JP7239588B2

JP7239588B2 - 包装容器における欠陥検出の方法

Info

Publication number: JP7239588B2
Application number: JP2020533628A
Authority: JP
Inventors: ヨハン・ウェンデル; ヘンリック・フォースベック; ベント・アスク
Original assignee: Tetra Laval Holdings and Finance SA
Current assignee: Tetra Laval Holdings and Finance SA
Priority date: 2017-12-19
Filing date: 2018-11-08
Publication date: 2023-03-14
Anticipated expiration: 2038-11-08
Also published as: US11100630B2; WO2019120738A1; CN111492401A; JP2021507239A; EP3503024A1; CN111492401B; BR112020012257A2; US20200380656A1

Description

本発明は、液体食品用の包装容器における欠陥検出の分野に関する。本発明は特に、欠陥検出の方法、関連するコンピュータプログラム製品、欠陥検出のためのシステム、及び前述の欠陥検出のためのシステムを備える、液体食品用の包装容器を生産するための充填機に関する。

欠陥検出は、生産ラインにおいて、例えば液体又は半液体食品用の密封包装容器の製造において、充填機又はそのような包装容器の生産のための関連システムにて、最適な動作設定を構成し一定時間にわたって所望の性能を確保するために重要である。生産された包装容器における欠陥は、最適には及ばない無菌性能につながり得る。それゆえ、生産された包装容器において様々なタイプの欠陥をもたらし得る、そのようなシステム内の構成要素の欠陥挙動の特定のための効率的なツール及び手順を開発することが望ましい。密封包装容器の生産に用いられる最新世代の充填機又は関連機器は、生産ラインのスループットを更に増加させるために非常に高速で動作するので、生産ラインを中断させることなく、包装容器生産の性能の全ての側面を精度良く特徴付けることは煩雑であった。これにより、最適には及ばない性能、及び低下したスループットにつながる場合がある。したがって、問題は、どのようにして、必要なリソースを最小限に抑えながら、生産への影響を最小限に抑えて、信頼性の高い品質管理ツール及び戦略を実現するかである。

したがって、液体食品用の包装容器における欠陥検出のための改善された方法、具体的には、前述の問題及び妥協をより多く回避することを可能にする方法を有することが有利であり、この方法は、包装容器における欠陥の様々なカテゴリの容易な特定、及び実行時間が短く、それにより生産ラインを中断することなくオンザフライでの分析を可能にする欠陥検出の方法を提供することを含む。

したがって、本発明の実施例は好ましくは、上記で特定されたような、当技術分野における１つ以上の欠如、欠点、又は課題を、添付の特許請求の範囲による装置を提供することによって、単独で又は任意の組合せで緩和、軽減又は排除することを追求する。

第１の態様によれば、液体食品用の包装容器における欠陥検出の方法が提供され、包装容器は機械で生産される。方法は、包装容器の画像データを取り込む工程と、包装容器における欠陥を表す画像データにおける画像特徴を確定する工程と、画像特徴を欠陥の様々なカテゴリと関連付ける工程と、画像特徴に基づいて包装容器における欠陥のカテゴリを以降に検出するために、画像特徴を機械学習ベースのモデルに入力する工程と、以降の検出における欠陥の発生に対してタイムスタンプを決定する工程と、タイムスタンプに基づいて、欠陥の発生に対して、機械における包装容器の関連する生産パラメータを決定する工程と、欠陥の発生及びカテゴリを、生産パラメータと相関させる工程と、を含む。

第２の態様によれば、命令を含むコンピュータプログラム製品であって、プログラムがコンピュータによって実行された時に、コンピュータに第１の態様による方法の工程を実施させる、コンピュータプログラム製品を備える。

第３の態様によれば、機械で生産された液体食品用の包装容器における欠陥検出のためのシステムが提供される。システムは、包装容器の画像データを取り込むように構成された撮像装置と、処理ユニットであって、包装容器における欠陥を表す画像データにおける画像特徴を確定し、画像特徴を欠陥の様々なカテゴリと関連付けし、画像特徴に基づいて包装容器における欠陥のカテゴリを以降に検出するために、画像特徴を機械学習ベースのモデルに入力し、以降の検出における欠陥の発生に対してタイムスタンプを決定し、タイムスタンプに基づいて、欠陥の発生に対して、機械における包装容器の関連する生産パラメータを決定し、欠陥の発生及びカテゴリを、生産パラメータと相関させる、ように構成された、処理ユニットと、を備える。

第４の態様によれば、第３の態様によるシステムを備える充填機が提供される。

本発明の更なる実施例は、従属請求項で規定され、本開示の第２及び第３の態様に対する特徴は、必要な変更を加えて第１の態様と同様である。

本開示のいくつかの実施例は、包装容器における欠陥を検出する改善された方法を提供する。

本開示のいくつかの実施例は、包装容器における欠陥の様々なカテゴリの容易な特定を提供する。

本開示のいくつかの実施例は、機械における、欠陥を有する構成要素若しくは構成要素の集合体及び機能を、容易に且つより少ない所要時間で特定することを提供する。

本開示のいくつかの実施例は、機械における間違った挙動を特定するためのリソースのより効率的な使用を提供する。

本開示のいくつかの実施例は、包装容器における欠陥検出の、より堅牢な方法を提供する。

本開示のいくつかの実施例は、実行時間が短く、それによりオンザフライでの分析を可能にする、欠陥検出の方法を提供する。

本開示のいくつかの実施例は、機械の品質を評価する、より効率的な方法を提供する。

本開示のいくつかの実施例は、より少ない所要時間での機械のトラブルシューティングを提供する。

「ｃｏｍｐｒｉｓｅｓ（含む、備える）／ｃｏｍｐｒｉｓｉｎｇ（含む、備える）」という用語は、本明細書で使用される場合、述べられた特徴、整数、工程、又は構成要素の存在を指定するが、１つ以上の他の特徴、整数、工程、構成要素、又はそれらの群の存在又は追加を除外しないことが強調されなければならない。

本発明の実施例において可能になる、これら及び他の態様、特徴及び利点は、添付の図面を参照する本発明の実施例の以下の説明から明らかになり解明されるであろう。

本開示の実施例による、包装容器における欠陥検出のためのシステムの概略図である。本開示の実施例による、包装容器における欠陥検出の方法のフローチャートである。本開示の実施例による、包装容器における欠陥検出の方法の別のフローチャートである。本開示の実施例による、図２ａの方法を実行する包装容器における欠陥検出のためのシステムの概略図である。本開示の実施例による、図２ｂの方法を実行する包装容器における欠陥検出のためのシステムの概略図である。

ここで本発明の具体例を、添付の図面を参照して説明する。しかし、本発明は、多くの様々な形態で具現化されてもよく、本明細書で述べられる実施例に限定されると解釈すべきではなく、むしろ、これらの実施例は、本開示が当業者にとって綿密、完全であり、本発明の範囲を十分に伝えるように提供される。添付の図面に示される実施例の詳細な説明で使用されている用語は、本発明を限定することを意図していない。図面において、同様の番号は同様の要素を指す。

図１は、液体又は半液体食品用の包装容器３０１における欠陥検出のためのシステム２００の概略図である。包装容器３０１は、包装容器３０１内に食品を密封する充填機３００などの機械３００で生産される。システム２００は、包装容器３０１の画像データを取り込む（１０１）ように構成された撮像装置２０１を備える。撮像装置２０１は、充填機３００で密封された後、コンベヤに沿って搬送される時に、包装容器３０１の画像データを取り込むように構成されてもよい。しかし、撮像装置２０１が、生産ラインの任意の部分に沿って構成されて、容器３０１が生産プロセスの所望の部分にある時に、容器３０１の画像データを取り込んでもよいことが考えられる。複数の撮像装置２０１が構成されて、生産ラインの異なる部分から、及び／又は包装容器３０１に対して異なる角度から、及び／又は異なる露出設定若しくは画像処理パラメータを用いて、画像データを取り込んでもよいことも考えられる。したがって、画像データは、そのような複数の撮像装置２０１から取り込まれた画像データの複数のストリームを含んでもよい。システム２００は、撮像装置２０１から画像データを受け取るように構成された処理ユニット２０２を備える。処理ユニット２０２は、包装容器３０１における欠陥を表す画像データ３０２内の画像特徴を確定する（１０２）ように構成される。それゆえ、包装容器３０１に欠陥が存在する場合は、得られた画像データの一部が前述の欠陥を表す画像特徴を有する。例えば、包装容器３０１にしわ又はへこみなどの欠陥がある場合、その撮像画像には、そのようなしわ又はへこみの位置において画像データに影などの関連する画像特徴が現れ得る。欠陥の種類又はカテゴリが異なると、典型的には、特徴付ける画像特徴が異なる。したがって、そのような画像特徴を確定する（１０２）こと、及びこれら画像特徴を欠陥の様々なカテゴリに関連付ける（１０３）ように構成された処理ユニット２０２を更に有することが可能である。欠陥には、包装容器３０１の材料のしわ、包装容器３０１の密封されていないフラップ、包装容器３０１の裂けた又は不確かな事前穿孔穴、包装容器３０１のへこみ、包装容器３０１の開口領域における層間剥離、のいずれかを含んでもよい。欠陥の各々は、取り込まれた画像データ内の固有の画像特性又は特徴に関連付けられてもよい。例えば、欠陥を表す画像特徴は、色、露出、コントラストなどの画像の変化によって、並びに欠陥の形状、寸法、及び位置から一意的に特徴付けられて、包装容器３０１における様々な欠陥の各々に対する「指紋」が作成されてもよい。

処理ユニット２０２は、画像特徴に基づいて包装容器３０１における欠陥のカテゴリを以降に検出する（１０５）ために、固有の画像特徴を機械学習ベースのモデルに入力する（１０４）ように構成されている。したがって、生産ラインにおいて包装容器３０１の新しい画像データが取り込まれた時に、機械学習ベースのモデルは、欠陥の確定された画像特徴を利用し、そのような欠陥の以降の認識を提供する。機械学習ベースのモデルは、システム２００内にローカルに実装されることによって処理ユニット２０２により、又は、サーバー上の機械学習ベースのモデルに遠隔アクセスするように構成された処理ユニット２０２を有することにより、アクセスされてもよい。処理ユニット２０２自体が遠隔地のサーバーに実装され、遠隔サーバーから撮像装置２０２及び機械３００と通信するように構成されている場合も更に考えられる。処理ユニット２０２は、機械学習ベースのモデルによる以降の検出における欠陥の発生に対して、タイムスタンプ、すなわちマスタークロックを参照した時点を決定する（１０６）ように構成されている。したがって、機械３００において欠陥がいつ発生したかのタイミングを定めることができる。欠陥は、生産ラインの更に下流側にある撮像装置２０１によって検出されてもよいが、生産チェーン全体の時間を定めるマスタークロックを参照して、前述の包装容器３０１を追跡することによって、欠陥が包装容器３０１に生じた時点に時間を遡ることが可能であり得る。処理ユニット２０２は、タイムスタンプに基づいて、欠陥の発生に対して、機械３００における包装容器３０１の関連する生産パラメータを決定する（１０７）ように構成されている。それに応じて、欠陥が検出され、例えば、マスタークロックを参照して包装容器の生産プロセスを追跡することにより、関連するタイムスタンプが確定された場合、処理ユニット２０２は、確定されたタイムスタンプの時点における生産プロセスのパラメータを含むデータを機械３００から受け取るように構成されている。生産プロセスのマスタークロックを参照して前述のデータにインデックスを付けることにより、欠陥の検出後に、生産パラメータを含むデータを処理ユニット２０２に通信して、欠陥検出について確定されたタイムスタンプに対する関連する生産パラメータを、以降に決定できるようにすることも考えられる。したがって、処理ユニット２０２は、図１に概略的に示すように、制御ユニット２０３を介して、機械３００の自動化システムと通信するように構成されてもよい。生産パラメータは、機械内の設定及び／又はセンサデータ、及び／又は包装容器３０１の材料の特性若しくは密封される内容物の特性など、包装容器３０１の生産チェーンに関連する任意のパラメータを含んでもよい。処理ユニット２０２は、欠陥の発生及びカテゴリを生産パラメータと相関させる（１０８）ように更に構成される。欠陥の発生及びカテゴリを生産パラメータと相関させることにより、包装容器３０１における、いかなる欠陥の形成の起源と状況も精密に特徴付けることが可能である。これにより、生産ラインの最適化が容易になり、欠陥検出のための信頼性の高いツールが提供される。同時に、システム２００を上述のように構成することにより、生産ラインのスループットへの影響が最小限に抑えられる。プロセス監視に対するリソースへの要求を最小限に抑えながら、包装容器３０１における欠陥の様々なカテゴリが容易に特定される。システム２００は、機械において欠陥を有する構成要素及び機能を、容易に且つより少ない所要時間で特定することの他に、生産された包装容器３０１の品質を更に増大させることを確実にする。

図２ａは、機械３００で生産された液体食品用の包装容器３０１における欠陥検出の方法１００の関連するフローチャートを示す。方法１００の工程が説明され図示される順序は限定的と解釈すべきではなく、工程は様々な順序で実施できると考えられる。方法１００は、包装容器３０１の画像データを取り込む工程（１０１）と、包装容器３０１における欠陥を表す画像データ３０２における画像特徴を確定する工程（１０２）と、画像特徴を欠陥の様々なカテゴリと関連付ける工程（１０３）と、画像特徴に基づいて包装容器３０１における欠陥のカテゴリを以降に検出する（１０５）ために、画像特徴を機械学習ベースのモデルに入力する工程（１０４）とを含む。方法１００は更に、以降の検出における欠陥の発生に対してタイムスタンプを決定する工程（１０６）と、タイムスタンプに基づいて、欠陥の発生に対して、機械３００における包装容器３０１の関連する生産パラメータを決定する工程（１０７）と、欠陥の発生及びカテゴリを、生産パラメータと相関させる工程（１０８）と、を含む。したがって、方法１００は、システム２００及び図１に関連して上述したような有利な利点を提供する。

図２ｂは、機械３００で生産された液体食品用の包装容器３０１における欠陥検出の方法１００の更なるフローチャートを示す。方法１００の工程が説明され図示される順序は限定的と解釈すべきではなく、工程は様々な順序で実施できると考えられる。

方法１００は、欠陥のカテゴリに基づいて、画像データ内の関心領域を決定する工程（１０３’）を含んでもよい。したがって、欠陥のカテゴリに応じて、画像データの一部を選んで、機械学習ベースのモデルにおいて、欠陥を表す関連性のある画像特徴を更に検索及び分析してもよい。例えば、包装容器３０１におけるしわ又はへこみは、典型的には、画像の特定の部分で生じる場合があり、それが関心領域として選ばれる場合がある。これにより、欠陥が検出され得る速度が増加する場合があり、これは、包装容器の高速スループットを提供する充填機３００において特に有利であり得る。それゆえ、方法１００は、欠陥のカテゴリに基づいて、画像データ内の関心領域の位置及び／又はサイズを決定する工程（１０３’’）を含んでもよい。

方法１００は、画像データ内の欠陥を検出する確定された信頼区間に従って関心領域のサイズを選択する工程を含んでもよい。すなわち、関心領域のサイズを調整することにより、所望の信頼区間内に留まり、且つ欠陥を見逃さない一定の確率を提供しながら、検出プロセスを高速化することが可能になる。

方法１００は、欠陥のカテゴリに基づいて確定された画像パラメータのセットに従って、関心領域における画像データを処理する工程（１０３’’’）を含んでもよい。前述のように、欠陥がしわ又はへこみである場合は、これら欠陥を表す画像特徴をより明瞭に分離するために、例えば、カラーバランス、露出、又は欠陥の特定のカテゴリの特徴を強調する任意の画像処理フィルタを最適化することにより、画像パラメータが最適化されてもよい。撮像装置２０１の光学構成要素はまた、欠陥のカテゴリに応じて、例えば、様々な光学フィルタ、レンズ、画像センサなどで最適化されてもよい。それに応じて、処理ユニット２０２は、欠陥のカテゴリに基づいて確定された画像パラメータのセットに従って画像データを処理するように構成されてもよい。

方法１００は、欠陥の発生及び／又はカテゴリに従って修正された生産パラメータを含む制御命令を機械３００に通信する工程（１０９）を含んでもよい。したがって、制御命令は、検出された欠陥に依存して、生産プロセスを修正するためのフィードバックを機械３００に提供し得る。例えば、特定のカテゴリの欠陥の発生を最小限に抑えることができるように、機械設定を調整することができる。欠陥が検出されたか否かに依存して生産パラメータを修正する以外に、処理ユニット２０２は、例えば特定のカテゴリにおける欠陥のサイズ及び／又は位置に基づいて生産パラメータを修正するように構成され得る。それゆえ、システム２００は、図１に概略的に示すように、欠陥の発生及び／又はカテゴリに従って修正された生産パラメータを含む制御命令を機械に通信するように構成された制御ユニット２０３を備え得る。

方法１００は、欠陥の発生及び／又はカテゴリに従ってアラート通知のセットを決定する工程（１１０）を含んでもよい。したがって、ユーザは、様々な欠陥について通知され、警告に応じて処置してもよい。

図３ａ～図３ｂは、図２ａ及び図２ｂに関して上述したような方法１００を、充填機３００で実行するように構成されたプロセッサ２０１の概略図である。

命令を含むコンピュータプログラム製品であって、プログラムがコンピュータによって実行された時に、図１～図２に関連して上述した方法１００の工程をコンピュータに実施させるコンピュータプログラム製品が提供される。

図１に関連して上述したようなシステム２００を備える充填機３００が提供される。充填機３００は、液体又は半液体食品用の包装容器を生産するように構成されている。システム２００は、包装容器３０１の画像データを取り込む（１０１）ように構成された撮像装置２０１と、包装容器における欠陥を表す画像データ３０２内の画像特徴を確定する（１０２）ように構成された処理ユニット２０２とを備える。処理ユニット２０２は、画像特徴を欠陥の様々なカテゴリに関連付け（１０３）、画像特徴に基づいて包装容器３０１における欠陥のカテゴリを以降に検出する（１０５）ために、画像特徴を機械学習ベースのモデルに入力し（１０４）、以降の検出における欠陥の発生に対してタイムスタンプを決定し（１０６）、タイムスタンプに基づいて、欠陥の発生に対して、充填機３００における包装容器３０１の関連する生産パラメータを決定し（１０７）、欠陥の発生及びカテゴリを、生産パラメータと相関させる（１０８）、ように構成されている。したがって、充填機３００は、システム２００並びに方法１００、及び関連する図１、図２ａ～図２ｂ、並びに図３ａ～図３ｂに関連して上述したような有利な利点を提供する。

本発明を、具体例を参照して上記にて説明してきた。しかし、上記以外の他の例が、本発明の範囲内で同様に可能である。本発明の様々な特徴及び工程は、記載されたもの以外の組合せで組み合わせることができる。本発明の範囲は添付の特許請求の範囲によってのみ限定される。

より一般的には、本明細書に記載される全てのパラメータ、寸法、材料、及び構成が例示であることを意味しており、実際のパラメータ、寸法、材料、及び／又は構成は、本発明の教示が使用される特定の用途に依存することを、当業者は直ちに理解するであろう。

Claims

機械（３００）で生産された液体食品用の包装容器（３０１）における欠陥検出の方法（１００）であって、
前記包装容器の画像データを取り込む工程（１０１）と、
前記包装容器における欠陥を表す前記画像データ（３０２）における画像特徴を確定する工程（１０２）と、
前記画像特徴を欠陥の様々なカテゴリと関連付ける工程（１０３）と、
前記画像特徴に基づいて包装容器における欠陥のカテゴリを以降に検出する（１０５）ために、前記画像特徴を機械学習ベースのモデルに入力する工程（１０４）と、
前記以降の検出における欠陥の発生に対してタイムスタンプを決定する工程（１０６）と、
前記タイムスタンプに基づいて、欠陥の前記発生に対して、前記機械における前記包装容器の関連する生産パラメータを決定する工程（１０７）と、
前記欠陥の前記発生及び前記カテゴリを、前記生産パラメータと相関させる工程（１０８）と、
欠陥の前記カテゴリに基づいて、前記画像データ内の関心領域を決定する工程（１０３’）と、
を含む方法（１００）。
欠陥の前記カテゴリに基づいて、前記画像データ内の前記関心領域の位置及び／又はサイズを決定する工程（１０３’’）を含む、請求項１に記載の方法。
前記画像データ内の欠陥を検出する確定された信頼区間に従って前記関心領域のサイズを選択する工程を含む、請求項２に記載の方法。
欠陥の前記カテゴリに基づいて確定された画像パラメータのセットに従って、前記関心領域における前記画像データを処理する工程（１０３’’’）を含む、請求項１～３のいずれか一項に記載の方法。
前記欠陥の前記発生及び／又は前記カテゴリに従って修正された生産パラメータを含む制御命令を前記機械に通信する工程（１０９）を含む、請求項１～４のいずれか一項に記載の方法。
前記欠陥の前記発生及び／又は前記カテゴリに従ってアラート通知のセットを決定する工程（１１０）を含む、請求項１～５のいずれか一項に記載の方法。
前記欠陥は、前記包装容器の材料のしわ、前記包装容器の密封されていないフラップ、前記包装容器の裂けた又は不確かな事前穿孔穴、前記包装容器のへこみ、前記包装容器の開口領域における層間剥離、のいずれかを含む、請求項１～６のいずれか一項に記載の方法。
命令を含むコンピュータプログラム製品であって、プログラムがコンピュータによって実行された時に、前記コンピュータに請求項１～７のいずれか一項に記載の方法の工程を実施させる、コンピュータプログラム製品。
機械（３００）で生産された液体食品用の包装容器（３０１）における欠陥検出のためのシステム（２００）であって、前記システムは、
前記包装容器の画像データを取り込む（１０１）ように構成された撮像装置（２０１）と、
処理ユニット（２０２）であって、
前記包装容器における欠陥を表す前記画像データ（３０２）における画像特徴を確定し（１０２）、
前記画像特徴を欠陥の様々なカテゴリと関連付け（１０３）、
前記画像特徴に基づいて包装容器における欠陥のカテゴリを以降に検出する（１０５）ために、前記画像特徴を機械学習ベースのモデルに入力し（１０４）、
前記以降の検出における欠陥の発生に対してタイムスタンプを決定し（１０６）、
前記タイムスタンプに基づいて、欠陥の前記発生に対して、前記機械における前記包装容器の関連する生産パラメータを決定し（１０７）、
前記欠陥の前記発生及び前記カテゴリを、前記生産パラメータと相関させる（１０８）、ように構成された処理ユニット（２０２）と、を備え、
前記処理ユニットは、欠陥の前記カテゴリに基づいて確定された画像パラメータのセットに従って前記画像データを処理するように構成されている、
システム（２００）。
前記欠陥の前記発生及び／又は前記カテゴリに従って修正された生産パラメータを含む制御命令を前記機械に通信するように構成された制御ユニット（２０３）を備える、請求項９に記載のシステム。
請求項９又は１０に記載のシステム（２００）を備える、充填機（３００）。
液体食品用の包装容器を生産するための充填機（３００）であって、前記充填機は、前記包装容器における欠陥検出のためのシステム（２００）を備え、前記システムは、
前記包装容器の画像データを取り込む（１０１）ように構成された撮像装置（２０１）と、
処理ユニット（２０２）であって、
前記包装容器における欠陥を表す前記画像データ（３０２）における画像特徴を確定し（１０２）、
前記画像特徴を欠陥の様々なカテゴリと関連付け（１０３）、
前記画像特徴に基づいて包装容器における欠陥のカテゴリを以降に検出する（１０５）ために、前記画像特徴を機械学習ベースのモデルに入力し（１０４）、
前記以降の検出における欠陥の発生に対してタイムスタンプを決定し（１０６）、
前記タイムスタンプに基づいて、欠陥の前記発生に対して、前記充填機における前記包装容器の関連する生産パラメータを決定し（１０７）、
前記欠陥の前記発生及び前記カテゴリを、前記生産パラメータと相関させる（１０８）、ように構成された処理ユニット（２０２）と、を備え、
前記処理ユニットは、欠陥の前記カテゴリに基づいて確定された画像パラメータのセットに従って前記画像データを処理するように構成されている、
充填機（３００）。