Повысили точность подсчета до 99,5% при помощи компьютерного зрения

Заказчик

Хлебокомбинат Петровский, Чебоксары — крупный производитель на территории Чувашии, выпускает 240 наименований продукции. В штате компании 1500 сотрудников.

Задача

Оптимизировать подсчет готовой продукции, сделать процесс дешевле и точнее. 

Результат

Стали использовать компьютерное зрение — искусственный интеллект распознает разные виды хлеба, считает количество выпущенной продукции и сортирует данные по наименованиям. Точность подсчётов выросла до 99,5%, камера считает круглосуточно, не требует зарплаты, не устает.

Ситуация

Компания «Петровский хлеб» обратилась в Нэти с просьбой автоматизировать подсчет хлебобулочных изделий при помощи видеокамеры. В день на заводе выпускается несколько тонн хлеба. Ранее изделия подсчитывали при помощи инфракрасных датчиков, но результаты были неудовлетворительными.

Движение хлеба по конвейеру неравномерно, зачастую два вида продукции могут лежать вплотную друг к другу, поэтому счётчик не может распознать каждый вид. Производство устроено так, что после упаковки все изделия выводятся на одну общую линию. На этом этапе приходилось дополнительно использовать ручной труд.

Инженеры нашли информацию о рабочем решении Нэти для распознавания и подсчета изделий при помощи компьютерного зрения. Сможет ли программа распознавать разные виды хлеба?

Решение

Этап 1. Запись видео на производстве для обучения алгоритмов

Клиент записал видео конвейера, по которому идет несколько видов продукции. 

Этап 2. Разметка данных и обучение нейронной сети 

Научили алгоритм распознавать различные виды хлеба на видео. На стоп-кадрах вручную рамкой выделяется каждый вид хлеба:

Затем запускается обучение нейронной сети, после чего машина распознает и считает разные виды хлеба автоматически. Решение написано с использованием открытых Machine Learning библиотек. Алгоритмы безошибочного отслеживания движения каждой единицы продукции в кадре ― уникальная разработка наших инженеров. 

Ранее мы уже работали с хлебзаводами — поэтому часть проекта была реализована по аналогии с предыдущими. Запрос производителя «Петровский хлеб» был сложнее: не просто считать, но и распознавать какой вид изделия идет на производственной ленте в настоящий момент, записывать в журнал не просто время и количество, но и вид продукции.

Этап 3. Детекция хлеба на производстве

Клиент установил оборудование:

— видеокамеру с видом на конвейерную ленту,

— компьютер с видеокартой Nvidia RTX 3060 12 Gb

Специалисты Нэти удаленно установили на компьютер клиента ПО для распознавания и подсчета.

Разметили данные, обучили нейронную сеть (модель) и залили модель на компьютер клиента, после чего технология компьютерного зрения начала самостоятельно распознавать и считать хлеб на конвейере. После нескольких дней выяснилось, что машина ошибается в некоторых случаях, поэтому мы доразметили и дообучили нейронную сеть на конкретных кадрах, когда машина ошибалась. После чего ошибок практически не осталось. 

Видео-пример, как хлеб идет по ленте и как его распознает видеокамера:

Результат

Ранее для этой задачи в компании посменно работало два сотрудника. Затраты на фонд оплаты труда составляли 720 тыс. руб. в год. 

Расходы на установку умного счетчика на одну линию составили 115 тыс. руб.:

— Услуги Нэти — 90 тыс. руб. 

— Покупка видеокарты — 25 тыс. руб.

— Видеокамера и компьютер уже были, их покупать не пришлось.

Это единоразовые вложения — в дальнейшем будет нужно лишь поддерживать работоспособность техники.

Точность подсчета составила 99,5%. 

Экономия в перспективе трех лет ― 2 млн. 45 тыс. руб.