Control de calidad en productos lácteos con Deep Learning-1

Tiempo de lectura: 5 minutos

Visión artificial y Deep Learning para el control de calidad de productos lácteos. Inspección de yogures, flanes, botellas de leche, mantequillas, quesos y otros productos lácteos.

La inteligencia artificial y las tecnologías basadas en Deep Learning irrumpen en numerosos ámbitos de nuestras vidas.

En el sector industrial son muchas los sectores y compañías que ya están trabajando con tecnologías de visión artificial basadas en Deep Learning para dar solución a aplicaciones, antes imposibles de resolver con la visión artificial convencional.

Estas nuevas tecnologías no son ajenas a uno de los sectores más estratégicos de nuestro país, el sector lácteo y de productos derivados.

Son muchas las compañías productoras de leche, postres lácteos, yogures y batidos, quesos, mantequillas y otros productos derivados que ya están apostando por introducir soluciones de visión artificial y soluciones Deep Learning para el control de sus productos lácteos. Consiguiendo ser más competitivas y realizando innovadores controles de calidad sobre sus productos.

Cabe destacar que se pueden realizar inspecciones de producto en las diferentes etapas de producción para el control de calidad en productos lácteos.

• Inspección y control de calidad de producto lácteo
• Control de calidad en productos lácteos –Inspección y control en el envase antes del llenado.
• Control de calidad en productos lácteos – Inspección y control del envase una vez lleno.
• Control de calidad en productos lácteos – Inspección y control del producto final envasado.

A continuación, te mostramos algunas de las aplicaciones más demandas para el control de calidad de productos lácteos.

Dentro de las aplicaciones de visión artificial y Deep Learning que se realizar para inspeccionar el producto o materia prima encontramos soluciones para detectar contaminación cruzada.  

La detección de contaminación cruzada o cuerpos extraños suele ser común en el sector de la alimentación y en los productos lácteos. Se pueden utilizar diferentes tipos de tecnologías dependiendo de las características de cada aplicación. Existen aplicaciones resueltas con cámaras de visión 2D, con cámaras hiperespectrales y las más novedosas mediante aplicaciones basadas en Deep Learning. En la siguiente imagen podemos ver unas imágenes procesadas con algoritmos Deep Learning en las cuales se detectan trozos de plástico (del propio envase) entre unas muestras de un producto lácteo como puede ser el queso rallado.

En este caso el entrenamiento mediante Deep Learning permite el desarrollo de la aplicación de una manera mucho más ágil y con mejores garantías que la visión artificial convencional basada en patrones.

Otra de las aplicaciones más comunes sobre la materia prima es el control de calidad basado en volúmenes o mediciones de alta precisión.

Un ejemplo de este tipo de aplicación es el control de volumen sobre piezas de queso. Mediante visión artificial se pueden realizar mediciones de diámetro, altura e incluso automatizar el corte de una pieza de queso en barra para obtener porciones con un peso fijo predefinido.

Además de las inspecciones sobre el producto o materia prima, en todo el sector de la alimentación se suelen realizar inspecciones y control de calidad de tarrinas antes de su llenado.

Entre las más comunes está la verificación de la integridad de la tarrina o envase vacío.

La siguiente imagen es una muestra de ello. Esta aplicación de visión artificial permite detectar defectos en los envases de unos flanes. En este caso se detectan golpes o deformidades del envase además de realizar un control sobre el grosor del envase. La aplicación nos identifica el envase como ok, apto para su lleno, o no OK, envase defectuoso.

En el siguiente ejemplo se muestra una aplicación para la detección de defectos y roturas en tarros de vidrio. Esta aplicación está desarrollada con el Software Vision Pro Deep Learning de Cognex y utiliza la herramienta de análisis Analyze.

Detección de cuerpo extraños en envase vacío y tarrinas.

Tal y como podemos ver en la siguiente imagen también es común realizar inspecciones para detectar cuerpos extraños en el envase antes de realizar el llenado o la dosificación de producto. En este caso en la imagen podemos ver una aplicación también basada en Deep Learning para la detección de pelos u otros cuerpos extraños en el interior de un envase de postres lácteos.

Gracias a los nuevos algoritmos de visión artificial basados en Deep Learning se puede absorber la gran variabilidad posible (trozos de plástico del propio envase, pelos, insectos, etc.)  en la detección de estos cuerpos extraños. La robustez de este tipo de inspecciones se ha visto beneficiadas con la aparición de las opciones Deep Learning.

Durante el proceso de llenado y dosificación se suelen instalar aplicaciones de control por visión artificial para:

 – visión artificial para asegurar niveles de llenado-dosificación

– detección de defectos estéticos en el producto.

En este caso las posibilidades son muy amplias y depende de la tipología del producto y de las necesidades del cliente. Ejemplo: Inspección de flanes para verificar la correcta posición de galleta y la ausencia de roturas o defectos de forma.  

En este caso la aplicación de visión artificial inspecciona la galleta colocada sobre la natilla o flan para detectar su correcta posición, grietas, roturas o cualquier otro defecto que no esté contemplado como producto ok. Este tipo de aplicación es extensible a el control de presencia y ausencia y/o distribución de cualquier tipo de topping sobre producto alimentario.

-Control de horneado y tostado en flanes, natillas u otros productos lácteos.

Otra de las interesantes aplicaciones para el sector de alimentación y productos lácteos que es ahora posible gracias al Deep Learning es el control del horneado.Con este tipo de aplicaciones es posible clasificar el producto como bueno o malo en función del nivel de tostado desde una perspectiva estética.  El cliente podrá entrenar la aplicación Deep Learning para definir en cada caso que se considera un tostado aceptable, dentro de los parámetros que le interesan en cada caso.

La primera y la segunda imagen muestran un tostado u horneado correcto, parámetro marcado por el cliente. La tercera imagen, ha sido clasificada como tostado excesivo por parte del cliente por lo que el sistema clasifica la imagen como defectuosa. Todas las imágenes que muestren un tostado similar serán clasificadas también como defectuosas.

Por último y para reducir los productos defectuosos durante la fase de envasado, muchas empresas realizan una nueva inspección de las tarrinas justo antes del proceso de termosellado. El objetivo de esta inspección es asegurar que no existe producto o cuerpos extraños en el área de sellado. De esta forma se consigue asegurar y reducir el número de mermas después de esta fase de termosellado.

–Inspección en área de sellado o termosellado.

En este caso la aplicación detecta natilla o producto en un área comprometida para el correcto termosellado del producto.

En el siguiente post comentaremos las aplicaciones más interesantes para la Control de calidad de productos lácteos envasados, además de aplicaciones que ayudan al control del empaquetado, la trazabilidad, la logística y expedición de productos.

También puede interesarte nuestro artículo sobre control dimensional de botellas de vidrio.

---