Контроль производства деревянных поддонов с
помощью машинного зрения

Проект развивается в логике Индустрии 4.0, где производство изначально проектируется как умный завод с высокой степенью роботизации.

На площадке организовано серийное производство деревянных поддонов и комплектующих для них. В рамках производства выполняются основные операции:

• подготовка и сортировка древесины;
• распил и формирование заготовок;
• сушка и контроль параметров материала;
• механическая обработка деталей;
• автоматизированная сборка поддонов;
• финальная укладка и подготовка продукции к отгрузке.

Часть операций уже выполняется с участием роботизированных систем — в частности, логистика между участками, сортировка и укладка элементов, а также сборка готовых изделий.

Следующий этап развития — внедрение полноценной системы контроля качества на производстве, интегрированной в роботизированный контур.

Необходимо было создать единую систему, объединяющую:

• автоматизацию процессов производства,
• контроль качества на всех этапах,
• работу в связке с роботами,
• принятие решений в реальном времени.

Фактически требовалась комплексная система индустрии 4.0, которая не только фиксирует дефекты, но и управляет производственным процессом.

Несмотря на высокий уровень автоматизации, контроль качества на производстве оставался узким местом. Основная часть проверки выполнялась вручную, а при выявлении брака приходилось останавливать линию. Это снижало производительность и увеличивало потери.

Дополнительная сложность — нестабильность материала, что делает контроль качества продукции на производстве сложным без инструментальных методов, «на глаз». Особенно критичны были геометрические дефекты: перекосы, изгибы, коробление, смещения при сборке.

Примеры дефектов:

• перекосы и деформации (скручивание, изгиб, «пропеллер»);
• отклонения по размерам;
• дефекты после сушки (трещины, коробление);
• повреждения поверхности при обработке (сколы, недоструг);
• ошибки при сборке палеты (смещения, неправильная укладка, гвозди не по схеме).

Мы внедряем систему машинного зрения и промышленной аналитики ML Sense, которая закроет все ключевые участки производства.

1. Участок сортировки. Система выполняет автоматизацию производства на уровне первичного отбора материала: анализирует геометрию досок, выявляет дефекты. Робот получает команду: взять или отбраковать материал. Дополнительно система контролирует заполнение тары с отходами и управляет логистикой.
2. Контроль сборки и датчиков. На этапе формирования палеты система управляет процессом установки датчиков температуры: фиксируется слой укладки, рассчитываются точки установки датчиков. Робот получает команды на установку, система подтверждает корректность установки.
3. Контроль после сушки. После сушки система выполняет повторный анализ материала на деформации, изменение геометрии, коробление.
4. Контроль обработки. На этапе строгания и подготовки проверяется геометрия, выявляются новые дефекты, контролируется качество кромок, отслеживается заполнение тары отходов.
5. Сборка палеты. Система координирует работу роботов: проверяет наличие всех элементов, контролирует раскладку и забивку гвоздей.
6. Финальный контроль. Проверяется маркировка, партия и соответствие изделия требованиям.

Линия работает на высокой скорости, поэтому система должна обеспечивать автоматизацию процессов производства в режиме реального времени — без задержек и повторных проверок. При этом мы имеем дело с нестабильным материалом: дерево всегда разное по структуре, геометрии и типам дефектов. Это исключает шаблонный подход и требует более точных и адаптивных моделей.

Отдельная задача — контроль геометрии. Нужно выявлять не только очевидный брак, но и деформации: изгибы, скручивание, отклонения от размеров, углы. Такие дефекты сложно стабильно фиксировать в потоке. И все это работает в промышленной среде — с пылью, вибрациями и высокой нагрузкой на оборудование.

Дополнительно решение напрямую влияет на работу роботов. Это не просто система инспекции, а часть контура автоматизации и роботизации производства: система в реальном времени принимает решения, что брать, что отбраковывать и как продолжать процесс.
Ключевая сложность — не в отдельных точках контроля, а в необходимости выстроить сквозную систему контроля качества на всем процессе. Именно это отличает данный проект от классических задач машинного зрения на производстве и приближает его к полноценной модели Индустрии 4.0.

Качество

• снижение пропуска дефектов
• стабильное качество продукции
• исключение человеческого фактора

Производительность

• отсутствие остановок для ручной проверки
• рост выпуска готовой продукции за счёт автоматизации

Индустрия 4.0

• переход к цифровому управлению производством
• формирование модели умного завода