OKUn éclairage qui change
La lumière du hall qui entre par une fenêtre, un projecteur vieillissant ou des reflets sur des emballages brillants modifient l’image, et l’inspection l’interprète comme un défaut.
Accueil / Vision industrielle / Faux rejets
Guide · Contrôle qualité · Pertes
Faux rejets en vision industrielle : pourquoi ils se produisent et comment les réduire
Un faux rejet est un emballage conforme que le système de vision éjecte comme défectueux. Chacun représente du produit jeté ou retraité, et quand ils sont nombreux, l’opérateur finit par baisser l’exigence ou par déconnecter la caméra, et alors les défectueux passent aussi. Dans ce guide, nous expliquons d’où ils viennent et comment on les réduit.
Les causes
D’où viennent les faux rejets
Ce n’est presque jamais « la caméra ». C’est généralement l’une de ces causes, ou plusieurs à la fois.
L’emballage n’arrive pas toujours de la même façon
Emballages tournés, espacés de façon irrégulière ou qui vibrent sur le convoyeur : l’outil cherche la zone là où elle n’est pas.
Des tolérances trop strictes
Un seuil fixé « au cas où » rejette des variations normales de l’emballage qui ne sont pas un défaut.
Mauvaise recette de format
Après un changement de format ou de parfum, la recette précédente reste chargée et tout est rejeté.
Optique sale ou déréglée
Des projections sur l’objectif ou sur sa protection, ou une caméra qui a bougé avec les vibrations.
L’outil n’est pas le bon
Les défauts qui varient d’une pièce à l’autre (forme, couleur, surface) sont difficiles à décrire avec des règles fixes ; le deep learning y est mieux adapté.
Comment les réduire
Mesurer d’abord, régler ensuite
Les faux rejets ne se corrigent pas en élargissant la tolérance à l’aveugle : ainsi, les défectueux passent aussi. Ils se corrigent en sachant, rejet par rejet, ce que la caméra a vu et pourquoi elle a décidé.
- Enregistrer la photo et le motif de chaque rejet, et les examiner dans une galerie
- Séparer les vrais rejets des faux et voir quel outil les provoque
- Régler le seuil avec les valeurs mesurées, pas à l’intuition
- Stabiliser l’éclairage et la position de l’emballage avant de toucher au logiciel
- Recettes par format avec identifiant et traçabilité de chaque modification
- Deep learning là où le défaut varie naturellement
Un cas réel
−80 % de pertes dues aux faux rejets
Sur une ligne de produits laitiers en brique, en examinant les rejets avec leur photo et en ajustant l’inspection avec ces données, la perte due aux emballages conformes éjectés a baissé de 80 %, sans laisser passer d’emballages défectueux. Ce n’est pas une promesse valable pour toutes les lignes : chacune part d’une situation différente. C’est pourquoi nous commençons par mesurer.
Calculez ce que vous perdez
TIVOX Insight vous donne en deux minutes environ une estimation de ce que vous coûtent chaque année les rejets de votre ligne.
Nous examinons votre système
À partir de photos de vos rejets, nous vous disons ce qui provoque les faux rejets et ce qui peut être corrigé, quelle que soit la marque de votre caméra.
Voyez comment on travaille
Dans le simulateur de TIVOX Sentinel PLUS, vous pouvez voir la galerie des rejets et les seuils de chaque outil.
Questions fréquentes
Réponses aux questions les plus courantes
Qu’est-ce qu’un faux rejet en vision industrielle ?
C’est un emballage ou une pièce conforme que le système de vision classe comme défectueux et éjecte. On parle aussi de faux positif, car le système « détecte » un défaut qui n’existe pas.
Quel pourcentage de faux rejets est normal ?
Cela dépend du produit, de l’inspection et de l’exigence de chaque usine ; il n’existe donc pas de chiffre valable pour toutes. L’important est de le mesurer : savoir combien de rejets sont réels et combien ne le sont pas, et quel outil les provoque.
Élargir la tolérance règle-t-il le problème ?
À l’aveugle, non : les faux rejets diminuent, mais des emballages défectueux commencent à passer. La tolérance se règle avec les valeurs mesurées des rejets, après avoir stabilisé l’éclairage et la position de l’emballage.
Pouvez-vous examiner un système de vision d’une autre marque ?
Oui. À partir de photos des rejets et des emballages conformes, nous vous disons ce qui provoque les faux rejets et ce qui peut être corrigé, quelle que soit la marque de la caméra.
Quand le deep learning est-il pertinent ?
Lorsque le défaut ou le produit varie naturellement d’une pièce à l’autre et qu’il est difficile de le décrire avec des règles fixes : surfaces, scellages, formes irrégulières. Pour des mesures et des lectures nettes, les outils classiques sont généralement plus rapides et plus faciles à régler.
Examen à distance, gratuit
Votre caméra jette-t-elle des emballages conformes ?
Envoyez-nous des photos des rejets et d’emballages conformes. Nous vous disons d’où viennent les faux rejets et ce qui peut être corrigé.