这种检测方案的成本高昂。首先，水泥生产线的中断会造成生产延误，并降低生产效率；另外，几个有缺陷的水泥袋可能会损坏整个产品批次，导致大量额外的时间和金钱成本。

手动检测也存在其他问题。在生产过程中，人工质检员会感到疲劳或可能需要定期离开生产线。虽然这些人工质检员经验丰富，能够胜任工作，但他们也有自己的局限性：通常看不到水泥袋上微小/模糊的缺陷。而且，由于该过程是劳动密集型的，并且通常在具有挑战性的条件下执行，因此由人工检测容易出错，因此很难获取有意义的QA数据。

2021年末，Titan Cement公司与希腊Irida Labs公司合作，开发并实施了一套可以检测生产线上的水泥袋缺陷的自动检测系统。Titan Cement希望这套检测系统能够识别水泥袋上的裂缝、溢出、凹痕、切口、边缘损坏和打印错误等缺陷，然后发出警报并采取纠正措施——需要在环境光照多变、存在过多的灰尘、湿气和振动等影响的恶劣环境中，一年365天、每周7天、每天24小时都能这样做。

Irida Labs的产品发展总监Thomas Charisis表示：“视觉系统应在连续运行的传送带上提供始终在线的缺陷检测，同时在检测到缺陷产品时发出实时警报。”

构建基于视觉系统的解决方案

该检测系统使用三台Basler相机，并配备了Basler的高级镜头。相机采用IP-67等级的定制外壳，使其能够在工厂恶劣的环境中正常工作。相机安装在生产线上方的支架上，并与光电管触发同步，以便在水泥袋下线时对其进行缺陷检测。

图1：安装在生产线上方的两台彩色相机，用于检测水泥袋是否存在裂口、裂缝和溢出等缺陷。

其中两台Basler ace 2 USB 3.0彩色相机用于检测水泥袋是否存在任何物理缺陷（见图1）；另一台Basler ace 2 GigE单色相机，用于检测水泥袋是否存在印刷错误。Charisis表示，更具体地说，单色相机使用光学字符识别来验证数据标签是否被印刷在正确的位置，并验证标签上的日期是否正确。直流LED照明安装在生产线上方靠近相机的位置，以克服环境光线变化带来的干扰（见图2）。

图2：三台相机安装在生产线上方，用于检测水泥袋。两台彩色相机扫描缺陷，如裂口、孔洞、裂缝和溢出，第三台单色相机扫描印刷错误。一个直流LED灯安装在生产线上方，以克服环境光带来的干扰。

在解决方案中融入人工智能

相机通过线缆连接到ADLink的DLAP-211-JNX边缘计算机，该计算机部署在相机附近。计算机使用Irida Labs开发的Vision AI质量检测模型，实时分析图像数据（见图3）。这些模型建立在Irida Labs的PerCV.ai平台上；PerCV.ai平台用于开发特定的人工智能（AI）算法并管理其部署。

图3：来自相机的图像数据被传输到边缘计算机，该计算机也安装在生产线附近，用于识别、分析并采取必要的纠正措施，将有缺陷的水泥袋从生产线上剔除。

Charisis说：“图像处理是在边缘进行的；每台相机都与一个现场处理设备配对，该设备尽可能靠近相机运行，使该系统成为边缘AI视觉解决方案。边缘处理有助于实现低延迟、实时缺陷检测、警报触发以及隐私保护。”

如果检测到缺陷，系统会有如下响应：首先，警报响起，传送带会自动停止；随后，工人会将有缺陷的水泥袋从传送带上取下，然后重新启动生产线。

Charisis介绍说，后来，该团队通过MQTT API（一种在工业环境中用于机器对机器通信的消息传递协议）将实时事件提供给可编程逻辑控制器，该控制器能触发剔除系统，而剔除系统则能在不停止生产线的情况下自动移除有缺陷的水泥袋。

挑战、解决方案和未来计划

该团队在实施过程中克服了诸多挑战。事实上，一个主要的技术挑战是为AI模型收集足够的训练数据，以识别水泥袋上可能出现的所有类型的缺陷。

Charisis说：“在一条正常运转的生产线上，要真正遇到并捕捉所有潜在的缺陷案例，需要耗费不切实际的大量时间。”为了克服这一挑战，该团队提出了一个解决方案，其利用AI生成的合成数据，加快了数据采集过程。

Titan Cement希腊帕特雷工厂的研磨、混合、港口和原材料主管Maravas Grigorios表示，“该检测系统已经在工厂运行了两年多，并取得了成功。该系统大大减少了最终出现在托盘上的有缺陷的水泥袋的数量。”

他指出：“因此，客户对有缺陷的水泥袋的投诉显著减少。而且，由于不再需要人工质检员，也大大节省了劳动力成本。”

据Titan Cement和Irida Labs透露，Titan Cement公司计划在2024年下半年在更多工厂部署该系统，但具体日期和地点尚未最终确定。

(文章来源于Titan Cement Jim Tatum，如有侵权请联系删除）