Siegelnahtinspektion von Lebensmittelverpackungen

Hyperspektrale Bildverarbeitung als Lösung für die Erkennung von Blasen und Verunreinigungen in der Siegelnaht von Kunststoffverpackungen für Wurst und Schinken

Siegelnahtinspektion bei verpacktem Schinken

Sicherzustellen, dass in einer Lebensmittelverpackung nur das drin ist, was reingehört, war die Aufgabenstellung, mit der ein Hersteller von Schinken an uns herantrat.

Da schon kleinste für das menschliche Auge nicht sichtbare Verunreinigungen in der Naht zu undichten Verpackungen und zum Verderb der Ware führen können und teure Rückrufaktionen zur Folge haben können, sollte künftig eine kamerabasierte Inspektion der Schinkenpackungen erfolgen.

In einem ersten Versuch wollten wir diese Aufgabe mit Farbkameras und verschiedenen Beleuchtungen angehen, da diese Kameras aber lediglich mit Farbvergleichen arbeiten, waren die Ergebnisse nicht zufriedenstellend. Aus diesem Grund fiel die Wahl dann auf hyperspektrale Bildgebung, da mit dieser Technik auch Verunreinigungen außerhalb des sichtbaren Lichtspektrums erkannt werden, in unserem Fall Produktreste oder geschmolzenes Fett im heißversigelten Bereich der Verpackung, das sowohl dem menschlichen Auge als auch anderen Inspektionstechnologien verborgen bleibt.

Hyperspektralkameras dagegen identifizieren die Materialien auf Grundlage der biologischen und chemischen Zusammensetzung zuverlässig und können Blasen oder Einschlüsse selbst durch bedruckte Kunststofffolie sicher erkennen.

In unserem Anwendung erfasst nun eine HSI-Kamera die in einer Höhe von ca. 1m über dem Förderband angebracht ist, 6 Packungen pro Sekunde, deren Bilder im Anschluss in der von phil-vision entwickelten Software pvSealInspect ausgewertet werden. Zunächst wird die Siegelnaht vom Rest der Verpackung extrahiert, um anschließend explizit den Bereich der Naht zu inspizieren.

Label-Erkennung

Zusätzlich sollte in der Anwendung eine Label-Erkennung integriert werden. Für das Lesen von Barcode und Schrift sind eine Monochromkamera und eine weiße Beleuchtung mit in der Anlage verbaut.

Visualisierung der Ergebnisse

Die Ergebnisse der Prüfung werden in rot bzw. grün visualisiert. Unterhalb der farbig dargestellten Prüfergebnisse IO oder NIO wird eine Statistik angezeigt, in der die Gesamtzahl der geprüften Verpackungen sowie die Anzahl der Gut- und Schlechtteile protokolliert wird. Zusätzlich wird bei den Schlechtteilen nach den Prüfkriterien "Schlechte Naht" und "Schlechtes Label" unterschieden und die prozentuale Fehlerquote in Bezug auf die Gesamtmenge angezeigt. Als Zusatzinformation werden jeweils die letzten Hundert IO und NIO an dieser Position gezählt und erfasst, um eventuell auftretende Serienfehler an einer bestimmten Position zu erkennen. Was genau ein Fehler ist, kann von Verpackung zu Verpackung unterschiedlich sein, in unserer Anwendung sollten Packungen nur ausgeworfen werden, wenn sich mehrere Blasen bzw. Fremdkörper wie Fett in der Siegelnaht befinden. Einzelne Blasen unter einer bestimmten Größe gelten nicht als Fehler.

Die Einbindung der von uns ausgewählten SPECIM-FX-Kamera war einfach. Eine Herausforderung war die Verarbeitung der großen 12-Bit Spektralbilder die wir optimiert auf der GPU rechnen. D.h. wir filtern verschiedenen Spektralsignaturen anhand der chemischen Zusammensetzung aus und visualisieren diese durch RGB-Farben. Das vereinfacht massiv die Segmentierung von Fehlstellen.

Patrick Gailer, bei phil-vision zuständig für diese Anwendung, fasst die aus dem Projekt gewonnenen Erkenntnisse zusammen:

„Mit dieser ersten HSI-Anwendung konnten wir viel Erfahrung mit einer für uns neuen Technologie sammeln und können uns eine Menge an anderen interessanten Anwendungen nicht nur in Produktionslinien für Lebensmittel vorstellen, sondern auch Frischeprüfungen von verschiedensten natürlichen Produkten wie Fleisch, Fisch, Käse, Gemüse oder Obst, oder die Überprüfung von verpackten Lebensmitteln auf unterschiedlichste Fremdkörper wie Plastikteile, Holz, Papier oder Haare. Da Hyperspektral-Kameras auch die Zusammensetzung von Produkten (Feuchtigkeit, Reinheit, Fett, Eiweiß usw.) erkennen und auswerten können, gibt es im Lebensmittelbereich ungezählte Einsatzmöglichkeiten. In einer aus diesem Projekt entstandenen speziellen Software ermitteln wir erst in welchem Spektralbereich Fehler liegen und können die Bilder danach mit klassischen Bildverarbeitungs-Werkzeugen oder KI weiterverarbeiten."

Ihre individuelle Lösung

Gerne besprechen wir Ihre Vorstellungen und Anforderungen im Detail und entwickeln gemeinsam mit Ihnen eine spezielle Lösung, die auf Ihre individuellen Bedürfnisse zugeschnitten ist.

Kontakt aufnehmen