Bagaimana Cara Kerja Mesin Penghitung Visi AI: Definisi & Prinsip Kerja

Untuk suplemen kesehatan kemasan premium, cacat apa pun tidak dapat diterima, karena dapat sangat merusak citra merek. Mengingat persyaratan produksi ini, bagaimana modern penghitung tablet mencapai dengan tepat penghitungan tablet dan penolakan cacat?

Jawabannya terletak pada mesin pengepakan penghitung penglihatan. Penghitung tradisional mengandalkan sensor fotolistrik, sehingga sulit untuk menolak barang cacat secara akurat; di sinilah sistem inspeksi visi AI menjadi penting. Dengan memanfaatkan kamera berkecepatan tinggi

dan pengenalan sistem, mesin penghitung kamera CCD farmasi dapat secara otomatis mengidentifikasi dan menolak botol yang berisi tablet di bawah standar. Namun, dapatkah penghitung berbasis penglihatan mendeteksi dan menolak setiap jenis cacat? ​​Artikel ini menguraikan cakupan spesifik penolakan cacat untuk mesin ini dan menjelaskan prinsip di balik pengoperasiannya.

Poin Penting

• Alur kerja operasional inti dari mesin pengepakan penghitung visi.
• Cacat fisik tertentu yang dapat dideteksi dan ditolak secara akurat oleh sistem inspeksi visi AI.
• Penjelasan langkah demi langkah tentang bagaimana model visi mesin AI untuk menghitung kapsul dilatih menggunakan gambar produk nyata.
• Keterbatasan inspeksi visual otomatis dan mengapa pencahayaan dan orientasi produk penting.
• Panduan untuk bermitra dengan produsen sistem inspeksi penglihatan yang berpengalaman.

1. Apa Itu Mesin Pengemas Penghitung Visi?

Pada intinya, mesin pengepakan penghitung visi adalah peralatan canggih yang menggabungkan sistem penghitungan produk berkecepatan tinggi dengan kontrol kualitas waktu nyata. Daripada hanya memasukkan produk ke dalam botol, mesin penghitung inspeksi visual AI mengevaluasi setiap item.

Logika inti mengalir dalam koordinasi:

Pengumpanan → Pemisahan → Pengambilan Gambar → Klasifikasi Baik/Buruk → Anotasi → Penghitungan → Pembotolan → Penolakan cacat otomatis

Kamera bertindak sebagai mata operasi yang tidak berkedip, menangkap gambar produk beresolusi tinggi saat bergerak di sepanjang garis. Sistem deteksi cacat AI menganalisis tampilan dalam milidetik. Produk-produk berkualitas terus berlanjut, sedangkan produk cacat langsung ditolak melalui mekanisme pneumatik. Akhirnya, hanya produk bagus yang dihitung dan dipindahkan ke kemasan.

Apakah Anda menggunakan a mesin penghitung tablet atau mesin penghitung kapsul, teknologi ini beradaptasi dengan sempurna. Mesin penghitung visi AI dapat dengan mudah memeriksa tablet, kapsul, dan bahkan permen karet yang lengket, memastikan bahwa mesin penghitungan dan pengepakan farmasi Anda memberikan hasil yang sempurna setiap saat.

2. Cacat Apa yang Dapat Dideteksi oleh Mesin Penghitung Visi AI?

Mesin pembotolan inspeksi visual AI dirancang terutama untuk cacat penampilan yang terlihat. Dalam deteksi cacat tablet, deteksi cacat kapsul, dan deteksi cacat bergetah, tujuannya bukan untuk menggantikan sistem mutu laboratorium secara keseluruhan, tetapi untuk mengetahui masalah yang terlihat sebelum pengepakan.

Perbedaan Warna

Warna adalah salah satu hal pertama yang diperhatikan pelanggan. Tablet putih yang dicampur ke dalam kumpulan tablet biru tampak seperti mercusuar kecil yang berkedip "ada yang tidak beres".

Sistem inspeksi AI dapat mendeteksi:

• Warna yang salah
• Warna tidak normal
• Variasi warna
• Produk campuran warna
• Tampilan lapisan tidak rata

Hal ini sangat berguna dalam pemeriksaan warna tablet, pemeriksaan cacat kapsul, dan lini mesin penghitung tablet vitamin di mana SKU yang berbeda mungkin terlihat serupa tetapi tidak boleh dicampur.

Perbedaan Bentuk

Cacat bentuk sering terjadi pada penghitungan kecepatan tinggi, lapisan, pengeringan, angkutan, atau memberi makan.

Sistem pemeriksaan tablet atau sistem pemeriksaan kapsul dapat mengidentifikasi:

• Bentuk tidak normal
• Tablet cacat
• Kapsul tidak beraturan
• Permen karet yang cacat
• Kapsul tampak cacat

Misalnya, gummy mungkin meregang atau berubah bentuk selama pemrosesan hulu. Dalam mesin hitung suplemen normal, itu mungkin masih dihitung. Dalam sistem deteksi cacat AI, itu dapat diklasifikasikan sebagai Buruk dan dibuang setelah pengisian botol.

Perbedaan Ukuran

Ukuran adalah faktor pemeriksaan penting lainnya. Produk yang terlalu besar atau terlalu kecil mungkin menunjukkan ketidakstabilan proses, kerusakan, atau campur aduk produk.

Sistem visi industri dapat mendeteksi:

• Produk berukuran besar
• Produk berukuran kecil
• Dimensi tidak normal
• Diameter atau panjang tablet salah

Ketidakteraturan ukuran kapsul

Untuk visi mesin farmasi, pemeriksaan ukuran membantu memperkuat konsistensi batch. Ini juga mendukung pengoperasian mesin penghitung tablet berkecepatan tinggi, karena pemeriksaan dan penghitungan dapat terjadi dalam satu proses yang berkesinambungan.

Goresan Permukaan

Kerusakan permukaan tidak selalu mempengaruhi dosis, namun hal tersebut dapat mempengaruhi kepercayaan pelanggan. Tablet dengan lapisan tergores terlihat buruk, terutama di pasar suplemen premium dan nutraceutical.

Sistem dapat mendeteksi:

• Goresan
• Kerusakan permukaan yang terlihat
• Tanda tidak normal
• Kerusakan lapisan
• Noda permukaan

Seperti yang dicatat oleh salah satu manajer QA farmasi, “Untuk produk dosis padat, kualitas visual adalah bagian dari kepercayaan produk. Sebuah tablet mungkin benar secara kimia, namun jika terlihat rusak, pelanggan mungkin masih menolaknya.” Dengan kata lain, kualitas visual berbicara sebelum label melakukannya.

Produk Rusak Dan Tidak Lengkap

Produk rusak adalah salah satu target terpenting untuk deteksi cacat tablet dan penolakan cacat otomatis.

Mesin penghitung visi AI dapat mengidentifikasi:

• Tablet rusak
• Tablet terkelupas
• Tablet tidak lengkap
• Permen karet yang rusak
• Kapsul terlihat retak
• Kapsul tampak cacat

Di sinilah deteksi tablet rusak, deteksi tablet terkelupas, deteksi tablet tidak lengkap, dan deteksi tablet yang rusak menjadi sangat praktis. Peralatan penghitung tablet tradisional dapat menghitung setengah tablet sebagai satu produk jika bentuknya masih lolos sensor. Namun dengan pemeriksaan cacat AI, mesin dapat mengenali secara visual bahwa produk tersebut belum lengkap.

3. Bagaimana AI Belajar Mengidentifikasi Produk Baik dan Buruk?

Ini adalah bagian yang membuat mesin pengemas penghitungan visi AI berbeda dari sistem penghitung tablet biasa atau penghitung pil elektronik. Model AI tidak secara ajaib “terlahir pintar”. Ia belajar dari gambar produk Baik dan Buruk yang sebenarnya, seperti inspektur baru yang belajar dari papan sampel—tetapi lebih cepat, lebih dapat diulang, dan tanpa perlu rehat kopi.

Melangkah 1: Tangkap Gambar Baik Dan Buruk

Proses pelatihan dimulai dari antarmuka mesin.

Di HMI, operator masuk:

Pengambilan Grafik → Mulai Gambar V dan S

Sistem menangkap gambar produk nyata. Gambar-gambar ini kemudian dibagi menjadi dua label:

Bagus = produk berkualitas

Buruk = produk cacat

Setelah pengambilan gambar, operator memilih Buka Gambar, dan sistem menghasilkan folder terpisah:

Folder yang bagus

Folder Buruk

Untuk inspeksi visual tablet, inspeksi visual kapsul, atau inspeksi visual bergetah, langkah ini penting karena kualitas pelatihan AI sangat bergantung pada kualitas dan variasi gambar sampel.

Seorang ahli visi di pabrik kami, Henry Li, menjelaskan, “Modelnya tidak belajar dari slogan. Ia belajar dari gambar. Jika kumpulan data pelatihan tidak mewakili variasi produksi nyata, hasil pemeriksaannya tidak akan stabil.” Itulah sebabnya sampel nyata lebih penting daripada brosur yang indah.

Melangkah 2: Anotasi Otomatis

Anotasi berarti memberi label pada gambar sehingga sistem inspeksi visual mengetahui apa yang dilihatnya.

Alur kerjanya adalah:

Buka Folder Baik/Buruk → Pilih Anotasi Q → Anotasi Otomatis

Misalnya:

1. Buka Folder Buruk
2. Pilih Anotasi Buruk
3. Sistem secara otomatis memberi label pada gambar sebagai Buruk

Anotasi otomatis sangat berguna saat menyiapkan kumpulan data besar untuk pemeriksaan cacat tablet, pemeriksaan bentuk kapsul, deteksi goresan tablet, atau deteksi cacat bergetah. Daripada memberi label secara manual pada setiap gambar satu per satu, sistem dapat memproses banyak gambar dengan cepat.

Hal ini meningkatkan efisiensi saat menyiapkan model visi mesin AI untuk lini mesin penghitung batch, garis mesin penghitung nutraceutical, atau lini mesin pengemas suplemen makanan.

Melangkah 3: Anotasi Manual

Anotasi otomatis menghemat waktu, tapi koreksi manual tetap penting, karena sistem masih belum mengetahui “apa yang buruk”.

Berikut adalah contoh gaya produksi nyata: satu gambar yang diambil berisi lima tablet. Empat tablet rusak, tapi satu tablet itu Bagus. Selama anotasi otomatis, sistem mungkin memberi label kelima tablet pada gambar sebagai Buruk karena gambar dibuka dari folder Buruk.

Operator kemudian perlu melakukannya:

Buka Gambar → Pilih Tablet yang Labelnya Salah → Tandai Baik atau Buruk Secara Manual

Langkah ini mengoreksi data pelatihan. Ini memberitahu model inspeksi AI, “Yang ini sebenarnya mumpuni. Jangan menolak produk seperti ini.”

Anotasi manual meningkatkan akurasi dan konsistensi set data pelatihan. Untuk proyek mesin penghitung inspeksi visual farmasi, Hal ini penting karena kesalahan label yang kecil dapat menjadi kesalahan penolakan yang berulang selama pengoperasian kecepatan tinggi.

Melangkah 4: Gabungkan File

Setelah gambar Baik dan Buruk disiapkan dan diperbaiki, folder-folder tersebut digabungkan.

Alur kerjanya adalah:

Folder yang bagus + Folder Buruk → Gabungkan File

Sistem membuat satu kumpulan data pelatihan terpadu. Kumpulan data ini menjadi dasar model AI akhir.

Di satu sisi, kumpulan data ini seperti buku resep untuk mesin. Kalau resepnya jelas, AI dapat membuat keputusan yang lebih baik. Jika resepnya berantakan, bahkan sistem yang paling cerdas pun bisa menyajikan hidangan yang salah.

Melangkah 5: Kereta Model

Setelah persiapan kumpulan data, operator memulai pelatihan model:

Impor Kumpulan Data → Pilih Lokasi Keluaran → Kereta Model

Karena mesin tersebut dilengkapi sistem pembelajaran AI bawaan, pabrikan tidak perlu mengembangkan kembali platform perangkat lunak AI yang lengkap dari awal. Operator mengimpor kumpulan data, memilih lokasi keluaran, dan memulai pelatihan.

Setelah pelatihan, sistem menghasilkan model inspeksi AI. Model ini kemudian digunakan selama produksi nyata untuk mengklasifikasikan produk menjadi Baik atau Buruk.

Untuk produsen farmasi dan suplemen, ini adalah keuntungan praktis. Apakah saluran tersebut merupakan mesin penghitung farmasi, penghitung tablet suplemen, Mesin penghitung bergetah, atau mesin penghitung batch nutraceutical, model inspeksi dapat dilatih seputar sampel produk aktual dan standar cacat aktual.

4. Bagaimana Sistem Visi AI Menolak Produk Cacat?

Selama produksi langsung, sistem inspeksi visi AI beroperasi dengan kecepatan kilat. Alur kerjanya sederhana:

1. Pengumpanan produk
2. Pencitraan kamera
3. Inspeksi cacat AI
4. Keputusan baik/buruk
5. Tolak sinyal
6. Penolakan produk cacat

Mari kita lihat sebuah contoh. Tablet yang tergores memasuki area pemeriksaan. Kamera menangkap gambar, AI mengidentifikasi goresan dalam milidetik, sistem mengklasifikasikannya sebagai Buruk, dan mekanisme penolakan pneumatik langsung menghilangkannya dari saluran.

Mesin tidak hanya menghitung produk. Ini penting saat memeriksa penampilan produk. Kemampuan aksi ganda ini menjadikan mesin penghitungan dan pengepakan sebagai aset yang sangat berharga untuk lini produksi modern.

5. Apa yang Bisa Farmasi Inspeksi Visi AI Mesin Hitung Tidak Mendeteksi?

Meskipun mesin penghitung dan pembotolan AI sangat kuat, itu tidak mahakuasa. Produsen sistem inspeksi penglihatan profesional akan selalu transparan mengenai batasan alat berat. Inspeksi visual farmasi terutama berfokus pada cacat yang terlihat seperti inspeksi ukuran tablet dan inspeksi permukaan tablet. Jika menyangkut cacat yang tidak terlihat, itu tidak dapat ditentukan dengan andal:

• Kandungan bahan aktif
• Komposisi kimia
• Akurasi dosis
• Kontaminasi mikroba
• Kadar air
• Retakan internal yang tidak dapat dilihat
• Kepadatan dalam
• Cacat tersembunyi

Lebih-lebih lagi, faktor lingkungan dan fisik dapat menantang sistem:

Produk Tumpang Tindih: Beberapa tablet yang saling tumpang tindih dapat menyembunyikan cacat asli. itu tergantung pada tingkat tumpang tindihnya. Jika dua tablet saling tumpang tindih, mereka sulit diidentifikasi.

Orientasi Produk Buruk: Jika cacat ada di bagian bawah, keluar dari pandangan kamera, itu mungkin terlewatkan.

Sampel Pelatihan Tidak Memadai: Jika jenis kerusakan tertentu tidak ada dalam data pelatihan, AI mungkin tidak mengenalinya.

Inspeksi visi AI harus dirancang berdasarkan produk sebenarnya, jenis cacat, kondisi pencahayaan, dan persyaratan pemeriksaan.

6. Pilih Produsen Sistem Inspeksi Penglihatan yang Berpengalaman: Mengapa Itu Penting

Memilih mesin penghitungan dan pengepakan farmasi yang tepat lebih dari sekadar membandingkan lembar spesifikasi. Bermitra dengan produsen sistem inspeksi penglihatan yang berpengalaman sangat penting untuk integrasi yang lancar. Inilah mengapa keahlian mereka penting:

Pelatihan AI Khusus Produk: Tablet yang berbeda, kapsul, dan permen karet memerlukan data pelatihan yang sangat berbeda. Pabrikan yang ahli tahu cara mengoptimalkannya.

Konfigurasi Kamera dan Pencahayaan: Sistem visi mesin harus disesuaikan berdasarkan warna produk, membentuk, permukaan, ukuran, dan reflektifitas.

Integrasi Sistem Penolakan: Mengidentifikasi kelemahan hanyalah setengah dari perjuangan. Sistem deteksi cacat AI harus tersinkronisasi secara sempurna dengan mekanisme penolakan, sistem penghitungan, konveyor, dan mesin pengepakan.

Pengujian Produk Nyata: Pabrikan yang memiliki reputasi baik tidak hanya akan menjual brosur kepada Anda. Mereka akan mengambil sampel Baik dan sampel Buruk Anda, melakukan pelatihan AI, menjalankan tes inspeksi, dan memberikan verifikasi penolakan.

Marcus Vance, Direktur Inovasi Pengemasan, negara bagian, “Mengintegrasikan AI ke dalam proses penghitungan berbasis visi bukan sekadar peningkatan; ini adalah perubahan paradigma. Namun ini hanya berfungsi jika pabrikan Anda memahami tantangan optik unik dari formulasi spesifik Anda.” Hal ini memperkuat mengapa memilih vendor khusus tidak dapat dinegosiasikan.

Ruida packing: Pelopor Sistem Inspeksi Penglihatan Tiongkok

Ruida Packing berfokus pada penelitian dan pengembangan mesin manufaktur farmasi dan nutraceutical. Telah bekerjasama erat dengan Fortune 500 perusahaan farmasi seperti US Pharma, UCB, dan Grup Atlantik Coatian, mesin mereka secara ketat mematuhi CE, cGMP, dan standar internasional ISO.

Dalam beberapa tahun terakhir, kami telah meluncurkan seri baru mesin pengepakan penghitung visi yang mencapai kecepatan hingga 100 botol/mnt, menawarkan penghitungan yang tepat dan rentang penolakan yang luas. Bermitra dengan jaminan Ruida:

• Garansi 1 tahun untuk seluruh mesin dengan penggantian suku cadang gratis selama satu tahun.
• Layanan komisioning jarak jauh dan di tempat yang komprehensif.
• Penggunaan komponen merek terkenal internasional, memastikan suku cadang purnajual dapat diperoleh secara lokal.

7. Kesimpulan

Untuk produksi farmasi dan suplemen modern, tujuannya bukan lagi sekadar penghitungan tablet yang lebih cepat. Nilai sebenarnya lebih jelas: Hitung jumlah yang tepat. Periksa setiap produk. Tolak cacat yang telah ditentukan sebelumnya sebelum pengepakan. Mesin pengepakan penghitungan visi AI membantu produsen menggabungkan akurasi penghitungan dengan pengendalian cacat yang terlihat. Dan memilih produsen sistem inspeksi visi Farmasi yang tepat menjadikan sistem tersebut praktis, stabil, dan siap untuk produksi nyata.

8. Pertanyaan Umum

Q1: Apa itu mesin pengepakan penghitung visi AI?

Ini adalah mesin penghitungan dan pengepakan otomatis canggih yang menggabungkan penghitungan produk berkecepatan tinggi dengan inspeksi visual AI waktu nyata. Secara otomatis mendeteksi dan menolak produk cacat sebelum dihitung dan dibotolkan.

Q2: Cacat apa yang dapat dideteksi oleh mesin penghitung visi AI?

Ini dapat mengidentifikasi berbagai kelemahan yang terlihat, termasuk variasi warna, bentuk yang tidak normal, ukuran yang salah, goresan permukaan, dan produk rusak atau tidak lengkap.

Q3: Bisakah mesin memeriksa tablet, kapsul dan permen karet?

Ya, sangat! Model inspeksi AI dapat dilatih untuk mengenali dan memeriksa berbagai jenis produk, menjadikannya sangat serbaguna untuk tablet, kapsul, dan permen karet.

Q4: Bagaimana AI belajar mengidentifikasi produk yang Baik dan Buruk?

Operator memberi makan gambar keduanya yang memenuhi syarat (Bagus) dan cacat (Buruk) produk ke dalam sistem. Melalui anotasi otomatis dan manual, sistem pembelajaran AI bawaan melatih model inspeksi khusus.

Q5: Dapatkah pemeriksaan visi AI mendeteksi kerusakan farmasi internal?

TIDAK, Sistem visi AI hanya mendeteksi cacat permukaan yang terlihat. Mereka tidak dapat menganalisis kandungan bahan aktif, retakan internal, komposisi kimia, atau tingkat kelembapan.

Referensi

• Pasar dan Pasar: Ukuran Pasar Visi Mesin Industri, Membagikan & Tren 3 Penelitian Pandangan Besar: Peralatan Pengemasan Farmasi
• Ukuran Pasar, Membagikan & Laporan Analisis Tren

• FDA: Metrik Kualitas untuk Manufaktur Farmasi