машинное зрение для контроля качества минеральной ваты

Один из лидеров российского рынка качественных изоляционных материалов. Завод производит тепло- и звукоизоляцию из минеральной ваты. Компания активно внедряет инновационные технологии, ориентированные на устойчивое развитие и заботу об окружающей среде.

Производство минеральной ваты — это непрерывная работа конвейера, где продукт движется по трем параллельным полосам со скоростью до 16 метров в минуту. Задача специалиста — визуально отслеживать дефекты на поверхности минерального ковра. И это настоящий вызов.

Во-первых, поверхность ковра рельефная и неоднородная — даже от долгого взгляда начинает рябить в глазах. Во-вторых, дефекты бывают крошечными, от 5 мм, и отличаются по характеру:

• «Королек» — выгоревший участок.
• «Мокрый участок» — пятно с повышенной влажностью.
• «Карамель» — зона с избыточным содержанием связующего.
• «Бугры» — места с его нехваткой.На производственной линии АО «НПО «Аконит» происходит резка металлических труб для изготовления конвейерных роликов. Ежемесячно через линию проходит 600-800 тонн труб.

Качество поставляемых труб сильно варьируется: продукция поступает от разных заводов, и не все поставщики выдерживают требуемые стандарты. Из-за этого в партию регулярно попадают трубы с браком. При транспортировке труб внутри предприятия также могут появляться дефекты.

Если труба с браком попадает в зону резки, она вызывает поломку станка (клин фрезерного узла), остановку линии и экстренный ремонт. Простой линии может стоить до 1 млн рублей в день.

Каждый дефект может стать причиной брака, но заметить его в реальном времени крайне сложно. Один моргнувший взгляд — и дефект проскочил дальше. Для клиента это означало риски пропустить некачественную продукцию в продажу, что вело к рекламациям и убыткам.

Задачи

• Улучшить контроль качества: точно и быстро находить дефекты на минеральном ковре, даже мелкие от 5 мм.
• Уменьшить влияние человеческого фактора из-за усталости и невнимательности.
• Предотвратить попадание дефектной продукции в продажу.
• Снизить издержки и рекламации из-за брака.
• Внедрить такое автоматизированное решение, которое будет работать с текущим оборудованием без серьезных изменений в производственном процессе.

Мы предложили клиенту внедрить систему ML Sense.

Мы подобрали высококачественные видеокамеры с разрешением, позволяющим фиксировать даже мельчайшие дефекты, и осветительное оборудование, которое обеспечивает равномерное освещение без теней и искажений.

Чтобы обучить нейросеть ML Sense, наша команда глубоко изучила процесс производства, фактически став экспертами ОТК по минеральной вате. Мы сделали более 10 тысяч фотографий, учитывая, что многие из дефектов визуально похожи, но имеют разное происхождение. Например, «королек» — это выгоревший участок, «карамель» — зона с избыточным содержанием связующего и т.п.

При этом дефекты варьируются от совсем мелких — около 5 мм, до более заметных участков. Тот же «королек» может выглядеть как точечное потемнение размером в 1 см, а «мокрый участок» — как пятно до нескольких сантиметров в диаметре. И все это нужно было разметить на фотографиях и научить нейросеть различать дефекты друг от друга. Это очень важный этап, так как именно правильная разметка обеспечивает высокую точность обучения нейросети. В результате мы достигли 99% точности распознавания дефектов.

После того как мы научили нейросеть точно распознавать и классифицировать дефекты на минеральной вате, встал вопрос, что делать дальше с обнаруженным браком? Ручной контроль точно не подходил, поскольку дефекты на минеральной вате трудно заметить на высокоскоростном конвейере. Чтобы решить эту проблему, мы разработали уникальное маркирующее устройство.

Как только система машинного зрения обнаруживает дефект, она автоматически подает сигнал на блок управления. В ответ на этот сигнал активируются пневмоотсекатели, которые подают сжатый воздух на краскораспылители, маркируя дефектные участки.

В зависимости от того, где именно на ковре обнаружен дефект, активируется нужный маркиратор, который наносит соответствующую метку. Это позволяет оперативно и точно выявлять бракованные участки, не допуская их к дальнейшему процессу.

Команда инженеров Nord Clan несколько раз выезжала на производственные мощности клиента, чтобы тестировать систему в реальных условиях. Мы тщательно проверяли, как система распознает дефекты и правильно ли срабатывает механизм отбраковки. Все тесты проводились в тесном сотрудничестве с заказчиком, чтобы убедиться, что система стабильно работает и эффективно решает поставленные задачи.

При установке системы ML Sense на производстве не потребовалось останавливать конвейер или вносить изменения в инфраструктуру. Система была интегрирована как надстройка к действующему оборудованию, что позволило избежать дополнительных финансовых расходов на модернизацию или простои.

После успешных тестов и подтверждения надежности системы, мы передали оборудование в эксплуатацию. Важной частью проекта стало обучение персонала. Мы подготовили сотрудников, чтобы они могли легко и эффективно работать с новой системой. Благодаря простому и интуитивно понятному интерфейсу обучение прошло быстро, и теперь операторы уверенно управляют процессом, обеспечивая стабильную работу всей линии.