В НГТУ НЭТИ разработали автоматизированную систему контроля качества сборки заказа
В Новосибирском государственном техническом университете НЭТИ разработали прототип автоматизированной системы контроля качества сборки заказа с применением нейросетевых технологий и технического зрения.
Работа выполнялась в рамках сотрудничества с индустриальным партнером — компанией КЭПС, от которой поступило предложение о создании автоматизированной системы контроля комплектности заказа, состоящего из крепежных элементов (болтов, шайб, гаек и др.), с применением технологий нейронных сетей и технического зрения, рассказала выпускница факультета автоматики и вычислительной техники НГТУ НЭТИ Диана Демина.
Она отмечает, что на небольших предприятиях сборка заказов, как правило, производится оператором. В этом случае контроль качества сборки выполняется визуально или с помощью ручного взвешивания. При больших объемах отгрузки визуальный контроль вызывает быстрое утомление оператора, что может приводить к недостачам или излишкам деталей внутри заказа. Современные методы технического зрения и нейросетевые технологии позволяют решить эту проблему, обеспечив распознавание типа крепежа, автоматический подсчет, контроль геометрических размеров в реальном времени.
«Функционирование разработанной системы компьютерного зрения заключается в захвате изображения собранного заказа веб-камерой, его обработке нейросетевой моделью и формировании решения о соответствии заданной спецификации — количестве и типе болтов, гаек, гроверов. По нажатии клавиши производится съемка рабочей поверхности камерой, затем полученное изображение подается на вход системы, где вначале оно подвергается предварительной обработке, затем производится метрический анализ и выделяются признаки объекта. Модель присваивает каждому объекту метку одного из 8 классов (например, болты, гайки, гроверы), после чего список распознанных объектов группируется по типам и сравнивается с эталонным списком номенклатуры, выбранным пользователем. Затем программа выводит в окно графического интерфейса итоговый результат распознавания с подробным анализом», — рассказала Диана Демина.
По ее словам, несмотря на широкую популярность нейросетевых методов распознавания объектов, универсального алгоритма контроля качества сборки заказа, учитывающего специфику крепежных элементов (бликующие металлические поверхности, схожесть размера и формы между несколькими типами), не существует. Большинство готовых решений и открытых наборов данных для распознавания крепежных элементов направлены на обнаружение брака изделий.
На данный момент разработана версия программного обеспечения, пригодная для опытной эксплуатации, а также прототип всей системы на основе веб-камеры и кольцевой лампы с большим диаметром. В будущем планируется заменить веб-камеру на более профессиональное оборудование, используемое в задачах технического зрения, что поможет значительно снизить погрешность при определении размера изделий (сейчас она составляет порядка 1 мм). Также планируется полностью автоматизировать программу, исключив участие оператора.
