Авторизация
Забыли пароль?
Сброс пароля
Вернуться к авторизации

Система контроля нанесения даты лазерным принтом

17 марта ‘26

Заказчик: Пивоварни Бочкарев

Решение автоматически проверяет каждую банку и находит ошибки в маркировке: нечитаемую дату, неполную печать или несоответствие дню розлива и сроку годности. При ошибке линия останавливается, оператор сразу получает уведомление.

Агентство-исполнитель кейса

Nord Clan

Системы контроля качества на основе машинного зрения и нейросетей. Автоматизируем контроль оборудования и технологических процессов, качества сырья и готовой продукции.

1. Вводная задача от заказчика, проблематика, цели

О клиенте

«Пивоварни Бочкарев» — один из крупнейших российских производителей пива с портфелем из более чем 20 брендов. Продукция компании поставляется по всей стране, а также экспортируется в страны СНГ и Китай.

Проблема клиента

На нижегородской площадке запускается новая линия розлива и упаковки пива. Для компании критично исключить риск выпуска продукции с некорректной маркировкой даты, поскольку это влияет на:

  • соответствие требованиям законодательства;
  • защиту бренда и доверие потребителей;
  • снижение потерь и возвратов.

Скорость линии до 72 тысяч банок в час делает ручной контроль невозможным: пропуск даже небольшого дефекта может привести к утилизации десятков тысяч единиц продукции и финансовым потерям.

Задачи

Создать систему, которая:

  • распознает маркировку, нанесенную лазерным принтером;
  • выявляет нечитабельные или неполные символы;
  • сверяет дату розлива и срок годности с текущими параметрами рецепта (270 или 360 дней);
  • передает сигнал на остановку линии и уведомляет оператора.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Решение основано на платформе ML Sense.

ML Sense — ИИ-платформа для контроля качества на конвейере с помощью машинного зрения и нейросетей.

Как работает система

Перед запуском линии оператор выбирает тип продукции и вводит параметры партии: дату розлива, срок годности и шаблон маркировки. Эти данные становятся эталоном для проверки каждой банки.

В процессе движения по конвейеру каждая банка автоматически фиксируется камерой в зоне контроля. Система в реальном времени:

  • определяет наличие маркировки;
  • распознаёт символы;
  • проверяет их читаемость;
  • сверяет дату и срок годности с заданными параметрами партии и системной датой.

При обнаружении отклонения система формирует событие и подаёт сигнал на остановку линии. Оператор получает уведомление с указанием причины: отсутствие даты, нечитаемая печать или несоответствие параметрам партии.

Технические особенности:

  • контроль нанесения даты в 2 строки по 14 символов (например, дата розлива + дата срока годности);
  • контроль нанесения даты в 1 строку;
  • контроль банок трех типов объема: 0,43, 0,33 и 0,25 литра.

Дополнительные возможности:

  • настройка порогов чувствительности (например, остановка линии только при серии дефектов);
  • выбор реакции системы на разные типы дефектов (фиксировать, но не останавливать линию);
  • хранение истории событий и изображений дефектных банок для анализа;
  • поддержка нескольких рецептов и шаблонов маркировки для разных брендов и форматов.

Оборудование и промышленное исполнение

Камера машинного зрения размещена в защищённом кожухе с купольным освещением — такая конструкция позволяет получать качественные изображения и минимизирует влияние бликов. Камера установлена на стабилизированном основании, которое компенсирует вибрации конвейера и сохраняет точность распознавания даже при максимальной скорости линии.

АРМ оператора установлен в пылезащищённом шкафу из нержавеющей стали, который соответствует требованиям пищевого производства и санитарным нормам. Такая конструкция обеспечивает безопасное и удобное управление линией при соблюдении всех правил гигиены.

Обучение и настройка нейросети

Для проекта был сформирован и размечен специализированный датасет с различными вариантами лазерной печати даты — с учётом шрифтов, контрастности, отражений и качества нанесения.

Нейросеть обучена:

  • выделять область маркировки;
  • распознавать символы;
  • определять отклонения от эталонных значений;
  • классифицировать дефекты по типам.

Модель также легко адаптируется под новые форматы продукции и шаблоны маркировки с минимальным дообучением.

3. Результаты сотрудничества

Контроль маркировки на линии стал полностью автоматическим и надёжным. Каждая банка проверяется в реальном времени, что исключает попадание на рынок продукции с нечитаемой или неверной датой.

  • Точность распознавания — до 99%.
  • Снижение операционных рисков, рекламаций и потерь от утилизации.
  • Защита бренда и доверия потребителей.
  • Готовность решения к тиражированию на другие площадки компании.

4. Заключение

Разработано на платформе ML Sense

Агентство-исполнитель кейса

Nord Clan

Системы контроля качества на основе машинного зрения и нейросетей. Автоматизируем контроль оборудования и технологических процессов, качества сырья и готовой продукции.