Повышение эффективности при выборе упаковки

В процессе переработки одной из самых важных и наименее известных задач является выбор упаковки. Выбор контейнеров осуществляется на конкретных заводах, и его задача состоит в разделении различных контейнеров (от желтых контейнеров) в соответствии с их материалом и природой (обычно пластиковые, металлические контейнеры и кирпичи).

Эта работа имеет первостепенное значение, так как необходимо осуществлять утилизацию этих отходов должным образом. В последние годы этот процесс эволюционировал:от ручного до автоматизированного в рамках Индустрии 4.0. технологии улучшились и вошли в бум, что позволило повысить эффективность всего процесса.

Технологии выбора упаковки

При подборе контейнеров используются разные технологии, которые по-разному способствуют повышению эффективности и оптимизации этого процесса:

• Компьютерное зрение

  Он состоит в применении различных операций к ранее полученным изображениям для получения информации. С помощью этого метода можно получить такие данные, как цвет наблюдаемого объекта или его контур. Используя эти методы, можно определить материал, из которого сделаны объекты, или манипулировать изображением, чтобы извлечь информацию, наиболее интересную для приложения.

• Машинное обучение/глубокое обучение

  Набор алгоритмов, которые способны изучать набор характеристик, из которых они могут делать различные выводы, например, классифицировать или обнаруживать объекты. Из этих методов выделяются нейронные сети, которые имитируют поведение человеческого мозга, чтобы учиться на полученных им данных. Этот метод очень полезен для процесса выбора упаковки, поскольку он имеет высокий процент успеха в этом типе применения, поскольку он необходим для возможности разделения отходов и упаковки в соответствующей категории. Обычно используется в сочетании с Computer Vision. при извлечении информации из ранее обработанных изображений.

• Робототехника

  Использование коллаборативных роботов имеет важное значение в процессе выбора контейнеров, поскольку позволяет автоматизировать разделение контейнеров физическим способом в зависимости от категории, к которой они принадлежат. Для выполнения этой функции он обычно используется в сочетании с компьютерным зрением и глубоким обучением, которые предоставляют необходимую информацию для определения местонахождения упаковки и отходов, а также категории, к которой они принадлежат. Их также можно использовать в сочетании с AGV, если необходимо перевезти объекты в другое место.

Процесс реализации выбора упаковки

Чтобы установить надежный и подходящий метод отбора для использования на различных предприятиях, необходимо провести разработку, в которой можно собирать данные и настраивать различные технологии, которые будут использоваться. Этот процесс зависит от множества факторов:типа выполняемого приложения, места установки, внешних факторов... Однако почти во всех ситуациях можно различать конкретные шаги:

• Сбор данных

  Он состоит из получения информации, необходимой для обнаружения и классификации, необходимых для приложения. В случае выбора контейнеров он заключается в получении изображений и данных об объектах с помощью камер и датчиков.

• С ярлыками

  Метод, с помощью которого в полученных данных указываются интересующие нас признаки и к какому классу они принадлежат. Для приложения выбора контейнера, такого как предложенное, речь идет об указании на изображении, где находятся объекты, которые мы хотим найти, и к какому типу они относятся.

• Обучение

  Помеченные данные извлекаются с помощью используемого алгоритма обнаружения, чтобы он изучил информацию, которую необходимо обнаружить. Правильно обученная система сможет извлекать характеристики, которые отличают различные типы контейнеров, а также находить и классифицировать их для последующего разделения.

• Оценка

  Чтобы подтвердить правильность работы обученного алгоритма, он используется с новыми данными, из которых можно получить метрики, объективно характеризующие его работу. Для отбора контейнеров будут использоваться размеченные изображения, которые не использовались в процессе обучения. Таким образом, можно проверить, ведет ли он себя в новых ситуациях, получив такие показатели, как матрицы точности или путаницы.

• Установка

  Наконец, когда все вышеперечисленное выполнено и выбран алгоритм с наилучшей оценкой, система используется в реальной среде. Для этого алгоритм настраивается нужным образом, чтобы он возвращал интересующую приложение информацию и продолжал ее использовать соответствующим образом. Для подбора контейнеров будут сделаны снимки отходов, алгоритм обнаружит и классифицирует их и отправить указанную информацию в систему, которая обработает ее как необходимую для продолжения разделения соответствующих отходов.

В ATRIA мы разработали систему идентификации крупногабаритных отходов под названием SIARA. который основан на искусственном зрении и глубоком обучении и позволяет нам идентифицировать объекты, которые создают препятствия на существующих заводах по разделению пластиковых отходов. Этот процесс важен для правильной работы остальной части установки.

Преимущества использования технологии Индустрии 4.0 при выборе упаковки

Как уже упоминалось, использование новых технологий и автоматизации используется для повышения эффективности заводов по отбору упаковки. Это улучшение дает несколько преимуществ:

• Возможность записи данных . Поскольку весь процесс автоматизирован, вы можете записывать сделанные классификации, время их создания или даже сохранять изображения, которые могут вас заинтересовать.
• Более высокая скорость обработки . Поскольку все автоматизировано, система способна выполнять классификацию намного быстрее, чем человек, которому приходилось делать это вручную.
• При использовании систем машинного зрения нет необходимости нанимать большое количество людей для определения остатков,независимо от рабочей нагрузки . Таким образом, сотрудники могут посвятить себя другим функциям.
• Постоянное улучшение Поскольку система основана на обучении, при необходимости можно легко вносить изменения и улучшения.

Вы хотите применить выбор упаковки в любом из ваших проектов? Свяжитесь с нами!