В обрабатывающей промышленности одним из важных процессов упаковки является подсчет продукции. Этот процесс определяет необходимое количество продукции, которое должно быть помещено в конечную упаковку или контейнер. В последние годы многие компании считают неправильное количество продукции одной из проблем, которую необходимо предотвратить, поскольку это может негативно сказаться на клиентах.
К возможным последствиям относятся двойная обработка продукции, чрезмерный пересчет, задержки доставки и потеря времени как для компании, так и для ее клиентов. В связи с этим ведется поиск систематических процедур и процессов, включающих использование технологий для подсчета продукции.
Согласно [1], доставка потребителю правильного количества продукции является одной из главных целей в коммерческих сделках. Улучшение системы упаковки, в первую очередь процесса подсчета продукции, будет играть важную роль в достижении этой цели. На прокатных станах для стальных прутков распространенными методами определения количества арматуры являются системы, использующие фотоэлектрические элементы и ручной подсчет [2]. Успех подсчета арматуры с помощью фотоэлектрического элемента зависит от положения арматуры в упаковочном слое.
Ключ к успеху этого процесса заключается в обеспечении зазора между соседними арматурными стержнями. Положение арматурных стержней не контролируется, что затрудняет их обнаружение. С другой стороны, ручной подсчет очень подвержен ошибкам.
Ручной подсчет не может соответствовать требованиям онлайн-подсчета в режиме реального времени из-за высокой трудоемкости, низкой эффективности работы и несоответствия скорости цепной линии; таким образом, он становится узким местом в автоматизированном процессе производства стали. Этот процесс очень ненадежен – он вносит больше ошибок и требует больше человеко-часов [3].
Кроме того, существующие административные меры контроля, такие как избыточная проверка, дают непоследовательные результаты, помимо увеличения трудоемкости. Из-за этих проблем исследователи предлагают технологию обработки изображений в качестве альтернативного решения проблемы подсчета арматурных стержней. Многочисленные исследования, касающиеся подсчета продукции, были основаны на обработке изображений.
Система сначала распознает наличие пучков арматурных стержней. Затем она получает поперечное изображение торца пучка арматурных стержней с помощью CMOS-камеры (комплементарный металлооксидный полупроводник). Изображение арматурных стержней отделяется от фона, и определяется количество обнаруженных арматурных стержней.
Графический пользовательский интерфейс отображает и записывает выходные данные системы, а также предусмотрена система оповещения для обнаружения и предупреждения пользователя при обнаружении ошибок в количестве.
Система улучшает процесс, формируя связки арматурных стержней с точным количеством звеньев и сокращая трудозатраты, необходимые для старого процесса. Она также упрощает процессы проверки и валидации продукции, покидающей упаковочную линию. Система может подсчитывать арматурные стержни после их формирования в связки. Она может быть внедрена для всех доступных диаметров и длин арматурных стержней, производимых на типичном прокатном стане, за исключением 10 мм и 12 мм.
Прокатный стан для стальных прутков
Согласно [4], прокатка, как процесс формования и придания формы, на долю которого приходится около 90% всех металлов, производимых металлообрабатывающими процессами, была разработана в 1500-х годах. Прокатка — это самый быстрый метод придания металлам желаемой формы путем пластической деформации под действием сжимающих напряжений с использованием двух или более валков [5].
Существует множество изделий, изготавливаемых методом прокатки, и одним из них является арматурный пруток. Как указано в [5], непрерывный прокатный стан состоит из ряда нереверсивных двухвалковых прокатных станов, расположенных один за другим, так что материал может проходить через все из них последовательно.
Добавлено, что двухвалковый прокатный стан имеет два валка, вращающихся с одинаковой скоростью, но в противоположных направлениях, в то время как трехвалковый прокатный стан состоит из трех параллельных валков, расположенных один над другим.
Секция упаковки
Упаковка арматурных изделий на большинстве заводов осуществляется в соответствии со стандартными методами или специальными методами, требуемыми заказчиком. Стандартные процедуры контролируются такими факторами, как вес связки или груза, способы связывания или крепления связок или грузов, средства идентификации, средства защиты продукции при транспортировке и географическое местоположение клиента.
Количество арматуры также учитывается, поскольку оно используется для проверки отклонения массы арматуры. Получение правильного количества арматуры в связке позволит правильно рассчитать отклонение массы и повторно проверить, соответствует ли арматура требуемому качеству.
Кроме того, поставка правильного количества арматуры имеет первостепенное значение как для компании, так и для клиентов. Некоторые компании внедряют превентивные и корректирующие меры для минимизации случаев недостачи в поставляемой арматуре.
Эти меры в основном включают ручную перепроверку количества до и после доставки, использование системы глобального позиционирования для мониторинга грузовиков и пересчет, если поставка кажется недостаточной по весу. Это также привело к разработке компаниями протоколов на случай нарушений при доставке. В случае недостачи, контролер склада выезжает на место для проверки.
Пострадавшие грузовики остаются нетронутыми, делаются фотографии и проводятся интервью до тех пор, пока поставщик и заказчик не придут к согласию и не внедрят решение. Эти действия носят скорее административный характер и требуют участия человека, а значит, и больше трудозатрат. Они также вызывают задержки и неудобства как со стороны поставщика, так и со стороны заказчика. Доверие между поставщиком и заказчиком может подорваться, если это происходит часто.
Применение превентивных мер на стороне производства позволяет устранить большинство проблем, возникающих при ошибках в подсчете арматуры. C. Сегментация изображений с использованием машинного зрения. В контексте машинного зрения сегментация изображений — это задача поиска групп пикселей, которые «сочетаются друг с другом».
Для сегментации изображений используются различные алгоритмы. К ним относятся метод пороговой обработки,Методы сегментации на основе ребер, методы на основе регионов, методы кластеризации, метод водоразделов, метод частных производных и методы на основе искусственных нейронных сетей. В таблице I представлено сравнение различных методов сегментации [6]. Среди перечисленных алгоритмов сегментации кластеризация k-средних была выбрана вместо других алгоритмов, поскольку она дала более многообещающий результат, чем остальные, а именно, арматурные стержни лучше изолированы с помощью кластеризации k-средних.
ТАБЛИЦА I. СРАВНЕНИЕ РАЗЛИЧНЫХ МЕТОДОВ СЕГМЕНТАЦИИ
| Метод сегментации | Описание | Преимущество | Недостаток |
| Метод пиков | На основе пиков гистограммы изображения определяется конкретный пороговый уровень. | Предварительная информация не требуется, это самый простой метод. | Высокая зависимость от пиков, пространственные детали не учитываются. |
| Метод границ | На основе разрыва | Подходит для изображений с лучшим контрастом между объектами. | Не подходит для случаев неправильного определения или слишком большого количества ребер. |
| Метод областей | На основе разделения изображения на однородные области. | Более устойчив к шуму, полезен, когда легко определить критерии сходства. | Дорогостоящий метод с точки зрения времени и памяти. |
| Метод кластеризации | На основе однородных кластеров | Использует частичное членство, поэтому он более полезен для реальных целей. | Определить функцию принадлежности непросто. |
| Метод разделения | На основе топологической интерпретации | Результаты более стабильны, обнаруженные границы непрерывны. | Сложный расчет градиентов |
| PDE-метод | На основе рабочих дифференциальных уравнений | Самый быстрый метод, идеально подходит для задач, требующих оперативного решения. | Более высокая вычислительная сложность |
| ANN-метод | На основе моделирования процесса обучения принятию решений | НЕ ТРЕБУЕТСЯ ПИСАТЬ СЛОЖНЫЕ ПРОГРАММЫ | Очередная трата времени на обучение |
Благодаря точному подсчету, использование системы перепроверки количества арматурных стержней методом «вторичной проверки и подсчета с использованием технологии распознавания изображений боковой поверхности стержня» позволет повысить точность окончательной укладки арматурных стержней на 1-2 порядка.
Функциональные и технические параметры оборудования
1) Основные технические функции
- Применимо к арматуре диаметром Φ10-Φ40 мм; система перепроверки количества арматурных стержней в пучках в основном используется для вторичной проверки системы онлайн-подсчета арматуры и рассчитывается по количеству пучков. Точность подсчета арматурных стержней в пучках в исходной системе составляет 95% или более. После модернизации системы точность подсчета арматурных стержней достигает 99% или более, и процесс подсчета проверяется вручную. После ручной коррекции ошибок подсчета точность достигает 100%.
- Система автоматически генерирует данные для ежедневных и ежемесячных отчетов по каждой смене. Каждый отчет включает в себя: смену, время, номер пачки, расчетное количество каждой пачки, фактическое количество и другие данные;
- Система имеет функцию передачи данных с исходной системы взвешивания и определения веса; объем хранилища данных изображений составляет шесть месяцев, используется метод циклического охвата. Система может запрашивать исторические данные на основе логистической информации (например, номер посылки и т. д.);
- Благодаря функциям удаленного обслуживания и диагностики, в случае возникновения неисправностей в системе продавец может удаленно провести диагностику и техническое обслуживание;
- После обновления системы была добавлена функция автоматической регулировки экспозиции. Параметры экспозиции и технические характеристики хранятся в базе данных одновременно. При изменении технических характеристик экспозиция будет автоматически изменена. Повышена точность идентификации полос.
2) Основные технические параметры
Поскольку в процессе подсчета в данной системе используется ручной контроль измерений, а ошибки подсчета исправляются вручную, точность подсчета достигает 100%.
Осуществить передачу данных с помощью исходной системы взвешивания для проведения анализа.
На весовом пункте установлена автоматическая система подсчета для проверки связок стальных прутков после их распиловки.
Условия проектирования
1) Основные требования к процессу:
- Торцевая поверхность пучка стержней имеет хорошую плоскостность, без вмятин или вогнутостей;
- Отсутствие локтей, заостренных головок, черных головок, окклюзии, неясной критичности, закругленных стержней, помех от солнечного света и взаимной окклюзии;
- При необходимости измените место установки и установите светозащитные экраны, чтобы избежать помех;
2) Процесс установки
Требования к монтажному пространству следующие: исходя из торцевой поверхности пучка прутков, длина конвейерной цепи составляет 1000 мм в прямом направлении и 2000 мм в вертикальном направлении.
После сбора оборудования правильное положение проверяется системой машинного зрения. Система включает в себя технологии цифровой обработки изображений, оптические технологии, аналоговые и цифровые видеотехнологии, а также программное обеспечение. Конец прутка фотографируется профессиональной камерой, используется распознавание видео с улучшенной детализацией центра, а количество пучков стали определяется с помощью оптимизации компьютерного алгоритма. Система, основываясь на весе и количестве стальных ответвлений, выдает сигнал тревоги при обнаружении неправильного ответвления и напоминает о необходимости ручной обработки для снижения количества ошибок.
Заключение
В ходе разработки и внедрения данной системы автоматического подсчета арматуры было установлено, что переход от ручного метода к алгоритмам компьютерного зрения является критически важным шагом для цифровизации строительной и металлургической отраслей.
- Высокая точность и исключение человеческого фактора: Современные нейросетевые архитектуры обеспечивают точность подсчета свыше 98–99%. В отличие от человека, система не теряет концентрации из-за усталости, плохой освещенности или монотонности работы.
- Скорость обработки данных: Использование GPU-ускорения позволяет проводить анализ торцов арматуры в режиме реального времени (менее 0.1 сек на кадр), что в десятки раз быстрее ручного пересчета на складе или строительной площадке.
- Экономическая эффективность: Автоматизация позволяет сократить время простоя транспорта при приемке/отгрузке и минимизировать финансовые потери, связанные с пересортицей или ошибками в накладных.
- Адаптивность: Алгоритмы успешно справляются с типичными визуальными помехами: коррозией, неровными срезами, наличием грязи, а также различной плотностью укладки стержней в пачке.
Технологические перспективы
Применение глубокого обучения позволяет системе постоянно совершенствоваться. Интеграция таких решений с мобильными устройствами (смартфонами) или камерами видеонаблюдения делает технологию доступной на любом этапе логистической цепочки — от завода-изготовителя до конечного объекта строительства.
Внедрение машинного зрения для подсчета арматуры не только оптимизирует складской учет, но и обеспечивает прозрачность бизнес-процессов, становясь фундаментом для систем контроля качества нового поколения.
Литература
- Hockert and H. V. Opperman, “Weights and Measures Program Requirements: A Handbook for the Weights and Measures Administrator”, 2011 edition, 2011
- Chen, Q. Han, Y. Xin, W. Xue, and P. Yuan, “Research on an Automatic Counting Method for Steel bars’ Image”, presented at the 2010 International Conference on Electrical and Control Engineering, 2010
- Wu, Y. Zhan, and X. Zhou, “Steel Bars Counting and Splitting Method Based on Machine Vision,” presented at The 5th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems, Shenyang, China, 2015
- Kalpakjian and S. R. Schmid, “Manufacturing Engineering and Technology”, 6th edition, Prentice hall, 2019
- Singh, “Introduction to Basic Manufacturing Processes and Workshop Technology”, 1st edition, New Age International (P) Ltd. Publishers, New Delhi, India, 2006
- Kaur and Y. Kaur, “International Journal of Computer Science and Mobile Computing. Various Image Segmentation Techniques: A Review”, Volume number 3, pages 809 – 814, 2014
- Elad, Mathworks: File Exchange – Circles overlap remover. (2013). Accessed: July 2017. [Online]. Available: ссылка
- Nicolas, Mathworks: File Exchange – Snip.m Snip elements out of vectors/matrices. (2013). Accessed: July 2017. [Online]. Available: ссылка.
