Schon lange Machine Learning und jetzt auch Deep Learning: Sinnvoll eingesetzt erweitert künstliche Intelligenz die Grenzen des Erkennbaren bei der Leer- und Vollgutinspektion im Abfüll- und Verpackungsprozess von Getränken, Lebensmitteln oder Pharmazeutika. Und unterscheidet Kritisches kompetent von Unkritischem.
KI – ein Schlagwort, an dem heutzutage niemand mehr vorbeikommt: Mit Chatbots, Bild- und Videogeneratoren dringt künstliche Intelligenz in letzter Zeit immer tiefer in unseren Alltag vor. Für die Heuft Systemtechnik GmbH hingegen ist ihr Einsatz nichts Neues. Um unnötige Pack- und Lebensmittelverschwendung nachhaltig zu verhindern, vertieft das Unternehmen schon seit über 15 Jahren mit seiner eigens zur Inline-Inspektion leerer und befüllter Getränke-, Food- und Arzneimittelverpackungen entwickelten Heuft-KI die Erkennungsgenauigkeit modularer Inspektionssysteme und trägt dazu bei, die Fehlausleitrate, also den Anteil fälschlicherweise ausgeschleuster Produkte ohne kritische Fehler, immer weiter abzusenken.
Machine Learning beherrscht die Hard- und Software zur Echtzeitbildverarbeitung der Systemtechniker aus der Vulkaneifel bereits 2010: Erkannte Objekte werden intelligent klassifiziert, um kritische Fehler und Fremdkörper klar von harmlosen Strukturen und Objekten zu unterscheiden. Wassertropfen an der Außenwand z. B. lassen sich als „gut“ einlernen, sodass betroffene Packmittel nicht mehr ausgeleitet werden. Neue KI-Tools machen jetzt noch mehr möglich.
Image Processing und Deep Learning
Die proprietäre KI zur Verarbeitung von Erkennungsbildern von Heuft ist keinesfalls mit dem Internet verbunden und unterscheidet sich deutlich von webbasierten Tools wie etwa den Chatbots. Es handelt sich nicht um eine generative KI: Heuft reflexx A.I. soll nichts generieren, nichts neu erschaffen. Vielmehr geht es darum, Erkennungsbilder intelligent auszuwerten und Erkanntes immer kompetenter als „gut“ oder „schlecht“ zu beurteilen. Objekte und Strukturen werden voneinander unterschieden, Muster und Trends erkannt, sodass es sich vielmehr um sogenannte diskriminative bzw. prädiktive KI handelt. Künstliche Intelligenz also, die Unterschiede feststellen und Vorhersagen treffen kann.
Um tiefer liegende Strukturen und Objekte sichtbarer zu machen und kompetent beurteilen zu können, braucht es geeignete bildgebende Verfahren. Denn selbst das beste KI-Modell kann nur das finden, was wirklich vorhanden und zu sehen ist. Statt sich also allein auf intelligente Bildauswertung zu fokussieren, entwickelt man hier auch die Bildgebung ständig weiter. So rückt z. B. das direkt in die entsprechenden Kameras integrierte Multi Color Image Processing (MCIP) Produkt und Verpackung immer ins rechte Licht: Unterschiedliche Beleuchtungsszenarien wie Hell- und Dunkelfeldbeleuchtung im Auf- und Durchlicht werden aus ein und derselben Perspektive heraus miteinander kombiniert. Und zwar in unterschiedlichen Farben, um die entstehenden Informationen spektral voneinander separieren und die einzelnen Farbkanäle so miteinander verrechnen zu können, dass sich auf den Erkennungsbildern unterschiedlichste Merkmale herausarbeiten lassen: Ausbrüche und Absplitterungen im Gewinde- und Underchip-Bereich werden bei der optischen Inspektion der oberen Seitenwände leerer Weißglasbehälter dank strukturierter MCIP-Farbbeleuchtung nicht wie bisher nur partiell, sondern stets komplett vollflächig abgebildet.
Intelligente Bodeninspektion
Neue Deep-Learning-KI steigert jetzt zusätzlich die Sensitivität der kamerabasierten Inspektion. Bislang Unsichtbares wird sichtbar gemacht und Kritisches klar von Unkritischem unterschieden. Vielschichtige neuronale Modelle verkürzen Inbetriebnahmen und bringen selbst unter schwankenden Umgebungsbedingungen stabilere Ergebnisse. Die Heuft-InLine II-Leerflascheninspektoren lassen sich damit schon optimal vorkonfiguriert installieren. Langwierige sortenspezifische Teach-in-Prozeduren entfallen weitestgehend. Wo man zuvor für so gut wie jede Flaschensorte und -form einen eigenen Algorithmus brauchte, um ihren Boden so exakt zu zentrieren, dass die Inspektion diesen immer lückenlos abdeckt, reicht nun ein einziger völlig aus. Basierend auf ihrer Symmetrie als alleinigem Zentrierungsparameter eignet sich der Algorithmus für unterschiedlichste Behältertypen und -formate – unabhängig von Knurling Marks, Embossings und anderen sortenspezifischen Charakteristika.
Zwei weitere neuronale Netze sind mit Tausenden Bodenaufnahmen von Standard-Glas- und PET-Flaschen gefüttert worden. Ob etwa Abnutzung, Abrieb oder Tropfen dort noch innerhalb der Toleranz liegen oder eine kritische Abweichung zu diesen eingelernten „gut“-Bildern darstellen, entscheidet Heuft reflexx A.I. jetzt kompetent. Dazu muss nicht mehr jedes einzelne Detail eigens eintrainiert werden. Vielmehr klassifiziert die intelligente Bildverarbeitung das Erkennungsbild insgesamt als „gut“ oder „schlecht“. Die Anomalie-Erkennung findet nicht nur bereits spezifizierte, sondern auch neu auftretende Fehler wie z. B. transparente, nicht polarisierende Folie tief am Grund der PET-Flasche. Zugleich sinkt der Anteil an Leerbehältern, die der Inspektor aufgrund unkritischer Toleranzen im Bodenbereich als fehlerhaft betrachtet – und damit wiederum die Fehlausleitrate.
Smarte Mündungsfehlererkennung
Zur Mündungsinspektion sind ebenfalls schon unzählige Mündungsaufnahmen von Standard-Mehrweg-Bierflaschen in ein selbst programmiertes Deep-Learning-Modell eingelernt worden, die sich unter anderem in ihrer Form, Glasdicke oder Kolorierung leicht voneinander unterscheiden. Das Ergebnis ist ein riesiger Pool an „gut“-Bildern innerhalb des Toleranzbereichs. So kann die KI auch hier alle davon abweichenden Strukturen und Objekte automatisch als Fehler bewerten.
Nichts Undefiniertes wird mehr übersehen, Leerflaschen mit kritischen Mündungsdefekten werden sicher erkannt und ausgeleitet. Sind sie lediglich von kosmetischen Abweichungen betroffen, lassen sie sich unbesorgt wieder befüllen. Zusammen mit einem besseren Set-up des Leerflascheninspektors minimiert auch das den Anteil unnötigerweise ausgeleiteter Gebinde – und steigert so den Wirkungsgrad ganzer Abfüll- und Verpackungsanlagen.
Mit MCIP und Deep Learning werden nun auch Weithalsmündungen unterschiedlichster Formen und Durchmesser übergreifend inspizierbar. Die intelligenten Technologien stellen sicher, dass die Dichtfläche der Mündungen dabei stets lückenlos abgedeckt ist und z. B. Mündungsrisse deutlicher erkannt werden.
Kompetente Unterscheidung
Bei der Fremdkörpererkennung in befüllten Food-Gläsern und Konservendosen macht die aktuelle Deep-Learning-KI speziell zur Röntgenbildverarbeitung auch sichtbar, was beim konventionellen Röntgenscan verborgen bleibt. Bei bedeutenden Lebensmittelherstellern zeigt sie bereits ihre Stärken, wenn es darum geht, Fremdobjekte zu orten und von harmlosen Produkt- und Verpackungsstrukturen zu unterscheiden. Gerade bei inhomogenen Produkten wie Gewürzgurken oder Rotkohl mit stärker röntgenabsorbierenden Bestandteilen und Hohlräumen dazwischen wird unter anderem Glas im Glas sogar dann identifizierbar, wenn solche Fremdkörper mit bloßem Auge nicht mehr wahrnehmbar bzw. in Form und Größe auf dem Röntgenbild nicht mehr von unkritischen Produktcharakteristika zu unterscheiden sind.
Bewährte Bildanalyse- und KI-Verfahren hat Heuft mit einem vielschichtigen neuronalen Netzwerk kombiniert, das mehr in die Tiefe geht und so sogar abstrakte Muster selbstständig auf sinnvolle Art und Weise verarbeitet. Die Deep-Learning-fähige Heuft-reflexx A.I. -Röntgenbildverarbeitung macht selbst unter herausfordernden Umgebungsbedingungen zuvor Unsichtbares sichtbar.
Sensitivere Röntgeninspektion von Food-Gläsern
Neue Röhren, Generatoren und Vollfeld-Bildwandler steigern bei erhöhter Auflösung und reduzierter Strahlung zusätzlich die Bandbreite, Geschwindigkeit, Zuverlässigkeit und Sensitivität der gepulsten Röntgeninspektion mit weiterentwickelten Systemen der Heuft-eXaminer II-Reihe. Zusammen mit neuem Deep Learning bei der Röntgenbildverarbeitung ist jetzt also deutlich mehr drin, wenn es um die eindeutige Fremdkörpererkennung in Lebensmitteln geht.
Mit dem Heuft eXaminer II XAC, der bis zu 1.000 Food-Gläser in der Stunde inspiziert, halbiert sich dadurch die Größe sicher erkennbarer Fremdkörper. Da, wo Glassplitter oder Steinchen zuvor nur schwer oder gar nicht zu sehen waren, macht sie gepulstes Röntgen mit intelligenter Heuft- reflexx A.I.-Röntgenbildverarbeitung jetzt sichtbar. Die doppelte Boden- und 360-Grad-Seitenwandinspektion schafft volle Abdeckung, die Deep-Learning-KI steigert insbesondere bei inhomogenen Produkten mit unterschiedlich stark absorbierenden Strukturen die Sensitivität der Erkennung des Vollgutinspektors – und zugleich die Trennschärfe bei der Unterscheidung kritischer von harmlosen Objekten.
Das gilt genauso für seinen „kleinen Bruder“, den Heuft eXaminer II XS speziell zur gepulsten Röntgeninspektion befüllter Konservendosen, Doypacks, Squeeze-Flaschen, Stand-up-Pouches oder Kartonverpackungen. Zur Fremdkörpererkennung lässt sich das modulare Kompaktsystem flexibel mit ein oder zwei Seitwärts-Röntgenblitzern ausstatten. So deckt die Inspektion, wenn nötig, das gesamte Füllvolumen ab. Ist wie bei flüssigen Produkten in Kartonverpackungen lediglich eine Bodeninspektion gefragt, realisiert die Bildverarbeitung eine „aufgeklappte“ Bodenansicht, sodass auch unscheinbare, tief und flach an ihrem Grund liegende Kontaminanten zuverlässig identifiziert werden.
