随着消费者对产品包装的要求越来越高，包装生产工艺也在不断进步，各类提高产品包装速度和美观程度的包装机械设备应运而生。又因《中国制造2025》规划路线的出台，制造业改革之船正式起航，智能包装迎来了发展的春天。

　　高度自动化、高效化、节能化的包装设备已然受到食品、饮料、医药等下游行业青睐，传统的包装设备逐步与工业机器人及工业自动化、机器视觉、智能仓储&智能物流、运动控制技术等结合，使得包装行业智能制造不断发展改进。本期康耐视2021精选案例集，就将为大家详细介绍机器视觉在包装及其他行业领域内的智能应用案例。

1/ In-Sight 7000视觉系统助力奶粉生产线提速10% 高效解决“三期”检测问题

　　挑战：激光标刻的“三期”信息存在遗漏，而“三期”信息检测要求快速稳定，操作简便，人工检测存在漏检且成本高，易遭到客户投诉的风险；要求检测方案切实适合企业需求，避免功能过剩和设备投资浪费。

　　效果：实现了“三期”信息的有效检测，可准确剔除缺陷产品，生产成本和客户投诉风险大为降低；还能适应不同种规格产品，满足工厂快速切换产品的要求；高效的检测效率推动企业产能扩张，生产线提速10%，进一步的提升市场竞争力。

2/ 康耐视VisionPro视觉软件配合协作机器人实现自动化焊接

　　挑战：人工记忆焊接孔位置，容易出错；每种标准的产品焊接参数不同，容易混淆；工人重复劳动、强度大。

　　效果：实现焊接自动化，每个岗位可减少3个人工；焊接工艺参数实时读取，焊机数量、产品信号可追溯；焊接效率提升了50%，焊接质量和经济效益显著提高。

3/ 康耐视VisionPro视觉软件检测三元催化器过滤孔的通透性

　　挑战：打光难度大，只能照亮部分工件区域，效果不好；工件种类较多，机械定位不准、不易调节；传统方法无法完成通透性精准检测工作。

　　效果：检测精度高，开发周期短，维护难度小；通透性检测效率高，稳定性好；产品合格率提升了30%以上，产量和生产效率均大幅提升。

4/ VisionPro Deep Learning帮助中科玻璃解决酒瓶标签缺陷检测难题

　　挑战：“三班倒”的人工检测占用大量企业人力成本和管理费用，且人工目检方式效率低，易导致漏检、错检，流入市场的不良品给企业带来不利影响，同时人工检测方式也限制了企业产能提升，严重影响生产效率;而传统机器视觉产品无法检测酒瓶标签的复杂缺陷，经典深度学习网络部署又复杂。

　　效果：实现了酒瓶标签的快速高效检测，大幅度提高产品的良品率，用户投诉率为0；满足现场高速生产的需要，切实有效地取代了“三班倒”的人工检测模式，为企业节省大量的人工成本; 促进产能扩张，由原来日均产量1万件大幅提升至2万多件；部署简单，现场工程师简单培训就能上手，实现了在现场快速应用。

5/VisionPro Deep Learning实现电机电磁牵引线表面瑕疵的高效在线检测

　　挑战：如何在高速情况下，检测多个种类缺陷并进行分类分析；如何在安装受限的情况下，对电磁线的各个面进行检测并获取好的图像效果；如何与外部设备配合，能够让相机与光源配合获取各个面的同步图片；在类似缺陷中，如何进行更好的区分并分析各个瑕疵。

　　效果：增加VisionProDeepLearning瑕疵检测后，对于不合格有瑕疵的产品，都能够迅速识别，明显加强了产品质量管控；实现24小时不间断检测及测量，减少人工成本；简单易用的操作方式及开发的参数窗口，可以更加容易的根据生产需要来进行调整；能够更好的区分并分析各个瑕疵。

6/ VisionPro Deep Learning解决建材行业矿棉吸声板的缺陷检测挑战

　　挑战：人工目检方式效率低、检测不稳定，严重影响生产节拍和产品质量；而矿棉吸声板产品种类较多，视觉训练需要很长时间；缺陷种类多又导致分类耗时耗力，产品模板优化时间较长。

　　效果：先进视觉技术替代人工目检，提升产线自动化水平；模板训练速度快，检测精度高，操作简单易上手；提高了产品合格率和生产效率，缩减了人工成本，提升了客户对产品的满意度。

　　扫描下方海报二维码，就能获取上述案例的详细内容介绍啦～更有汽车、电子、物流等众多热门行业的智慧解决方案，知识点一手掌握！有制造业难题就来找康耐视，专业解决方案对症下药，将难题一网打尽！