Автоматизация конвейерных процессов с помощью искусственного интеллекта

С каждым годом все большую популярность набирают системы автоматизации конвейерных процессов и производственных линий, созданные на базе технологий компьютерного зрения. Такие системы позволяют автоматизировать ручной труд, снижать зависимость от человека, исключать брак и дефекты продукции и конвейерной ленты, а также предотвращать сбой или остановку конвейера из-за поломок. И хотя современные технологии искусственного интеллекта превосходно решают задачи поиска и распознавания объектов, детекции и сегментации, «интеллектуальный» модуль — это лишь одна составляющая. Ключевую роль при внедрении подобных систем играет правильный выбор оборудования, мест установки камер, освещения, защиты. Интеграция системы с конвейером любого типа подразумевает использование специальных промышленных протоколов (например, Modbus), низкоуровневое программирование контроллеров. Поэтому полноценное внедрение таких систем могут обеспечить лишь компании, обладающие всем спектром необходимой экспертизы.

В одной из наших прошлых статей «Когда компаниям стоит внедрять технологии искусственного интеллекта» мы подробно рассказывали, что одним из главных факторов, которые влияют на решение о внедрении систем на базе ИИ является экономическая целесообразность. В случае с конвейерами, где процессы производства продукции идут непрерывно, автоматизация играет ключевую роль. 

Системы автоматизации конвейерных процессов и производственных линий позволяют решать целый класс задач, используя данные только IP-камер (в некоторых сложных случаях используется дополнительное оборудование, типа профилометров/лидаров, лазерных дальномеров и т.п.). Выделим среди них основные:

• Автоматический подсчет объектов на конвейере;
• Классификация продукции;
• Распознавание и классификация брака, дефектов;
• Детекция порезов и дефектов конвейерной ленты;
• Выявление посторонних предметов, примесей и инородных тел;
• Анализ геометрических характеристик (размеры, форма, габариты, и т.д.);
• Анализ гранулометрического состава вещества и подсчет объема продукции.

Особую популярность среди горно-металлургических и добывающих компаний завоевала система анализа гранулометрического состава вещества. Она позволяет в режиме реального времени определять распределение рудной породы на конвейере по размерам и фракциям, выделять инородные тела и примеси, управлять конвейером. Отметим основные возможности такой системы:

• Определение геометрических размеров гранул;
• Определение объемов вещества;
• Выявление различных примесей;
• Классификация гранул по размерам;
• Сбор статистики и автоматизация управлением конвейером;

• Прогнозирование распределения размеров гранул по всей глубине потока.

  

Алгоритмы машинного зрения позволяют точно распознавать в потоке руды различные включения, примеси и инородные тела, которые могут представлять опасность для протекания технологического процесса. Как правило, такие системы интегрируются напрямую с модулями управления конвейера и позволяют оптимизировать управление конвейером (дробилкой) и в экстренных случаях останавливать весь конвейер. Результаты внедрения системы:

• Оптимизация работы и контроль качества добываемых ископаемых;
• Предотвращение поломок, завалов и остановки конвейера;
• Обеспечение роста качества операционного управления;
• Исключение влияния человеческого фактора;
• Предотвращение ускоренного износа основных производственных фондов;
• Снижение расходов на лабораторные исследования фракций;
• Минимизация эксплуатационных расходов производства.

Важно отметить, что оценка гранулометрического состава только методами компьютерного зрения не лишена и недостатков. Так, в случае, когда анализируемое вещество расположено на конвейере в несколько слоев система получает информацию и делает выводы только на основании верхнего, видимого слоя и не может «заглянуть» внутрь. Это может влечь за собой серьезные ошибки. Решением этой проблемы может быть выбор установки оборудования на перевалочных точках или при пересыпании. Другой подход заключается в попытках прогнозирования внутреннего состава на основании состава видимой части, но практически всегда ведет к серьезным погрешностям. 

Не менее популярно применение таких систем для распознавания дефектов конвейерных лент, подсчета и классификации продукции на конвейере. Широкое применение они нашли на производственных, пищевых и агропромышленных предприятиях.

                                          Распознавание дефектов ленты

                                          Подсчет продукции на конвейере

Интересно заметить, что основные методы и технологии, применяемые для анализа движения объектов на конвейере применимы и в случае, когда объекты движутся самостоятельно. Так, подобные системы позволяют считать людей в очереди или животных в загонах и пастбищах, машины на дорогах, определять тип транспортных средств или их габариты и многое другое.

Состав системы

Системы автоматизации конвейерных процессов представляют собой полноценные программно-аппаратные комплексы, состоящие из оборудования и программного обеспечения для анализа конвейерных процессов, сбора статистики, а также, в случае необходимости, модуля управления конвейером. Основные компоненты системы:

• IP-камеры (освещение, защита, дополнительные детекторы);
• Вычислительный сервер (возможность использования одноплатных компьютеров типа Orange Pi, Raspberry Pi);
• Программное обеспечение; 
• База данных для хранения статистики и отчетности;
• Модуль интеграции с конвейером.

Ключевыми компонентами программного обеспечения являются детектор — модель, обученная распознавать любые типы объектов (продукцию на конвейере, дефекты, аномалии и т.д.) и трекер — модель, отслеживающая движение объектов. В зависимости от детектора система позволяет распознавать брак и дефекты, любую продукцию на конвейере, различные примеси. Система позволяет добавлять новый объект с помощью дообучения детектора и добавления в систему. Объекты и зоны анализа, а также решаемая задача (классификация, выявление дефектов, подсчет объектов, проходящих через заданную линию или область, трекинг объекта и анализ времени нахождения) легко задаются пользователем в интерфейсе системы. 

Выбор оптимального оборудования зависит от множества факторов. Среди них характеристики конвейера (размеры, скорость ленты), освещение, окружающая среда (температура среды, влажность воздуха, загрязненность, пыль, возможность повреждения детекторов), расстояния, возможные точки монтажа и опасные зоны. Конечно, в случае, когда на предприятии уже установлено необходимое оборудование, оптимально использовать его, хотя точность системы может быть не максимальной.

 Процесс внедрения

Внедрение системы автоматизации конвейерных процессов состоит из нескольких шагов.  

В зависимости от решаемой задачи, необходимо подобрать оптимальное оборудование, которое позволит получить наилучшие показатели точности, а также заложить ресурсы для дальнейшего масштабирования. 

Предпроектное обследование объекта внедрения системы включает выбор наилучшего расположения для установки оборудования, оптимального освещения, оптики, типа и характеристик камер.

Одной из важнейших задач для достижения высокой точности системы является правильный выбор камер, который зависит от множества факторов, в частности, расположений камер, освещенности, скорости конвейерной ленты, размеров детектируемых объектов. Для задач точного определения и классификации дефектов, гранулометрического состава вещества и геометрических характеристик дефектов (размеры, площадь, расположение) используются камеры с технологией глобального затвора (Global Shutter). Такие камеры дают четкие, высококачественные изображения с большой частотой передачи кадров без нарушения геометрии и искажений. Из-за требований к высокой пропускной способности использование таких камер сопровождается необходимостью использовать гигабитные волоконно-оптические соединения. Основной сложностью использования таких камер является то, что они не производятся в нашей стране, имеют статус товара двойного назначения и доставка , например из Китая может занять существенное время (до нескольких месяцев).

Для более простых задач, например подсчета объектов, перемещающихся с невысокой скоростью, вполне подойдут и обычные IP-камеры.

После выбора и установки оборудования начинается этап сбора дополнительных данных для дообучения моделей в реальных условиях эксплуатации. Этот процесс позволяет добиться максимальной точности и качества внедряемой системы. Нередко мы собираем специальные компактные устройства для сбора данных, пока полноценный монтаж всего оборудования еще не осуществлен. 

Такие кастомизированные разработки позволяют быстро получить необходимый датасет. 

После донастройки системы и добавления любого необходимого функционала система готова к промышленной эксплуатации. 

Полноценное внедрение система анализа конвейерных процессов и производственных линий занимает от 1 месяца до полугода и более, в зависимости от условий и сложности задачи. Эффект от внедрения таких систем проявляется практически сразу, поэтому любое современное производство, которое хочет идти в ногу со временем и не отставать от конкурентов, обязательно должно внедрять новые технологии.