Para cambiar este hecho, Krones ha conquistado la siguiente etapa evolutiva de la tecnología de inspección. La nueva Linatronic AI aprovecha para la detección y clasificación automática de anomalías un software de aprendizaje profundo (Deep Learning), siendo así mucho más inteligente y eficiente que sus colegas tradicionales.
Los que trabajan con máquinas de inspección para botellas vacías saben: no siempre una botella rechazada por la inspeccionadora realmente tiene un defecto. En algunos casos son simplemente gotas de agua o restos de espuma que permanecen adheridos a la botella después de la limpieza. Debido a que los sistemas convencionales no siempre logran diferenciar al 100 por ciento entre suciedades o defectos, estos rechazan los envases por seguridad. De esta manera en cada turno de producción muchas botellas que podrían ser usadas sin problemas, terminan para siempre en la basura.
La siguiente etapa evolutiva: redes neuronales artificiales
Deep Learning es una técnica que hace posible que las máquinas hagan algo que nosotros los humanos dominamos por naturaleza: aprender sobre la base de ejemplos. Con una gran diferencia: una máquina puede aprovechar esta capacidad de manera mucho más eficiente.
La base para ello es la llamada red neuronal artificial. Esta es comparable a un sistema complejo de capas de filtros conectadas en cascada. Las imágenes, las cuales son tomadas durante un proceso de inspección, recorren estas capas secuencialmente y cada capa extrae otra característica de la respectiva imagen. Debido a que la salida de un filtro se propaga como entrada en el próximo, la complejidad de estas características de la imagen puede ser aumentada siempre más. La cadena va desde la detección de pixeles de imagen claros u oscuros hasta la clasificación de determinados objetos, como por ejemplo gotas de agua.
Entrenamiento con miles de imágenes
Para aplicar después en la práctica estos filtros, la Linatronic AI fue entrenada con imágenes de ejemplo preclasificadas. Así su red neuronal aprende a filtrar características de la imagen relevantes para su tarea y a interpretarlas correspondientemente. Y lo que vale para el ser humano también vale para la máquina: cuanto más intensivo el entrenamiento, mejor el resultado. La red neuronal de la Linatronic AI fue perfeccionada, por lo tanto, cada vez más con miles de imágenes de ejemplo. Hasta estar en condiciones de diferenciar con seguridad una gota de agua de otras anomalías, y con una fiabilidad de más del 99,9 por ciento.
Así el desperdicio de material debido a botellas rechazadas incorrectamente deja de ser un problema. Al igual que la larga parametrización de la máquina durante su puesta en servicio. Porque la red neuronal ya no debe ser configurada manualmente según las condiciones del lugar de instalación, sino que la Linatronic AI es suministrada perfectamente entrenada y puede comenzar a trabajar inmediatamente.
