CCD検出計数機

医薬品および栄養補助食品の製造において, 精度は贅沢品ではなく、規制上および商業上の必要性です. 錠剤を数えるかどうか, カプセル, ソフトジェル, またはグミ, 製造業者は、生産ラインから出てくるすべてのボトルに正しい量が含まれており、厳格な品質基準を満たしていることを確認する必要があります。.

画像計測機は従来のものに比べて大きな進歩を遂げています。 光電計数機. 光学系を統合することで, エレクトロニクス, ソフトウェアアルゴリズム, そして機械制御, 正確な計数を実現します, リアルタイムの欠陥検出, および自動拒否 - すべて高速.

この記事では説明します, 構造的かつ技術的な方法で, 画像計測機がどのように計測を行うか, 検査, そして拒絶, そしてなぜそれが規制された業界で推奨されるソリューションになっているのか.

1. 画像の取得と信号変換

目視カウントの最初のステップは、歪みのないカウントを取得することです。, 高速で移動する物質の高解像度画像. 高画質な画像データが無い場合, 下流のアルゴリズムが確実に実行できない.

1.1 光学イメージングシステムと照明

錠剤やカプセルが検出ゾーン (多くの場合滝型の自由落下水路) を通過すると、システムが産業用カメラを作動させます。. しかし, カメラだけでは不十分です. 照明の制御は重要です.

一般的な照明構成には次のものがあります。:

均一な反射抑制を実現するドームライト

輪郭抽出用バックライト

表面欠陥検出用同軸照明

スペクトル照明 (赤く強調された) タブレットの特定の色のコントラストを向上させるため

目的は、周囲光の干渉を排除し、オブジェクトと背景の間に一貫したコントラストを作成することです。. 医薬品製造において, わずかな照明の不一致であっても、誤検出や欠陥の見逃しにつながる可能性があります。.

1.2 光信号からデジタル画像へ

カメラの内部, CCD センサー内の何百万ものピクセルが反射光子をアナログ電気信号に変換します. これらの信号はアナログ - デジタル コンバーターを通過します。 (ADC), デジタルグレースケールまたはカラーデータになる.

その結果、ピクセル強度値で構成されるバイナリ コード化されたデジタル画像が生成されます。これは、本質的に物理的オブジェクトを表す構造化データ マトリックスです。.

光データから構造化デジタルデータへのこの変換は、計数ロジック全体の基礎となります。.

1.3 カウントロジックの実装

デジタル画像を取得したら, 産業用コンピューター (IPC) リアルタイムで処理する.

主要な画像処理手順には次のものがあります。:

しきい値セグメンテーション – オブジェクトを背景から分離する

エッジ検出 – 輪郭の識別

形態学的フィルタリング – ノイズの除去

連結成分分析 - 個々のオブジェクトの分離

認識された各物体は可算単位として登録されます. 重量ベースのシステムとは異なります, 視覚的な計数は、個々の錠剤の質量変動の影響を受けません。.

先進的なシステムは、 1000 1秒あたりの個数, 高速カスケード条件下でも. 高度なセグメンテーション アルゴリズムにより、重複するタブレットをデジタル的に分離できます, 計数精度を維持する.

 

2. 特徴認識と品質検査

従来の光電計数器に対する画像計数機の決定的な利点は、その検査機能です。. 単に数を数えるだけではなく、品質を評価します.

2.1 形態学的特徴の抽出

各単位が有効であることを確認する前に, システムは多次元の特徴を抽出し、それらを事前定義された「レシピ」テンプレートと比較します。.

一般的な測定可能なパラメータには次のものがあります。: エリア (画素数), 周囲の長さ, 長さと幅の比率, 真円度 (円形度係数), アスペクト比

検出されたオブジェクトの幾何学的パラメータが許容許容範囲を超えている場合, それは不良品として分類されます.

例えば:

しきい値より小さい領域 → 破損した破片

閾値より大きい面積 → 錠剤が重なっている

真円度不均一 → 錠剤の欠け

2.2 カラーとグレースケールの分析

医薬品製造において, 色の均一性は重要です. 変化がある場合はコーティングの問題を示している可能性があります, 汚染, または劣化.

視覚システムの分析:

RGB または HSV の色分布

局所的な色ずれ (黒い斑点, 黄色い汚れ)

標準テンプレートに対するグローバルな色の一貫性

色の偏差が事前に設定された許容値を超えた場合, オブジェクトにフラグが立てられています.

2.3 物体の重なりと異物の検出

従来の光電システムはタブレットの重なりや積み重ねに苦労しています. 高度なビジョン システム、特に AI ディープラーニングを統合したシステムは差別化を図ることができます:

重なり合っているが無傷の錠剤は許容される

異物混入

壊れた破片

髪の毛や繊維の汚れ

欠陥データセットでトレーニングされた深層学習モデルにより、複雑な環境での認識が向上します, 誤検知を減らし、検出感度を向上させます。.

 

3. 欠陥の追跡と拒否の実行

検査だけでは不十分. 欠陥が特定されたら, システムは、生産フローを中断することなく、影響を受ける出力を物理的に削除する必要があります。.

3.1 意思決定ロジックと位置追跡

検査後, IPCは検出結果をPLCコントローラに送信します。. PLC は、欠陥品 (または欠陥品が入っているボトル) が排除ステーションに到達するまでに必要な正確な移動時間を計算します。.

これには必要です:

エンコーダの同期

コンベヤ速度監視

IPCとPLC間のリアルタイム通信

タイミング精度は通常ミリ秒単位です.

3.2 拒否メカニズム

システム設計による, 拒否反応は 2 つのレベルで発生する可能性があります:

個別のアイテムの削除 (エアジェットまたはロボットアーム経由)

ボトルレベルの除去 (間違ったカウントまたは欠陥が検出された場合は、ボトル全体を取り外します)

一般的な拒否テクノロジーには次のものがあります。:

空気圧エアブローシステム

サーボ駆動のメカニカルプッシャー

繊細なハンドリングを可能にするロボットアーム

目的は、中断のないスループットを維持しながら、不適合製品を完全に分離することです。.

 

4. 統合コアアーキテクチャ

画像計数機は、複数のサブシステムを調整されたユニットに統合します:

コアステージ	キーテクノロジー	機能的な成果
画像の取得	産業用カメラ, 精密光学系, LED照明, ADC	光学反射を高解像度のデジタル画像に変換します
数える & 処理	画像セグメンテーションアルゴリズム, 形態解析	対象物を高速かつ正確に識別して計数します
機能検査	色空間解析, 幾何学的比較, AIディープラーニング	破損などの欠陥を検出します, 変形, 汚染
拒否の実行	PLC制御, サーボモーター, ロボットアクチュエータ	不適合品やボトルを撤去します

この閉ループ アーキテクチャにより、検出の決定が即座に機械的な動作に変換されることが保証されます。.

 

5. なぜ視覚計数が従来の計数方法よりも優れているのか

運用上および規制上の観点から, 視覚ベースの計数には目に見えるメリットがあります:

重量の変動に依存しない精度

重量ベースのカウンターとは異なります, 視覚システムは質量等価性の仮定に依存しない.

欠陥検出能力

光電システムが存在を検出; ビジョンシステムが品質を評価する.

規制遵守のサポート

統合されたデータロギングにより, システムは、トレーサビリティと監査の準備のために MES/ERP と連携できます。これは、規制された業界では必須の要件です。.

スケーラビリティとインテリジェンス

AI ベースのアップグレードにより、ハードウェアに大きな変更を加えることなく継続的な改善が可能になります.

 

6. 医薬品および栄養補助食品の製造における実績

錠剤やカプセルの瓶詰めラインで, 高速計数との共存が必要: 欠陥ゼロの品質保証, 洗浄性と衛生コンプライアンス, 連続運転時の長期安定性;

画像計測機は次の条件を満たすように設計されています。: cGMP 製造要件, を超える高速動作 1000 個/秒, 保存されたレシピ管理による迅速な製品切り替え;

リアルタイムイメージングを組み合わせることで, インテリジェントな分析, 正確な除去制御, 計数を受動的な測定プロセスから能動的な品質管理段階に変換します。.

結論: 「見る」から「決める」、そして「行動する」へ

画像計測機は、緊密に統合された 3 つのフェーズを通じて動作します。:

見る – 高解像度の画像取得により、物理的オブジェクトをデジタル信号に変換します.

意思決定 – アルゴリズムと AI が量と質を同時に評価.

動作 – PLC 制御のメカニズムにより欠陥のある出力をリアルタイムで除去します.

この光、機械、電気、計算の統合により、高速な処理が可能になります。, 高精度, 複雑な材料の高度なインテリジェンス処理.

製薬および栄養補助食品メーカー向け, その結果、単に計数が改善されるだけではなく、製品の完全性が強化されます。, リコールリスクの軽減, 規制遵守の強化.

精度が信頼性を決定する業界において, 視覚計数システムは、単純な計数装置から生産ラインのインテリジェントな品質管理者への進化を表しています。.