Filme perfeitamente visível: como a distância de trabalho entre a câmera e o filme é fixa, a dimensão da área a ser avaliada pelo sistema de análise de imagens varia em função da largura e do aumento do diâmetro da bobina durante a produção (Strelen)

Os filmes plásticos se diferem no que diz respeito ao seu material, espessura, dimensões e acabamento. Portanto após a sua fabricação, eles geralmente têm de ser submetidos a processos como, por exemplo, perfuração, aparação ou impressão, enquanto são desbobinados a velocidades de até 400 m/min. A mesma máquina pode então cortar o filme, conforme as dimensões especificadas, dobrá-lo e rebobiná-lo, se for o caso.

Durante esses processos alguns resíduos podem ser incorporados ao filme, uma vez que ele se carrega com eletricidade estática ao ser bobinado. Portanto, frequentemente pequenas partículas de sujeira ou insetos aderem à superfície de películas e são bobinados com elas, o que é particularmente problemático se os filmes forem destinados ao contato com alimentos.

Embora as armadilhas de luz ultravioleta para insetos e dispositivos similares ajudem a reduzir a contaminação, eles não detectam as partes do filme que foram afetadas.

Análise em tempo real

Sistemas de geração de imagens podem detectar contaminantes em linhas de produção em tempo real. No entanto, ao contrário de outras aplicações de processamento de imagem, a inspeção em linha para evitar a contaminação de filmes plásticos impõe desafios que ainda não foram vencidos.

O maior desafio na inspeção óptica automatizada de filmes plásticos reside na natureza do material. Pode ocorrer a formação de rugas durante o seu bobinamento final e o reflexo de luminosidade em sua superfície muito lisa. Se o filme for perfurado ou submetido ao processo de impressão posteriormente, o algoritmo de processamento de imagens poderá ter dificuldades em distinguir entre a contaminação real e outros fatores perturbadores. Além disso, em um mesmo equipamento são processadas bobinas com diferentes larguras.

Fig. 1 – Detecção automática da borda e de impressão: as bordas da bobina são marcadas em cor amarela, enquanto a área de impressão assume cor rosa. A imagem é avaliada apenas entre as duas marcas amarelas; as áreas dentro das marcas rosa são ignoradas (Strelen)

A combinação desses fatores cria uma vasta gama de situações em que o algoritmo deve distinguir, de maneira confiável, imagens de perturbações inofensivas das de contaminações reais.

A solução desenvolvida pela Strelen Control Systems GmbH consiste em uma câmera de varredura linear de alta resolução que capta imagens sob valores de frequência de quadros de até 51 kHz (foto no início do artigo). Assim, o filme extrudado, se deslocando a uma velocidade de 400 m/min, se move cerca de 0,13 mm entre duas captações de imagem.

Uma característica particular das câmaras de varredura linear é a resolução teoricamente ilimitada na direção de marcha, sob um valor fixo de frequência de quadros e menores velocidades de produção. A resolução ao longo da largura da imagem é definida pelo número de elementos de imagem (pixels) do sensor da câmera; a resolução real em pixels por milímetro depende da configuração óptica utilizada e, portanto, da ampliação do objeto no chip da câmera. Normalmente, são utilizadas câmeras de varredura linear dotadas de sensor apresentando resolução de 2.000 a 8.000 pixels, o que leva a uma resolução de imagem de aproximadamente 2 a 8 pixels/mm.

A imagem é formada no sentido do deslocamento do filme extrudado que passa sob a câmera, em combinação com uma frequência de gravação. Em rápida sucessão, séries de imagens são registradas e analisadas por um software de avaliação na forma de uma imagem bidimensional resultante do empilhamento de 256 linhas. A combinação de frequência de quadros, velocidade de avanço do objeto e sistema óptico define então a resolução. Sob velocidade máxima de produção do filme e para um determinado alcance de visão da câmara, que se faz necessário para uma frequência de quadros de 51 kHz, objetos com dimensões a partir de 2 x 2 mm podem ser detectados de forma confiável. Graças à sua concepção, a câmera de varredura linear também ajuda a limitar a influência das perturbações causadas pelo reflexo no filme, uma vez que apenas uma área muito estreita da superfície é observada.

Fig. 2 – Mancha (“blob”): o sistema encontrou uma minúscula região contaminada por sujeira à esquerda da área de impressão delimitada pelas linhas cor-de-rosa (Strelen)

A posição dessa área pode ser selecionada de forma que reflexos de luminosidade não ocorram na direção da câmera; um gabinete bloqueia a luz circundante que pode causar interferências.

Pré-processamento com filtros

A imagem capturada é primeiramente tratada por meio de filtros digitais conforme as avaliações que serão feitas posteriormente. Geralmente, pelo menos um desses filtros é do tipo limiar, o qual produz uma imagem binária, constituída apenas de pixels brancos ou pretos, a partir de uma imagem de 8 bits com 256 tons de cinza possíveis. A versão mais simples desse tipo de filtro possui valor de limiar fixo, o qual determina se um dado pixel da imagem deve ser definido como branco. Algoritmos mais complexos, tais como os filtros de limiar adaptativos, além do tom de cinza do ponto em questão, também consideram o brilho presente no ambiente, redefinindo o tom de cinza de forma correspondente. Assim, a luminosidade do ambiente ou iluminação parcialmente homogênea, que abrange toda a imagem, podem ser eliminadas até certo ponto.

Em seguida, a imagem binária resultante é analisada para detectar áreas contíguas, denominadas “blobs” (manchas sem formato nítido), que se destacam da região adjacente em termos de contraste. Essas manchas escuras sobre o filme branco podem indicar a presença de partículas de sujeira. Para saber se essas manchas são realmente causadas por sujeira ou por fatores não críticos, tais como rugas, o software de análise de imagem usa filtros digitais e lógicos. Pode-se assumir, por exemplo, que a contaminação é compacta, ou seja, tende a produzir manchas circulares ou com formato de pontos, enquanto as rugas ou dobras são alongadas e estreitas. Assim, o cálculo do grau de circularidade de cada mancha permite definir a categoria dessa região. Também é possível distinguir com base na frequência e localização das manchas encontradas: como uma partícula permanece visível mesmo através de várias camadas de filme, detritos podem ser detectados várias vezes seguidas em uma mesma posição horizontal, podendo então ser distinguidos de rugas, cuja aparência não permanece idêntica ao longo do processo.

As diferentes larguras das bobinas, bem como o aumento do seu diâmetro durante a produção, em combinação com a distância de trabalho fixam da câmara, fazem com que a área a ser analisada apresente dimensão variável. Além disso, podem ser aplicadas impressões em diferentes larguras e posições no filme. A posição de impressão também varia durante a produção, uma vez que o objeto parece aumentar de tamanho devido ao aumento do diâmetro do rolo e à proximidade cada vez maior da câmera – em relação ao centro da imagem, a borda e a posição de impressão também se deslocam para fora durante a produção. Devido a isso, o algoritmo de processamento de imagens determina automaticamente as bordas do filme e a área impressa (figura 1). Pelo pré-processamento as partículas de sujeira (figura 2) são procuradas apenas onde ocorrem e podem ser detectadas. Outros fatores como a alteração dos valores de luminosidade durante o processo de produção em função do diâmetro da bobina foram igualmente considerados na concepção do sistema.

Diferenciando contaminações de falhas

O software de análise de imagens desenvolvido pela Strelen passou a ser denominado “Safe Ident Impurity”, ou “Detecção segura de impurezas”, em tradução livre, e já é utilizado na indústria de plásticos. Este sistema detecta impurezas e corpos estranhos durante o bobinamento de filmes plásticos, distinguindo impurezas e defeitos provocados por outros fatores de perturbação sob condições normais de produção.

Se o sistema detectar a contaminação de um filme, a linha de produção pode ser paralisada automaticamente pela emissão de um sinal de erro, evitando o aumento da contaminação.

 


Mais Artigos PI



Pesquisa visa desenvolver embalagens a partir do albedo da casca da laranja

A pectina (PEC), destaque nesta proposta de estudo, é um polissacarídeo coloidal natural encontrado na parede celular de frutos, material que tem se mostrado uma alternativa para a fabricação de bioplásticos. É encontrado especificamente em frutas cítricas como, por exemplo, laranja, maracujá e maçã. Diferentemente de alternativas renováveis como o amido de milho ou a mandioca, a pectina pode ser obtida a partir do albedo da laranja, um subproduto que é descartado em quantidade significativa na produção brasileira de suco de laranja.

22/02/2024


Otimização da topologia como estratégia para desenvolver componentes plásticos sustentáveis

A sustentabilidade na engenharia de plásticos não começa com a reciclagem. Já no estágio do projeto do componente é crucial usar apenas a quantidade de material estritamente necessária para garantir seu desempenho. Neste quesito, a otimização da topologia possui papel vital, pois, sendo a chave para a construção leve, ela simplifica a seleção das alternativas de um projeto sustentável.

21/02/2024


Caracterização de filamentos de PLA usados em impressão 3D por extrusão

Este estudo apresenta a caracterização de filamentos de poli(ácido lático) (PLA) utilizados em impressão 3D, com foco na investigação de diferentes propriedades das matérias-primas de coloração variada. A oferta de filamentos termoplásticos em diversas cores é um fator importante na popularização das impressoras 3D de mesa. Apesar da percepção de variação nas propriedades dos filamentos em função da cor por parte dos usuários, poucos estudos investigaram tais diferenças, especialmente no caso do PLA.

29/01/2024