В ходе внедрения системы автоматизированного контроля качества волокон возникла необходимость в распознавании приблизительно 400 нитей из углеволокна со скоростью до 12 метров в минуту с уровнем точности не ниже 97%.
Кроме того, требовалась интеграция данной системы с MES-системой предприятия и обеспечение возможности выгрузки отчетов.
Задачи проекта
Углеродное волокно представляет собой материал, сконструированный из тончайших нитей диаметром от 3 до 15 микрометров. Ввиду чрезвычайно малых размеров структурных элементов этого материала, контроль его качества требует применения высокоточного оборудования, способного выявлять дефекты на микроскопическом уровне.
В ходе производства углеродного волокна к наиболее распространённым типам дефектов относятся: разрыв нити, образование узлов, наличие ворса (скопления волокон), отклонение толщины жгута или полотна более чем на 2 миллиметра по ширине или высоте.
Ниже представлены изображения вышеуказанных дефектов волокон, которые может обнаружить данная система.
В процессе производства волоконной продукции возможны загрязнения материала посторонними элементами, такими как капли смолы пропитки, частицы мусора, насекомые и тому подобное.
По транспортному валу шириной до трех метров непрерывно перемещается до 400 жгутов волокна на высокой скорости конвейера (до 12 метров в минуту).
Визуальный контроль качества такого количества нитей одновременно представляет значительную сложность для человека.
Перед намоткой на бобины волокно распределяется по двум этажам, где установлены намоточные машины. Такая организация производства требует дополнительных ресурсов для контроля качества продукции.
В целях поддержания высокого уровня качества продукции было принято решение об автоматизации контроля брака с помощью систем машинного зрения.
Для решения этой задачи предприятие “Алабуга-Волокно” выбрало готовую систему, разработанную нашей компанией. Данная система способна обнаруживать дефекты на высокой скорости конвейера и фиксировать их с точностью до 0,01 мм.
Система контроля качества волокна
Состав системы
1. Камеры для записи фото или видео потока.
Для контроля качества тончайшего волокна на высокой скорости была выбрана линейная камера с разрешением 4к, которая снимает около 4000 кадров в секунду.
2. Освещение с особыми параметрами.
3. Вспомогательные конструкции. Для установки оборудования.
Была разработана и собрана специальная мачта для установки камер над линией движения волокна.
4. Сервер для установки системы
С высоким объемом оперативной памяти для обработки поступающих данных.
5. Сервер для установки системы
В связи с протяженностью конвейерной линии (250 метров) внутри завода и разделением потока волокон на два этажа на этапе намотки, была реализована дополнительная система оповещения инженера ОТК о возникновении дефектов. Эта система включает в себя установку информационных киосков на каждом этаже для вывода данных, а также светозвуковую сигнализацию.
Принцип работы системы качества
Для оптимизации работы системы контроля качества волокон, основанной на машинном зрении, разрабатывается индивидуальная конфигурация установки оборудования.
Специалисты компании “Норд Клан” проводят детальный анализ конвейерной линии предприятия и определяют оптимальные позиции для размещения камер контроля дефектов, систем освещения и дополнительного оборудования.
В качестве примера, для завода “Umateх” была выбрана двухточечная система контроля дефектов, по одной точке на каждом этаже производственной линии.
Волокно, перемещаясь по конвейеру, проходит мимо установленных камер, которые осуществляют высокочастотную съемку (около 4000 кадров в секунду) с разрешением 4000 пикселей на 1 пиксель. Полученные “линейные” изображения объединяются в единое изображение, которое анализируется системой машинного зрения, развернутой на отдельном сервере.
Нейронная сеть системы распознает типичные дефекты волокон: ворсинки, разрывы, узлы, изменения толщины, посторонние включения (мусор, насекомые, смола и др.), и передает информацию о них в интерфейс программы, сигнальную систему и MES-систему завода.
Данные по обнаруженным свойствам волокна передаются на АРМ оператора ОТК (информационный киоск):
-
Название дефекта;
-
Класс дефекта;
-
Порядковые номера жгутов;
-
Дата и время фиксации дефекта;
-
Изображение дефекта
Обучение нейросети
Для целей обучения нейронной сети на производственном предприятии были установлены камеры с целью сбора визуальной информации. В ходе месячного периода наблюдения были отобраны изображения, содержащие дефекты волокон.
Ввиду невысокой частоты появления брака в процессе производства, а также необходимости наличия значительного объёма изображений для эффективного обучения нейронной сети (тысячи образцов), был применён комплексный подход к расширению набора данных.
Были сгенерированы синтетические изображения дефектов, а также проведены лабораторные съёмки образцов бракованных волокон.
Для обеспечения разнообразия материалов использовалась техника аугментации данных.
В результате был сформирован датасет, включающий 10 000 фотографий волокон, на которых каждый тип дефекта (узел, ворс и др.) был помечен в LabelImg и классифицирован для последующего обучения нейронной сети.
Как теперь работает обученный алгоритм?
Система контроля качества волоконных нитей основана на линейной камере высокой скорости, которая сканирует волокно с разрешением 1 пикселя в заданной точке. Камера производит 40 000 снимков в секунду, синхронизированных со скоростью конвейера для получения достоверных данных.
Снимки обрабатываются и собираются в единое изображение по принципу построчного сканирования. Полученное изображение анализируется нейросетью, которая сравнивает его с эталонными данными и определяет наличие дефектов, классифицируя их по типу.
Внедрение системы осуществлялось без остановки производственного процесса. После успешного тестирования и обучения персонала, система была запущена в штатном режиме.
Оператор отдела технического контроля (ОТК) получает оперативную информацию о местоположении дефектов посредством звуковых и световых сигналов. Звуковое оповещение разделено по этажам для удобства восприятия, а световые индикаторы на конвейере сигнализируют о зоне расположения дефекта.
Система классифицирует дефекты по степени критичности, присваивая каждому числовой код, который отображается на экране и дублируется звуковым оповещением.
Это позволяет оператору ОТК быстро принять решение об устранении дефекта: либо непосредственно на конвейере, либо путем удаления поврежденной секции и перемотки на новую катушку.
В результате внедрения заказчик создал единый центр контроля качества, интегрированный с MES-системой предприятия. Система в режиме реального времени собирает данные о дефектах, хранит историю, формирует отчеты и автоматически выгружает информацию в MES.
Точность обнаружения дефектов составляет не менее 97%, что привело к повышению выхода продукции, соответствующей стандартам качества, снижению затрат на брак и количеству рекламаций от покупателей, а также минимизации репутационных рисков компании.
