Heuft 已为其 InLine II IX 瓶检系统引入人工智能和脉冲 X 射线技术，旨在提升空啤酒瓶的检测效果，并减少灌装线上误剔瓶的情况。
这家德国设备制造商表示，升级后的系统整合了多项自研工具，包括 Multi Color Image Processing（MCIP）、HEUFT reflexx A.I. 摄像头以及深度学习模型。公司在 drinktec 2025 上展示了这项技术，如今已将其纳入用于检测的测量装置中。
此次升级针对的是一个对啤酒厂和灌装商都至关重要的问题：在识别真实缺陷的同时，不误弃仍可使用的瓶子。Heuft 表示，新系统能够发现此前难以察觉的缺陷，包括瓶身侧壁上贴附彩标中的细小裂纹和瑕疵。它还通过结构光和自动评估，将检测范围扩展到宽口瓶的瓶口，以发现细微缺陷。
在瓶颈检测方面，公司称其采用的是一套深度学习模型，该模型基于 0.5 升 Euro 啤酒瓶瓶颈图像训练而成。该模型会识别形状、玻璃厚度、亮度和颜色的变化。超出既定公差范围的图像会被自动标记为不合格，而未显示关键或新缺陷的瓶子则可继续流通。
Heuft 表示，AI 还用于将瓶底居中，以便在不同品牌之间实现一致检测，因为这些品牌往往具有不同的设计特征。其他预训练深度学习模型会检查 0.5 升 Euro 玻璃瓶和 0.7 升 GdB PET 可回收瓶的完整底部图像。这些模型通过异常检测来识别新的错误。
公司称，MCIP 与深度学习相结合，可在环境条件变化时产生更稳定的结果，从而提升高速生产线上的可靠性。脉冲 X 射线技术配合 HEUFT reflexx A.I. X 射线图像处理系统，用于检测瓶底上的玻璃碎屑和碎片，并将其与无害结构区分开来。
对于啤酒厂而言，这一方案的吸引力很现实：更少的误剔意味着更低损耗、更少浪费，以及对可回收包装更高效的利用。同样的方法也可能适用于依赖可重复使用玻璃并需要在灌装前更严格控制容器质量的葡萄酒灌装商。