Ai-es, Industry-4-0-es 6 octubre 2022

Detección de defectos en lomos de pescado mediante visión artificial y deep learning

deteccion de defectos en pescados
Comparte la noticia

La tecnología de visión artificial asistida por deep learning es un importante aliado para las fábricas procesadoras y distribuidoras de pescado que posibilita inspeccionar el 100% de la producción para garantizar altos estándares de calidad y de seguridad alimentaria del producto que llega finalmente a la mesa de los consumidores.

El nuevo sistema Visum DeepSight Loins™ de IRIS Technology, es un sistema de visión artificial concebido para la detección de defectos físicos superficiales en lomos de pescados frescos y congelados que permite automatizar la inspección de los lomos, cuantificar, clasificar y rechazar las no conformidades para garantizar una calidad superior del producto final.

Visión Artificial y Deep Learning

Mientras que los sistemas de visión artificial tradicionales aprenden a clasificar y reconocer características de un conjunto de imágenes históricas para poder predecir y clasificar correctamente otras nuevas, las redes neuronales de aprendizaje profundo o el deep learning son capaces de aprender características de los píxeles (individuales y en 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 una clasificación/predicción. Las redes neuronales del deep learning son especialmente buenas para aprender características complejas y segmentar una imagen a diferentes niveles de abstracción (bordes, diferentes colores, formas, objetos), incluyendo el ruido y la información probabilística.

La visión artificial tradicional que no utiliza este enfoque suele procesar imágenes pero no aprende de los datos, como las cámaras de imagen térmica, los sensores de detección de movimiento, los sensores de intensidad de luz, entre otras.

Detección de defectos en lomos de pescado frescos y congelados

El sistema DeepSight Loinses 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.

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, Operación y Comunicación

El sistema Visum DeepSight Loins incorpora 2 niveles de usuario: “Administrador” para la modificación de configuraciones, modo de trabajo, ajustar la sensibilidad del rechazo o la toma de referencias y “Operario” para el modo de operación automática del dispositivo.

El sistema se complementa con un rechazo por trampilla que permite la expulsión de unidades no conformes para su reprocesamiento o control por parte de los operarios.

La información y resultados de los análisis como la cuantificación de defectos y rechazos por clase, información del lote y la cantidad de productos inspeccionados se pueden visualizar en el propio módulo de computación que trae incorporado, en un ordenador conectado a la red o en el mismo sistema de gestión de información de la planta. Además, permite exportar informes generados automáticamente y en distintos formatos.

La funcionalidad de ajuste de sensibilidad es una herramienta fundamental para calibrar el nivel de rechazo del dispositivo ante determinados defectos y regular así el funcionamiento operativo del sistema sin ocasionar inconvenientes a la capacidad productiva de la línea.

Para más información sobre el dispositivo y consultas escríbenos a info@iris-eng.com

Por IRIS Technology Solutions
Ai-es, Ispe-es, Webinar-es 19 noviembre 2020

IRIS presenta el Sistema Predictivo construido para mAbxience en el seminario web «ISPE 4.0 AI applications».

Sistema Predictivo
Comparte la noticia
Sistema Predictivo

En su presentación, ambas empresas, mAbxience e IRIS, explicaron cómo iniciaron una colaboración hace unos meses con el ambicioso propósito de crear un Sistema Predictivo que ayudara a anticiparse a eventos o anomalías en una de las plantas de mAbxience, y cómo lograron con éxito su objetivo.

Para este Sistema Predictivo, mAbxience recopiló más de 115 millones de valores de las variables críticas de sus procesos y 10 mil mensajes de su sistema de alarmas, que fueron filtrados con técnicas de preprocesamiento de Big Data por parte de IRIS, para limpiar, consolidar, agrupar y normalizar esta enorme cantidad de datos para su futuro análisis.

 

Predictive system

Ejemplo de valores agrupados en la base de datos (mostrando los casos normales en azul y las anomalías en rojo)

Mediante el uso de HPC (High Performance Computing), una Arquitectura de Procesamiento Distribuido y técnicas de Inteligencia Artificial como el Machine Learning, IRIS construyó los modelos predictivos que fueron capaces de identificar las tendencias clave en los datos que podrían conducir a un evento no deseado o a una anomalía.

Sistema Predictivo

Ejemplo simplificado de la probabilidad de tener un evento en tres sensores diferentes.

Este caso de éxito entre mAbxience e IRIS es un excelente ejemplo del trabajo realizado en el grupo de trabajo de ISPE España, que se creó con el objetivo de reunir a personas del sector farmacéutico y químico cuyo trabajo se centra en la Industria 4.0 y en la implantación de PAT (Process Analytical Technologies) en el laboratorio.

Por Lorena Vázquez