Reciclaje de plásticos multicapa y compuestos
Clasificación y cuantificación de residuos orgánicos
Detección de defectos en lomos de pescado mediante visión artificial y deep learning
Detection of defects in fish loins using machine vision and deep learning
La tecnología de visión artificial asistida por deep learning es un importante aliado para las fábricas de procesado y distribución de pescado que permite inspeccionar el 100% de la producción para garantizar altos estándares de calidad y seguridad alimentaria del producto que finalmente llega a la mesa del consumidor.
El nuevo sistema Visum DeepSight Loins™ de IRIS Technology es un sistema de visión artificial diseñado para la detección de defectos físicos superficiales en lomos de pescado fresco y congelado que permite automatizar la inspección de lomos, cuantificar, clasificar y rechazar no conformidades para garantizar una calidad superior del producto final.
Visión Artificial y Deep Learning
Mientras que los sistemas tradicionales de visión por ordenador aprenden a clasificar y reconocer características de un conjunto de imágenes históricas para predecir y clasificar correctamente otras nuevas, las redes neuronales de aprendizaje profundo son capaces de aprender características de los píxeles (individuales y de grupo) y tienen una capa de entrada (la imagen en bruto), una serie de capas intermedias que están interconectadas para simular cómo funciona un cerebro biológico, y una capa de salida que proporciona clasificación/predicción. Las redes neuronales de aprendizaje profundo son especialmente buenas aprendiendo características complejas y segmentando una imagen a diferentes niveles de abstracción (bordes, diferentes colores, formas, objetos), incluyendo ruido e información probabilística.
La visión artificial tradicional que no utiliza este enfoque suele procesar imágenes pero no aprende de los datos, como las cámaras termográficas, los sensores de detección de movimiento o los sensores de intensidad luminosa, entre otros.
Detección de defectos en lomos de pescado frescos y congelados
El sistema Visum DeepSight Loins™ es capaz de detectar numerosos defectos en lomos de pescado como por ejemplo hematomas, manchas de sangre, el gapping (es decir, aperturas o desgarros en la musculatura), restos de piel, espinas superficiales u otros cuerpos extraños superficiales que puedan llegar a la línea de procesamiento. También trae incorporada la funcionalidad de medición de color bajo estándares internacionales CIELAB o L*a*b* que es importante como parámetro de calidad tanto a nivel superficial como relativo a la frescura del pescado.
Visum DeepSight Loins™ posee una alta protección IP para facilitar la limpieza de la línea y trae incorporado un sistema antirreflectante y antihumedad que permite operar con total normalidad tanto en lomos de pescados frescos como congelados.
Usabilidad, funcionamiento y comunicación
El sistema Visum DeepSight Loins™ incorpora 2 niveles de usuario: «Administrador» para modificar la configuración, el modo de trabajo, ajustar la sensibilidad de rechazo o tomar referencias y «Operador» para el modo de funcionamiento automático del dispositivo.
El sistema se complementa con una trampilla de rechazo que permite la expulsión de las unidades no conformes para su reprocesado o control por parte de los operarios.
La información y los resultados de los análisis, como la cuantificación de defectos y rechazos por clase, la información del lote y la cantidad de productos inspeccionados, pueden consultarse en el módulo informático incorporado, en un ordenador conectado a la red o en el propio sistema de gestión de la información de la planta. Además, los informes generados automáticamente pueden exportarse en distintos formatos.
La funcionalidad de ajuste de la sensibilidad es una herramienta esencial para calibrar el nivel de rechazo del dispositivo en caso de determinados defectos y regular así el rendimiento operativo del sistema sin causar ningún inconveniente a la capacidad de producción de la línea.
Para más información sobre el dispositivo y consultas, escriba a info@iris-eng.com
