Система контроля нанесения даты лазерным принтом

Заказчик

«Пивоварни Бочкарев» — один из крупнейших российских производителей пива с портфелем из более чем 20 брендов. Продукция компании поставляется по всей стране, а также экспортируется в страны СНГ и Кита

Задача

Скорость линии до 72 тысяч банок в час делает ручной контроль невозможным: пропуск даже небольшого дефекта может привести к утилизации десятков тысяч единиц продукции и финансовым потерям.

Проблема клиента

На нижегородской площадке запускается новая линия розлива и упаковки пива. Для компании критично исключить риск выпуска продукции с некорректной маркировкой даты, поскольку это влияет на:

• соответствие требованиям законодательства;
• защиту бренда и доверие потребителей;
• снижение потерь и возвратов.

Скорость линии до 72 тысяч банок в час делает ручной контроль невозможным: пропуск даже небольшого дефекта может привести к утилизации десятков тысяч единиц продукции и финансовым потерям.

Задачи

Создать систему, которая:

• распознает маркировку, нанесенную лазерным принтером;
• выявляет нечитабельные или неполные символы;
• сверяет дату розлива и срок годности с текущими параметрами рецепта (270 или 360 дней);
• передает сигнал на остановку линии и уведомляет оператора.

Решение

Решение основано на платформе ML Sense.

ML Sense — ИИ-платформа для контроля качества на конвейере с помощью машинного зрения и нейросетей.

Как работает система

Перед запуском линии оператор выбирает тип продукции и вводит параметры партии: дату розлива, срок годности и шаблон маркировки. Эти данные становятся эталоном для проверки каждой банки.

Выбор продукта

В процессе движения по конвейеру каждая банка автоматически фиксируется камерой в зоне контроля. Система в реальном времени:

• определяет наличие маркировки;
• распознаёт символы;
• проверяет их читаемость;
• сверяет дату и срок годности с заданными параметрами партии и системной датой.

Видеопоток с камеры

При обнаружении отклонения система формирует событие и подаёт сигнал на остановку линии. Оператор получает уведомление с указанием причины: отсутствие даты, нечитаемая печать или несоответствие параметрам партии.

Просмотр события

Технические особенности:

• контроль нанесения даты в 2 строки по 14 символов (например, дата розлива + дата срока годности);
• контроль нанесения даты в 1 строку;
• контроль банок трех типов объема: 0,43, 0,33 и 0,25 литра.

Дополнительные возможности:

• настройка порогов чувствительности (например, остановка линии только при серии дефектов);
• выбор реакции системы на разные типы дефектов (фиксировать, но не останавливать линию);
• хранение истории событий и изображений дефектных банок для анализа;
• поддержка нескольких рецептов и шаблонов маркировки для разных брендов и форматов.

Архив событий

Настройки параметров контроля

Оборудование и промышленное исполнение

Камера машинного зрения размещена в защищённом кожухе с купольным освещением — такая конструкция позволяет получать качественные изображения и минимизирует влияние бликов. Камера установлена на стабилизированном основании, которое компенсирует вибрации конвейера и сохраняет точность распознавания даже при максимальной скорости линии.

Система разработана с учётом гибкости производства: высоту камеры можно быстро перенастроить под разные форматы банок без длительных простоев линии.

Защитный кожух с камерой машинного зрения и купольным освещением, а также механизм регулировки высоты оборудования под высоту банки.

Вид внутри защитного кожуха: купольный светильник и камера

АРМ оператора установлен в пылезащищённом шкафу из нержавеющей стали, который соответствует требованиям пищевого производства и санитарным нормам. Такая конструкция обеспечивает безопасное и удобное управление линией при соблюдении всех правил гигиены.

АРМ оператора установлен на подиуме в пылезащищённом шкафу из нержавеющей стали. Инженер Nord Clan занимается настройкой системы

Общий вид на пост контроля

Обучение и настройка нейросети

Для проекта был сформирован и размечен специализированный датасет с различными вариантами лазерной печати даты — с учётом шрифтов, контрастности, отражений и качества нанесения.

Нейросеть обучена:

• выделять область маркировки;
• распознавать символы;
• определять отклонения от эталонных значений;
• классифицировать дефекты по типам.

Модель также легко адаптируется под новые форматы продукции и шаблоны маркировки с минимальным дообучением.

Результат

Контроль маркировки на линии стал полностью автоматическим и надёжным. Каждая банка проверяется в реальном времени, что исключает попадание на рынок продукции с нечитаемой или неверной датой.

• Точность распознавания — до 99%.
• Снижение операционных рисков, рекламаций и потерь от утилизации.
• Защита бренда и доверия потребителей.
• Готовность решения к тиражированию на другие площадки компании.