За последнее время мы закончили несколько проектов с использованием искусственного интеллекта и компьютерного зрения на производстве.
О КЛИЕНТЕ
Разглашать имя и нишу заказчика мы не можем, но можно сказать, что заказчик — крупный производитель пищевой продукции и один из лидеров в своей нише.
Их продукция — это не просто товары, а национальные бренды, знакомые каждому жителю страны. Продукция заказчика известна не только в России, но и в странах СНГ, Европы и Азии.
ПРОБЛЕМЫ БИЗНЕСА
Заказчик столкнулся с необходимостью автоматизировать контроль упаковки и маркировки товаров в соответствии с системой «Честный ЗНАК». Ручная проверка оказалась неэффективной и дорогостоящей. Кроме того, заказчику требовалось решение для автоматического подсчета банок в коробках, привязки банок к конкретной коробке, проверки кодов маркировки и интеграции данных в систему отслеживания.
ЗАКАЗЧИК СТРЕМИЛСЯ СНИЗИТЬ ЗАТРАТЫ НА РУЧНОЙ ТРУД, ИСКЛЮЧИТЬ БРАК И СООТВЕТСТВОВАТЬ ТРЕБОВАНИЯМ ЗАКОНОДАТЕЛЬСТВА, ПОЭТОМУ ОБА РЕШЕНИЯ НУЖНО БЫЛО СОВМЕСТИТЬ В ОДНОЙ СИСТЕМЕ.
ИЗУЧЕНИЕ ТЕКУЩЕЙ СИТУАЦИИ И ФОРМИРОВАНИЕ ТРЕБОВАНИЙ
Наши инженеры лично прилетели на производство заказчика, чтобы увидеть, как работает линия, на каких этапах возникают проблемы и какие именно дефекты нужно отслеживать. Команда изучила процесс упаковки продукции (банок) в коробки и нанесение маркировки. В ходе анализа было выявлено, что ручной контроль количества банок и проверка кодов занимают много времени и часто приводят к ошибкам. Кроме того, коды сложно прочитать без остановки линии, что недопустимо.
Вместе с заказчиком наша команда определила требования к системе:
1. Автоматически считать количество банок в коробках.
2. Проверять коды маркировки (DataMatrix или QR-коды) на соответствие стандартам.
3. Фиксировать данные для интеграции с системой «Честный ЗНАК».
4. Работать в реальном времени на высокоскоростной линии.
РАЗРАБОТКА СИСТЕМЫ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ
Для начала мы выбрали типы камер, установили их на линии и сделали тысячи изображений коробок с банками при разном освещении и ракурсах. Дальше началась кропотливая работа, когда мы вручную разметили каждое изображение: обвели банки, указали их количество, отметили дефекты. Это заняло немало времени, но без качественной разметки нейросеть просто не смогла бы научиться. Каждый пиксель был важен, и наши ребята подошли к этому процессу с максимальной ответственностью. Они даже создали специальный инструмент для разметки, чтобы ускорить процесс и минимизировать ошибки.
Когда данные были готовы, в дело вступили наши разработчики. Нейросеть начала учиться на размеченных данных, постепенно понимая, как выглядят банки, как их считать и как отличать брак от качественной продукции, находить коды «Честного ЗНАКа».
ТЕСТОВЫЙ ЗАПУСК
Первые тесты на реальной линии показали, что нейросеть справляется, но не идеально. Иногда она пропускает брак и ошибается в подсчёте. Наши специалисты не сдались — они доработали алгоритм, добавили больше данных для обучения и провели ещё несколько итераций тестирования. Финальные моменты мы доработали уже из дома.
РАСПОЗНАВАНИЕ С ТОЧНОСТЬЮ 99,7%
Нам удалось добиться высокой точности распознавания необходимых объектов, независимо от угла поворота банки. Это очень хороший результат!
ЧТО В ИТОГЕ?
Когда нейросеть была готова, её встроили в систему, которая работает на одноплатном компьютере. Теперь она в реальном времени анализирует изображения с камер, считает банки и проверяет данные кодов системы «Честный ЗНАК».
Также мы разработали интерфейс для операторов,в котором они легко контролируют процесс и вносят изменения.
ЭКОНОМИЯ ЗА ГОД
На каждой линии работало 2 сотрудника (один считает упаковки, другой проверяет коды).
На двух линиях 4 сотрудника.
Средняя зарплата сотрудника составляет 60 000 рублей в месяц.
Месячная экономия: 4 сотрудника × 60 000 рублей = 240 000 рублей в месяц.
Годовая экономия на зарплатах: 240 000 рублей × 12 месяцев = 2 880 000 рублей в год.
Предполагаемая дополнительная экономия: Автоматизация контроля упаковки снижает количество ошибок: даёт дополнительную экономию в 400 000 рублей в год.
Также автоматизация позволяет ускорить процесс, что может принести дополнительную выгоду в 100 000 рублей в год.
Итоговая экономия:
Экономия на зарплатах: 2 880 000 рублей.
Экономия на снижении брака: 400 000 рублей.
Экономия за счёт ускорения производства: 100 000 рублей.
Общая экономия: 3 380 000 рублей в год.
