Hızlı Tüketim Ürünleri (FMCG), farmasötik ve gıda paketleme hatlarında üretim hızlarının yüksekliği, manuel denetim mekanizmalarını tamamen imkansız kılmaktadır. Bu teknik dökümanda; akan konveyör hatları üzerinde Lot numarası, Son Kullanma Tarihi (SKT) ve 1D/2D kodların yüksek hızda doğrulanmasını sağlayan Optik Karakter Tanıma (OCR) ve Optik Karakter Doğrulama (OCV) algoritmaları incelenmektedir. Ayrıca, esnek ve sert ambalajlarda yapışkan dikiş bütünlüğü, etiket hizalaması ve kapak sızdırmazlık hatalarını milisaniyeler seviyesinde yakalayan entegre yapay görme mimarileri mühendislik boyutlarıyla ele alınmaktadır.
Hızlı Paketleme Hatlarında Yapay Görme ile Gerçek Zamanlı OCR OCV Kontrolü ve Ambalaj Kontrolü
Endüstriyel imalatın en yüksek işlem hacmine sahip katmanlarından biri olan paketleme hatları, ürünün son tüketiciye veya müşteriye ulaşmadan önceki son kalite bariyeridir. Özellikle Hızlı Tüketim Ürünleri (FMCG), ilaç, kozmetik ve ambalajlı gıda sektörlerinde hat hızları dakikada yüzlerce, hatta binlerce birime ulaşabilmektedir. Bu yüksek dinamik ortamda, ambalaj üzerindeki basılı verilerin (Lot numarası, üretim tarihi, barkodlar) eksikliği veya ambalajın fiziksel deformasyonu, doğrudan devasa finansal kayıplara, ürün geri çağırma (recall) süreçlerine ve ağır cezai yaptırımlara yol açar. One Pixel Vision Teknoloji A.Ş. tarafından geliştirilen yeni nesil yapay görme ve görüntü işleme mimarileri, bu karmaşık süreçleri insan müdahalesine ihtiyaç duymadan sıfır hata prensibiyle otomatize etmektedir.
Hızlı Paketleme Hatlarında Geleneksel Kalite Kontrol Neden Yetersiz Kalır?
Geleneksel üretim hatlarında kalite kontrol, büyük oranda operatörlerin gözle gerçekleştirdiği numune alma veya manuel denetim metotlarına dayanmaktadır. Ancak dakikada 300 birimden fazla geçen bir konveyör hattında insan gözünün odaklanma süresi ve görsel algı kapasitesi fiziksel sınırlara takılır. Operatör yorgunluğu (fatigue), göz kırpma refleksleri veya ortam aydınlatmasındaki mikro değişimler, hatalı ambalajların veya okunmayan kodların gözden kaçmasına neden olur.
Fotoelektrik sensörler gibi konvansiyonel otomasyon elemanları ise yalnızca parçanın “varlık veya yokluk” durumunu tespit edebilir. Ambalaj üzerindeki karakterlerin doğru basılıp basılmadığını, tarihin okunaklılığını veya etiket üzerindeki mikron düzeyindeki kaymaları algılayamazlar. İşte bu noktada yüksek çözünürlüklü endüstriyel kameralar, teleteğetsel (telecentric) lensler ve yapay zeka destekli görüntü işleme yazılımları devreye girerek hattın hızını kesmeden %100 denetim imkanı sağlar.
Optik Karakter Tanıma (OCR) ve Optik Karakter Doğrulama (OCV) Arasındaki Fark Nedir?
Endüstriyel kod okuma ve metin denetimi süreçlerinde sıkça karıştırılan ancak algoritmik olarak tamamen farklı işlevlere sahip iki temel teknik bulunmaktadır: Optik Karakter Tanıma (OCR – Optical Character Recognition) ve Optik Karakter Doğrulama (OCV – Optical Character Verification).
OCR teknolojisi, ambalaj üzerine mürekkep püskürtmeli (inkjet), lazer veya termal transfer yöntemleriyle basılmış karakterleri (harf, rakam, sembol) görüntü matrisi üzerinden analiz ederek metne dönüştürür. Sistem, görüntüdeki pikselleri eşikleyerek (thresholding) karakterlerin ne olduğunu “okur”.
💡 TEKNİK NOT: ISO/IEC Kod ve Baskı Kalitesi Standardı
Endüstriyel OCV (Optik Karakter Doğrulama) algoritmaları, sadece metnin varlığını değil, ISO/IEC 15415 ve ISO/IEC 29158 (DPM) standartlarına göre karakter kontrastını, kenar keskinliğini ve mürekkep dağılım matrisini derecelendirir (Grade A-F). Karakter kontrast oranının (Symbol Contrast) %70’in altına düşmesi durumunda sistem mürekkep püskürtmeli (inkjet) yazıcının kafasının kirlendiğini veya mürekkep seviyesinin azaldığını tespit ederek önleyici bakım uyarısı verir.
OCV teknolojisi ise okumaktan öte bir doğrulama sürecidir. Önceden sisteme tanımlanmış bir referans metin (master şablon) ile hattan geçen baskıyı piksel bazında karşılaştırır. OCV, sadece “Burada 2026 yazıyor mu?” sorusuna değil, “Yazılan 2026 karakterlerinin baskı kalitesi, mürekkep dağılımı, yüksekliği ve font bütünlüğü standartlara uygun mu?” sorusuna yanıt verir. Baskıda siliklik, lekelenme veya karakter kesilmesi durumunda OCV algoritması parçayı anında “Hatalı” (NOK) olarak işaretler.
OCR/OCV Algoritmalarında Matris Taraması ve Derin Öğrenme Nasıl Entegre Edilir?
Geleneksel OCR yazılımları, sabit fontlar ve yüksek kontrastlı arka planlar altında başarılı sonuçlar verir. Ancak ambalaj sanayisinde yüzeyler her zaman düzgün değildir. Şeffaf filmler, pürüzlü kartonlar, bükülmüş alüminyum folyolar veya parlak plastik yüzeyler ışığı farklı açılardan yansıtır.
One Pixel Vision’ın geliştirdiği derin öğrenme (Deep Learning) tabanlı yapay görme algoritmaları, konvansiyonel pürüzsüzleştirme ve kenar tespit (edge detection) yöntemlerinin ötesine geçer. Yapay sinir ağları; değişken fontlar, eğri yüzeyler ve düşük kontrastlı mürekkep baskıları altında dahi karakter sınırlarını pikseller düzeyinde segmente eder. ISO/IEC 15415 ve ISO/IEC 29158 (DPM) standartlarına uygun olarak yapılan karakter analizi, mürekkep damlacıklarının oluşturduğu alanları matematiksel olarak matrislere böler. Böylece hatalı kodlanmış tek bir karakter bile hattan anında ayıklanır.
⚠️ SAHA MÜHENDİSLİĞİ: Parlak Ambalajlarda Yansıma Önleme
Alüminyum folyo, şeffaf jelatin veya parlak kuşe etiketlerde doğrudan (direct) aydınlatma kullanılması kamerada parlamaya (saturation) ve karakter kaybına yol açar. Bu tür yüksek yansımalı paketleme yüzeylerinde Kubbe (Dome) Aydınlatma veya Koaksiyel Polarize Filtreli Işık Kaynakları kullanılarak ışığın yüzeye eşit dağılması ve kırılmaların elimine edilmesi şarttır.
Ambalaj Sızdırmazlığı ve Dikiş Kontrolü Yapay Görme ile Nasıl Yapılır?
Ambalaj kalite kontrolü yalnızca metin okuma ile sınırlı değildir; ürünün raf ömrünü ve fiziksel bütünlüğünü belirleyen en kritik parametre ambalaj sızdırmazlığıdır. Özellikle gıda ve medikal sektörlerinde, yapıştırma dikişlerinde (seal inspection) meydana gelen hava kabarcıkları, mikro delikler veya malzeme sıkışmaları ürünün bozulmasına yol açar.
Yapay görme sistemlerinde termo-grafik (termal) kameralar ve özel polarize aydınlatma armatürleri kullanılarak ambalaj dikiş bölgeleri taranır. Isıl yapıştırma ile kapatılan plastik veya alüminyum ambalajların birleşme noktalarındaki sıcaklık dağılımı ve optik geçirgenlik anlık olarak analiz edilir. Dikiş bölgesinde kalan gıda kırıntıları, toz tanecikleri veya yapışmayan alanlar pikseller arası yoğunluk farkından tespit edilir. Hatalı ambalajlar, konveyör sonundaki pnomatik iticiler (ejector) veya hava üfleyiciler vasıtasıyla milisaniyeler içinde üretim hattından uzaklaştırılır.
Etiket Hizalaması ve Katlanma Hataları Hangi Algoritmalarla Taranır?
Şişe, kavanoz ve kutu ambalajlarının üzerine uygulanan kendinden yapışkanlı veya giydirme (sleeve) etiketler, üretim esnasında kayma, dönme veya katlanma riski taşır. Etiketin açısının birkaç derece sapması dahi ürünün raftaki estetik görünümünü ve barkod okunabilirliğini olumsuz etkiler.
Geometrik desen eşleştirme (Geometric Pattern Matching) algoritmaları, doğru etiketlenmiş referans görseli hafızasına alır. Hattan geçen her bir ambalajın köşe koordinatları ve etiket merkez noktası $X, Y, \theta$ (açısal sapma) eksenlerinde hesaplanır. Belirlenen tolerans sınırlarının (örneğin $\pm 0.5 \text{ mm}$ veya $\pm 1^\circ$) dışına çıkan etiket kaymaları anında yakalanır. Aynı zamanda yüzeyde oluşan hava kabarcıkları veya katlanma çizgileri, alan geometrisi ve gölge analizi filtreleri ile tespit edilerek hatalı ürün olarak ayrıştırılır.
Kapak Emniyet Halkası ve Dolum Seviyesi Nasıl Doğrulanır?
İçecek ve sıvı kimyasal ambalajlama hatlarında kapakların tam torkla kapatılması ve emniyet halkasının (tamper-evident ring) bütünlüğü tüketici güvenliği açısından zorunludur.
Yüksek hızlı çizgi taramalı (line-scan) veya alan taramalı (area-scan) kameralar, ambalajın kapak bölgesine odaklanır. Açısal aydınlatma teknikleri ile emniyet halkasındaki mikro tırnakların kırık olup olmadığı denetlenir. Kapağın diş atlama nedeniyle eğik kapanması (cocked cap) durumunda, kapağın üst çizgisi ile ambalaj omuz çizgisi arasındaki paralel mesafe piksel boyutunda ölçülür. Eş zamanlı olarak, yüksek frekanslı veya kızılötesi (NIR) aydınlatma arka plana yerleştirilerek koyu renkli veya mat şişelerin içindeki sıvı dolum seviyesi (fill level) temassız olarak denetlenir.
⚙️ DONANIM MİMARİSİ: Entegre Tetikleme ve Hava Üflemeli Red (Eject) Süresi
Dakikada 1.200 ürün geçen (20 m/sn hat hızı) bir konveyörde, optik enkoderden gelen donanımsal tetikleme (Hardware Trigger) ile kameranın pozlama süresi (Exposure Time) 50 mikrosaniyenin (μs) altına çekilmelidir. Aksi takdirde “hareket bulanıklığı” (motion blur) oluşur. Hatalı ürünün tespiti ile pnomatik pistonun/hava üfleyicinin ürünü hattan atması arasındaki gecikme (delay time) PLC seviyesinde mikrosaniye hassasiyetinde senkronize edilir.
Yapay Görme Sistemlerinin Fabrika Otomasyonuna (MES/ERP) Entegrasyonu Nasıl Sağlanır?
Bir yapay görme sisteminin ürettiği veriler, sadece hatalı ürünü ayırmakla kalmamalı, fabrikanın üretim yürütme sistemlerine (MES) ve Kurumsal Kaynak Planlama (ERP) yazılımlarına gerçek zamanlı aktarılmalıdır.
One Pixel Vision entegrasyon mimarisinde, kamera istasyonları industrial Ethernet protokolleri (PROFINET, EtherNet/IP, Modbus TCP) üzerinden doğrudan PLC otomasyon katmanına bağlanır. Kamera tarafından tespit edilen hatasız/hatalı ürün sayıları, OCR okuma başarı oranları ve reddedilen ürünlerin anomali türleri (örneğin: %40 silik OCR, %30 etiket kayması, %30 sızdırmazlık hatası) anlık istatistiksel proses kontrol (SPC) grafiklerine dönüştürülür. Bu veri akışı, üretim mühendislerinin kök neden analizleri yapmasını ve kök ekipmanlardaki (örneğin mürekkep püskürtmeli yazıcı veya etiketleme kafası) mekanik arızaları önceden tespit etmesini sağlar.
Sıkça Sorulan Sorular (SSS)
OCR ve OCV sistemleri farklı font ve punto değişikliklerine esnek yanıt verebilir mi?
Evet. Gelişmiş derin öğrenme ve yapay zeka modelleri sayesinde sistem sadece sabit fontlara bağlı kalmaz. Farklı font tipleri, punto büyüklükleri ve mürekkep püskürtme yoğunlukları sisteme önceden eğitilebilir veya esnek karakter segmentasyon algoritmaları ile dinamik olarak adapte edilebilir.
Şeffaf ambalajlarda ve parlak alüminyum yüzeylerde yansıma sorunu nasıl çözülür?
Parlak veya esnek ambalaj yüzeylerindeki optik parlamalar, doğru aydınlatma geometrisi ile elimine edilir. Teleteğetsel lensler, kubbe (dome) aydınlatmalar veya polarize filtreli koaksiyel ışık kaynakları kullanılarak yüzey yansıması engellenir ve yalnızca basılı karakterlerin veya fiziksel kusurların yüksek kontrastla kameraya ulaşması sağlanır.
Yapay görme ambalaj kontrol sistemlerinin hat hızı sınırı nedir?
One Pixel Vision sistemleri, kullanılan yüksek hızlı kitle tarama kameraları ve FPGA/GPU tabanlı görüntü işleme kartları sayesinde dakikada 2.000 adet ve üzeri ürün geçen aşırı hızlı paketleme hatlarında dahi milisaniyeler düzeyinde karar vererek %100 kontrol gerçekleştirebilir.
Bizimle iletişime geçin
Paketleme hatlarınızda hatalı kod okuma, silik Lot numaraları veya ambalaj kusurları nedeniyle fire oranlarınızı yükseltmeyin. One Pixel Vision Teknoloji A.Ş.’nin yüksek hızlı ambalaj ve OCR/OCV denetim çözümleriyle tanışmak, hatlarınıza özel mühendislik analizleri talep etmek için uzman ekibimizle hemen iletişime geçin.
