Пилотная система распознавания деталей с помощью машинного зрения на производстве ПАО «КАМАЗ»
Специалисты АО «Моделирование и цифровые двойники» (АО «МЦД») выполнили для ПАО «КАМАЗ» пилотный проект по разработке системы оценки количества деталей на основе машинного зрения. Система позволит вести более точный учет деталей, улучшить контроль за их движением на производстве, повысить эффективность планирования производства. Кроме того, это даст возможность сократить воздействие человеческого фактора.
Однако номенклатура деталей на производстве включает более 10 000 артикулов. Быстрая и безошибочная идентификация каждой детали, подсчет и внесение данных в журналы учета является сложной задачей.
Автоматизировать этот процесс позволяет технология машинного зрения. Математическая модель, лежащая в ее основе, надежно распознает и подсчитывает детали, даже если в кадре появляется человек, изменяется освещение или фон. При этом можно использовать обычные веб-камеры, не оснащенные искусственным интеллектом, поскольку основная аналитика ведется на стандартном компьютерном сервере. Точность распознавания обеспечивается в диапазоне 95–99%.
Пилотный проект покрывает один крупный производственный участок, где ведется окраска деталей грузовых автомобилей. Система распознает детали, движущиеся на подвесном конвейере, подсчитывает их количество для дальнейшего учета и сверки. Для этого участка характерны многие неблагоприятные факторы, мешающие работать системам машинного зрения, — в поле обзора видеокамер попадают посторонние объекты, конвейер с деталями движется неравномерно, специального освещения не предусмотрено. При этом необходимо было учесть следующие требования:
- Система должна гарантировать устойчивую и быструю работу со всем номенклатурным рядом деталей — идентификацию, подсчет, сравнение.
- Система не должна требовать чрезмерных вычислительных мощностей для своей работы.
- Система не должна делать ошибки при подсчете (не более чем при ручном подсчете).
- Научить систему идентифицировать новую деталь на производстве должно быть достаточно просто и не требовать больших трудозатрат.
Последнее требование особенно важно, поскольку внесение новых деталей в систему — это не просто ввод цифровых артикулов, а внесение множества образов и последующее обучение математической модели.
В рамках пилотного проекта были выполнены два основных сценария — автоматическое распознавание деталей на конвейере и распознавание детали с помощью мобильного устройства. В первом случае камера была закреплена в определенной области конвейера, непрерывно снимая поток деталей и автоматически внося свои показания в ERP-систему. В результате происходило точное распознавание деталей и подсчет их количества, а далее система сверяла данные с количеством в учетной системе.
Во втором сценарии сотрудник открывал на смартфоне специально подготовленную веб-страницу мобильной части системы распознавания деталей. Когда технику во время сортировки нужно было определить деталь, достаточно было навести его камеру на деталь, сделать снимок и получить на экране ее артикул.
На сегодня в рамках обучения и тестирования моделей стационарной и мобильной систем распознавания выполнен ряд задач:
- подготовлены фотографии деталей для обучения моделей стационарной и мобильной систем;
- выполнена разметка образцов деталей для стационарной системы;
- произведено обучение модели на размеченных образцах деталей;
- выполнено тестирование модели на образцах деталей, которые не участвовали в процессе обучения модели.
Для того чтобы масштабировать систему, экспертам предстоит решить одну из ключевых задач — быстро внести в модель образы всех деталей, выпускаемых предприятием. Десятки тысяч деталей нельзя заносить вручную поштучно — этот процесс потребует значительных временных затрат. Кроме того, это минимизирует эффекты от системы при том, что, по прогнозам экспертов, целевой срок ее окупаемости не более 1,5 лет. Для решения этой задачи будет создан программный «конвейер» по автоматизации внесения деталей: он позволит образу детали проходить путь от 3D-модели, разработанной конструктором, до модели машинного зрения с минимальным участием человека.