Fremmedlegemer og urenheder
Mørke indeslutninger og farveafvigelser, almindelige ved genanvendt indhold, hvor udgangspunktet flytter sig fra batch til batch. Ved fødevarekontakt er det et sikkerhedsfund, ikke et kosmetisk.
Brancher
Emballage
Hvert emne kontrolleres ved linjehastighed og logges pr. kavitet
Emballage kører med mange kaviteter og korte cyklusser. En fejl på én kavitet sidder på titusindvis af enheder, når skiftet slutter, og ingen åbner kassen, før den når kunden. Deepvis inspicerer hvert emne og logger hver kassation på sin kavitet.
- Hvert emne kontrolleres, ikke ét ud af fyrre
- Urenheder behandles som fund af fremmedlegemer
- Kontrol ved hvert trin på pakkelinjen, ikke kun til sidst
Vi understøtter inspektion af lukninger og låg, tyndvæggede beholdere, IML-bøtter, bakker og varmeforseglede pakninger.
- Sort prik
Defekterne
Fejl, en stikprøveplan overser
Rigtige emner direkte fra værktøjet. Træk i et vilkårligt billede. Fotoet er på den ene side og det samme billede med markeringer på den anden, taget med samme eksponering.
- Sort prik
Sorte prikker på en lukning
Mørke indeslutninger i transparent PP, få pixels hver. På et emne med fødevarekontakt er det et fund af fremmedlegemer, så det går ind i klage- og CAPA-processen i stedet for den kosmetiske. Det er også den fejl, en operatør med en AQL-stikprøve har mindst chance for at fange.
- grå terning
Find emnet
Emner i en kasse, i alle orienteringer, de fleste delvist dækket. Emnet skal findes og skilles fra dem bagved, før der kan kontrolleres noget på det.
Linjekontrol
Kontrol ved hvert trin, ikke kun til sidst
Kontrol for enden af linjen fortæller jer, at pakken fejlede. Kontrol ved hvert trin fortæller jer, hvor den fejlede, og forhindrer, at I bruger film, en svejsecyklus og en etiket på et emne, der allerede var kassation.
01
Kontrollér emnet før pakning
Emnet er plukket fra kassen. Er det forkert her, er alt efterfølgende spildt på det.
- grå terning
02
Kontrollér pakken før forsegling
Filmen er åben, emnet på plads. Sidste sted, hvor en dårlig pakke kan tages af linjen uden også at miste filmen, svejsningen og etiketten.
- plast før svejsning
03
Kontrollér forseglingen og antallet
To pakker fra én svejsning. Begge kontrolleres og tælles, så en kasse med for få og en dobbeltpakke fanges i samme gennemgang.
- plast efter svejsning
04
Kassér pakken, log årsagen
Hul gennem filmen. Pakken kasseres, og hullet logges separat, så registreringen har årsagen ved siden af resultatet.
- Plast efter krympning NOK
- Hul
På maskinen
Montering, cyklustid og kassationer
Hvor kameraet sidder, hvor hurtigt resultatet kommer tilbage, og hvad der sker med et dårligt emne.
- 01
Kamera over båndet, afstableren eller forsegleren
Der, hvor emnerne allerede passerer. Ét kamera kan dække flere emner pr. billede, hvilket passer til værktøjer med mange kaviteter.
- 02
Resultat inden for cyklussen
Under 200 ms, så resultatet følger emnet i stedet for at halte bagefter.
- 03
Kassation efter jeres grænse
I sætter grænsen pr. klasse. Resultatet sendes ud på linjens I/O til en sorteringsklap, en luftdyse eller HMI'en.
- 04
Hver pakke logges
Billede, kavitet, klasse og størrelse pr. enhed. Det er den dokumentation, en detailhandelsaudit eller en klageundersøgelse beder om.
Defektliste
Det inspicerer vi for
Short shot på lukninger
Kant eller skørt ikke fyldt ud. På en snaplås er det en fejl i tætningen, og en vægtkontrol fanger den ikke.
Grat og trådtræk på tætningsfladen
Materiale dér, hvor forseglingen skal have kontakt. Lille nok til at gå igennem en visuel kontrol, stor nok til at give en utæt emballage.
Forseglings- og svejsefejl
Hul eller ufuldstændig svejsning på en færdig pakke, logget separat fra godkendt/kasseret, så årsagen står i registreringen.
Kavitetsdrift
Én kavitet, der driver ud, mens resten er inden for. Kun synlig, hvis kassationerne har et kavitetsnummer.
Antal og tilstedeværelse
To pakker, hvor der skal være to. Tælles i samme gennemgang som kvalitetskontrollen, så en kasse med for få fanges ved forsegleren i stedet for ved varemodtagelsen.
Det ændrer sig
Det ændrer sig på linjen
Fire ting, et skift bemærker.
Luk kaviteten, kør videre
En kassation med kavitetsnummer betyder, at I kan lukke én kavitet og holde værktøjet i produktion, i stedet for at tage det ud på en mistanke.
Færre klager
Et fund af fremmedlegemer hos kunden koster undersøgelsen, CAPA'en og ofte kunden. At fange det på linjen er den billige udgave.
Færre utætte emballager
Forseglingsfejl fanges ved forsegleren i stedet for ved fylderen, hvor en utæt pakke stopper linjen og tager produktet med sig.
Auditdokumentation
Audits spørger, hvad I kontrollerer, hvor ofte, og hvad I gjorde ved det seneste fund. Når hvert emne inspiceres og gemmes, er alle tre dækket.
Metoden
Sådan finder vi dem
Fire trin, uanset hvilket emne det er. Alt ovenfor blev først markeret i hånden. Det er sådan, modellen lærer jeres defekter — og den eneste måde, den lærer dem på.
I bestemmer, hvad der tæller
Vi tager udgangspunkt i jeres kassationskriterier, på jeres emner. Modellen returnerer det, I har markeret, og intet andet.
Belysningen først
Kamera, optik og belysning vælges efter materialet. Frostet PP og en sort lukning er to forskellige opgaver.
Omkring 120 emner
Hundrede billeder fra det kørende værktøj, 120 markeret. Jeres plast, jeres regenerat, jeres farver, jeres fikstur.
To timer til en model
Træningen tager cirka to timer. Derefter kontrolleres hvert emne inden for cyklussen og kasseres efter jeres grænse.
Første skridt
Bevis, at defekterne kan detekteres
I sender 100 emner — 50 gode og 50 defekte. Vi fotograferer dem, træner en model på dem i vores laboratorium, og 14 dage senere har I rapporten.
Det indeholder rapporten — klik på en side
Garanti
Hvis vi ikke kan finde den fejltype, I peger på, får I pengene tilbage. Køber I systemet inden for 60 dage, modregnes beløbet fuldt ud.
Book en detekterbarhedsanalyse
8.000 kr.
FAQ
Ofte stillede spørgsmål
Enkle AI-inspektionssystemer, der er nemme at sætte i drift i moderne produktionsmiljøer.
Hvilke typer fejl kan Deepvis finde?
Deepvis kan finde komplekse og uforudsigelige fejl, som er almindelige i genanvendt plast, f.eks. sorte prikker, short shots, overstøbning, urenheder, brændemærker og geometrifejl. Modellen trænes på annoterede eksempler af de fejltyper, I går op i, og den holder til den variation i materiale, farve og overflade, der følger med genanvendt råvare.
Skal jeg bruge tusindvis af billeder for at træne systemet?
Nej. Omkring 120 annoterede billeder er nok til at træne en model. Det er langt færre end traditionelle systemer, som kræver tusindvis af manuelt mærkede eksempler. Det er dog værd at bemærke, at krævende applikationer typisk klarer sig bedre, jo bedre data er.
Kan Deepvis følge med høje produktionshastigheder?
Ja — med den rette GPU-hardware kan Deepvis analysere emner i realtid ned til cyklustider på 0,5 sekunder, hvilket gør systemet velegnet til hurtige emballage- og produktionslinjer.
Hvordan adskiller Deepvis sig fra traditionelle visionsystemer?
Traditionelle systemer bygger på regelbaseret billedbehandling og skal programmeres om, hver gang et produkt ændres. Deepvis bruger AI til at tilpasse sig variation i produkterne og kræver ingen specialist til opsætningen — ideelt for fleksible producenter, hvor lange og komplekse opsætningstider ikke er en mulighed.
Hvad indgår i Deepvis inspektionssystem?
Hver enhed består af et kamera, en AI-edgecomputer og en softwareplatform til inspektion. Kunderne kan købe den samlede løsning som en engangsinvestering med valgfri softwarelicens og supportpakker.
Hvordan ved jeg, om Deepvis passer til min applikation?
Hvis jeres kvalitetskontrol er manuel, tidskrævende og påvirkes af hyppige ændringer i produkt, lys eller materiale, er Deepvis bygget til jer. Vores system er designet til at reducere mandetimer i visuel inspektion — især i miljøer med høje volumener og stor variation, hvor traditionelle systemer kommer til kort. Vi starter typisk med et afklaringsmøde og en pilot, der viser tidsbesparelsen og effekten på driften.
Her er vi
Bygget i Aalborg
Vores team og laboratorium ligger i Aalborg, tæt på de produktionslinjer, vi arbejder med i hele Danmark.
Deepvis HQ · Aalborg
Udforsk smartere kvalitetskontrol med Deepvis
Se hvordan AI-drevet visuel inspektion reducerer fejl, sænker omkostninger og tilpasser sig jeres produktionslinje — uden komplekst opsætningsarbejde.