Dissertação
{pt_PT=System development for improvement of quality inspection and control in the food industry} {} EVALUATED
{pt=O objetivo desta dissertação é identificar um sistema capaz de realizar a inspeção da qualidade de selagem de filme BOPP no embalamento de palhinhas de plástico, em linha com a produção, levando à deteção e contenção de produtos defeituosos. Neste trabalho são estudados o princípio do processo de selagem e os parâmetros que o governam. Amostras de filme selado, coletadas com diferentes parâmetros de processo em ambiente industrial, são inicialmente classificadas de acordo com a sua força de selagem com um teste de descolamento, exterior à produção. Para inspeção em linha com a produção duas soluções distintas são propostas. Um sistema para a medição da temperatura do filme após selagem usando pirómetros infravermelhos é proposto e a sua correlação com a variação da força de selagem é estudada. Um sistema baseado em visão computacional também é apresentado, em que amostras de imagens são coletadas com um sistema de iluminação infravermelha e um sistema de filtragem polarizadora. Para extração das características da imagem, dois descritores de textura são propostos baseados em local binary pattern e em gray level co-occurrence matrix, e para classificação, uma rede neuronal multi-layer perceptron é usada. As capacidades de ambos os sistemas em identificarem com precisão defeitos de selagem do filme são analisadas., en=The objective of this thesis is to identify a system capable of in-line inspection of BOPP film sealing quality in straw packaging, leading to the detection and containment of defective products. In this work, the sealing process principle and the parameters that govern the process are studied. Sealed film samples, collected with different process parameters in an industrial environment, are initially classified according to their seal strength with an off-line peel test. For in-line inspection, two distinct solutions are proposed. A system for the measurement of film temperature after sealing using infrared pyrometers is studied and its correlation with seal strength variation is analyzed. A system based on machine vision is also studied, where sample images are acquired with an infrared lighting system and a polarized filtering system. For image features extraction, two textural descriptors are proposed based on the local binary pattern and the gray level co-occurrence matrix and for classification, a multi-layer perceptron neural network is used. The capabilities of both systems in accurately identifying film sealing defects are analyzed.}
junho 26, 2019, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
