APPLICATION AREAS

Strojové videnie sa neobmedzuje len na tradičnú priemyselnú výrobu. Automatizované získavanie obrazových dát, identifikácia produktov a technológie deep learning môžu priniesť významné výhody aj v oblasti biologickej produkcie.

Pre spoločnosť Koppert, ktorá sa špecializuje na biologické riešenia, spoločnosť Trifid Automation implementovala systém strojového videnia na zabezpečenie sledovateľnosti produktov a následne uskutočnila štúdiu uskutočniteľnosti zameranú na klasifikáciu čmeľových kolónií pomocou umelej inteligencie.

 

Požiadavky zákazníka

Spoločnosť Koppert produkuje čmeľové kolónie využívané na biologické opeľovanie. Spoľahlivá identifikácia a sledovateľnosť produktov sú dôležité na vedenie výrobných záznamov, podporu interného výskumu a riešenie prípadných reklamácií zákazníkov.

Hlavné požiadavky boli:

• Automatické snímanie produktových boxov pohybujúcich sa po dopravníku.
• Čítanie čiarových a QR kódov na jednoznačnú identifikáciu produktov.
• Ukladanie vysokokvalitných farebných snímok priradených k jednotlivým čiarovým kódom.
• Archivácia snímok na serveroch zákazníka na účely sledovateľnosti, interného výskumu a budúcich analýz.

V samostatnom projekte chcela spoločnosť Koppert preskúmať aj možnosť klasifikácie čmeľových kolónií do rôznych skupín rodín pomocou strojového videnia a deep learning. Správna klasifikácia je dôležitá na predchádzanie nežiaducemu miešaniu jednotlivých skupín.

 

Výzvy projektu

Hlavnou výzvou bolo získavať jasné a kvalitné snímky počas pohybu produktových boxov po dopravníku.

Čmeľové kolónie sa nachádzajú v boxoch s priehľadnými plastovými krytmi. Odrazy svetla od týchto krytov môžu znižovať kvalitu obrazu a sťažovať zreteľnú viditeľnosť kolónie.

Kontrolný systém preto musel zohľadniť:

• Rýchlosť dopravníka a spoľahlivé snímanie počas výroby.
• Odlesky a nežiaduce odrazy od priehľadných plastových krytov.
• Dostatočnú kvalitu obrazu na účely sledovateľnosti a následnej obrazovej analýzy.

 

Riešenie

1. Automatizovaná sledovateľnosť produktov

Spoločnosť Trifid Automation integrovala priemyselnú farebnú kameru Cognex do existujúcej dopravníkovej linky.

Pri prechode každého produktového boxu kamerovou stanicou systém vytvorí vysokokvalitnú farebnú snímku a načíta čiarový kód na boxe. Pomocou softvéru strojového videnia založeného na knižnici MVTec HALCON sa nasnímaný obraz priradí k jedinečnému čiarovému kódu produktu.

Snímka sa uloží pod názvom súboru zodpovedajúcim čiarovému kódu. Spoločnosť Koppert tak môže fotografie archivovať na svojich serveroch a následne ich vyhľadávať na účely interného výskumu, analýzy produktov alebo preverovania reklamácií zákazníkov.

Na zlepšenie kvality obrazu systém využíva priemyselné líniové osvetlenie Smart Vision Lights spolu s optickým filtrom MidOpt, ktorý pomáha obmedziť nežiaduce odlesky od plastového krytu.

 

2. Klasifikácia čmeľových kolónií pomocou AI – štúdia uskutočniteľnosti

Na základe existujúceho systému snímania obrazu uskutočnila spoločnosť Trifid Automation samostatnú štúdiu uskutočniteľnosti, ktorej cieľom bolo overiť, či možno čmeľové kolónie klasifikovať do skupín rodín podľa ich vizuálnych znakov.

Pomocou nástroja MVTec HALCON Deep Learning Tool štúdia skúmala možnosti využitia umelej inteligencie na rozpoznávanie rozdielov medzi skupinami čmeľových kolónií na základe získaných snímok.

Prvé výsledky boli sľubné a ukázali potenciál hlbokého učenia pri tomto type klasifikačnej úlohy.

Projekt sa skončil vo fáze štúdie uskutočniteľnosti a nebol nasadený ako automatizovaný klasifikačný systém do výroby.

Hlavné hardvérové komponenty

• Priemyselná kamera: farebná kamera Cognex
• Osvetlenie: priemyselné líniové svetlo Smart Vision Lights
• Optický filter: filter MidOpt na potlačenie odleskov
• Priemyselný počítač: Neousys radu Nuvo-9000

 

Výpočtová platforma pre štúdiu uskutočniteľnosti deep learning:

• Výpočtová platforma AI: Neousys Nuvo-8208GC GPU Computing AI Platform
• Procesor: Intel® Xeon® E-2278GE CPU @ 3,30 GHz
• Operačná pamäť: 64 GB RAM
• Grafická karta: NVIDIA GeForce RTX 2080 SUPER s 8 GB VRAM

Hlavné softvérové komponenty

• MVTec HALCON: priemyselné spracovanie obrazu a čítanie čiarových kódov
• MVTec HALCON Deep Learning Tool: vyhodnotenie možností klasifikácie čmeľových kolónií pomocou AI
• Vlastný softvér Trifid Automation: snímanie obrazu, pomenúvanie súborov podľa čiarových kódov a integrácia do procesu archivácie snímok

 

Výsledky

Implementovaný systém sledovateľnosti

• Automatizované snímanie obrazov a identifikácia čiarových kódov na existujúcom dopravníku.
• Vysokokvalitné farebné snímky jednotlivých produktových boxov.
• Snímky ukladané pod identifikátormi zodpovedajúcich čiarových kódov.
• Lepšia sledovateľnosť produktov a dostupnosť fotografických záznamov pre interný výskum, analýzu produktov a preverovanie reklamácií zákazníkov.

Štúdia uskutočniteľnosti klasifikácie pomocou AI

• Preskúmanie možností deep learning na rozlišovanie skupín rodín čmeľových kolónií.
• Sľubné počiatočné výsledky podporujúce ďalšie skúmanie.
• Ukážka potenciálu rozšírenia existujúcich aplikácií strojového videnia o analýzu pomocou AI.

 

Záver

Projekty pre spoločnosť Koppert ukazujú, ako môže strojové videnie prinášať praktické výhody aj mimo tradičných výrobných aplikácií.

Kombináciou hardvéru výrobcov Cognex, Smart Vision Lights a MidOpt so softvérom MVTec HALCON dodala spoločnosť Trifid Automation riešenie na zabezpečenie sledovateľnosti a preskúmala ďalšie možnosti využitia deep learning.