食品与饮料•2024•Georgia, USA
AI 视觉缺陷检测：漏检率从 0.6% 降至 0.04%
用深度学习模型替代规则化 blob 分析，检测 PET 瓶的标签褶皱、缺液、瓶盖倾斜三类缺陷。
- 客户
- Confidential — Beverage Co-Packer
- 所在地
- Georgia, USA
- 涉及能力
- 机器视觉 · 工艺工程
0.04%
客户端漏检率
+9%
OEE 提升
<200 ms
单瓶决策耗时
项目挑战
客户投诉的漏检率 0.6%，约合每年 48 万美元退货。旧视觉系统能识别明显缺液，但漏掉了标签褶皱与轻微瓶盖倾斜。
我们做了什么
用 12,000 张客户标注图训练 Keyence VS-L 深度学习模型，三类缺陷；环线 6 相机阵列，300 瓶/分钟节拍；单工位剔除器；单瓶决策耗时 < 200 ms。
关键设备
- Keyence VS-L 深度学习
- Basler ace 2 相机 ×6
- 气动剔除器
- Cognex DataMan 条码校验
现场图片
示意图 —— 代表项目范围与场景；已移除可识别客户身份的信息。
交付结果
投产半年漏检率 0.04%，对应退货赔付下降；因误剔停机减少，OEE 提升 9 个点。
