EP4337546A1 - Verfahren zum betrieb eines etikettiersystems - Google Patents

Verfahren zum betrieb eines etikettiersystems

Info

Publication number
EP4337546A1
EP4337546A1 EP22729457.6A EP22729457A EP4337546A1 EP 4337546 A1 EP4337546 A1 EP 4337546A1 EP 22729457 A EP22729457 A EP 22729457A EP 4337546 A1 EP4337546 A1 EP 4337546A1
Authority
EP
European Patent Office
Prior art keywords
arrangement
label
labeling
pack
routine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22729457.6A
Other languages
English (en)
French (fr)
Inventor
Nadina KORTHÄUER
Thorsten Zerfass
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Espera Werke GmbH
Original Assignee
Espera Werke GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Espera Werke GmbH filed Critical Espera Werke GmbH
Publication of EP4337546A1 publication Critical patent/EP4337546A1/de
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65C—LABELLING OR TAGGING MACHINES, APPARATUS, OR PROCESSES
    • B65C9/00—Details of labelling machines or apparatus
    • B65C9/40—Controls; Safety devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Definitions

  • the invention relates to a method for operating a labeling system according to the preamble of claim 1, a labeling system with at least one labeling device according to the preamble of claim 15 and a data carrier with a training data set for use in such a method according to claim 16.
  • the labeling systems in question here for labeling individual packs have at least one labeling device which is designed in particular as a price labeling device.
  • the labeling device is equipped with at least one feed arrangement, one label dispensing arrangement and one label application arrangement as functional units, which are set up for labeling the individual packs in a labeling routine.
  • the functional units are controlled in the labeling routine by means of a control arrangement.
  • the feed arrangement is in particular a belt conveyor or a roller conveyor for moving the respective packs, it being possible for the moving packs to be labeled during operation.
  • it is known to carry out the labeling routine with a chaotic pack feed, with different types of packs being fed to the feed arrangement in any desired sequence.
  • the chaotic supply of packs usually requires at least partially automatic recognition of the respective pack with a classification in order to enable labeling related to a respective pack class.
  • the packs can be automatically recognized, for example, based on weight values of the respective packs, with each pack class being assigned a weight range.
  • Sensor arrangements such as cameras are also used for classification into the packaging classes, with the respective packaging class being inferred from the recorded images of the packaging, for example on the basis of the packaging geometry.
  • the invention is based on the problem of specifying a method for operating a labeling system for labeling individual packs, with a particularly flexible pack supply being made possible.
  • images of the respective packs are analyzed in an analysis routine by means of the control arrangement, with this analysis being used to derive a classification of the respective pack into a pack class, and the labeling device in the labeling routine being controlled as a function of the classification.
  • the analysis routine be based on an application of a trained machine learning model to the images, which is carried out using the control arrangement.
  • a classification of any image information based on a machine learning model can generally be computationally intensive. In the present case, however, it was recognized that with the labeling a recording of the images in a - 3 - is possible in a largely controlled environment, which significantly reduces the demands on the computing power in the analysis routine, even when using a machine learning model, and also allows targeted training of the machine learning model.
  • the application of a machine learning model can even enable classification with high accuracy in real time, so that high process speeds can be achieved even with a chaotic product feed.
  • the preferred refinements according to claims 2 and 3 relate to printing of the labels depending on the classification derived in the analysis routine. Weight-dependent pricing of the respective packs on the basis of a basic price assigned to the pack class is particularly preferred.
  • the trained machine learning model is based on a trained neural network, such as a neural convolutional network.
  • Neural convolution networks achieve particularly good results in image processing.
  • a feature extractor can be used for the classification, with the classification being performed on the basis of the generated feature space. It is particularly advantageous here if at least one of these steps and preferably both steps are implemented by applying the trained machine learning model.
  • a suggestion step is also provided in the analysis routine, with which suggested regions in the image are identified which - 4 - again be used in the classification step.
  • This configuration can lead to a simplification of the analysis routine, particularly in the case of packs in which individual products are at least partially visible, for example packs with a transparent cover.
  • Claims 10 and 11 relate to a learning routine based on a training data set.
  • the training data record is at least partially derived from images of a preceding and/or ongoing labeling routine.
  • a labeling routine with no chaotic pack feed can be used to build a large and relevant training data set. If respective packs of the same pack class are labeled here at least for a certain period of time, the annotation of the images for the training data record can be significantly simplified.
  • a predefined distance can also be provided between the sensor arrangement and the respective packs, so that, for example, the effort associated with scaling the images in the analysis routine is reduced.
  • control arrangement can implement central management of the packaging classes and/or central implementation of the analysis routine, for example in a cloud-based manner.
  • a labeling system with at least one labeling device for labeling individual packs is claimed as such.
  • the label - 5 - chaining system is set up in particular for carrying out the proposed method. Reference is made to all statements on the proposed method.
  • 3 shows a schematic representation of the learning routine for the proposed method.
  • the invention relates to a method for operating a labeling system 1 with at least one labeling device 2 for labeling individual packs 3.
  • FIG. 1 shows a schematic representation of the labeling device 2 in a preferred embodiment as a price marking device.
  • the labeling device 2 has at least one feed arrangement 4, a label dispensing arrangement 5, a label application arrangement 6 and a printer arrangement 7 as functional units, which are set up to carry out a labeling routine for the packs 3.
  • further functional units of the labeling device 2 can also be provided.
  • the functional units are controlled by a control arrangement 8 of the labeling system 1 in a labeling routine that includes the labeling of the individual packs 3 . 6
  • the labeling routine provides that the respective packs 3 are transported by means of the feed arrangement 4, labels that can be removed from a material strip 9 are dispensed by means of the label dispensing arrangement 5, the dispensed label is applied to the respective pack 3 by means of the label application arrangement 6 and the from the strip of material 9 detachable or detached label is printed.
  • the feed arrangement 4 is designed to transport respective packs.
  • the feed arrangement 4 is preferably a belt conveyor or a roller conveyor, optionally also at least one robot arm, for moving the respective packs 3.
  • the feed arrangement 4, here the belt conveyor has here and preferably at least one conveyor belt, via which the respective packs 3 are transported along a transport direction.
  • the label dispensing arrangement 5 is also set up to dispense the label.
  • the label is preferably detached from a strip of material 9 by means of the label dispensing arrangement 5 .
  • a label that can be detached from a strip of material 9 means, in particular, a label whose adhesive surface is detachably attached to a carrier strip that forms the strip of material 9 and can be made of paper and/or plastic, for example. It is also possible for the label to be produced by separating a section from a printable or printed material strip 9, for example by cutting and/or tearing the material strip 9.
  • labels designed as adhesive labels are used, which are already attached to the material strip 9 have an adhesive surface. The strip of material 9 is guided here over a dispensing edge 10, with which the labels are detached.
  • the use of adhesive-free labels is also conceivable, which are only later provided with an adhesive surface or applied to an adhesive surface on the respective pack 3 .
  • the labeling device 2 here in a common housing with the label dispensing arrangement 5, has the label applying arrangement 6 for applying the dispensed label to the respective pack 3.
  • the label applicator assembly 6 for applying a label to the top of the package 3 here and preferably - 7 - have a stamp 11 on.
  • the stamp 11 transfers the label to the surface of the pack 3 in one application movement.
  • the stamp 11 is here and preferably designed as a pendulum stamp, which can be moved both linearly and pivoted.
  • the stamp 11 has a suction foot as the stamp foot, preferably a suction and blowing foot, for sucking in and in particular also blowing off the label.
  • the stamp 11 designed here as a pendulum stamp, carries out an application movement along the transport direction when the label is being transferred, in order to enable labeling of the pack 3 moved by means of the feed arrangement 4 . It is preferred here that the plunger 11 can also be adjusted in a direction orthogonal to the transport direction in order to enable the labels to be applied to different positions of the packs 3 orthogonal to the transport direction.
  • the label can be applied in a touching manner, ie mechanically, by pressing the label onto the pack 3.
  • the label can be applied without contact, for example by a suction and blowing foot of stamp 11 blowing the label off onto pack 3 by generating a compressed air blast directed towards pack 3, ie applying it pneumatically.
  • the plunger 11 can also be a purely linear plunger, which can then only be moved linearly, possibly in a plurality of mutually orthogonal directions.
  • a label suction arrangement 12 which transfers the detached labels to the stamp n.
  • the label it is basically also conceivable for the label to be transferred directly onto the surface of the pack 3, in particular by means of a compressed air blast exerted on the label by the label suction arrangement 12, preferably by a blowing head. In this case, no stamp 11 is necessary to transfer the label.
  • the printer assembly 7 is provided for printing the label, with a printing of the label in principle on the strip of material 9, after 8 detachment of the label from the strip of material 9, as well as before and/or after the label is applied to the respective pack 3.
  • a printer arrangement 7 set up for thermal printing is provided.
  • the printer arrangement 7 can also have a laser printer and/or an inkjet printer.
  • the printer arrangement 7 is preferably integrated into the label dispensing arrangement 5, as shown, and prints the labels before, after and/or during dispensing.
  • the control arrangement 8 takes care of the technical control tasks occurring in the labeling routine.
  • the control arrangement 8 preferably has at least one computer device which is set up to control the functional units. 1 shows a local control unit 13 of the labeling device 2, which communicates with a cloud-based server 14 via a wired and/or wireless network, for example a local network, a mobile network and/or the Internet. A mobile device 15 is also provided, which also communicates with the other components of the control arrangement 8 via the network.
  • Other variants of the control arrangement 8 are conceivable. For example, as an alternative to the illustrated control arrangement 8 with several components, only one local control arrangement 8 can be provided on the labeling device 2 .
  • the labeling device 2 also has a sensor arrangement 16, which is preferably designed as an optical sensor arrangement and here and preferably as a camera. Images 17 of the respective packs 3 are recorded by means of the sensor arrangement 16 .
  • the images 17 are therefore preferably camera images, in particular two-dimensional or three-dimensional image information of the respective pack 3.
  • the camera can be designed as a color camera and in particular as a 3D camera.
  • Further configurations of the sensor arrangement 16 are conceivable, for example with IR sensors or the like.
  • the sensor arrangement 16 is arranged here and preferably on the feed arrangement 4, so that images 17 of the respective pack 3 on the feed arrangement 4, preferably when the pack 3 is moving, are recorded.
  • Other configurations of the sensor arrangement 16 are also conceivable, which can record images 17 that are representative of the appearance of the packs 3, for example by means of laser scanning or the like.
  • the proposed method focuses on a chaotic pack supply, packs 3 with different requirements being processed in the labeling routine.
  • the images 17 of the respective packs 3 are analyzed in an analysis routine by means of the control arrangement 8 .
  • a classification of the respective pack 3 into a pack class is derived by means of this analysis.
  • a plurality of pack classes can be specified and stored in the control arrangement 8 .
  • the respective package 3 is classified into at least one of these predefined package classes.
  • the packaging classes can be assigned respective metadata, for example a product designation, an identification number and specifications relating to the labeling routine or the like.
  • the labeling device 2 is controlled in the labeling routine depending on the classification. Accordingly, at least one aspect of the labeling routine can be carried out in different ways for packs 3 from different pack classes, and can be added and/or omitted. Preferably, the activation of the labeling device 2, which is dependent on the classification, is carried out by means of the control arrangement 8 without the intervention of an operator and is therefore carried out automatically.
  • the analysis routine is based on an application of a trained machine learning model to the images, which is carried out by means of the control arrangement 8 . Accordingly, a model generated on the basis of a machine learning method is used, which is trained to classify the images 17 into one of the predefined pack classes.
  • the label is particularly preferably printed by means of the printer arrangement 7 depending on the pack class of the respective packs.
  • the printing is preferably carried out as a function of product information assigned to the packaging class.
  • the product information can be general product-related information such as a product designation, a printed image specified for the packaging class or the like. 10 chen included. More preferably, in the design of the labeling system 1 for price marking of the packs 3, the printing is carried out using assigned price information, which is printed on the label in particular as a numerical value.
  • a weighing arrangement 18 is also provided here as a functional unit, by means of which weight values for the individual packs 3 are determined.
  • the printing of the label by means of the printer arrangement 7 can also be carried out here depending on the weight values of the respective packs 3 .
  • the weight value or values that can be determined from this using the packaging class for example net weight, gross weight, tare and/or a weight range assigned to the weight, are printed on.
  • the price information assigned to the packaging class preferably contains a basic price, which is used to calculate a weight-dependent packaging price, the respective label being printed with the packaging price determined from the weight value and basic price value by means of the printer arrangement 7 .
  • the weighing arrangement 18 can be operated depending on the respective package class. For example, weighing parameters, such as weight ranges and/or division values, are assigned to the pack class, and the weighing arrangement 18 determines the weight values on the basis of the assigned weighing parameters.
  • the label dispensing arrangement 5 is here and preferably equipped with a plurality of material strips 9 for dispensing different types of labels.
  • a label type and/or one of the material strips 9 can be assigned to the packaging class.
  • the label is dispensed by means of the label dispensing arrangement 5 in accordance with the label type associated with the pack class. Consequently, the label with the label type specific to the pack class is applied to the pack 3 via the label application arrangement 6 .
  • the label application arrangement 6 can be used to apply the dispensed label to the respective pack 3 in accordance with an application specification assigned to the pack class.
  • the application specification preferably indicates whether the label is applied without contact or pressed on, in particular pressed on with a specified pressure.
  • the packing class can be a - 11
  • the respective pack 3 is transported by means of the feed arrangement 4 according to a speed assigned to the pack class.
  • the speed of the respective pack is adapted in particular to the transport path from the sensor arrangement 16 to the label application arrangement 6 and/or printer arrangement 7 .
  • a sorting arrangement can also be provided as a functional unit, by means of which the individual packs 3 are sorted on the feed arrangement depending on the classification.
  • the sorting can involve sorting out individual packs 3, for example removing them from the feed arrangement 4, which is effected, for example, by means of a blast of compressed air.
  • a multi-path sorting arrangement can also be used, which distributes the packs 3 to different sorting paths, for example via one or more switches.
  • the trained machine learning model used in the analysis routine is based on a trained neural network.
  • the neural network can be a neural convolutional network.
  • Neural convolution networks are known under the term "convolutional neural network" and in many cases allow a particularly effective image evaluation.
  • the analysis routine is based on an image 17 recorded by means of the sensor arrangement 16, with which a pack 3 is detected. Images 17 of individual packs 3 on the feed arrangement 4 are preferably recorded by means of the sensor arrangement 16 so that overlapping of different packs 3 on the image 17 is avoided.
  • a feature extractor 19 is applied directly or indirectly to the respective image to generate a feature space 20 .
  • the feature space 20 known as "feature space” 12 shown with only one level, but preferably includes multiple levels.
  • the respective pack 3 is classified into a pack class based on the feature space 20 .
  • the pack 3 is preferably classified on the basis of an assignment based on the feature space 20 to a pack class belonging to a selection of predetermined pack classes (A, B . X). 2 shows, by way of example, that pack 3 is assigned a pack class B on the basis of image 17, which in turn is assigned the metadata (a, b, . . . x) already mentioned.
  • the feature extractor 19 and/or the classification step 21 are based on the trained machine learning model, preferably on a trained neural network. Only a trained neural network 22 for classification is shown here. In particular, however, the feature extractor 19 and the classification step 21 can also be based jointly on the same trained neural network.
  • suggestion regions 24 are identified in the image 17, which potentially contain sections of the pack 3.
  • the suggested regions 24 can be used here in particular to identify regions in the image 17 which have individual products contained in the pack or also other subsections such as borders, existing labels or the like.
  • the suggestion step 23 is preferably carried out using the trained machine learning model. Algorithms suitable for this are known under the term "region proposal”.
  • the suggestion regions 24 are analyzed here for classification.
  • the classification step 21 it is thus possible, among other things, to apply more complex calculations to targeted sections of the image.
  • An example of a suitable algorithm for implementing the suggestion step 22 and the classification step 20 is R-CNN.
  • the machine learning model is trained as part of the proposed method.
  • the machine learning model is correspondingly trained in a learning routine on a training data set 25 by means of the control arrangement 8, which is shown in FIG.
  • the machine learning model is trained here and preferably based on annotated images 26 of packs 3 .
  • the trained machine learning model contains at least one weighting, preferably a set of parameters 28 that is representative of the weighting, as well as an application specification for how the weighting is to be implemented in the analysis routine.
  • a parameter set 28 for the machine learning model is determined here and preferably via a neural network.
  • the training data set 25 is at least partially derived from images 17 recorded by means of the sensor arrangement 16 in a preceding and/or ongoing labeling routine.
  • this labeling routine a classification of the respective packs 3 can be specified, via which the images 17 are annotated.
  • respective packs 3 of the same pack class are labeled at least for a certain period of time.
  • the images 17 can also be annotated in the event of a chaotic supply of packs, for example if pack recognition, as mentioned in the introduction, is possible on the basis of the weight values or the like.
  • the automatic annotation of the images 17 is preferably validated via a further classification, preferably via the weight values of the packs 3. In this case, only those images 17 are automatically annotated whose weight values fall into a weight class assigned to the packaging class. - 14 -
  • an alignment arrangement 29 is also provided as a functional unit, by means of which the individual packs 3 are positioned on the feed arrangement 4 .
  • the alignment arrangement 29 has at least one guide element 30, in this case guide elements 30 arranged on both sides of the feed arrangement 4, which at least partially adjoin and/or protrude into a conveying region of the feed arrangement 4.
  • the guide elements 30 align the packs 3 by touching them.
  • the guide elements 30 are preferably movable in order to allow adjustment of the alignment.
  • the sensor arrangement 16 can be provided downstream of the alignment arrangement 29 and/or the alignment arrangement 29 on the feed arrangement 4 . Consequently, the images 17 can be determined on aligned packages, simplifying the analysis routine. However, it is also conceivable that the alignment by means of the alignment arrangement 29 is carried out depending on the classification of the packs 3 , with the alignment arrangement 29 being arranged downstream of the sensor arrangement 16 .
  • the sensor arrangement 16 preferably has a predefined distance from the respective packs 3, which also leads to a simplification of the analysis routine.
  • the sensor arrangement 16 is kept at a constant distance from the feed arrangement 4 and thus at a predefined distance from the underside of the packs 3 .
  • the predefined distance preferably corresponds to the distance between the sensor arrangement 16 and the respective packs 3 in the labeling routine used for the training data set.
  • an architecture of the machine learning model and/or the training step takes into account the predefined distance and/or the orientation.
  • many scalings in the architecture and/or training of a machine learning model are taken into account, since it is not clear in which size and in which position the objects will ultimately appear in image 17.
  • This problem has led to various solution approaches, which, however, are generally associated with increased computational complexity. In the present case, it is possible to save at least part of this complexity.
  • control arrangement 8 can be designed as part of the labeling device 2 and/or cloud-based.
  • the labeling system 1 preferably has a plurality of labeling devices 2 which are controlled by the control arrangement 8 .
  • a cloud-based implementation enables the packaging classes and/or the trained machine learning model to be managed centrally.
  • the training data set 25 can also be generated on the basis of the images 17 of one or more of the labeling devices 2 . It is also conceivable that at least part of the computationally intensive analysis routine is carried out in a cloud-based manner, here via the cloud server 14 .
  • the labeling system 1 mentioned is claimed as such.
  • the labeling system 1 is equipped with at least one labeling device 2 for labeling individual packs 3, in particular for pricing.
  • the labeling device 2 has at least one feed arrangement 4, a label dispensing arrangement 5, a label application arrangement 6 and a printer arrangement 7 as functional units, with a control arrangement 8 of the labeling system 1 controlling the functional units in a labeling routine.
  • the feed arrangement 4 transports the respective packs 3
  • the label dispensing arrangement 5 donates labels that can be detached from a strip of material 9
  • the label application arrangement 6 applies the dispensed label to the respective pack 3
  • the printer arrangement 7 applies the label that can be detached from the strip of material 9 or detached label printed.
  • the labeling device 2 has a sensor arrangement 16, preferably a camera, which records images 17 of the respective packs 3, with the control arrangement 8 analyzing the images 17 of the respective packs 3 in an analysis routine, using this analysis to classify the respective pack 3 into a pack class derives and carries out the activation of the labeling device 2 in the labeling routine depending on the classification. It is essential here that a trained machine learning model is stored in the control arrangement 8 and that the analysis routine is based on an application of the trained machine - 16 - learning model based on the pictures 17. Reference is made to the statements on the proposed method.
  • a data carrier with a training data set 25 is claimed as such.
  • the data carrier is intended for use in the proposed method and is generated by means of the learning routine mentioned.
  • the training data record 25 is preferably stored on the data medium in a non-volatile manner. Reference is made to the statements on the proposed method.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Labeling Devices (AREA)
  • Adhesives Or Adhesive Processes (AREA)
  • Image Analysis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Betrieb eines Etikettiersystems (1) mit mindestens einer Etikettiervorrichtung (2) zum Etikettieren, insbesondere zum Preisauszeichnen, von einzelnen Packungen (3), wobei die Etikettiervorrichtung (1) als Funktionseinheiten zumindest eine Vorschubanordnung (4), eine Etiket- tenspendeanordnung (5), eine Etikettenaufbringanordnung (6) sowie eine Druckeranordnung (7) aufweist, welche durch eine Steueranordnung (8) des Etikettiersystems (1) in einer Etikettierroutine angesteuert werden, wobei die Etikettiervorrichtung (1) eine Sensoranordnung (16), vorzugsweise eine Kame- ra, aufweist, mittels welcher Bilder (17) der jeweiligen Packungen (3) aufge- nommen werden, wobei mittels der Steueranordnung (8) die Bilder (17) der je- weiligen Packungen (3) in einer Analyseroutine analysiert werden, wobei mittels dieser Analyse eine Klassifikation der jeweiligen Packung (3) in eine Packungs- klasse abgeleitet wird und wobei das Ansteuern der Etikettiervorrichtung (2) in der Etikettierroutine abhängig von der Klassifikation vorgenommen wird. Es wird vorgeschlagen, dass die Analyseroutine auf einer mittels der Steueranord- nung (8) vorgenommenen Anwendung eines trainierten Maschinenlernmodells auf die Bilder (17) basiert.

Description

Verfahren zum Betrieb eines Etikettiersystems
Die Erfindung betrifft ein Verfahren zum Betrieb eines Etikettiersystems gemäß dem Oberbegriff von Anspruch 1, ein Etikettiersystem mit mindestens einer Etikettiervorrichtung gemäß dem Oberbegriff von Anspruch 15 und einen Datenträger mit einem Trainingsdatensatz zur Verwendung in einem solchen Verfahren gemäß Anspruch 16.
Die hier in Rede stehenden Etikettiersysteme zum Etikettieren von einzelnen Packungen weisen mindestens eine Etikettiervorrichtung auf, welche insbesondere als Preisauszeichnungsvorrichtung ausgestaltet ist. Die Etikettiervorrichtung ist zumindest mit einer Vorschubanordnung, einer Etikettenspendeanordnung sowie einer Etikettenaufbringanordnung als Funktionseinheiten ausgestattet, welche für das Etikettieren der einzelnen Packungen in einer Etikettierroutine eingerichtet sind. Die Funktionseinheiten werden in der Etikettierroutine mittels einer Steueranordnung angesteuert.
Bei der Vorschubanordnung handelt es sich insbesondere um einen Bandförderer oder um einen Rollenförderer zur Bewegung der jeweiligen Packungen, wobei ein Etikettieren der bewegten Packungen im laufenden Betrieb vorgenommen werden kann. Grundsätzlich ist es bekannt, die Etikettierroutine mit einer chaotischen Packungszufuhr vorzunehmen, wobei verschiedenartige Packungen in beliebiger Abfolge der Vorschubanordnung zugeführt werden. Die chaotische Packungszufuhr erfordert hierbei in der Regel eine zumindest teilweise automatische Erkennung der jeweiligen Packung mit einer Klassifikation, um ein auf eine jeweilige Packungsklasse bezogenes Etikettieren zu ermöglichen.
Die automatische Erkennung der Packungen kann beispielsweise anhand von Gewichtswerten der jeweiligen Packungen vorgenommen werden, wobei jeder Packungsklasse ein Gewichtsbereich zugeordnet ist. Für die Einordnung in die Packungsklassen werden zudem Sensoranordnungen wie Kameras eingesetzt, wobei anhand der aufgenommenen Bilder der Packungen, etwa anhand der Packungsgeometrie, auf die jeweilige Packungsklasse geschlossen wird.
Eine Herausforderung besteht darin, dass mit der chaotischen Packungszufuhr Fehlerkennungen der Packungen auftreten können. Beispielsweise kann bei 2 einer an den Gewichtswerten orientierten Erkennung daher erforderlich sein, dass sich die Gewichtswerte von Packungen verschiedener Packungsklassen nicht überlappen. Grundsätzlich ist es auch bei einer kameragestützten Klassifikation erwünscht, Packungen unterschiedlicher Packungsklassen mit sehr ähnlichem Erscheinungsbild zuzuführen, ohne dass Fehlerkennungen auftre- ten.
Der Erfindung liegt das Problem zugrunde, ein Verfahren für den Betrieb eines Etikettiersystems zum Etikettieren von einzelnen Packungen anzugeben, wobei eine besonders flexible Packungszufuhr ermöglicht wird.
Das obige Problem wird bei einem Verfahren gemäß dem Oberbegriff von Anspruch 1 durch die Merkmale des kennzeichnenden Teils von Anspruch 1 gelöst.
Ausgegangen wird davon, dass mittels der Steueranordnung Bilder der jeweiligen Packungen in einer Analyseroutine analysiert werden, wobei mittels dieser Analyse eine Klassifikation der jeweiligen Packung in eine Packungsklasse abgeleitet wird und wobei das Ansteuern der Etikettiervorrichtung in der Etikettier- routine abhängig von der Klassifikation vorgenommen wird.
Wesentlich ist die grundsätzliche Überlegung, dass herkömmliche Verfahren der Bildverarbeitung bei chaotischer Packungszufuhr von verschiedenen Packungen mit ähnlichem Erscheinungsbild schnell an ihre Grenzen gelangen. Gleichzeitig ist eine schnelle Bilderkennung erforderlich, um die Klassifikation im laufenden Betrieb zu ermöglichen.
Im Einzelnen wird vorgeschlagen, dass die Analyseroutine auf einer mittels der Steueranordnung vorgenommenen Anwendung eines trainierten Maschinen- lernmodells auf die Bilder basiert.
Der Einsatz eines Maschinenlernverfahrens kann die Klassifikation der jeweiligen Packungen bei chaotischer Packungszufuhr deutlich verbessern. Eine Klassifikation beliebiger Bildinformationen auf Grundlage eines Maschinen- lernmodells kann zwar im Allgemeinen rechenintensiv sein. Vorliegend wurde jedoch erkannt, dass mit dem Etikettieren ein Aufnehmen der Bilder in einer - 3 - weitgehend kontrollierten Umgebung möglich ist, was die Anforderungen an die Rechenleistung in der Analyseroutine auch unter Anwendung eines Maschinenlernmodells deutlich reduziert und zudem ein gezieltes Training des Maschinenlernmodells erlaubt. Die Anwendung eines Maschinenlernmodells kann hier sogar eine Klassifikation mit hoher Genauigkeit in Echtzeit ermöglichen, sodass auch bei einer chaotischen Produktzuführung hohe Prozessgeschwindigkeiten zu erreichen sind.
Die bevorzugten Ausgestaltungen gemäß den Ansprüchen 2 und 3 betreffen ein Bedrucken der Etiketten abhängig von der in der Analyseroutine abgeleiteten Klassifikation. Besonders bevorzugt ist hierbei eine gewichtsabhängige Preisauszeichnung der jeweiligen Packungen auf Grundlage eines der Packungsklasse zugeordneten Grundpreises.
In den bevorzugten Ausgestaltungen gemäß Anspruch 4 und 5 wird die Flexibilität im Hinblick auf die Vielfalt der zugeführten Packungen damit weiter genutzt, dass mehrere Etikettentypen verfügbar sind, welche abhängig von der Packungsklasse für die jeweilige Packung aufgebracht werden. Auch die Art der Aufbringung und die Geschwindigkeit des Transports der Packungen kann je nach Packungsklasse variiert werden. Die Klassifikation ermöglicht auch ein Sortieren der Packungen abhängig von deren jeweiliger Packungsklasse (Anspruch 6).
Bei der bevorzugten Ausgestaltung gemäß Anspruch 7 basiert das trainierte Maschinenlernmodell auf einem trainierten neuronalen Netzwerk, etwa auf einem neuronalen Faltungsnetzwerk. Neuronale Faltungsnetzwerke erzielen besonders in der Bildverarbeitung gute Ergebnisse.
Gemäß Anspruch 8 kann zur Klassifikation ein Merkmalsextraktor eingesetzt werden, wobei die Klassifikation anhand des generierten Merkmalraums vorgenommen wird. Besonders vorteilhaft ist hierbei, wenn mindestens einer dieser Schritte und vorzugsweise beide Schritte durch Anwenden des trainierten Maschinenlernmodells umgesetzt werden.
Gemäß Anspruch 9 ist zudem ein Vorschlagsschritt in der Analyseroutine vorgesehen, mit welchem Vorschlagsregionen im Bild identifiziert werden, welche - 4 - wiederum im Klassifikationsschritt herangezogen werden. Diese Ausgestaltung kann insbesondere bei Packungen, bei welchen Einzelprodukte zumindest teilweise sichtbar sind, etwa Packungen mit transparenter Abdeckung, zu einer Vereinfachung der Analyseroutine führen.
Die Ansprüche 10 und 11 betreffen eine Lernroutine auf Grundlage eines Trainingsdatensatzes. Besonders interessant ist hierbei die Ausgestaltung gemäß Anspruch 11, wonach der Trainingsdatensatz zumindest teilweise aus Bildern einer vorhergehenden und/oder laufenden Etikettierroutine abgeleitet wird. Beispielsweise kann eine Etikettierroutine ohne chaotische Packungszufuhr dafür genutzt werden, einen großen und stichhaltigen Trainingsdatensatz aufzubauen. Werden hierin zumindest zeitabschnittsweise jeweilige Packungen der gleichen Packungsklasse etikettiert, kann das Annotieren der Bilder für den Trainingsdatensatz deutlich vereinfacht werden.
Besonders vorteilhaft ist zudem die Verwendung einer Ausrichtanordnung, beispielsweise mit einem Führungselement für die jeweiligen Packungen, gemäß Anspruch 12, wodurch die Packungen auf den aufgenommenen Bildern an einer wohldefinierten und reproduzierbaren Position erscheinen können. Hiermit werden eine höhere Zuverlässigkeit der Klassifikation und eine weitere Verbesserung des Trainingsdatensatzes erreicht.
Ebenfalls kann gemäß Anspruch 13 ein vordefinierter Abstand zwischen Sensoranordnung und den jeweiligen Packungen vorgesehen sein, sodass beispielsweise der mit einer Skalierung der Bilder in der Analyseroutine verbundene Aufwand reduziert wird.
Bei der Ausgestaltung gemäß Anspruch 14 wird weiter in Betracht gezogen, dass über die Steueranordnung auch mehrere Etikettiervorrichtungen angesteuert werden können. Die Steueranordnung kann hierbei, beispielsweise cloudbasiert, eine zentrale Verwaltung der Packungsklassen und/oder eine zentrale Durchführung der Analyseroutine umsetzen.
Nach einer weiteren Lehre gemäß Anspruch 15, der eigenständige Bedeutung zukommt, wird ein Etikettiersystem mit mindestens einer Etikettiervorrichtung zum Etikettieren von einzelnen Packungen als solches beansprucht. Das Eti- - 5 - kettiersystem ist insbesondere zur Durchführung des vorschlagsgemäßen Verfahrens eingerichtet. Auf alle Ausführungen zum vorschlagsgemäßen Verfahren wird verwiesen.
Nach einer weiteren Lehre gemäß Anspruch 16, der ebenfalls eigenständige Bedeutung zukommt, wird ein Datenträger mit einem Trainingsdatensatz zur Verwendung in dem vorschlagsgemäßen Verfahren beansprucht. Auf alle Ausführungen zu dem vorschlagsgemäßen Verfahren wird verwiesen.
Im Folgenden wird die Erfindung anhand einer lediglich ein Ausführungsbeispiel darstellenden Zeichnung näher erläutert. In der Zeichnung zeigt
Fig. 1 eine schematische Darstellung des vorschlagsgemäßen Etikettiersystems zum Durchführen des vorschlagsgemäßen Verfahrens,
Fig. 2 eine schematische Darstellung der im vorschlagsgemäßen Verfahren eingesetzten Analyseroutine basierend auf dem trainierten Maschinenlernmodell, und
Fig. 3 eine schematische Darstellung der Lernroutine für das vorschlagsgemäße Verfahren.
Die Erfindung betrifft ein Verfahren zum Betrieb eines Etikettiersystems 1 mit mindestens einer Etikettiervorrichtung 2 zum Etikettieren von einzelnen Packungen 3. Fig. 1 zeigt in einer schematischen Darstellung die Etikettiervorrichtung 2 in einer bevorzugten Ausgestaltung als Preisauszeichnungsvorrichtung.
Die Etikettiervorrichtung 2 weist als Funktionseinheiten zumindest eine Vorschubanordnung 4, eine Etikettenspendeanordnung 5, eine Etikettenaufbring- anordnung 6 sowie eine Druckeranordnung 7 auf, welche zum Durchführen einer Etikettierroutine für die Packungen 3 eingerichtet sind. Neben den genannten Funktionseinheiten können noch weitere Funktionseinheiten der Etikettiervorrichtung 2 vorgesehen sein. Die Funktionseinheiten werden durch eine Steueranordnung 8 des Etikettiersystems 1 in einer Etikettierroutine angesteuert, die das Etikettieren der einzelnen Packungen 3 beinhaltet. 6
In der Etikettierroutine ist vorgesehen, dass jeweilige Packungen 3 mittels der Vorschubanordnung 4 transportiert werden, mittels der Etikettenspendeanordnung 5 von einem Materialstreifen 9 lösbare Etiketten gespendet werden, mittels der Etikettenaufbringanordnung 6 das gespendete Etikett auf die jeweilige Packung 3 aufgebracht wird und mittels der Druckeranordnung 7 das vom Materialstreifen 9 lösbare oder gelöste Etikett bedruckt wird.
Die Vorschubanordnung 4 ist zum Transport jeweiliger Packungen ausgestaltet. Bei der Vorschubanordnung 4 handelt es sich bevorzugt um einen Bandförderer oder um einen Rollenförderer, gegebenenfalls auch um mindestens einen Roboterarm, zur Bewegung der jeweiligen Packungen 3. Die Vorschubanordnung 4, hier der Bandförderer, weist hier und vorzugsweise mindestens ein Transportband auf, über welches die jeweiligen Packungen 3 entlang einer Transportrichtung transportiert werden.
Weiter ist die Etikettenspendeanordnung 5 zum Spenden des Etiketts eingerichtet. Vorzugsweise wird das Etikett mittels der Etikettenspendeanordnung 5 von einem Materialstreifen 9 gelöst. Mit einem von einem Materialstreifen 9 lösbaren Etikett ist insbesondere ein Etikett gemeint, welches mit seiner Klebefläche lösbar auf einem Trägerstreifen angebracht ist, der den Materialstreifen 9 bildet und beispielsweise aus Papier und/oder Kunststoff bestehen kann. Ebenso ist es möglich, dass das Etikett durch Abtrennen eines Teilabschnitts von einem bedruckbaren oder bedruckten Materialstreifen 9 erzeugt wird, etwa durch Schneiden und/oder Reißen des Materialstreifens 9. Hier und gemäß einer bevorzugten Ausgestaltung werden als Klebeetiketten ausgestaltete Etiketten angewendet, welche bereits am Materialstreifen 9 eine Klebefläche aufweisen. Der Materialstreifen 9 wird hier über eine Spendekante 10 geführt, womit die Etiketten abgelöst werden. Ebenfalls ist auch die Verwendung von klebemittelfreien Etiketten denkbar, welche erst später mit einer Klebefläche versehen oder auf eine Klebefläche an der jeweiligen Packung 3 aufgebracht werden.
Zudem weist die Etikettiervorrichtung 2, hier in einem gemeinsamen Gehäuse mit der Etikettenspendeanordnung 5, die Etikettenaufbringanordnung 6 zum Aufbringen des gespendeten Etiketts auf die jeweilige Packung 3 auf. Wie in Fig. 1 schematisch dargestellt, weist die Etikettenaufbringanordnung 6 zum Aufbringen eines Etiketts auf die Oberseite der Packung 3 hier und vorzugs- - 7 - weise einen Stempel 11 auf. Der Stempel 11 überträgt das Etikett in einer Aufbringbewegung auf die Oberfläche der Packung 3.
Der Stempel 11 ist hier und vorzugsweise als Pendelstempel ausgestaltet, der sowohl linear verfahrbar als auch schwenkbar ist. Insbesondere weist der Stempel 11 als Stempelfuß einen Saugfuß, vorzugsweise einen Saug- und Blasfuß, zum Ansaugen und insbesondere auch Abblasen des Etiketts auf. Der hier als Pendelstempel ausgestaltete Stempel 11 führt hier beim Übertragen des Etiketts eine Aufbring beweg ung entlang der Transportrichtung durch, um ein Etikettieren der mittels der Vorschubanordnung 4 bewegten Packung 3 zu ermöglichen. Bevorzugt ist hierbei, dass der Stempel 11 auch in einer Richtung orthogonal zur Transportrichtung verstellbar ist, um ein Aufbringen der Etiketten an verschiedenen Positionen der Packungen 3 orthogonal zur Transportrichtung zu ermöglichen.
Mit der Etikettenaufbringanordnung 6 kann das Etikett berührend, also mechanisch, durch ein Aufpressen des Etiketts auf die Packung 3 aufgebracht werden. Zusätzlich oder alternativ ist es denkbar, dass das Etikett berührungslos aufgebracht wird, beispielsweise indem ein Saug- und Blasfuß des Stempels 11 das Etikett durch Erzeugen eines zur Packung 3 gerichteten Druckluftstoßes auf die Packung 3 abbläst, also pneumatisch aufbringt. Grundsätzlich kann es sich bei dem Stempel 11 aber auch um einen reinen Linearstempel handeln, der dann nur linear, gegebenenfalls in mehreren zueinander orthogonalen Richtungen, bewegbar ist.
Wie in Fig. 1 schematisch dargestellt, ist hier eine Etikettenansauganordnung 12 vorgesehen, welche die abgelösten Etiketten dem Stempel n übergibt. Gemäß einer weiteren, hier nicht dargestellten Ausführungsform ist es grundsätzlich auch denkbar, dass das Etikett direkt, insbesondere mittels eines auf das Etikett von der Etikettenansauganordnung 12, vorzugsweise von einem Blaskopf, ausgeübten Druckluftstoßes, auf die Oberfläche der Packung 3 übertragen wird. In diesem Fall ist dann zum Übertragen des Etiketts kein Stempel 11 notwendig.
Weiter ist die Druckeranordnung 7 zum Bedrucken des Etiketts vorgesehen, wobei ein Bedrucken des Etiketts prinzipiell auf dem Materialstreifen 9, nach 8 einem Lösen des Etiketts vom Materialstreifen 9, sowie vor und/oder nach dem Aufbringen des Etiketts auf die jeweilige Packung 3 erfolgen kann. Hier und vorzugsweise ist eine für einen Thermodruck eingerichtete Druckeranordnung 7 vorgesehen. Ebenfalls kann die Druckeranordnung 7 einen Laserdrucker und/oder Tintenstrahldrucker aufweisen. Die Druckeranordnung 7 ist vorzugsweise wie dargestellt in die Etikettenspendeanordnung 5 integriert und bedruckt die Etiketten vor, nach und/oder bei dem Spenden.
Die Steueranordnung 8 nimmt die in der Etikettierroutine anfallenden steuerungstechnischen Aufgaben wahr. Vorzugsweise weist die Steueranordnung 8 mindestens ein Computergerät auf, welches dafür eingerichtet ist, die Funktionseinheiten anzusteuern. In Fig. 1 ist beispielhaft eine lokale Steuereinheit 13 der Etikettiervorrichtung 2 gezeigt, welche über ein drahtgebundenes und/oder drahtloses Netzwerk, beispielsweise ein lokales Netzwerk, ein Mobilfunknetz und/oder das Internet, mit einem cloudbasierten Server 14 kommuniziert. Zudem ist ein Mobilgerät 15 vorgesehen, welches ebenfalls über das Netzwerk mit den weiteren Komponenten der Steueranordnung 8 kommuniziert. Andere Varianten der Steueranordnung 8 sind denkbar. Beispielsweise kann alternativ zur dargestellten Steueranordnung 8 mit mehreren Komponenten auch lediglich eine lokale Steueranordnung 8 an der Etikettiervorrichtung 2 vorgesehen sein.
Die Etikettiervorrichtung 2 weist ferner eine Sensoranordnung 16 auf, die vorzugsweise als optische Sensoranordnung und hier und vorzugsweise als Kamera ausgestaltet ist. Mittels der Sensoranordnung 16 werden Bilder 17 der jeweiligen Packungen 3 aufgenommen. Bei den Bildern 17 handelt es sich demnach vorzugsweise um Kamerabilder, insbesondere um zwei- oder dreidimensionale Bildinformationen der jeweiligen Packung 3. Die Kamera kann als Farbkamera und insbesondere als 3D-Kamera ausgestaltet sein. Weitere Ausgestaltungen der Sensoranordnung 16 sind denkbar, beispielsweise mit IR-Sensoren oder dergleichen. Die Sensoranordnung 16 ist hier und vorzugsweise an der Vorschubanordnung 4 angeordnet, sodass Bilder 17 der jeweiligen Packung 3 auf der Vorschubanordnung 4, vorzugsweise bei bewegter Packung 3, aufgenommen werden. Denkbar sind auch weitere Ausgestaltungen der Sensoranordnung 16, welche für die Erscheinungsform der Packungen 3 repräsentative Bilder 17 aufnehmen können, beispielsweise mittels einer Laserabtastung oder dergleichen. - 9 -
Wie einleitend angesprochen, steht mit dem vorschlagsgemäßen Verfahren eine chaotische Packungszufuhr im Vordergrund, wobei Packungen 3 mit unterschiedlichen Anforderungen in der Etikettierroutine bearbeitet werden. Mittels der Steueranordnung 8 werden die Bilder 17 der jeweiligen Packungen 3 in einer Analyseroutine analysiert. Mittels dieser Analyse wird eine Klassifikation der jeweiligen Packung 3 in eine Packungsklasse abgeleitet.
Allgemein kann eine Mehrzahl von Packungsklassen vorgegeben und in der Steueranordnung 8 hinterlegt sein. Im Rahmen der Analyseroutine wird die jeweilige Packung 3 in mindestens eine dieser vorgegebenen Packungsklassen eingeordnet. Wie nachfolgend noch deutlich wird, können den Packungsklassen jeweilige Metadaten zugeordnet sein, beispielsweise eine Produktbezeichnung, eine Identifikationsnummer sowie die Etikettierroutine betreffende Vorgaben oder dergleichen.
Das Ansteuern der Etikettiervorrichtung 2 in der Etikettierroutine wird abhängig von der Klassifikation vorgenommen. Mindestens ein Aspekt der Etikettierroutine kann dementsprechend für Packungen 3 aus verschiedenen Packungsklassen auf unterschiedliche Weise durchgeführt, hinzugenommen und/oder weggelassen werden. Vorzugsweise wird das von der Klassifikation abhängige Ansteuern der Etikettiervorrichtung 2 mittels der Steueranordnung 8 ohne Eingriff eines Bedieners und damit automatisch durchgeführt.
Wesentlich ist nun, dass die Analyseroutine auf einer mittels der Steueranordnung 8 vorgenommenen Anwendung eines trainierten Maschinenlernmodells auf die Bilder basiert. Demnach wird auf Grundlage eines Maschinenlernverfahrens erzeugtes Modell verwendet, das für die Einordnung der Bilder 17 in eine der vorgegebenen Packungsklassen trainiert ist.
Besonders bevorzugt wird das Bedrucken des Etiketts mittels der Druckeranordnung 7 abhängig von der Packungsklasse der jeweiligen Packungen vorgenommen. Vorzugsweise wird hierbei das Bedrucken abhängig von einer der Packungsklasse zugeordneten Produktinformation vorgenommen. Die Produktinformation kann allgemein produktbezogene Informationen wie eine Produktbezeichnung, ein für die Packungsklasse vorgegebenes Druckbild oder derglei- 10 chen enthalten. Weiter vorzugsweise wird in der Ausgestaltung des Etikettiersystems 1 zum Preisauszeichnen der Packungen 3 das Bedrucken anhand einer zugeordneten Preisinformation vorgenommen, welche insbesondere als Zahlenwert auf das Etikett gedruckt wird.
Wie in Fig. 1 gezeigt, ist hier als Funktionseinheit weiter eine Wägeanordnung 18 vorgesehen, mittels welcher Gewichtswerte für die einzelnen Packungen 3 bestimmt werden. Das Bedrucken des Etiketts mittels der Druckeranordnung 7 kann hier weiter abhängig von den Gewichtswerten der jeweiligen Packungen 3 vorgenommen werden. Beispielsweise wird der Gewichtswert oder hieraus anhand der Packungsklasse ermittelbare Werte, beispielsweise Nettogewicht, Bruttogewicht, Tara und/oder ein dem Gewicht zugeordneter Gewichtsbereich aufgedruckt. Vorzugsweise enthält die der Packungsklasse zugeordnete Preisinformation einen Grundpreis, welcher zur Berechnung eines gewichtsabhängigen Packungspreises genutzt wird, wobei mittels der Druckeranordnung 7 das jeweilige Etikett mit dem aus Gewichtswert und Grundpreiswert ermittelten Packungspreis bedruckt wird. Die Wägeanordnung 18 kann abhängig von der jeweiligen Packungsklasse betrieben werden. Beispielsweise sind der Packungsklasse Wägeparameter, etwa Gewichtsbereiche und/oder Teilungswerte, zugeordnet, und die Wägeanordnung 18 ermittelt die Gewichtswerte auf Grundlage der zugeordneten Wägeparameter.
Die Etikettenspendeanordnung 5 ist hier und vorzugsweise mit mehreren Materialstreifen 9 zum Spenden von verschiedenen Etikettentypen ausgestattet. Der Packungsklasse können ein Etikettentyp und/oder einer der Materialstreifen 9 zugeordnet sein. Für die jeweilige Packung 3 wird mittels der Etikettenspendeanordnung 5 das Etikett gemäß dem der Packungsklasse zugeordneten Etikettentyp gespendet. Über die Etikettenaufbringanordnung 6 wird folglich das Etikett mit dem für die Packungsklasse spezifischen Etikettentyp auf die Packung 3 aufgebracht.
Mittels der Etikettenaufbringanordnung 6 kann das gespendete Etikett gemäß einer der Packungsklasse zugeordneten Aufbringvorgabe auf die jeweilige Packung 3 aufgebracht werden. Die Aufbringvorgabe gibt vorzugsweise an, ob das Etikett berührungslos aufgebracht oder angepresst, insbesondere mit einem vorgegebenen Druck angepresst, wird. Der Packungsklasse kann eine - 11
Aufbringposition zugeordnet sein, an welcher das Etikett an der Packung 3 anzuordnen ist. Gemäß einer weiteren Ausgestaltung ist vorgesehen, dass die jeweilige Packung 3 mittels der Vorschubanordnung 4 gemäß einem der Packungsklasse zugeordneten Geschwindigkeit transportiert wird. Die Geschwindigkeit der jeweiligen Packung ist insbesondere an den Transportweg von der Sensoranordnung 16 zur Etikettenaufbringanordnung 6 und/oder Druckeranordnung 7 angepasst.
Gemäß einer weiteren, hier nicht dargestellten Ausgestaltung kann als Funktionseinheit weiter eine Sortieranordnung vorgesehen sein, mittels welcher die einzelnen Packungen 3 auf der Vorschubanordnung abhängig von der Klassifikation sortiert werden. Bei dem Sortieren kann es sich um ein Aussortieren einzelner Packungen 3, etwa um ein Entfernen von der Vorschubanordnung 4 handeln, was beispielsweise über einen Druckluftstoß bewirkt wird. Ebenfalls kann eine Mehrwege-Sortieranordnung eingesetzt werden, welche die Packungen 3 auf verschiedene Sortierwege verteilt, beispielsweise über eine oder mehrere Weichen.
In Fig. 2 ist die Analyseroutine in einer schematischen Darstellung gezeigt. Gemäß einer besonders bevorzugten Ausgestaltung basiert das in der Analyseroutine eingesetzte trainierte Maschinenlernmodell auf einem trainierten neuronalen Netzwerk. Das neuronale Netzwerk kann hierbei ein neuronales Faltungsnetzwerk sein. Neuronale Faltungsnetzwerke sind unter dem Begriff „con- volutional neural network“ bekannt und erlauben in vielen Fällen eine besonders effektive Bildauswertung.
Wie in Fig. 2 gezeigt ist, liegt der Analyseroutine ein mittels der Sensoranordnung 16 aufgenommenes Bild 17 zugrunde, mit welchem eine Packung 3 erfasst ist. Vorzugsweise werden mittels der Sensoranordnung 16 Bilder 17 vereinzelter Packungen 3 auf der Vorschubanordnung 4 aufgenommen, sodass Überlappungen verschiedener Packungen 3 auf dem Bild 17 vermieden werden.
In der Analyseroutine wird hier und vorzugsweise ein Merkmalsextraktor 19 direkt oder indirekt auf das jeweilige Bild zum Generieren eines Merkmalsraums 20 angewandt. In Fig. 2 ist der Merkmalsraum 20, bekannt als „feature space“ 12 nur mit einer Ebene dargestellt, er umfasst jedoch vorzugsweise mehrere Ebenen. In einem Klassifikationsschritt 21 der Analyseroutine wird die jeweilige Packung 3 basierend auf dem Merkmalsraum 20 in eine Packungsklasse klassifiziert. Vorzugsweise wird die Packung 3 anhand einer auf dem Merkmalsraum 20 basierenden Zuordnung zu einer aus einer Auswahl von vorgegebenen Packungsklassen (A, B . X) zugehörigen Packungsklasse klassifiziert. In Fig. 2 ist beispielshaft dargestellt, dass auf Grundlage des Bilds 17 der Packung 3 eine Packungsklasse B zugeordnet wird, der wiederum die bereits angesprochenen Metadaten (a, b, ... x) zugeordnet sind.
Hierbei ist es vorzugsweise so, dass der Merkmalsextraktor 19 und/oder der Klassifikationsschritt 21 auf dem trainierten Maschinenlernmodell, vorzugsweise auf einem trainierten neuronalen Netzwerk basieren. Hier ist lediglich ein trainiertes neuronales Netzwerk 22 zur Klassifikation dargestellt. Insbesondere können der Merkmalsextraktor 19 und der Klassifikationsschritt 21 jedoch auch gemeinsam auf dem gleichen trainierten neuronalen Netzwerk basieren.
In der Analyseroutine werden hier und vorzugsweise in einem Vorschlagsschritt 23 Vorschlagsregionen 24 im Bild 17 identifiziert, die potentiell Teilabschnitte der Packung 3 enthalten. Über die Vorschlagsregionen 24 können hier insbesondere Regionen im Bild 17 identifiziert werden, welche in der Packung enthaltene Einzelprodukte, oder auch sonstige Teilabschnitte wie beispielsweise Umrandungen, bereits vorhandene Etiketten oder dergleichen, aufweisen. Vorzugsweise wird der Vorschlagsschritt 23 unter einem Anwenden des trainierten Maschinenlernmodells vorgenommen. Hierfür geeignete Algorithmen sind unter dem Begriff „reg ion proposal“ bekannt.
In dem Klassifikationsschritt 21 werden hier die Vorschlagsregionen 24 zur Klassifikation analysiert. Im Klassifikationsschritt 21 ist es somit unter anderem möglich, komplexere Berechnungen auf gezielte Teilabschnitte des Bildes anzuwenden. Ein Beispiel für einen geeigneten Algorithmus zur Umsetzung des Vorschlagsschritts 22 und des Klassifikationsschritts 20 ist R-CNN.
Ebenfalls kann vorgesehen sein, dass das gesamte Bild 17 ohne eine Einteilung in Teilabschnitte zur Klassifikation verwendet wird, wodurch die Auswer- - 13 - tung vereinfacht wird. Dies wird insbesondere durch die effektive Erstellung eines Trainingsdatensatzes 25 ermöglicht.
Das Trainieren des Maschinenlernmodells wird in einer bevorzugten Ausgestaltung im Rahmen des vorschlagsgemäßen Verfahrens vorgenommen. Gemäß einer bevorzugten Ausgestaltung wird entsprechend in einer Lernroutine das Maschinenlernmodell an einem Trainingsdatensatz 25 mittels der Steueranordnung 8 trainiert, was in Fig. 3 dargestellt ist. Das Maschinenlernmodell wird hier und vorzugsweise basierend auf annotierten Bildern 26 von Packungen 3 trainiert. Das trainierte Maschinenlernmodell enthält hier zumindest eine Gewichtung, vorzugsweise einen für die Gewichtung repräsentativen Parametersatz 28, sowie eine Anwendungsvorschrift, wie die Gewichtung in der Analyseroutine umzusetzen ist. In einem Trainingsschritt 27 wird, hier und vorzugsweise über ein neuronales Netzwerk, ein Parametersatz 28 für das Maschinenlernmodell ermittelt.
Besonders bevorzugt ist hierbei, dass der Trainingsdatensatz 25 zumindest teilweise aus mittels der Sensoranordnung 16 aufgenommenen Bildern 17 in einer vorhergehenden und/oder laufenden Etikettierroutine abgeleitet wird. In dieser Etikettierroutine kann eine Klassifikation der jeweiligen Packungen 3 vorgegeben sein, über welche die Bilder 17 annotiert werden.
Vorzugsweise werden in der für den Trainingsdatensatz 25 herangezogenen Etikettierroutine zumindest zeitabschnittsweise jeweilige Packungen 3 der gleichen Packungsklasse etikettiert. Das Annotieren der Bilder 17 wird hiermit erheblich vereinfacht und kann sogar automatisiert erfolgen. Ebenfalls kann ein Annotieren der Bilder 17 auch bei einer chaotischen Packungszufuhr vorgenommen werden, beispielsweise wenn eine einleitend angesprochene Packungserkennung auf Grundlage der Gewichtswerte oder dergleichen möglich ist.
Das automatische Annotieren der Bilder 17 wird vorzugsweise über eine weitere Klassifikation, vorzugsweise über die Gewichtswerte der Packungen 3, validiert. Hierbei werden nur diejenigen Bilder 17 automatisch annotiert, deren Gewichtswerte in eine der Packungsklasse zugeordnete Gewichtsklasse fallen. - 14 -
Gemäß der in Fig. 1 dargestellten und ebenfalls bevorzugten Ausgestaltung ist als Funktionseinheit weiter eine Ausrichtanordnung 29 vorgesehen, mittels welcher die einzelnen Packungen 3 auf der Vorschubanordnung 4 positioniert werden. Die Ausrichtanordnung 29 weist mindestens ein Führungselement 30, hier beidseitig zur Vorschubanordnung 4 angeordnete Führungselemente 30 auf, welche zumindest abschnittsweise an einen Förderbereich der Vorschubanordnung 4 angrenzen und/oder hineinragen. Die Führungselemente 30 richten hierbei die Packungen 3 über eine Berührung aus. Vorzugsweise sind die Führungselemente 30 verfahrbar, um eine Einstellung der Ausrichtung zu erlauben.
Die Sensoranordnung 16 kann an der Ausrichtanordnung 29 und/oder der Ausrichtanordnung 29 auf der Vorschubanordnung 4 nachgeordnet vorgesehen sein. Folglich können die Bilder 17 an ausgerichteten Packungen ermittelt werden, was die Analyseroutine vereinfacht. Denkbar ist allerdings auch, dass das Ausrichten mittels der Ausrichtanordnung 29 abhängig von der Klassifikation der Packungen 3 vorgenommen wird, wobei die Ausrichtanordnung 29 der Sensoranordnung 16 nachgeordnet ist.
Vorzugsweise weist die Sensoranordnung 16 einen vordefinierten Abstand zu den jeweiligen Packungen 3 auf, was ebenfalls zu einer Vereinfachung der Analyseroutine führt. Beispielsweise wird die Sensoranordnung 16 in einem konstanten Abstand zur Vorschubanordnung 4 und damit in einem vordefinierten Abstand zur Unterseite der Packungen 3 gehalten. Weiter vorzugsweise entspricht der vordefinierte Abstand dem Abstand der Sensoranordnung 16 zu den jeweiligen Packungen 3 in der für den Trainingsdatensatz herangezogenen Etikettierroutine.
Dabei ist es hier und vorzugsweise so, dass eine Architektur des Maschinenlernmodels und/oder der Trainingsschritt den vordefinierten Abstand und/oder die Ausrichtung berücksichtigt. Bei der Objekterkennung in der Bildverarbeitung ist es üblicher Weise so, dass viele Skalierungen in Architektur und/oder Training eines Maschinenlernmodells berücksichtigt werden, da nicht klar ist, in welcher Größe und in welcher Position die Objekte letztendlich im Bild 17 auftauchen werden. Dieses Problem hat zu diversen Lösungsansätzen geführt, die jedoch im Allgemeinen mit einer erhöhten Rechenkomplexität einhergehen. Vorliegend ist es möglich, diese Komplexität zumindest teilweise einzusparen. - 15 -
Gemäß einer bevorzugten Ausgestaltung kann die Steueranordnung 8 als Teil der Etikettiervorrichtung 2 und/oder cloudbasiert ausgestaltet sein. Das Etikettiersystem 1 weist vorzugsweise mehrere Etikettiervorrichtungen 2 auf, welche mittels der Steueranordnung 8 angesteuert werden. Wie bereits angesprochen, ermöglicht eine cloudbasierte Umsetzung insbesondere eine zentrale Verwaltung der Packungsklassen und/oder des trainierten Maschinenlernmodells. Beispielsweise kann der Trainingsdatensatz 25 auch auf Grundlage der Bilder 17 einer oder mehrerer der Etikettiervorrichtungen 2 erzeugt werden. Ebenfalls ist es denkbar, dass zumindest ein Teil der rechenintensiven Analyseroutine cloudbasiert, hier über den Cloudserver 14, vorgenommen wird.
Gemäß einer weiteren Lehre, der eigenständige Bedeutung zukommt, wird das angesprochene Etikettiersystem 1 als solches beansprucht. Das Etikettiersystem 1 ist mit mindestens einer Etikettiervorrichtung 2 zum Etikettieren, insbesondere zum Preisauszeichnen, von einzelnen Packungen 3 ausgestattet. Die Etikettiervorrichtung 2 weist als Funktionseinheiten zumindest eine Vorschubanordnung 4, eine Etikettenspendeanordnung 5, eine Etikettenaufbring- anordnung 6 sowie eine Druckeranordnung 7 auf, wobei eine Steueranordnung 8 des Etikettiersystems 1 die Funktionseinheiten in einer Etikettierroutine ansteuert. In der Etikettierroutine ist vorgesehen, dass die Vorschubanordnung 4 jeweilige Packungen 3 transportiert, die Etikettenspendeanordnung 5 von einem Materialstreifen 9 lösbare Etiketten spendet, die Etikettenaufbringanord- nung 6 das gespendete Etikett auf die jeweilige Packung 3 aufbringt und die Druckeranordnung 7 das vom Materialstreifen 9 lösbare oder gelöste Etikett bedruckt.
Die Etikettiervorrichtung 2 weist eine Sensoranordnung 16, vorzugsweise eine Kamera auf, welche Bilder 17 der jeweiligen Packungen 3 aufnimmt, wobei die Steueranordnung 8 die Bilder 17 der jeweiligen Packungen 3 in einer Analyseroutine analysiert, mittels dieser Analyse eine Klassifikation der jeweiligen Packung 3 in eine Packungsklasse ableitet und das Ansteuern der Etikettiervorrichtung 2 in der Etikettierroutine abhängig von der Klassifikation vornimmt. Wesentlich ist hierbei, dass in der Steueranordnung 8 ein trainiertes Maschinenlernmodell hinterlegt ist, und dass die Analyseroutine auf einer mittels der Steueranordnung 8 vorgenommenen Anwendung des trainierten Maschinen- - 16 - lernmodells auf die Bilder 17 basiert. Es wird auf die Ausführungen zum vorschlagsgemäßen Verfahren verwiesen.
Gemäß einer weiteren Lehre, der eigenständige Bedeutung zukommt, wird ein Datenträger mit einem Trainingsdatensatz 25 als solcher beansprucht. Der Datenträger ist zur Verwendung in dem vorschlagsgemäßen Verfahren vorgesehen und mittels der angesprochenen Lernroutine erzeugt. Vorzugsweise ist der Trainingsdatensatz 25 nicht-flüchtig auf dem Datenträger hinterlegt. Auf die Ausführungen zum vorschlagsgemäßen Verfahren wird verwiesen.

Claims

- 17 - Patentansprüche
1. Verfahren zum Betrieb eines Etikettiersystems (1) mit mindestens einer Etikettiervorrichtung (2) zum Etikettieren, insbesondere zum Preisauszeichnen, von einzelnen Packungen (3), wobei die Etikettiervorrichtung (1) als Funktionseinheiten zumindest eine Vorschubanordnung (4), eine Etikettenspendeanordnung (5), eine Etikettenaufbringanordnung (6) sowie eine Druckeranordnung (7) aufweist, welche durch eine Steueranordnung (8) des Etikettiersystems (1) in einer Etikettierroutine angesteuert werden, wobei in der Etikettierroutine jeweilige Packungen (3) mittels der Vorschubanordnung (4) transportiert werden, mittels der Etikettenspendeanordnung (5) Etiketten gespendet werden, mittels der Etikettenaufbringanordnung (6) das gespendete Etikett auf die jeweilige Packung (3) aufgebracht wird und mittels der Druckeranordnung (7) das Etikett bedruckt wird, wobei die Etikettiervorrichtung (1) eine Sensoranordnung (16), vorzugsweise eine Kamera, aufweist, mittels welcher Bilder (17) der jeweiligen Packungen (3) aufgenommen werden, wobei mittels der Steueranordnung (8) die Bilder (17) der jeweiligen Packungen (3) in einer Analyseroutine analysiert werden, wobei mittels dieser Analyse eine Klassifikation der jeweiligen Packung (3) in eine Packungsklasse abgeleitet wird und wobei das Ansteuern der Etikettiervorrichtung (2) in der Etikettierroutine abhängig von der Klassifikation vorgenommen wird, dadurch gekennzeichnet, dass die Analyseroutine auf einer mittels der Steueranordnung (8) vorgenommenen Anwendung eines trainierten Maschinenlernmodells auf die Bilder (17) basiert.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Bedrucken des Etiketts mittels der Druckeranordnung (7) abhängig von der Packungsklasse der jeweiligen Packungen (3) vorgenommen wird, vorzugsweise, dass das Bedrucken abhängig von einer der Packungsklasse zugeordneten Produktinformation, weiter vorzugsweise einer Preisinformation, vorgenommen wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass als Funktionseinheit weiter eine Wägeanordnung (18) vorgesehen ist, mittels welcher Gewichtswerte für die einzelnen Packungen (3) bestimmt werden, dass das Bedrucken des Etiketts mittels der Druckeranordnung (7) weiter abhängig - 18 - von den Gewichtswerten der jeweiligen Packungen (3) vorgenommen wird, vorzugsweise, dass die der Packungsklasse zugeordnete Preisinformation einen Grundpreis enthält und dass mittels der Druckeranordnung (7) das jeweilige Etikett mit einem aus Gewichtswert und Grundpreis ermittelten Packungspreis bedruckt wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Etikettenspendeanordnung (5) mit mehreren Materialstreifen (9) zum Spenden von verschiedenen Etikettentypen ausgestattet ist, und dass für die jeweilige Packung mittels der Etikettenspendeanordnung (5) das Etikett gemäß dem der Packungsklasse zugeordneten Etikettentyp gespendet wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mittels der Etikettenaufbringanordnung (6) das gespendete Etikett gemäß einer der Packungsklasse zugeordneten Aufbringvorgabe, vorzugsweise an einer zugeordneten Aufbringposition, auf die jeweilige Packung (3) aufgebracht wird, und/oder, dass die jeweilige Packung (3) mittels der Vorschubanordnung (4) gemäß einem der Packungsklasse zugeordneten Geschwindigkeit transportiert wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Funktionseinheit weiter eine Sortieranordnung vorgesehen ist, mittels welcher die einzelnen Packungen (3) auf der Vorschubanordnung (4) abhängig von der Klassifikation sortiert werden.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das trainierte Maschinenlernmodell auf einem trainierten neuronalen Netzwerk basiert, vorzugsweise, dass das neuronale Netzwerk ein neuronales Faltungsnetzwerk ist.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in der Analyseroutine, insbesondere durch Anwenden des trainierten Maschinenlernmodells, ein Merkmalsextraktor (19) direkt oder indirekt auf das jeweilige Bild (17) zum Generieren eines Merkmalsraums (20) angewandt wird, und dass in einem Klassifikationsschritt (21) der Analyseroutine, vorzugsweise durch Anwenden des trainierten Maschinenlernmodells, die je- - 19 - weilige Packung basierend auf dem Merkmalsraum (20) in eine Packungsklasse klassifiziert wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in der Analyseroutine in einem Vorschlagsschritt (23), vorzugsweise durch Anwenden des trainierten Maschinenlernmodells, Vorschlagsregionen (24) im Bild identifiziert werden, die potentiell Teilabschnitte der Packung (3), vorzugsweise in der Packung (3) enthaltene Einzelprodukte enthalten, und dass in einem Klassifikationsschritt (21) die Vorschlagsregionen (24) zur Klassifikation analysiert werden.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in einer Lernroutine das Maschinenlernmodell an einem Trainingsdatensatz (25) mittels der Steueranordnung (8) trainiert wird.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass der Trainingsdatensatz (25) zumindest teilweise aus mittels der Sensoranordnung (16) aufgenommenen Bildern (17) in einer vorhergehenden und/oder laufenden Etikettierroutine abgeleitet wird, in der eine Klassifikation der jeweiligen Packungen (3) vorgegeben ist, vorzugsweise, dass in der für den Trainingsdatensatz (25) herangezogenen Etikettierroutine zumindest zeitabschnittsweise jeweilige Packungen (3) der gleichen Packungsklasse etikettiert werden.
12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Funktionseinheit weiter eine Ausrichtanordnung (29) vorgesehen ist, mittels welcher die einzelnen Packungen (3) auf der Vorschubanordnung (4) positioniert werden, vorzugsweise, dass die Ausrichtanordnung (29) mindestens ein Führungselement (30) aufweist, das zumindest abschnittsweise an einen Förderbereich der Vorschubanordnung (4) angrenzt und/oder hineinragt, weiter vorzugsweise, dass das Führungselement (30) verfahrbar ist.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass die Sensoranordnung (16) an der Ausrichtanordnung (29) und/oder der Ausrichtanordnung (29) auf der Vorschubanordnung (4) nachgeordnet vorgesehen ist, und/oder, dass die Sensoranordnung (16) einen vordefinierten Abstand zu den jeweiligen Packungen (3) aufweist, vorzugsweise, dass der vordefinierte Abstand dem 20
Abstand der Sensoranordnung (16) zu den jeweiligen Packungen (3) in der für den Trainingsdatensatz herangezogenen Etikettierroutine entspricht.
14. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Steueranordnung (8) als Teil der Etikettiervorrichtung (2) und/oder cloudbasiert ausgestaltet ist, vorzugsweise, dass das Etikettiersystem (1) mehrere Etikettiervorrichtungen (2) aufweist, welche mittels der Steueranordnung (8) angesteuert werden.
15. Etikettiersystem mit mindestens einer Etikettiervorrichtung (2) zum Etikettieren, insbesondere zum Preisauszeichnen, von einzelnen Packungen (3), wobei die Etikettiervorrichtung (2) als Funktionseinheiten zumindest eine Vorschubanordnung (4), eine Etikettenspendeanordnung (5), eine Etikettenauf- bringanordnung (6) sowie eine Druckeranordnung (7) aufweist, wobei eine Steueranordnung (8) des Etikettiersystems (1) die Funktionseinheiten in einer Etikettierroutine ansteuert, wobei in der Etikettierroutine die Vorschubanordnung (4) jeweilige Packungen (3) transportiert, die Etikettenspendeanordnung (5) Etiketten spendet, die Eti- kettenaufbringanordnung (6) das gespendete Etikett auf die jeweilige Packung (3) aufbringt und die Druckeranordnung (7) das Etikett bedruckt, wobei die Etikettiervorrichtung (2) eine Sensoranordnung (16), vorzugsweise eine Kamera, aufweist, welche Bilder (17) der jeweiligen Packungen (3) aufnimmt, wobei die Steueranordnung (8) die Bilder (17) der jeweiligen Packungen (3) in einer Analyseroutine analysiert, mittels dieser Analyse eine Klassifikation der jeweiligen Packung (3) in eine Packungsklasse ableitet und das Ansteuern der Etikettiervorrichtung (2) in der Etikettierroutine abhängig von der Klassifikation vornimmt, dadurch gekennzeichnet, dass in der Steueranordnung (8) ein trainiertes Maschinenlernmodell hinterlegt ist, und dass die Analyseroutine auf einer mittels der Steueranordnung (8) vorgenommenen Anwendung des trainierten Maschinenlernmodells auf die Bilder (17) basiert.
16. Datenträger mit einem Trainingsdatensatz (25) zur Verwendung in dem Verfahren nach einem der Ansprüche 1 bis 14 erzeugt mittels der Lernroutine nach einem der Ansprüche 10 oder 11.
EP22729457.6A 2021-05-12 2022-05-11 Verfahren zum betrieb eines etikettiersystems Pending EP4337546A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021112479.4A DE102021112479A1 (de) 2021-05-12 2021-05-12 Verfahren zum Betrieb eines Etikettiersystems
PCT/EP2022/062810 WO2022238494A1 (de) 2021-05-12 2022-05-11 Verfahren zum betrieb eines etikettiersystems

Publications (1)

Publication Number Publication Date
EP4337546A1 true EP4337546A1 (de) 2024-03-20

Family

ID=82019294

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22729457.6A Pending EP4337546A1 (de) 2021-05-12 2022-05-11 Verfahren zum betrieb eines etikettiersystems

Country Status (6)

Country Link
EP (1) EP4337546A1 (de)
CN (1) CN117355465A (de)
AU (1) AU2022271962A1 (de)
CA (1) CA3216918A1 (de)
DE (1) DE102021112479A1 (de)
WO (1) WO2022238494A1 (de)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2595427B2 (ja) 1992-09-03 1997-04-02 株式会社イシダ 商品情報処理装置
DE19609431C2 (de) * 1996-03-11 2002-08-14 Espera Werke Gmbh Verfahren zum Wägen und Etikettieren von Warenpackungen und Vorrichtung zur Durchführung des Verfahrens
US7153378B2 (en) 2003-11-21 2006-12-26 Joe & Samia Management Inc. Product labelling
DE102008059229A1 (de) * 2008-11-20 2010-06-02 Khs Ag Verfahren zum Ausrichten eines Behälters
DE102011105260A1 (de) 2011-06-17 2012-12-20 Bizerba Gmbh & Co Kg Etikettiervorrichtung
JP2017141033A (ja) * 2016-02-08 2017-08-17 株式会社イシダ ラベル発行装置
DE102017107837A1 (de) * 2017-04-11 2018-10-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Anpassen einer Sensoranordnung durch ein Rechnernetzwerk
DE102018102569A1 (de) 2017-12-22 2019-06-27 Espera-Werke Gmbh Vorrichtung und Verfahren zum Bedrucken von Etiketten
JP7173753B2 (ja) 2018-04-27 2022-11-16 株式会社明治 捻り包装品の検査方法及び検査装置
CN114424242A (zh) 2019-09-17 2022-04-29 星徳科技术株式会社 学习处理装置及检查装置

Also Published As

Publication number Publication date
CA3216918A1 (en) 2022-11-17
WO2022238494A1 (de) 2022-11-17
AU2022271962A1 (en) 2023-11-09
CN117355465A (zh) 2024-01-05
DE102021112479A1 (de) 2022-11-17

Similar Documents

Publication Publication Date Title
EP2128793B1 (de) Verfahren und Vorrichtung zum Überprüfen von Druckerzeugnissen, Computerprogramm und Computerprogrammprodukt
EP1048363B1 (de) Verfahren und Vorrichtung zum Sortieren von Altpapier
DE3783334T2 (de) Abdruck von einem gewuenschten muster auf einer werkstueckoberflaeche.
EP1785276B1 (de) Qualitätskontrollsystem für eine Druckmaschine
DE202016103433U1 (de) Vorrichtung zum Erzeugen von Aufklebern
EP2902203B1 (de) Verfahren und Vorrichtung zur Steuerung und Regelung eines digitalen Druckprozesses
DE10224749B4 (de) Verfahren und Vorrichtung zum Handhaben von Kunststoffkarten
EP1844865A1 (de) Elektronisches Markieren zum Sortieren von in Objektverbänden hergestellten und geprüften Einzelobjekten
EP0356705A2 (de) Datenerfassung für Farbregelanlagen
EP0341524A1 (de) Verfahren und Vorrichtung zum Bereitstellen von personenbezogenen Versandeinheiten mit mindestens zwei Erzeugnissen
EP4337546A1 (de) Verfahren zum betrieb eines etikettiersystems
DE102011112232A1 (de) Verfahren und Vorrichtung zur Erzeugung eines Barcodes auf einem Substrat
DE102018122719A1 (de) Verfahren und Vorrichtung zum Herstellen und/oder Fertigstellen einer Vielzahl von Schildersätzen
DE19817576C1 (de) Vorrichtung zum Etikettieren von Verpackungen, insbesondere Lebensmittelverpackungen
DE102018120496A1 (de) Verfahren und Vorrichtung zum Herstellen einer Vielzahl von Schildersätzen
DE102021118881A1 (de) Robotisches Etikettiersystem und Verfahren zur Etikettierung von Packstücken
EP2535281B1 (de) Etikettiervorrichtung
DE102018113127A1 (de) System und Verfahren zum Erfassen von defekten ultraviolettes Bestrahlungslicht emittierenden Dioden in einem Drucker
DE10309582A1 (de) Medienidentifizierungssystem
DE19738753C2 (de) Verfahren beim Nachbearbeiten zugeschnittener Teile bei Schneidvorrichtungen für biegsames flächiges Gut sowie Anordnung zur Durchführung des Verfahrens
EP3199370B1 (de) Herstellungsverfahren und anlage zur anwendung des herstellungs-verfahrens
EP3856647A2 (de) System, verfahren oder materialbahn mit etiketten mit einem identifikationscode
EP3003721B1 (de) Verfahren zum nachdrucken mindestens eines individualisierten druckexemplars
DE102022133864A1 (de) Verfahren zum Betrieb eines Etikettiersystems
EP0934778B1 (de) Anlage zum Erfassen von Retouren

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231114

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR