Home / Visione artificiale / Falsi scarti

Guida · Controllo qualità · Sfrido

Falsi scarti nella visione artificiale: perché si verificano e come ridurli

Un falso scarto è una confezione buona che il sistema di visione espelle come difettosa. Ognuno è prodotto che si butta o si rilavora, e quando sono tanti l'operatore finisce per abbassare il livello di controllo o per scollegare la telecamera, e allora passano anche quelle difettose. In questa guida spieghiamo da dove nascono e come si riducono.

Le cause

Da dove nascono i falsi scarti

Non è quasi mai «la telecamera». Di solito è una di queste cause, o più di una insieme.

Luce

Illuminazione che cambia

La luce del capannone che entra da una finestra, un faro invecchiato o i riflessi su confezioni lucide cambiano l'immagine, e l'ispezione la legge come un difetto.

Posizione

La confezione non arriva sempre uguale

Confezioni ruotate, distanziate in modo irregolare o che vibrano sul nastro: lo strumento cerca la zona dove non c'è.

Soglia

Tolleranze troppo strette

Una soglia impostata «per sicurezza» scarta variazioni normali della confezione che non sono un difetto.

Ricetta

Ricetta del formato sbagliata

Dopo un cambio di formato o di gusto resta caricata la ricetta precedente e tutto viene scartato.

Ottica

Ottica sporca o sregolata

Schizzi sull'obiettivo o sulla protezione, o una telecamera che si è spostata con le vibrazioni.

Strumento

Lo strumento non è quello adatto

I difetti che variano da un pezzo all'altro (forma, colore, superficie) sono difficili da descrivere con regole fisse; lì il deep learning è più indicato.

Smart camera di visione artificiale con illuminazione integrata

Come si riducono

Prima misurare, poi regolare

I falsi scarti non si risolvono allargando la tolleranza alla cieca: così passano anche le confezioni difettose. Si risolvono sapendo, scarto per scarto, cosa ha visto la telecamera e perché ha deciso così.

  • Salvare la foto e il motivo di ogni scarto, e rivederli in una galleria
  • Separare gli scarti reali da quelli falsi e vedere quale strumento li provoca
  • Regolare la soglia con i valori misurati, non a intuito
  • Stabilizzare la luce e la posizione della confezione prima di toccare il software
  • Ricette per formato con utente e registrazione di ogni modifica
  • Deep learning dove il difetto varia in modo naturale

Un caso reale

−80 % di sfrido da falsi scarti

Su una linea di latticini in brik, rivedendo gli scarti con la loro foto e regolando l'ispezione con quei dati, lo sfrido dovuto a confezioni buone espulse è sceso dell'80 %, senza lasciar passare confezioni difettose. Non è una promessa per tutte le linee: ognuna parte da una situazione diversa. Per questo iniziamo misurando.

1

Calcoli quanto perde

TIVOX Insight le fornisce in circa due minuti una stima di quanto le costano ogni anno gli scarti della sua linea.

Aprire TIVOX Insight →

2

Verifichiamo il suo sistema

Con le foto dei suoi scarti, le diciamo cosa causa quelli falsi e cosa si può correggere, qualunque sia la marca della sua telecamera.

3

Veda come si lavora

Nel simulatore di TIVOX Sentinel PLUS può vedere la galleria degli scarti e le soglie di ogni strumento.

Aprire il simulatore →

Domande frequenti

Risposte ai dubbi più comuni

Cos'è un falso scarto nella visione artificiale?

È una confezione o un pezzo buono che il sistema di visione classifica come difettoso ed espelle. Si chiama anche falso positivo, perché il sistema «risulta positivo» a un difetto che non esiste.

Quale percentuale di falsi scarti è normale?

Dipende dal prodotto, dall'ispezione e dal livello di controllo di ogni stabilimento, quindi non esiste una cifra valida per tutti. L'importante è misurarla: sapere quanti scarti sono reali e quanti no, e quale strumento li provoca.

Allargare la tolleranza risolve il problema?

Alla cieca, no: i falsi scarti diminuiscono, ma iniziano a passare confezioni difettose. La tolleranza si regola con i valori misurati degli scarti e dopo aver stabilizzato la luce e la posizione della confezione.

Potete verificare un sistema di visione di un'altra marca?

Sì. Con le foto degli scarti e delle confezioni buone le diciamo cosa sta causando i falsi scarti e cosa si può correggere, qualunque sia la marca della telecamera.

Quando conviene il deep learning?

Quando il difetto o il prodotto variano in modo naturale da un pezzo all'altro ed è difficile descriverlo con regole fisse: superfici, sigillature, forme irregolari. Per misure e letture chiare, gli strumenti classici sono di solito più rapidi e facili da regolare.

Verifica da remoto, senza costi

La sua telecamera butta via confezioni buone?

Ci invii le foto degli scarti e di confezioni buone. Le diciamo da dove nascono i falsi scarti e cosa si può correggere.