공기 방울, 먼지, 입자, 머리카락 등과 같은 오염과 이물질은 여전히 식음료 산업 내 제품 리콜이 되는 이유의 상당 부분을 차지합니다. 작업자의 개입을 최소화하면서 제품의 품질을 일관성있게 보장함으로써 생산성과 투자를 극대화하고 브랜드 명성을 유지할 수 있습니다. 육안 검사에 의존할 경우 특히 고속 생산 환경에서 결함을 찾을 때 매우 높은 비용이 발생할 수 있습니다. 작업자는 작업 단위별로 현미경으로 살펴보는 것과 같이 일상적이고 반복적인 작업을 수행해야 합니다. 제품 및 잠재적 결함의 변수로 인해 기존의 머신비전은 작업자에 의존하는 검사를 개발하고 최적화할 때 시간이 소요됩니다.
코그넥스 딥러닝은 복잡한 결함 실시간으로 찾고 분석, 분류함으로써 대규모 라인의 공급망에 오염이 발생하지 않도록 방지합니다. 딥러닝은 인간의 육안 검사 능력과 컴퓨터 시스템의 자동화, 확장성, 반복성을 결합하였습니다. 머신 조작과 비전 툴이 함께 작업 가능하도록 로봇을 사용해 때때로 작업자가 놓치는 가장 복잡한 문제까지 검사할 수 있습니다. 최종적으로 리콜 사태 감소, 재작업 비용 절감, 전체 제품 이미지 캡처 및 추적 성능 확보 등의 결과를 얻을 수 있습니다.
'자료실 > 이미지' 카테고리의 다른 글
| In-Sight D900과 VisionProDeepLearning을 이용한 정제 및 알약 검사 (0) | 2022.02.25 |
|---|---|
| In-Sight D900과 VisionProDeepLearning을 이용한 자동 육류 및 가금류 검사 (0) | 2022.02.25 |
| VisionProDeepLearning과 In-Sight 비전시스템을 이용한 라벨 오부착 패키지 검사 (0) | 2022.02.17 |
| VisionProDeepLearning과 In-Sight D900을 이용한 고무 씰 자동 검사 (0) | 2022.02.15 |
| VisionProDeepLearning과 In-Sight D900을 이용한 자동 육류 및 가금류 검사 (0) | 2022.02.15 |
