ITMI20110696A1 - Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base - Google Patents
Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base Download PDFInfo
- Publication number
- ITMI20110696A1 ITMI20110696A1 IT000696A ITMI20110696A ITMI20110696A1 IT MI20110696 A1 ITMI20110696 A1 IT MI20110696A1 IT 000696 A IT000696 A IT 000696A IT MI20110696 A ITMI20110696 A IT MI20110696A IT MI20110696 A1 ITMI20110696 A1 IT MI20110696A1
- Authority
- IT
- Italy
- Prior art keywords
- articles
- sample
- classification
- colors
- items
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 67
- 230000008569 process Effects 0.000 title claims description 28
- 239000003086 colorant Substances 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 238000013139 quantization Methods 0.000 claims description 14
- 101100452131 Rattus norvegicus Igf2bp1 gene Proteins 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 241000519995 Stachys sylvatica Species 0.000 description 6
- 238000007664 blowing Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 241000309229 Bactris guineensis Species 0.000 description 1
- 102100031476 Cytochrome P450 1A1 Human genes 0.000 description 1
- 102100026533 Cytochrome P450 1A2 Human genes 0.000 description 1
- 101000941690 Homo sapiens Cytochrome P450 1A1 Proteins 0.000 description 1
- 101000855342 Homo sapiens Cytochrome P450 1A2 Proteins 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0009—Sorting of fasteners, e.g. screws, nuts, bolts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
METODO PER LA GESTIONE DELLA CLASSIFICAZIONE DI ARTICOLI, IN PARTICOLARE BOTTONI E/O SIMILI RONDELLE, PROCESSO DI SELEZIONE AUTOMATICA DEGLI ARTICOLI COMPRENDENTE TALE METODO E MACCHINA PER LA SELEZIONE AUTOMATICA DEGLI ARTICOLI AZIONABILE SULLA BASE DI TALE
PROCESSO
La presente invenzione si riferisce a un metodo per la gestione automatica della classificazione di articoli, in particolare bottoni e/o simili rondelle.
La presente invenzione concerne anche un processo di selezione automatica di articoli, in particolare bottoni e/o simili, comprendente il summenzionato metodo per la gestione automatica della classificazione degli articoli.
Forma altresì un oggetto della presente invenzione una macchina per la selezione automatica di articoli, in particolare bottoni e/o simili rondelle, azionabile sulla base del summenzionato processo di selezione automatica e/o del metodo per la gestione automatica della classificazione di articoli.
L’oggetto della presente invenzione si presta a essere impiegato nel settore industriale delle macchine per la produzione e la lavorazione di bottoni e, in particolare, si rivolge ai sistemi digitali associati alle macchine per la selezione di rondelle, bottoni e/o simili articoli.
Com’à ̈ noto, la selezione di rondelle, bottoni e/o simili articoli viene attualmente eseguita per mezzo di appropriate macchine provviste di corrispettivi sistemi digitali di analisi e riconoscimento dell’aspetto esteriore degli articoli in selezione.
La selezione dei summenzionati articoli à ̈ impostabile basandosi su differenti criteri di diversificazione, come per esempio, l’uniformità del colore nella macchia passante, eseguibile normalmente su bottoni e/o rondelle in corno o urea, la variazione della tonalità , eseguibile generalmente su bottoni e/o rondelle in corozo.
La selezione degli articoli viene normalmente attuata attraverso una macchina che presenta una stazione di alimentazione in corrispondenza della quale vengono caricati gli articoli da analizzare. La macchina comprende un piano di ispezione sul quale sono operativamente attivi mezzi ottici di rilevamento delle immagini in grado di rilevare l’aspetto esteriore degli articoli in esame. Dal piano di ispezione si sviluppa un nastro trasportare atto a trasferire gli articoli analizzati lungo una direzione di avanzamento predeterminata. Lungo il nastro trasportatore à ̈ disposta una pluralità di convogliatori trasversali ciascuno dei quali termina in corrispondenza di un magazzino di stoccaggio conformato sostanzialmente a cassetto. Per ciascun convogliatore trasversale à ̈ inoltre previsto, in corrispondenza del nastro trasportatore, un organo di deviazione che, su opportuna attivazione, deflette l’articolo in avanzamento verso il corrispettivo convogliatore trasversale e, di conseguenza, verso il rispettivo magazzino di stoccaggio. Da parte opposta al piano di ispezione, il nastro trasportatore termina in corrispondenza di un ulteriore magazzino di stoccaggio conformato sostanzialmente a cassetto.
Al fine di assicurare la corretta gestione e programmazione degli organi meccanici, pneumatici ed elettrici/elettronici previsti e necessari alla movimentazione e all’attuazione di tutti i componenti mobili e operativi, la macchina à ̈ provvista di un’unità elettronica di controllo programmabile, quale per esempio un PLC o un simile processore elettronico.
Al fine di consentire l’attuazione di un procedimento di selezione degli articoli in alimentazione e una suddivisione degli stessi sulla base di uno o più criteri prestabiliti, la macchina à ̈ provvista di un sistema elettronico di selezione operativamente associato all’unità elettronica di controllo.
Affinché il sistema elettronico di selezione possa operare al meglio, à ̈ necessario attuare una fase preliminare di regolazione dell’esposizione e della messa a fuoco dei mezzi ottici di rilevamento delle immagini.
La regolazione dell’esposizione e della messa a fuoco si ottiene posizionando un articolo in una specifica zona di rilevamento identificata sul piano di ispezione.
Successivamente, almeno un dispositivo di illuminazione operativamente associato ai mezzi ottici di rilevamento viene attivato per migliorare la qualità del rilevamento da eseguire.
La zona di rilevamento à ̈ provvista di un opportuno meccanismo di centraggio che consente il posizionamento degli articoli sul piano di ispezione rispetto a un asse di riferimento dei mezzi ottici di rilevamento. I mezzi ottici di rilevamento sono inoltre mobili in avvicinamento e in allontanamento al/dal piano di ispezione per ingrandire e ridurre l’immagine dell’articolo in esame, in visualizzazione su un rispettivo display di riferimento.
Successivamente al centraggio del rispettivo articolo in esame, viene attuata la regolazione dell’esposizione e della messa a fuoco dei mezzi ottici di rilevamento delle immagini. La regolazione viene generalmente eseguita manualmente sulla rispettiva ottica fino a quando, sul display di riferimento, l’immagine dell’articolo riprodotto risulta nitida e ben definita. Una volta regolata l’esposizione e la messa a fuoco dei mezzi ottici di rilevamento si procede alla registrazione dell’immagine.
A registrazione avvenuta si prosegue attuando una fase di apprendimento necessaria all’impostazione dei criteri di selezione della macchina.
L’apprendimento viene attuato sulla base di uno o più parametri significativi rilevabili attraverso i mezzi ottici di rilevamento.
In particolare, l’apprendimento viene eseguito sull’uniformità dell’estrazione del colore relativo all’immagine rilevata di uno o più articoli in esame. Inizialmente, un’area specifica di ricerca viene definita e selezionata sull’immagine rilevata e registrata dai summenzionati mezzi ottici di rilevamento delle immagini. La selezione dell’area di ricerca avviene per mezzo della gestione dell’ampiezza di un’area circolare che può essere allargata o ristretta a seconda delle esigenze. Solitamente, l’area di ricerca viene dimensionata in modo tale da circoscrivere l’articolo in esame senza oltrepassare il bordo esterno di quest’ultimo. Una volta definita l’area di ricerca, si procede alla memorizzazione di uno o più valori e/o parametri significativi rilevati in tale area.
Al fine di consentire alla macchina di selezionare gli articoli in base alle dimensioni di aree irregolari, denominate “macchie†, à ̈ necessario assegnare preliminarmente a ogni modello di confronto, almeno una gamma di valori, relativi a una corrispettiva tipologia di “macchia†.
Una volta selezionata una prima tipologia di parametro significativo delle “macchie†à ̈ necessario impostare un valore massimo di pixel da assegnare a un primo modello di confronto di un pluralità di modelli da impostare. Successivamente, viene selezionata una seconda tipologia di parametro significativo delle “macchie†corrispondente a un valore minimo di pixel da assegnare al primo modello di confronto.
Una volta assegnati tali valori, si procede alla definizione del secondo modello di confronto della summenzionata pluralità di modelli da impostare.
La definizione del secondo modello di confronto avviene copiando inizialmente il primo modello di confronto e, modificandolo, in un secondo tempo.
La modifica del modello di confronto copiato, viene attuata intervenendo sulla regolazione dell’area di ricerca la cui immagine viene successivamente registrata.
Sulla base di tale immagine si procede a impostare sia il valore massimo di pixel che il valore minimo di pixel da assegnare al secondo modello di confronto, similmente come fatto per il primo modello di confronto.
Nel dettaglio, l’assegnazione dei valori massimo e minimo di pixel al secondo modello di confronto viene attuata selezionando inizialmente una prima tipologia di parametro susseguita da un’impostazione del valore massimo di pixel e, successivamente, selezionando una seconda tipologia di parametro susseguita da un’impostazione del valore minimo di pixel.
Una volta assegnati i summenzionati valori anche per il secondo modello, si procede nella stessa maniera per una serie di ulteriori modelli di confronto necessari alla corretta selezione degli articoli.
L’insieme di tutti i modelli di confronto impostati viene memorizzato terminando così la programmazione dei parametri di confronto.
Con particolare riferimento alla selezione dei bottoni in corno, che presentano, in alcuni esemplari, una o più macchie bianche, à ̈ possibile preselezionare queste ultime prima di procedere all’analisi delle macchie scure.
Con la prima selezione, utilizzando per esempio il primo e il secondo modello di confronto, à ̈ possibile verificare la presenza di una macchia bianca e definirne l’ampiezza.
Successivamente, utilizzando per esempio un ulteriore modello di confronto, risulta possibile analizzare l’ampiezza di una macchia scura.
Nel dettaglio, tale processo viene attuato ponendo sul piano di ispezione un bottone in cui à ̈ presente la macchia bianca.
Si regola l'esposizione e la messa a fuoco dei mezzi ottici di rilevamento e successivamente si registra l'immagine come sopra descritto.
Si procede quindi alla definizione del primo modello di confronto attraverso un’operazione di estrazione del colore della macchia bianca.
Si definisce, successivamente, l’area di ricerca e l’ampiezza della macchia bianca.
Si procede quindi alla definizione del secondo modello di confronto sulla base della modifica dei dati copiati dal primo modello di confronto. In questo modo i modelli di confronto dedicati alla macchia bianca risultano impostati.
Successivamente, Ã ̈ necessario variare il colore da analizzare per effettuare la selezione in relazione alla macchia scura.
Nel dettaglio, si procede partendo da un’immagine del bottone precedentemente registrata, sulla quale à ̈ possibile selezionare la macchia scura di interesse. Si procede nella medesima maniera, facendo l’estrazione del colore della macchia scura.
Successivamente, si definisce l’area di ricerca e l’ampiezza della macchia.
Dopo, si procede a impostare il modello di confronto successivo utilizzando il modello di confronto appena impostato e reiterando il ciclo di estrazione colore e definizione ampiezza macchia per ciascun successivo modello di confronto da impostare.
Sebbene il procedimento e il sistema sopra descritto consentano una soddisfacente selezione dei bottoni, delle rondelle e/o di simili articoli, la Richiedente ha riscontrato che non sono tuttavia esenti da alcuni inconvenienti e sono migliorabili sotto diversi aspetti, principalmente in relazione alla semplicità e velocità di programmazione, alla snellezza della fase di apprendimento, nonché all’accuratezza durante la selezione automatica degli.
In particolare, la Richiedente ha riscontrato che nel procedimento e nel sistema noti à ̈ indispensabile, per ogni modello di confronto, identificare i pixel di riferimento da conteggiare e stabilire le soglie massime e minime, vale a dire il numero massimo e minimo di pixel campione, utilizzate per l’attribuzione di un generico esemplare. Le fasi di identificazione e assegnazione delle soglie massime e minime richiede inesorabilmente la successione di una serie di fasi che devono essere eseguite passo dopo passo dall’operatore incaricato, allungando significativamente il tempo complessivo per l’impostazione dei parametri necessari al corretto funzionamento del programma di selezione. Va inoltre considerato che l’impostazione dei parametri di confronto dipende esclusivamente dalle impostazioni che l’operatore assegna a ciascun modello di confronto sulla base della visualizzazione degli articoli sul display di controllo. Pertanto, non à ̈ da escludere che i parametri inseriti direttamente dall’operatore non corrispondano perfettamente alle caratteristiche esteriori degli articoli in esame, ma si avvicino, seppur in modo preciso, alle caratteristiche reali dei medesimi.
In questo modo, la selezione automatica degli articoli, basata su tali modelli di confronto, presenta un livello di accuratezza non del tutto soddisfacente in quanto non corrispondente all’aspetto esteriore reale degli articoli esistenti.
Scopo principe della presente invenzione à ̈ provvedere un metodo per la gestione automatica della classificazione di articoli, in particolare bottoni e/o simili rondelle, un processo di selezione automatica degli articoli comprendente tale metodo per la gestione automatica della classificazione degli articoli e una macchina per la selezione automatica degli articoli azionabile sulla base di tale processo, in grado di risolvere i problemi riscontrati nella tecnica nota. È uno scopo della presente invenzione provvedere un metodo di classificazione degli articoli completamente automatico, che non richieda la consecutiva impostazione da parte di un operatore di uno o più parametri significativi per ciascun modello di confronto da definire.
Un ulteriore scopo della presente invenzione à ̈ provvedere un metodo di selezione che possa essere eseguito su articoli in alimentazione continua, vale a dire senza interruzioni del flusso di avanzamento dei medesimi.
Un altro scopo della presente invenzione provvedere un metodo di classificazione e degli articoli particolarmente accurato.
È altresì uno scopo della presente invenzione proporre un processo di selezione accurato e preciso.
Gli scopi sopra specificati, ed altri ancora, sono sostanzialmente raggiunti da un metodo per la gestione automatica della classificazione di articoli, in particolare bottoni e/o simili rondelle, un processo di selezione automatica degli articoli comprendente tale metodo per la gestione automatica della classificazione degli articoli e una macchina per la selezione automatica degli articoli azionabile sulla base di tale processo, come espresso e descritto nelle seguenti rivendicazioni.
Viene ora riportata, a titolo esemplificativo, la descrizione di una forma di esecuzione preferita, ma non esclusiva, di un metodo per la gestione automatica della classificazione di articoli, in particolare bottoni e/o simili rondelle, un processo di selezione automatica degli articoli comprendente tale metodo per la gestione automatica della classificazione degli articoli e una macchina per la selezione automatica degli articoli azionabile sulla base di tale processo, in accordo con la presente invenzione.
Tale descrizione sarà effettuata qui di seguito con riferimento agli uniti disegni, forniti a solo scopo indicativo e pertanto non limitativo, in cui:
la figura 1 Ã ̈ una vista prospettica di una macchina per la selezione di articoli, in particolare bottoni e/o rondelle;
la figura 2 Ã ̈ un ingrandimento in prospettiva di un particolare della macchina di cui alla figura precedente;
la figura 3 Ã ̈ un in gradimento in vista di un particolare della macchina di cui alla figura 1;
la figura 4 Ã ̈ una rappresentazione schematica di un display operativo utilizzabile in associazione alla macchina di cui alla figura 1;
la figura 5 à ̈ uno schema a blocchi relativo all’avvio della macchina di cui alla figura 1, in cui à ̈ necessario, dapprima, eseguire un metodo di classificazione di una popolazione campione di articoli per poter, poi, attuare un rispettivo processo di selezione degli articoli;
la figura 6 Ã ̈ uno schema a blocchi delle fasi del metodo di classificazione di cui alla figura 5;
la figura 7 à ̈ un’illustrazione schematica di una striscia grafica corrispondente a una prima rappresentazione del metodo di cui alle figure 5 e 6, di un rispettivo articolo campione;
la figura 8 Ã ̈ una raffigurazione schematica di una rappresentazione riassuntiva di una popolazione campione di articoli.
Con riferimento alle figure da 1 a 3, con 1 Ã ̈ stata complessivamente indicata una macchina per la selezione di articoli A, in particolare bottoni e/o rondelle, in accordo con la presente invenzione.
La macchina 1 comprende una stazione di alimentazione 2 in corrispondenza della quale vengono caricati gli articoli A da analizzare e selezionare.
In prossimità della stazione di alimentazione 2, la macchina 1 à ̈ provvista di un piano di ispezione 3 (figure da 1 a 3), in corrispondenza del quale sono operativamente disposti mezzi ottici 4 di rilevamento delle immagini (figure 1 e 3), opzionalmente una telecamera tattile 4a.
Preferibilmente, come illustrato nella figura 4, i mezzi ottici di rilevamento 4 delle immagini sono predisposti a rilevare l’aspetto esteriore degli articoli A in esame la cui immagine I può essere riprodotta su un display operativo D per essere trattata elettronicamente e digitalmente.
La macchina 1 prevede inoltre mezzi principali di convogliamento 5, in particolare un nastro trasportare 5a, operativamente disposti a valle del piano di ispezione 3 per l’allontanamento degli articoli A provenienti da quest’ultimo.
Lungo i mezzi principali di convogliamento 5, sono inoltre distribuiti, almeno due convogliatori di raccolta 6, opzionalmente una pluralità di convogliatori di raccolta 6, ciascuno dei quali ha lo scopo di condurre uno o più articoli A verso almeno un rispettivo magazzino di raccolta 7, conformato sostanzialmente a cassetto e/o a vaschetta.
Come illustrato nella figura 1, ciascun un magazzino di raccolta 7 Ã ̈ disposto in corrispondenza di un rispettivo convogliatore di raccolta 6 da parte opposta rispetto ai mezzi principali di convogliamento 5.
Al fine di indirizzare uno o più articoli A in avanzamento lungo i mezzi principali di convogliamento 5 verso almeno un rispettivo convogliatore di raccolta 6 e, di conseguenza, verso un corrispettivo magazzino di raccolta 7, la macchina 1 à ̈ munita di mezzi deviatori 8, opzionalmente una pluralità di soffietti e/o ugelli di soffiaggio 8a, collegati a una rete di alimentazione di aria compressa.
Ciascun soffietto e/o ugello di soffiaggio 8a à ̈ disposto lungo un lato dei mezzi principali di convogliamento 5 secondo una posizione allineata a un rispettivo convogliatore di raccolta 6 per spingervi, mediante un soffio d’aria, almeno un articolo A in avanzamento lungo i mezzi principali di convogliamento 5.
Nel dettaglio, i soffietti e/o gli ugelli di soffiaggio 8a sono operativamente collegati a rispettive elettrovalvole di tipo noto, le quali risultano, a loro volta, collegate a una rete di alimentazione di aria compressa.
La macchina prevede inoltre un convogliatore di raccolta ausiliario 9 disposto, da parte opposta rispetto al piano di ispezione 3, in corrispondenza della porzione terminale dei mezzi principali di convogliamento 5 per condurre gli articoli A, che non vengono deviati, verso un magazzino di raccolta ausiliario 9 (nelle rappresentato in figura 1).
Vantaggiosamente, la macchina 1 comprende almeno un’unità elettronica programmabile 10 atta a operare un metodo MC (figura 5) per la classificazione degli articoli A, in particolare di bottoni e/o simili rondelle, nonché un processo di selezione PS (figura 5) degli articoli A caricati nella stazione di alimentazione 2.
Vantaggiosamente, l’unità elettronica programmabile 10 viene caricata e provvista di un programma per elaboratore che comprende porzioni di codice per implementare il suddetto metodo e/o il suddetto processo di selezione degli articoli A. Tale programma viene vantaggiosamente caricato nella memoria interna dell’unità elettronica programmabile 10.
Con particolare riferimento alla figura 6, il metodo MC comprende una fase di apprendimento B, automatico, per la classificazione di una popolazione campione di articoli A.
La fase di apprendimento automatico B comprende una serie di sottofasi Imp1, AI, D1, Q1, R1, DRr, Q2, R2, C e P.
In particolare, la fase di apprendimento automatico B comprende una fase di impostazione Imp1 di almeno un criterio di classificazione, in particolare rappresentativo del colore, da utilizzare per la classificazione degli articoli A campione.
L’apprendimento B comprende inoltre una fase di acquisizione AI di un’immagine I (figura 4) di ciascun articolo A campione, la quale à ̈ seguita da una fase di definizione D1 di almeno un’area di ricerca AR (figura 4) nell’immagine I acquisita.
Vantaggiosamente, la fase di acquisizione dell’immagine I viene eseguita attraverso l’utilizzo dei sopra descritti mezzi ottici di rilevamento 4 delle immagini. In questo caso, prima di procedere all’acquisizione dell’immagine I e alla definizione dell’area di ricerca AR in quest’ultima, si procede a un fase di impostazione dell’esposizione dell’immagine, vale a dire all’impostazione dello “shutter†e/o del diaframma.
Al fine di ottenere i migliori risultati in termini di definizione delle immagini, si procede a impostare un’esposizione tale per cui gli articoli campione A più chiari non risultino sovraesposti consentendo nel contempo la distinzione degli articoli campione A più scuri appartenenti a classi distinte.
In questa fase di impostazione anche il numero complessivo degli articoli campione da analizzare per attuare l’apprendimento B, il quale deve essere rappresentativo dell’intera popolazione degli articoli da selezionare.
L’apprendimento B comprende anche una fase di esecuzione di una prima quantizzazione Q1, in particolare colorimetrica, dell’immagine I acquisita attraverso la quale à ̈ possibile identificare una prima pluralità di colori C1, preferibilmente corrispondente a una decina di colori maggiormente ricorrenti nell’immagine I acquisita. Successivamente alla prima quantizzazione Q1, viene determinata una prima rappresentazione R1 (figura 7), opzionalmente grafica, di ciascun articolo A campione sulla base della prima quantizzazione Q1 eseguita. La prima rappresentazione grafica R1 contiene i centri dei colori della prima pluralità di colori C1, nonché le rispettive percentuali di ricorrenza dei medesimi.
Vantaggiosamente, la prima rappresentazione R1 di ciascun articolo A campione consiste nella rappresentazione di una corrispettiva striscia grafica (figura 7) suddivisa in una pluralità di aree S allineate lungo una direzione comune e disposte secondo posizioni consecutive. Preferibilmente, ciascuna area S corrisponde a un colore della prima pluralità di colori C1 identificata nell’immagine acquisita I.
Secondo un aspetto vantaggioso della presente invenzione, ciascuna area S (figura 7) della striscia grafica di ogni prima rappresentazione R1 presenta un’estensione sostanzialmente proporzionale alla ricorrenza di un rispettivo colore della seconda pluralità di colori C2 presente sul rispettivo articolo A campione in esame.
L’apprendimento B comprende anche una fase di determinazione DRr di una rappresentazione riassuntiva Rr (figura 8) degli articoli A campione associando e/o accorpando le prime rappresentazioni R1 di questi ultimi. Vantaggiosamente, la rappresentazione riassuntiva Rr consiste nella rappresentazione grafica di un blocco definito dall’insieme delle strisce grafiche di ciascuna prima rappresentazione R1 collocate l’una a fianco all’altra.
L’apprendimento B comprende inoltre una fase di esecuzione di una seconda quantizzazione Q2, in particolare colorimetrica, della rappresentazione riassuntiva Rr, mediante la quale viene identificata una seconda pluralità C2 di colori.
Scendendo nel dettaglio, la seconda quantizzazione Q2 comprende una fase di associazione di ciascun colore della prima pluralità di colori C1 ad almeno un corrispondente colore della seconda pluralità di colori C2.
Successivamente, la seconda quantizzazione Q2 prevede anche una fase di calcolo della ricorrenza, espressa preferibilmente in un valore percentuale, di ciascun colore della seconda pluralità di colori C2 rilevabile in ciascuna prima rappresentazione R1 e una fase di associazione, a ciascuna articolo A campione, di almeno un vettore, i cui componenti corrispondono alle ricorrenze dei colori della seconda pluralità di colori C2, precedentemente calcolate.
In particolare, secondo un esempio applicativo della settorializzazione di ciascun articolo campione A, si procede alla compilazione della seguente tabella:
CP1 CP2 CP3 CP4 CP5 CP6 CP7 CP8 CP9 CP10 CP11 CP12
A1 %1,1 %1,2 %1,3 %1,4 %1,5 %1,6 %1,7 %1,8 %1,9 %1,10 %1,11 %1,12 A2 %2,1 %2,2 %2,3 %2,4 %2,5 %2,6 %2,7 %2,8 %2,9 %2,10 %2,11 %2,12 … … … … … … … … … … … … … An %n,1 %n,2 %n,3 %n,4 %n,5 %n,6 %n,7 %n,8 %n,9 %n,10 %n,11 %n,12
nella quale sono elencati, nella prima riga da sinistra verso destra, i colori della seconda pluralità di colori C2, vale a dire i colori della popolazione degli articoli campioni A e nella prima colonna, dall'alto verso il basso, ciascun articolo campione A analizzato.
Le celle definite dall’intersezione tra i colori della popolazione degli articoli campioni A analizzati e ogni singolo articolo campione analizzato A esprimono, in valore percentuale, la ricorrenza del rispettivo colore della popolazione di articoli presente nel rispettivo articolo campione A.
Attraverso la tabella sopra riportata à ̈ possibile costruire uno spazio normato, ove ciascun articolo campione A à ̈ espresso come vettore delle percentuali relative contenente i colori della popolazione di cui alla seconda quantizzazione Q2.
Successivamente, viene determinata una seconda rappresentazione R2 di ciascun articolo A campione sulla base della seconda quantizzazione Q2.
Vantaggiosamente, segue una fase di raggruppamento C degli articoli A campione, sulla base della seconda rappresentazione R2, al fine di ottenere una pluralità di modelli rappresentativi Mr della popolazione campione degli articoli A.
Nel dettaglio, il raggruppamento C comprende almeno una fase di identificazione di ciascun articolo campione A in uno spazio di ricorrenza delle percentuali dei colori della seconda pluralità di colori C2, avente un numero predeterminato di dimensioni, preferibilmente dodici.
Vantaggiosamente, la fase di raggruppamento C consiste nell’applicazione di almeno un algoritmo di raggruppamento e/o di clusterizzazione sugli articoli campione A identificati nel summenzionato spazio di ricorrenza.
Ancor più vantaggiosamente, l’algoritmo di raggruppamento e/o di clusterizzazione consiste in un algoritmo di clusterizzazione di tipo agglomerativo. Nel dettaglio, l’algoritmo di raggruppamento e/o clusterizzazione viene eseguito sulla base delle distanze reciproche attribuite a ciascun articolo A campione nello spazio identificato e stabilito.
Vantaggiosamente, l’applicazione dell’algoritmo di raggruppamento e/o clusterizzazione comprende almeno una fase di impostazione di una distanza massima di riferimento alla quale segue una fase di rilevamento delle distanze reciproche fra gli articoli A campione identificati nel summenzionato spazio. Successivamente, l’algoritmo di raggruppamento e/o clusterizzazione procede all’identificazione delle distanze minime fra gli articoli A campione. Segue una fase di accorpamento degli articoli A campione relativa alle distanze minime rilevate. Successivamente viene identificato il punto medio delle distanze minime e l’attribuzione, a quest’ultimo, di un peso doppio rispetto al peso dei corrispettivi articoli A campione.
A questo punto risulta possibile eliminare gli articoli A campione che, sulla base di un confronto relativo fra le distanze reciproche e la distanza massima di riferimento, risultano particolarmente lontani dai parametri di riferimento.
Si può quindi procedere al calcolo dei centri e dei raggi delle nuove classi identificate attraverso l’algoritmo agglomerativo e/o di clusterizzazione per pubblicare e comunicare P, all’operatore, i dati significativi ottenuti.
Secondo un esempio di un’applicazione preferita dell’algoritmo agglomerativo e/o di clusterizzazione le distanze reciproche attribuite a ciascun articolo A identificato nel summenzionato spazio vengono inserite nella seguente matrice:
A1 A2 A3 … An A1 0 d1,2 d1,3 … d1,n A2 d2,1 0 d2,3 … d2,n … … … … … …
An dn,1 dn,2 dn,3 … Dn,n
in cui sia la prima riga dall’alto verso il basso che la prima colonna da sinistra verso destra presentano l’elenco degli articoli campione A analizzati, mentre le celle centrali, corrispondenti alle intersezioni tra le righe e le colonne, esprimono le distanze relative degli articoli campione A identificati nel summenzionato spazio normato.
Vantaggiosamente, in accordo con tale esempio dio applicazione dell’algoritmo agglomerativo e/o di clusterizzazione, le distanze reciproche agli articoli campione A nello spazio delle sopra citate percentuali di colori, può essere espresso secondo la seguente equazione:
<>
Forma altresì oggetto della presente invenzione un processo di selezione dei summenzionati articoli A che comprende una fase di apprendimento che prevede l’attuazione del summenzionato metodo di classificazione automatica degli articoli campione A. Un volta eseguita la classificazione automatica degli articoli campione A, il processo prevede l’avvio della selezione che comprende, per ciascun articolo in alimentazione, una fase di ispezione dell’aspetto esteriore.
Segue una fase di suddivisione degli articoli A in alimentazione in almeno due gruppi, preferibilmente una pluralità di gruppi, sulla base dei criteri di selezione e delle classi di dati impostati attraverso il metodo di classificazione automatica.
La suddivisione degli articoli A à ̈ seguita da una fase di raggruppamento degli articoli simili secondo uno o più criteri o classi di dati comuni precedentemente stabiliti.
In accordo con un esempio di procedimento di lavoro, il sistema cerca di attribuire a una delle classi trovate durante l’apprendimento ciascuno degli esemplari che gli vengono proposti utilizzando la distanza colorimetrica dai centri della classi e i raggi di queste ultime.
Preferibilmente, le prime otto classi vengono convogliate nei primi otto magazzini di raccolta 7, mentre le classi superiori e gli scarti vengono riuniti nel magazzino di raccolta (non rappresentato) disposto in corrispondenza della porzione terminale dei mezzi di convogliamento 5.
Una volta separate le prime otto classi à ̈ possibile distinguere le rimanenti e gli scarti esaminando un numero rappresentativo di campioni di questa nuova popolazione in un nuovo processo di apprendimento.
Se l’algoritmo accorpa due categorie distinte di articoli A in un’unica classe, l’operatore può suddividerle esaminando un numero rappresentativo di campioni di questa nuova popolazione in un nuovo processo di apprendimento.
Il metodo, il processo e la macchina sopra descritti risolvono i problemi riscontrati nelle tecnica nota e raggiungono importanti vantaggi.
Innanzitutto, il livello di accuratezza sia in fase di apprendimento e classificazione degli articoli campione A, che in fase di selezione degli articoli risulta più particolarmente accurato in quanto il sistema imposta in modo automatico e preciso i parametri relativi ai colori rilevati senza richiedere l’intervento e l’impostazione di alcun parametro significativo da parte dell’operatore.
L’operatore, in questo caso deve solamente selezionare l’area di ricerca, impostare lo shutter e il diaframma e impostare il numero di campioni su cui eseguire l’apprendimento.
Va inoltre considerato che secondo l’oggetto della presente invenzione risulta possibile operare secondo due modalità di lavoro. Si può procedere mediante letture con arresto articoli oppure letture in continuo senza arresto degli articoli.
Claims (14)
- RIVENDICAZIONI 1. Metodo (MC) per la classificazione di articoli (A), in particolare bottoni e/o simili rondelle, comprendente una fase di apprendimento (B) automatica per la classificazione di una popolazione campione di articoli (A), detta fase di apprendimento (B) automatica comprendendo le seguenti sottofasi: - impostare (Imp1) almeno un criterio di classificazione rappresentativo di almeno un colore, da utilizzare per la classificazione di detti articoli campione (A); - acquisire (AI) un’immagine (I) di ciascun articolo campione (A) e definire almeno un’area di ricerca (AR) in detta immagine acquisita (I); - effettuare una prima quantizzazione (Q1) colorimetrica di detta immagine acquisita (I) identificando una prima pluralità di colori (C1) e determinare una prima rappresentazione (R1) di ciascun articolo campione (A) sulla base di detta prima quantizzazione (Q1); - determinare (DRr) una rappresentazione riassuntiva (Rr) di detti articoli campione (A) associando le prime rappresentazioni (R1) di questi ultimi; - effettuare seconda quantizzazione (Q2) colorimetrica di detta rappresentazione riassuntiva (Rr) identificando una seconda pluralità di colori (C2) e determinare una seconda rappresentazione (R2) di ciascun articolo campione (A) sulla base di detta seconda quantizzazione (Q2); - raggruppare (C) detti articoli campione (A) sulla base di detta seconda rappresentazione (R2) al fine di ottenere una pluralità di modelli rappresentativi (Mr) di detta popolazione campione di articoli (A).
- 2. Metodo secondo la rivendicazione 1, in cui detta prima rappresentazione (R1) di ciascun articolo campione à ̈ una striscia grafica suddivisa in aree (S), ciascuna area (S) corrispondendo a un rispettivo colore di detta prima pluralità di colori (C1) e presentando un estensione proporzionale alla ricorrenza di quest’ultimo.
- 3. Metodo secondo la rivendicazione 2, in cui detta rappresentazione riassuntiva (Rr) consiste in un blocco definito dall’insieme di dette strisce grafiche di dette prime rappresentazioni (R1).
- 4. Metodo secondo la rivendicazione 3, in cui detta seconda quantizzazione (Q2) comprende la fase di associare a ciascun colore di detta prima pluralità di colori (C1) un corrispondente colore di detta seconda pluralità di colori (C2).
- 5. Metodo secondo la rivendicazione 4, in cui detta seconda quantizzazione (Q2) comprende inoltre le fasi di: calcolare la ricorrenza di ciascun colore di detta seconda pluralità di colori (C1) in ciascuna prima rappresentazione grafica; e, associare a ciascun articolo (A) un vettore i cui componenti corrispondono alle ricorrenze precedentemente calcolate.
- 6. Metodo secondo la rivendicazione 5, in cui detta fase di raggruppamento (C) comprende inoltre una fase di identificazione di ciascun articolo campione in uno spazio di ricorrenza delle percentuali di colori di detta seconda pluralità di colori (C2) sulla base della vettorializzazione di ciascun articolo campione (A), detto spazio di ricorrenza avendo un numero predeterminato di dimensioni, in particolare dodici.
- 7. Metodo secondo la rivendicazione 6, in cui la fase di raggruppamento (C) comprende inoltre l’applicazione di almeno un algoritmo di raggruppamento e/o di clusterizzazione sugli articoli campione (A) identificati di detto spazio di ricorrenza.
- 8. Metodo secondo la rivendicazione 7, in cui l’algoritmo di raggruppamento e/o di clusterizzazione consiste in un algoritmo di clusterizzazione di tipo agglomerativo.
- 9. Metodo secondo la rivendicazione 7 o 8, in cui l’applicazione dell’algoritmo di raggruppamento e/o clusterizzazione viene eseguita sulla base delle distanze reciproche attribuite a ciascun articolo campione (A).
- 10. Metodo secondo una qualsiasi delle rivendicazioni da 7 a 9, in cui l’applicazione dell’algoritmo di raggruppamento e/o clusterizzazione comprende le fasi di: impostare una distanza massima di riferimento; rilevare le distanze reciproche fra gli articoli campione (A); identificare le distanze minime fra detti articoli campione (A); accorpare gli articoli campione (A) relativamente alle distanze minime rilevate; identificare il punto medio di tali distanze attribuendone un peso doppio rispetto ai corrispettivi articoli campione (A); eliminare gli articoli campione (A) sulla base di un confronto relativo fra le distanze reciproche e la distanza massima di riferimento; calcolare i centri e i raggi delle classi identificate; pubblicare (P) il risultato del calcolo.
- 11. Programma per elaboratore direttamente caricabile nella memoria interna di un elaboratore digitale (10), comprendente porzioni di codice per implementare il metodo secondo una qualsiasi delle rivendicazioni precedenti quando detto programma à ̈ attuato da detto elaboratore.
- 12. Processo (PS) di selezione di articoli (A), in particolare bottoni e/o simili rondelle, comprendente le fasi di: - attuare un processo di apprendimento, secondo il metodo (MC) per la gestione automatica della classificazione degli articoli (A) in accordo con una o più delle rivendicazioni precedenti; - ispezionare una pluralità di articoli (A) in alimentazione; - suddividere detti articoli (A) in alimentazione in almeno due gruppi, preferibilmente una pluralità di gruppi, sulla base dei criteri di selezione e delle classi di dati impostati con il metodo di classificazione (MC); - raggruppare gli articoli (A) secondo uno o più criteri o classi di dati comuni.
- 13. Programma per elaboratore direttamente caricabile nella memoria interna di un elaboratore digitale (10), comprendente porzioni di codice per implementare il processo secondo la rivendicazione 11 quando detto programma à ̈ attuato da detto elaboratore (10).
- 14. Macchina (1) per la selezioni di articoli (A), in particolare bottoni e/o rondelle, comprendente: - una stazione di alimentazione (2) in corrispondenza della quale vengono caricati gli articoli (A) da analizzare; - un piano di ispezione (3); - mezzi ottici di rilevamento (4) delle immagini (I), in particolare una telecamera tattile (4a), in grado di rilevare l’aspetto esteriore degli articoli (A) in esame, detti mezzi ottici (4) di rilevamento delle immagini (I) essendo operativamente disposti in corrispondenza del piano di ispezione (3); - mezzi principali di convogliamento (5), in particolare un nastro trasportare (5a), operativamente disposti a valle del piano di ispezione (3); - almeno due convogliatori di raccolta (6), opzionalmente una pluralità di convogliatori di raccolta (6), distribuiti lungo detti mezzi principali di convogliamento (5); - almeno un magazzino di raccolta (7) per ciascun convogliatore di raccolta (6) disposto da parte opposta rispetto detti mezzi di convogliamento principale (5); - mezzi deviatori (8) operativamente associati a detti mezzi principali di convogliamento (5), detti mezzi deviatori (8) essendo commutabili tra una prima condizione, in cui sono a riposo, e una seconda condizione, in cui deviano almeno uno di detti articoli (A) ispezionati verso un rispettivo convogliatore di raccolta (6); caratterizzato dal fatto di comprendere inoltre almeno un’unità elettronica programmabile (10) atta a operare il processo di selezione (PS) secondo la rivendicazione 12.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000696A ITMI20110696A1 (it) | 2011-04-26 | 2011-04-26 | Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base |
PCT/IB2012/052001 WO2012147017A1 (en) | 2011-04-26 | 2012-04-20 | Method for classifying articles, in particular buttons and/or similar washers, automatic selection process for articles comprising such a method and machine for automatic selection of articles actuatable on the basis of such a process |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000696A ITMI20110696A1 (it) | 2011-04-26 | 2011-04-26 | Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base |
Publications (1)
Publication Number | Publication Date |
---|---|
ITMI20110696A1 true ITMI20110696A1 (it) | 2012-10-27 |
Family
ID=44554092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT000696A ITMI20110696A1 (it) | 2011-04-26 | 2011-04-26 | Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base |
Country Status (2)
Country | Link |
---|---|
IT (1) | ITMI20110696A1 (it) |
WO (1) | WO2012147017A1 (it) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITUA20161440A1 (it) * | 2016-03-08 | 2017-09-08 | Bonetti Srl | Macchina e metodo per il controllo qualità di bottoni |
CN106862109A (zh) * | 2017-04-01 | 2017-06-20 | 温州技师学院 | 一种全自动纽扣分色机 |
CN111014081A (zh) * | 2019-12-12 | 2020-04-17 | 广东溢达纺织有限公司 | 荧光钮扣分拣装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4530434A (en) * | 1982-08-09 | 1985-07-23 | U.S. Plastic And Chemical Corp. | Method and apparatus for the inspection and separation of symmetrical stable units |
GB2246230A (en) * | 1990-06-25 | 1992-01-22 | Gersan Ets | Shape sorting |
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
-
2011
- 2011-04-26 IT IT000696A patent/ITMI20110696A1/it unknown
-
2012
- 2012-04-20 WO PCT/IB2012/052001 patent/WO2012147017A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4530434A (en) * | 1982-08-09 | 1985-07-23 | U.S. Plastic And Chemical Corp. | Method and apparatus for the inspection and separation of symmetrical stable units |
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
GB2246230A (en) * | 1990-06-25 | 1992-01-22 | Gersan Ets | Shape sorting |
Also Published As
Publication number | Publication date |
---|---|
WO2012147017A1 (en) | 2012-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102669812B (zh) | 用于制造烟草加工行业的棒状制品的机器用的控制装置和控制方法 | |
US6863860B1 (en) | Method and apparatus for monitoring wall thickness of blow-molded plastic containers | |
CN104339638B (zh) | 塑料容器的拉伸吹塑中的生产控制方法以及试验预成型件 | |
RU2601346C2 (ru) | Способ производства стеклянных изделий из материала для них и устройство для выполнения указанного способа | |
US6620352B1 (en) | Automated material distribution control for stretch blow molded articles | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
US10309908B2 (en) | Light field illumination container inspection system | |
GB2094530A (en) | Apparatus and method for controlling the inspection of finished products | |
JP5089805B2 (ja) | 印刷物を点検するための方法、装置、コンピュータプログラム、及び記憶媒体 | |
NL8602609A (nl) | Inspectie en sorteren van in een vorm vervaardigde houders als functie van de oorspronkelijke vorm. | |
US11243173B2 (en) | Stone-block analysis device and methods for the evaluation of stone blocks | |
ITUB20155721A1 (it) | Metodo e linea di controllo di pneumatici per ruote di veicoli | |
US10899138B2 (en) | Container inspection system controlling printheads to correct for detected ink thickness errors | |
CN103841843A (zh) | 用于视觉检验在生产和/或包装香烟时待检验的对象的方法和装置 | |
CN112517420A (zh) | 一种应用光栅的分拣方法及其系统 | |
US11648726B2 (en) | Method and a device for inspecting a process of forming plastic preforms into plastic containers and in particular plastic bottles | |
RU2310828C2 (ru) | Способ и устройство, предназначенные, в том числе, для отбора контейнера | |
ITMI20070328A1 (it) | Dispositivo per discriminare le spole in base al loro contenuto di filo | |
ITMI20110696A1 (it) | Metodo per la gestione della classificazione di articoli, in particolare bottoni e/o simili rondelle, processo di selezione automatica degli articoli comprendente tale metodo e macchina per la selezione automatica degli articoli azionabile sulla base | |
CN103049743A (zh) | 碗底字符检测系统及检测方法 | |
JP4712607B2 (ja) | 感度ファイル自動設定装置及びそれを備えた物品の外観検査装置 | |
JP6514817B1 (ja) | 移送コンテナをタバコ産業用ロッド状物品により装荷する方法及び装置 | |
US11813644B2 (en) | Method and system for determining the manufacture of a glass container with its mold number | |
WO2019145975A1 (en) | On-line detection and evaluation system for moulds | |
CN204638592U (zh) | 半导体器件筛选分类装置 |