PRO475

66 progettare 475 • GENNAIO/FEBBRAIO 2026 AUTOMAZIONE zionate in modo da catturare un totale di 14 immagini di ciascuna fiala da diverse stazioni. L’elevato numero di immagini è utile per l’ispezione basata sul deep learning, poiché vi sono immagini in cui le particelle non sono visibili ma possono essere viste da una diversa angolazione. È inoltre opportuno notare che una parti- cella viene identificata come tale solo se presente in un certo numero di immagini. Questo riduce efficacemente il numero di falsi positivi. Una volta acquisite, le immagini vengono trasmesse a MVTec Halcon, dove vengono utilizzati diversi metodi di visione artificiale per eseguire i controlli. Aspen utilizza la segmentazione semantica basata sul deep learning inclu- sa in Halcon per rilevare corpi estranei. Oltre all’ispezione del liquido per la ricer- ca di particelle, vengono eseguite anche altre attività di ispezione in parallelo con MVTec Halcon. Tra questi rientrano i cosiddetti difetti estetici. Il sistema verifica se il livello di riempimento è corretto, se il colore è appropriato e se la chiusura è conforme alle specifiche. Per queste attività vengo- no utilizzati metodi di visione artificiale classici, come l’analisi di matching e blob. I metodi classici hanno il vantaggio di fornire risultati molto affidabili per le applicazioni appropriate e consentono tempi di elaborazione molto brevi. Al termine dell’ispezione, si giunge a una decisione chiara se la fiala in questione è OK o NOK. Supporto software “Il compito era molto complesso, sicu- ramente uno dei più impegnativi che abbiamo mai affrontato. Questo è stato particolarmente vero quando si è trattato di preparare le immagini per l’addestra- mento. Noi di MVTec siamo stati chiamati a fornire assistenza nella preparazione concettuale, nell’implementazione del processo e nella documentazione”, spie- ga Patrick Ratzinger, Project Manager di giano nelle fiale non sono sempre facili da rilevare, nemmeno per gli ispettori. Possono trovarsi lateralmente, deposi- tarsi sul fondo o essere poco chiare a causa della viscosità del liquido. È quindi comprensibile che l’ispezione manuale sia molto dispendiosa in termini di tempo e denaro. Per questo motivo, il nuovo processo dovrebbe essere automatizzato. Mickael Denis spiega: “Poiché l’ispezione deve essere eseguita visivamente, era chiaro che potevamo implementare il processo solo con la visione artificiale e nessun’altra tecnologia. Abbiamo anche dovuto adattarci ai processi di convalida particolarmente rigorosi che si applica- no nell’industria farmaceutica. Questo garantisce che il nuovo sistema testi le fiale alla velocità richiesta, ma allo stes- so tempo con la massima precisione e robustezza”. Ispezione delle fiale Nel nuovo sistema vengono utilizzate 12 telecamere conformi allo standard industriale GigEVision. Anche una buona illuminazione è importante per rendere le particelle chiaramente visibili. La vi- sione artificiale viene eseguita su un PC industriale. Dal punto di vista software, la soluzione di visione artificiale si basa su MVTec Halcon, il software standard per la visione artificiale con oltre 2.100 operatori per quasi tutte le attività di elaborazione delle immagini, incluso il deep learning. A causa delle condizioni estremamente difficili dell’applicazione di Aspen, il deep learning presentava chiari vantaggi rispetto ai classici metodi basati su regole. Con i metodi di visione artifi- ciale classici, non era possibile trovare un set di regole sufficientemente robusto e flessibile per rilevare i difetti. In pratica, il processo ora si presenta così: le fiale di prova vengono posizionate manualmente sul nastro trasportatore del sistema e raggiungono così la macchina di ispezione. Le 12 telecamere sono posi- Una volta riempite e sigillate, le fiale vengono trasportate in un’area di ispe- zione e confezionamento. Le fiale e il loro contenuto vengono quindi controllati per verificare la presenza di eventuali difetti. In precedenza, questo processo prevede- va che gli operatori prendessero ogni fiala singolarmente e la ispezionassero da tutti i lati per verificare che la fiala e il livello di riempimento fossero a posto e che non fossero presenti corpi estranei nel liquido. La grande sfida in questo caso è che il contenuto delle fiale può contenere bolle, molto difficili da distinguere dai corpi estranei. Le particelle che galleg- La visione artificiale rileva in modo affidabile le particelle (marcature rosse). Le variazioni di colore innocue (nella parte superiore) non vengono rilevate come difetti.