AO464

SETTEMBRE 2025 AUTOMAZIONE OGGI 464 | 71 Sistemi di visione La demo è una simulazione che integra tecnologie avanzate di visione artificiale 2D e 3D per task di quality control Mela fornisce una dimostrazione concreta del potenziale che le odierne tecnologie di visione oggi sono in grado di offrire zioni reali di alcuni clienti del settore food. Essendo stata realizzata a scopo dimostra- tivo, Mela non esprime appieno il potenziale in termini di velocità e prestazioni tipico di un vero impianto produttivo. Il suo fine è piuttosto quello di fornire una dimostrazione concreta del potenziale che le odierne tecno- logie di visione oggi sono in grado di offrire. Mele in arrivo: parte il controllo Le varie stazioni che compongono la linea si snodano lungo una struttura ad anello, sulla quale scorrono una serie di mover che trasportano i frutti tra le varie postazioni. Tutti i supporti meccanici applicati ai mover sono stati progettati per garantire il posizio- namento ottimale delle mele, cioè evitando il rischio di caduta durante le fasi di arresto e ripartenza. Questi supporti, sviluppati per adattarsi alla frutta in generale, sono ideali anche per qualsiasi altro oggetto di forma rotondeggiante e assicurano il massimo accesso visivo per un controllo accurato da più angolazioni. Il processo simulato dalla linea dimostrativa Mela prende il via con un AMR di Zebra Technologies che trasporta un cestello contenente mele sfuse verso una prima stazione di bin picking, dove un cobot Universal Robot UR10 le estrae e le posiziona sul mover. La prima stazione di visione si trova integrata direttamente sul polso del cobot UR10. Si tratta di uno scan- ner 3D Zebra 3S80 che, dopo aver analizzato la posizione esatta di ogni frutto, trasmette i relativi dati al cobot, consentendogli di affer- rare la mela con un gripper a ventosa. Questa prima stazione è un esempio di perfetta sim- biosi tra automazione intelligente e visione avanzata, due tecnologie che, se opportu- namente integrate, garantiscono ottimi ri- sultati in termini di precisione ed efficienza. L’AMR utilizzato è un modello Connect, una soluzione che consente di gestire in modo flessibile ed efficiente la movimentazione di carrelli su ruote, migliorando la continuità del processo e riducendo quindi le necessità di interventi manuali. Il carrello-robot AMR si muove in autonomia, pianificando il per- corso ottimale e garantendo così fluidità di lavoro tra i cobot che sono adibiti alla mani- polazione della frutta. Questa integrazione amplifica ulteriormente le potenzialità della machine vision poiché introduce un ulteriore livello di automazione che riduce i tempi ciclo. I successivi step Dopo aver prelevato il frutto dalla cesta, il cobot lo ruota davanti alla seconda stazione di visione, equipaggiata con una telecamera The Imaging Source DFK33GX174. Lo scopo di questa operazione è quello di analizzare l’integrità del fondo mela, cioè della sua parte inferiore. L’analisi viene svolta serven- dosi di un algoritmo di deep learning ba- sato su una rete CNN-Convolutional Neural Network. Le reti CNN sono una soluzione tec- nica particolarmente adatta alle operazioni di controllo qualità, in quanto permettono di riconoscere difetti e anomalie con un’elevata precisione, classificare oggetti e superfici in base a specifici criteri, nonché migliorare le prestazioni nel tempo grazie all’apprendi- mento continuo dai dati. In questo specifico caso, la seconda stazione di visione, grazie alla manipolazione del cobot, permette di individuare la presenza di eventuali difetti che non solo potrebbero sfuggire a una sem- plice ispezione visiva standard, ma anche alle successive stazioni di controllo. Il mover su cui si trova la mela transita quindi verso la terza stazione di visione, dove è posizionata una telecamera lineare Hikrobot MV-CL044- 91NM che esegue una scansione in movi- mento per verificare la corretta presenza del bollino. Vedere l’invisibile La mela giunge così alla quarta stazione, dove l’ispezione qualitativa si spinge oltre lo spettro del visibile grazie all’impiego di una telecamera Swir-Short-Wave Infrared. Mon- tata sul polso di un secondo robot collabora- tivo, di taglia più piccola, la telecamera Lucid Vision Triton Swir TRI003S-WC, in abbinata all’illuminatore Swir TMS Lite, consente di individuare danni apparentemente invisibili, imperfezioni che a occhio nudo sarebbero difficili, se non impossibili, da rilevare perché nascoste sotto la buccia. Ma come funziona un sistema di visione in tecnologia Swir? Un piccolo urto o un’ammaccatura apparente- mente innocua possono compromettere la struttura interna del frutto, accelerandone il