PROZESSAUTOMATISIERUNG & DIGITALISIERUNG

 Macht Unsichtbares sichtbar 

A.I.-Röntgenbildverarbeitung

Durch den Einsatz von Deep Learning zur intelligenten Röntgenbildverarbeitung mit Heuft reflexx A.I. wird die Erkennungssicherheit der gepulsten Röntgeninspektion im eXaminer II XAC weiter erhöht. Gleichzeitig sinkt die Fehlausleitrate, sodass zuvor nicht detektierbare Fremdkörper erstmals sichtbar gemacht werden können. 

Owning Your Brand’s Social Community Drives More Shoppers and Sales

HEUFT SYSTEMTECHNIK GMBH

Schon die aktuellen Röntgenkomponenten aus eigener Entwicklung und Fertigung steigern seine Performance und Sensitivität, wenn es um die die Erkennung befüllter Food-Gläser geht, die mit Glassplittern und anderen Fremdkörpern hoher Dichte belastet sind. Zusammen mit schon länger verfügbarem Deep Learning zum Entrauschen der Röntgenaufnahmen halbiert sich die Größe der Objekte, die der eXaminer II XAC am Linienende erkennen kann.  Neue Deep-Learning-Algorithmen der reflexx A.I.-Röntgenbildverarbeitung setzen noch einen drauf. Zuvor Unsichtbares wird damit erstmals sichtbar und Kritisches noch zuverlässiger von Unkritischem unterschieden. 

Das gilt für die doppelte Boden- genauso wie für die 360°-Seitenwandinspektion, die miteinander kombiniert das volle Behältervolumen lückenlos abdecken. Bei bedeutenden Lebensmittelherstellern wie dem Unternehmen Carl Kühne  zeigen entsprechend ausgestattete eXaminer II XAC-Systeme schon ihre Stärken, wenn es darum geht, Fremdobjekten tiefer auf den Grund zu gehen und sicher von harmlosen Produkt- und Verpackungsstrukturen zu unterscheiden. 

Gerade bei inhomogenen Erzeugnissen wie Gewürzgurken oder Rotkohl mit unterschiedlich stark röntgenabsorbierenden Bestandteilen und Hohlräumen dazwischen wird u.a. Glas im Glas sogar dann identifizierbar, wenn es mit bloßem Auge überhaupt nicht mehr wahrnehmbar oder in Form und Größe auf dem Röntgenbild unkritischen Produkteigenschaften extrem ähnlichsieht.

Wirklich kritische Kontaminanten identifiziert reflexx A.I. somit noch zuverlässiger – und zieht nur tatsächlich belastete Food-Gläser aus dem Verkehr. Das senkt die Fehlausleitrate und schützt somit vor Pack- und Lebensmittelverschwendung und den damit verbundenen Folgekosten. 

Bewährte Bildanalyse- und KI-Methoden hat das Unternehmen dazu mit einem vielschichtigen neuronalen Netzwerk kombiniert, das mehr in die Tiefe geht und so sogar abstrakte Muster selbständig auf sinnvolle Art und Weise verarbeitet. Sowohl klassischen Analyseverfahren wie Grauwertbestimmung oder Kontrasterkennung als auch bloßem Machine Learning ist die deep-learning-fähige reflexx A.I.-Röntgenbildverarbeitung dadurch deutlich überlegen. Selbst unter herausfordernden Umgebungsbedingungen macht sie zuvor Unsichtbares sichtbar und minimiert den Anteil an Fehlausschleusungen.

Armaturen & Leitungen

Prozessautomatisierung & Digitalisierung

  Impressum  -   AGB  -   Datenschutz