Esettanulmány: Csomagolási folyamat ellenőrzése gépi látással
A projekt:
Autóipari beszállító cég összeszerelő üzemében építettünk ki automatizált vizuális minőségellenőrzési rendszert.
A probléma:
Az adott munkaállomásokon 20-25 centiméter hosszú alkatrészeket kell a tárolódobozokban egyesével elhelyezni, emberi közreműködéssel. A dobozok kialakítása és az alkatrészek változó száma miatt itt viszonylag magas hibalehetőséggel kell számolni - gyakran előfordult, hogy nem megfelelő számú alkatrész kerül egy dobozba, ami már csak szállítás után derül ki, a végfelhasználónál.
A megoldás:
A munkaállomáson zajló folyamatot kameraképen rögzítjük (videón, 10 fps elegendő). A megfelelően betanított gépi látás eszköz folyamatosan ellenőrzi, hogy az éppen feltöltendő dobozban hány darab alkatrész van, és egy “OK - Nem OK” bináris kijelzőn mutatja a státuszt. Ezzel a visszajelzéssel az alkalmazottak folyamatosan ellenőrizni tudják, hogy megfelelő -e a doboz tartalma, tehát megszűnik a hibázás lehetősége.
A metódus:
A rendszerben két AI modell dolgozik. Az első felismeri a doboz típusát, innen tudja, hogy hány darab alkatrésznek kell benne szerepelni, illetve ellenőrzi, hogy a doboz egésze látható -e - nincs -e takarásban. A második AI modell az alkatrészek számát ellenőrzi, veti össze az első modellből érkező információval.
Csak akkor ad OK jelzést a rendszer, ha az aktuális képkockákon a doboz látható és az alkatrészek a doboz típusának megfelelő számban vannak benne elhelyezve.
A megvalósítás során objektumdetektálás történik, tehát az alkatrész formája be van tanítva a rendszernek, ezt keresi a kameraképen, illetve össze is számolja egyesével, hogy hány darab célobjektumot tartalmaznak a képkockák.
Eszközök és technológia:
kódolás: Python
objektumfeldolgozás: Tensor Flow Yolo
képmanipulálás: Open CV
videó stream: gateway eszköz A4 Dockerrel szerverre kapcsolva, egy videókártya elegendő a képfeldolgozásához
kommunikáció: Fast API
Eredmények:
A végeredmény egy archivált adatsor, ami a munkaállomást, az időpontot és a kijelzőn leadott jelet naplózza. Ezzel utólag is vizsgálható a munkafolyamat, de a megoldás haszna elsősorban az, hogy segíti az önellenőrzést, elvileg szinte nullára redukálja ennek a típusú emberi hibának a további előfordulási esélyét.
Az egész megoldás kiépíthető “on premise”, szigetüzemben, internetelérés nélkül is, így nullára csökken az adatszivárgás esélye.