La inspección de botellas vacías asistida por IA arrancó en el sector del vidrio en 2020. Con la Linatronic AI, Krones presentó una inspeccionadora pionera basada en el aprendizaje profundo para detectar y clasificar anomalías. En lugar de rígidos parámetros de prueba, esta máquina utiliza una red neuronal entrenada con una serie de imágenes de muestra.
Durante el proceso de inspección, el sistema analiza las imágenes obtenidas en varias capas de filtros consecutivas. Cada capa extrae distintas características de la imagen, desde simples diferencias de brillo hasta texturas complejas. Al final, hay que decidir si se trata de una gota de agua no crítica, un reflejo inofensivo... o un defecto real, como una grieta o suciedad.
El resultado: la Linatronic AI descarta incorrectamente muchas menos botellas “buenas”, reduciendo así significativamente el desecho de material y detectando al mismo tiempo defectos críticos con una fiabilidad superior al 99,9 por ciento. Este sistema lleva años acreditándose en la práctica. Así pues, las cervecerías señalan, por ejemplo, que se reducen a un mínimo las botellas que se revientan dentro de la llenadora y que pueden hacer funcionar sus líneas de forma más estable gracias a la inspección basada en IA.
En Krones, la inteligencia artificial (IA) no es una promesa de futuro en la inspección. Ya en 2020, la tecnología Linatronic AI de aprendizaje profundo se trasladó a la inspección de botellas vacías. Ahora a esta inspeccionadora inteligente le llegan refuerzos: desde nuevas soluciones IA para latas hasta la inspección final tras el llenado.
Lo que la IA hace internamente
Echar un vistazo bajo la cubierta revela por qué esta tecnología es tan acertada para las tareas de inspección: los modelos de aprendizaje profundo no aprenden a partir de reglas abstractas, sino de ejemplos. Siguen viendo imágenes de “bueno” y “malo” hasta que descubren por sí mismos las diferencias relevantes.
Para el gestor, esto significa que la máquina puede entrenarse para realizar tareas específicas para el producto concreto, por ejemplo, para determinados tipos de botellas, suciedad o materiales. Si cambian los envases o los requerimientos, la red puede adaptarse con nuevos registros de datos. Una vez desarrollada una tecnología, se convierte en una plataforma que puede extrapolarse a una amplia variedad de tareas de inspección.
La IA ahora también inspecciona latas
Este es el paso que Krones está dando ahora con la inspección de latas. La Cantronic utiliza opcionalmente la misma tecnología de aprendizaje profundo que para la inspección de botellas, pero para latas vacías.
El reto: las latas difieren mucho entre sí por sus revestimientos internos, pintura y reflejos. Los sistemas clásicos topan con sus límites muy rápidamente en este campo porque requieren umbrales fijos. La Cantronic basada en IA, en cambio, fue entrenada con miles de imágenes de las latas más dispares. Como resultado, detecta con fiabilidad incluso la suciedad más diminuta, aunque el aspecto de la pared interior varíe de un lote a otro.
Otra ventaja: las redes neuronales abren nuevas posibilidades de detección sin necesidad de emplear hardware adicional. Cuerpos extraños típicos difíciles de detectar como un pelo o una fina película de plástico, ahora son detectados con fiabilidad por la Cantronic AI. Para el gestor esto supone correr menos riesgos y disfrutar de más seguridad del producto, todo ello con una instalación breve y una rápida puesta en marcha.
El “último recurso”: Checkmat AI
Mientras que la Linatronic AI y la Cantronic AI se utilizan en el sector de los envases vacíos, el Checkmat AI comienza a inspeccionar más adelante en la línea, con la inspección final después de la llenadora. Actualmente utiliza la acreditada tecnología de aprendizaje profundo de las inspeccionadoras de botellas vacías para la inspección del nivel de llenado y del tapón.
Los sistemas de inspección se enfrentan a una difícil tarea cuando se trata de productos carbonatados o espumosos: ¿El nivel es realmente demasiado bajo o solo está oculto por la espuma? ¿Las gotas del tapón son un defecto real o solo agua procedente de la enjuagadora? El Checkmat AI ha sido entrenado expresamente para enfrentar este tipo de situaciones. Aprende a ignorar de manera selectiva los factores típicos de interferencia como los movimientos del producto o las gotas residuales de agua y a enfocarse en las divergencias auténticas.
En la práctica, esto se traduce en un número significativamente menor de falsos rechazos y en un índice de detección muy elevado. Además, el Checkmat AI monitoriza el ángulo de rotación del tapón, especialmente en el caso de envases de PET no retornables. Esto garantiza que cada tapa encaje correctamente, algo fundamental para la seguridad y estanqueidad del producto.
Integrado en modernos conceptos de línea
El Checkmat AI no solo demuestra sus puntos fuertes como equipo independiente, sino también como componente de conceptos transversales como Ingeniq. Este concepto de línea para el llenado de agua sin gas en envases de PET combina equipos de alta gama con servicios digitales y un enfoque de servicio integral.
En este contexto, la inspección basada en IA contribuye a la eficiencia de varias maneras: los cambios automáticos de las unidades de cámara y rechazo aceleran los cambios del tipo de producto, los algoritmos de aprendizaje profundo garantizan el mejor control posible del producto y los dispositivos eléctricos de soplado de los tapones reducen el consumo de energía (en comparación con soluciones neumáticas). Esto convierte a la “inspeccionadora inteligente” en un componente fundamental para el rendimiento global de la línea.
De la máquina individual al mundo de la inspección inteligente
Desde su primera implantación en la inspección de botellas vacías hasta la inspección de latas e inspección final asistidas por IA hay un camino claro: Krones está transfiriendo gradualmente su experiencia en aprendizaje profundo a otras inspeccionadoras y ámbitos de aplicación. Para el gestor, esto se traduce en menos rechazos, mayor fiabilidad del proceso y mayor flexibilidad para los envases y los productos.
Y el potencial dista mucho de haberse agotado. Y es que cada nuevo proyecto proporciona nuevos datos de imagen con los que las redes neuronales pueden seguir aprendiendo. De este modo, la tecnología de inspección se está convirtiendo poco a poco en un panorama de sistemas de aprendizaje en el que la inteligencia artificial y la experiencia práctica van de la mano y garantizan una mayor calidad.
