Система контроля качества металлопроката на основе ИИ

До внедрения "умной" системы контроля брака металлопроката ML Sense определение дефектов проводилось вручную: рулон металла разматывался и на нем с помощью рулетки размечалось расстояние до дефекта и его размеры. Затем дефекты описывали по регламенту, делали фото и только по тогда дефектные бобины можно было отправить ключевому поставщику - компании Северсталь.

Систему сдали в полноценную работу через 3 месяца с момента старта проекта. Если раньше на проверку одной бобины уходило 2 рабочих дня, то теперь с момента запуска системы контроля до вывода отчета проходит не более 20 минут.

В готовой системе предусмотрено 2 вида пользователя:

Администратор. Запускает и останавливает сессию контроля (за сессию в системе принимается время полного прохода одной бобины), просматривает отчеты.

Пользователь. Просматривает данные по прошедшим сессиям.

Решение ML Sense, разработанное в компании Норд Клан. Для работы системы дополнительно устанавливались высокоскоростная видеокамера с разрешением 8к px на 2px, особое освещение высокой интенсивности, сервер для обработки данных, а также разработаны уникальные защищенные крепления для камер.

Для обучения нейросети нужно было достаточно реальных данных о дефектах с производства, при этом ежедневные процессы на предприятии не должны были останавливаться. Также было предусмотрено, что камеры установлены в непосредственной близости к станку и для их защиты кроме металлического кожуха было сконструировано усиленное уникальное крепление.

После обучения нейросети было уделено время на калибровку системы, поскольку необходимо было отсеять не критичные дефекты от тех, которые влияют на дальнейшие этапы производства.

Внедрение системы контроля качества металлопроката на основе машинного зрения и нейросети для одного из лидеров производства сендвич-панелей в России. Система способна распознавать дефекты на листе металлопроката размером до 0,1 мм на скорости конвейера 0,5 м/с.

Сбор дополнительных данных для настройки нейросети происходил удаленно на основании информации в какое время пойдет дефектная бобина, чтобы запустить сессию ML Sense для сбора данных. В результате были отлажены ложные срабатывания, а нейросеть получила достаточно данных для точной настройки.

Система контроля брака определяет дефект, а также выводит информацию о том, на каком конкретно расстоянии он находится и его размеры. Эти данные специалист ОТР может просмотреть на экране АРМ, установленного около поста контроля дефектов, после чего принимать решение об отбраковке бобины.

Умное кадрирование. Было отмечено, что при движении бобина смещается на несколько сантиметров влево и вправо из-за этого статичная камера могла пропустить дефекты у края листа металлопроката. Чтобы избежать этой проблемы специалисты Норд Клан разработали технологию “Умного кадрирования”, которая определяет край листа и кадрирует изображение по полученной информации.

С помощью этой технологии также можно контролировать ширину полотна металлопроката по всей длине бобины. Система также определяет места скрепления 2х бобин и автоматически завершает одну сессию и начинает новую, чтобы отчет по дефектам был привязан к одной бобине.