Dit gebeurt doordat de nieuwe technologie niet enkel een optisch (visueel) beeld maakt van het coatingoppervlak maar tegelijkertijd ook informatie geeft via spectroscopie in UV, VIS en NIR golflengtes. Hierdoor kan coatinginformatie over chemie, samenstelling en topografie uit 1 opname gehaald worden. Defecten die niet detecteerbaar zijn bij zichtbaar licht worden door deze camera’s toch opgemerkt via beeldopname bij de andere golflengten.

Voorbeelden van dergelijke defectdetectie en -karakterisering zijn bijvoorbeeld coatingcracks, samenstellingsvariaties, diktevariatie, contaminaties maar ook bijvoorbeeld variaties in geleidbaarheid.

In onderstaand voorbeeld A wordt de diktevariatie van een AIO_x film getoond. De hier gebruikte beeldvormingstechniek is hyperspectrale beeldvorming.

Een ander voorbeeld B toont de concentratievariatie van een bepaald ingrediënt in een medicijntablet. De bovenste opname is in visueel licht. De onderste opnametechniek is NIR spectroscopie.

De camera’s zijn contactloos, maken gebruik van passieve of actieve verlichting en zijn snel te implementeren in een coatinglijn. 2 redenen houden een wijdverbreide implementatie van deze technologie nog tegen. Enerzijds is er de huidige hoge kostprijs voor deze camera’s en anderzijds de correcte verwerking van de grote hoeveelheid data die deze technologie genereert. 

De komst van MEMS-technologie en recente evoluties in micro-electronica dragen bij tot een prijsdaling van deze technologie waardoor we verwachten dat het in de komende jaren wel tot betaalbare toestellen zal komen. Miniaturisatie maakt ook de integratie van de camera’s in bewakings- en geautomatiseerde detectiesystemen gemakkelijker.

De correcte verwerking van de data is een belangrijk onderdeel van het succes van de technologie. Er moeten algoritmes ontwikkeld worden die precies kunnen aangeven welke data welke informatie bevatten voer laagdikte, defecten, samenstelling,…

Werk mee aan soortgelijk onderzoek

Sirris in samenwerking met VOM wil onderzoeken welke algoritmes kunnen bijdragen aan een correcte analyse van deze beeldvorming van coatings. Hierbij zullen ook zelflerende (AI) worden toegepast zodat deze camera’s in de tijd steeds beter worden in het detecteren van defecten, variaties en contaminaties. Op die manier kan kunnen onregelmatigheden in onder andere automatische coatinglijnen zeer snel gedetecteerd worden waardoor scrap-productie tot een mimimum beperkt wordt en de oorzaak van een slecht product zeer snel gedetecteerd en opgelost kan worden.

Indien u geïnteresseerd bent om deel te nemen aan dergelijk onderzoek en een case hebt waarbij deze technologie u vooruit zou helpen, gelieve dan contact met ons op te nemen. 

Sirris: Buvana.Lefevre@sirris.be of Patrick.Cosemans@sirris.be

VOM: v.fincken@vom.be