Description du projet
De meilleurs scellés pour protéger la réputation de la marque
L’intégrité du scellé d’un emballage est essentielle pour la viabilité, la protection et la durée de conservation du produit. La moindre rupture du scellé cause un préjudice économique et une atteinte à la réputation de la marque. La méthode actuelle de détection des scellés repose sur l’échantillonnage, ce qui est risqué, peu fiable et génère des déchets. Yoran Imaging a mis au point le système de surveillance analytique des emballages, une solution disruptive de criblage des machines de contrôle de la qualité. Il fait appel à l’imagerie thermique 3D et à des algorithmes d’apprentissage profond pour collecter des données précises permettant de comprendre le processus et d’améliorer la qualité. Ce système d’inspection en ligne a été testé dans de grandes sociétés alimentaires et a obtenu le label CE. Le projet PAM 2, financé par l’UE, appliquera l’apprentissage profond pour devenir une plateforme facilitatrice de l’industrie 4.0 dans le domaine de l’emballage primaire.
Objectif
The seal integrity of packages is crucial to assure product viability and shelf life. The break of the seal can lead to food
contamination, degradation and leaks, causing economic losses and brand reputation damage. There is no method to
quickly detect sealing flaws or understand why they have occurred. 3% of heat-sealed packages are defective. The current
methodology is sampling, which generates waste, products recall, unsafety and unreliability.
We have developed the PAM2 System, Packaging Analytical Monitoring system, a disruptive quality control machine that
analyses all the products in a batch via 3D thermal imaging and advanced real time algorithms to provide complete in-line
monitoring of the sealing process. PAM2 screens 100% of the products in a non-destructive manner without slowing the line
capacity. Our Deep Learning algorithms collect precise data to increase the understanding of the process, improve quality,
allow operators to detect and amend issues in real-time and detect patterns, such as those cases in which the sealed area is
too close to the limit set by the user.
In 2016, we founded Yoran Imaging to start developing the PAM2 System. We have already performed Proof-of-Concept of
our prototypes in major food companies, received the CE mark and have sold machines. Currently, we are pursuing the
implementation of Deep Learning in order to become an Industry 4.0 enabler platform in the primary packaging area.
We are set to serve within the food manufacturing industry, with around 300,000 food and drink manufacturing companies in
Europe contributing towards the sectors total turnover of €1,109 billion with a value-added total of €230 billion. Moreover, the
packaging machinery industry within Europe has over 6,000 enterprises producing packaging, which accounted for €13.5
billion in 2017.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatiqueapprentissage profond
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) H2020-EIC-SMEInst-2018-2020
Voir d’autres projets de cet appelSous appel
H2020-EIC-SMEInst-2018-2020-3
Régime de financement
SME-2 - SME instrument phase 2Coordinateur
3657 600 Timrat
Israël
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.