتهای همپوشانی امکان جداسازی دیجیتالی را میدهند, حفظ دقت شمارش.
2. تشخیص ویژگی و بازرسی کیفیت
مزیت تعیین کننده یک ماشین شمارش بینایی نسبت به شمارنده های فوتوالکتریک سنتی، قابلیت بازرسی آن است. این فقط به حساب نمی آید - کیفیت را ارزیابی می کند.
2.1 استخراج ویژگی مورفولوژیکی
قبل از تأیید اعتبار هر واحد, سیستم ویژگی های چند بعدی را استخراج می کند و آنها را با یک الگوی از پیش تعریف شده "دستور پخت" مقایسه می کند.
پارامترهای رایج قابل اندازه گیری عبارتند از: منطقه (تعداد پیکسل), طول محیط, نسبت طول و عرض, گرد بودن (ضریب دایره ای بودن), نسبت تصویر
اگر پارامترهای هندسی یک شی شناسایی شده خارج از محدوده تحمل قابل قبول باشد, به عنوان معیوب طبقه بندی می شود.
به عنوان مثال:
منطقه کوچکتر از آستانه → قطعه شکسته
منطقه بزرگتر از آستانه → قرص های همپوشانی
دایره ای نامنظم ← قرص تراشه شده
2.2 تجزیه و تحلیل رنگ و مقیاس خاکستری
در تولید دارو, یکنواختی رنگ بسیار مهم است. تغییرات ممکن است مشکلات پوشش را نشان دهد, آلودگی, یا انحطاط.
تجزیه و تحلیل سیستم های بینایی:
توزیع رنگ RGB یا HSV
انحراف رنگ موضعی (لکه های سیاه, لکه های زرد)
ثبات رنگ جهانی در برابر الگوی استاندارد
اگر انحراف رنگ بیش از حد تحمل از پیش تعیین شده باشد, شی پرچم گذاری شده است.
2.3 اجسام همپوشانی و تشخیص ماده خارجی
سیستمهای فوتوالکتریک سنتی با قرصهایی که روی هم قرار گرفتهاند یا روی هم قرار گرفتهاند، دست و پنجه نرم میکنند. سیستم های بینایی پیشرفته - به ویژه آنهایی که یادگیری عمیق هوش مصنوعی را ادغام می کنند - می توانند متمایز شوند:
قرص های قابل قبول همپوشانی اما دست نخورده
ذرات خارجی مخلوط شده
تکه های شکسته
آلودگی مو یا الیاف
مدل های یادگیری عمیق آموزش داده شده بر روی مجموعه داده های نقص، تشخیص را در محیط های پیچیده بهبود می بخشد, کاهش مثبت کاذب و بهبود حساسیت تشخیص.
3. ردیابی نقص و اجرای رد
بازرسی به تنهایی کافی نیست. پس از شناسایی نقص, سیستم باید خروجی آسیب دیده را بدون ایجاد اختلال در جریان تولید حذف کند.
3.1 منطق تصمیم گیری و ردیابی موقعیت
پس از بازرسی, IPC نتایج تشخیص را به یک کنترلر PLC ارسال می کند. PLC زمان دقیق سفر مورد نیاز برای کالای معیوب - یا بطری حاوی آن - برای رسیدن به ایستگاه رد را محاسبه می کند..
این نیاز دارد:
همگام سازی رمزگذار
نظارت بر سرعت نوار نقاله
ارتباط بلادرنگ بین IPC و PLC
دقت زمان بندی معمولاً بر حسب میلی ثانیه است.
3.2 مکانیسم های رد
بسته به طراحی سیستم, رد ممکن است در دو سطح رخ دهد:
حذف آیتم های فردی (از طریق جت هوا یا بازوی رباتیک)
رد در سطح بطری (در صورت تشخیص تعداد نادرست یا نقص، کل بطری برداشته می شود)
فن آوری های رایج رد شامل:
سیستم های دمش هوا پنوماتیک
فشار دهنده های مکانیکی سروو محور
بازوهای رباتیک برای جابجایی ظریف
هدف، تفکیک مطلق محصول غیر منطبق با حفظ توان عملیاتی بدون وقفه است.
4. معماری هسته یکپارچه
یک ماشین شمارش بینایی چندین زیر سیستم را در یک واحد هماهنگ ادغام می کند:
| مرحله اصلی | فن آوری های کلیدی | نتیجه عملکردی |
| اکتساب تصویر | دوربین صنعتی, اپتیک دقیق, روشنایی LED, ADC | انعکاس نوری را به تصویر دیجیتال با وضوح بالا تبدیل می کند |
| شمارش & پردازش | الگوریتم های تقسیم بندی تصویر, تجزیه و تحلیل مورفولوژی | شناسایی و شمارش دقیق اشیاء با سرعت بالا |
| بازرسی ویژگی | تحلیل فضای رنگی, مقایسه هندسی, یادگیری عمیق هوش مصنوعی | عیوب مانند شکستگی را تشخیص می دهد, تغییر شکل, آلودگی |
| اجرای رد | کنترل PLC, موتورهای سروو, محرک های رباتیک | اقلام یا بطری های غیر منطبق را حذف می کند |
این معماری حلقه بسته تضمین می کند که تصمیمات تشخیص بلافاصله به اقدامات مکانیکی تبدیل می شوند.
5. چرا شمارش بینایی بر روشهای شمارش سنتی برتری دارد؟
از منظر عملیاتی و نظارتی, شمارش مبتنی بر بینایی مزایای قابل اندازه گیری را ارائه می دهد:
دقت استقلال از تغییرات وزن
بر خلاف شمارنده های مبتنی بر وزن, سیستم های بصری بر فرضیات هم ارزی جرم تکیه نمی کنند.
قابلیت تشخیص عیب
سیستم های فوتوالکتریک حضور را تشخیص می دهند; سیستم های بینایی کیفیت را ارزیابی می کنند.
پشتیبانی از رعایت مقررات
با ثبت اطلاعات یکپارچه, سیستم ها می توانند برای ردیابی و آمادگی ممیزی با MES/ERP ارتباط برقرار کنند - یک نیاز ضروری در صنایع تحت نظارت.
مقیاس پذیری و هوشمندی
ارتقاء مبتنی بر هوش مصنوعی، بهبود مستمر را بدون تغییرات سخت افزاری عمده امکان پذیر می کند.
6. عملکرد در تولید دارو و مواد غذایی
در خطوط بطری قرص و کپسول, شمارش سرعت بالا باید با هم وجود داشته باشد: تضمین کیفیت بدون نقص, نظافت و رعایت بهداشت, پایداری طولانی مدت تحت عملیات مداوم;
ماشین های شمارش بینایی برای ملاقات مهندسی شده اند: الزامات تولید cGMP, عملکرد با سرعت بالا بیش از 1000 pcs/sec, تغییر سریع محصول از طریق مدیریت دستور پخت ذخیره شده;
با ترکیب تصویربرداری بلادرنگ, تحلیل هوشمند, و کنترل رد دقیق, آنها شمارش را از یک فرآیند اندازه گیری غیرفعال به مرحله کنترل کیفیت فعال تبدیل می کنند.
نتیجه گیری: از "دیدن" تا "تصمیم گیری" تا "عملکردن"
یک ماشین شمارش بینایی در سه فاز کاملاً یکپارچه کار می کند:
دیدن - گرفتن تصویر با وضوح بالا، اشیاء فیزیکی را به سیگنال های دیجیتال تبدیل می کند.
تصمیم گیری – الگوریتم ها و هوش مصنوعی کمیت و کیفیت را به طور همزمان ارزیابی می کنند.
عمل - مکانیسم های کنترل شده با PLC خروجی معیوب را در زمان واقعی حذف می کنند.
این ادغام نوری - مکانیکی - الکتریکی - محاسباتی سرعت بالا را امکان پذیر می کند, با دقت بالا, و پردازش با هوش بالا مواد پیچیده.
برای تولید کنندگان دارو و مواد غذایی, نتیجه صرفاً بهبود شمارش نیست، بلکه یکپارچگی محصول افزایش یافته است, کاهش خطر یادآوری, و انطباق با مقررات را تقویت کرد.
در صنعتی که دقت، اعتبار را تعریف می کند, سیستم های شمارش بینایی نشان دهنده تکامل از دستگاه های شمارش ساده به نگهبانان کیفیت هوشمند در خط تولید است..
پرش به محتوا 
