В рамках 27-й международной выставки «Агропродмаш-2022», которая проходит в ЦВК «Экспоцентр» на Красной Пресне с 10 по 14 октября 2022 г., 13 октября состоялась конференция «Роботы в пищевой промышленности». Выступая на конференции, генеральный директор «Невлабс» Александр Неволин рассказал о современных подходах к реализации технического зрения в роботизированных решениях укладки и контроля качества.
Компания «Невлабс» занимается робототехникой, изготавливает промышленные дельта-роботы, а также системами технического зрения. Задачи технического зрения состоят в позиционировании, чтобы робот знал где и что захватывать, а также в контроле качества, когда нужно отбраковать продукцию, которая не удовлетворяет критериям качества.
Фото: М. Бредис, Unipack.Ru
Александр Неволин представил классические алгоритмы систем технического зрения: модификация изображения, поиск по эталону, поиск по цвету, форме и т.п., лазерная триангуляция, 3D-камеры и др. И проблемы, связанные с ними: необходимость в высокой квалификации пользователей, большой арсенал настроек, привередливость к внешним условиям, невозможность анализа сложных случаев, например, в силу многообразия дефектов.
По словам Александра Неволина, эти проблемы могут решить системы технического зрения на основе нейронных сетей. Нейронная сеть работает так. Сначала набираются примеры (не менее 10000 на класс), они размечаются вручную. На следующем этапе сети многократно демонстрируют эти примеры. В результате сеть научилась распознавать объекты, которые она до этого не видела. Александр Неволин подчеркнул, что нейронная сеть не запоминает образы, она находит в них закономерности.
По его словам, преимущества систем технического зрения на базе нейронных сетей искусственного интеллекта в том, что такую систему гораздо проще настроить. Не подбираются фильтры, а размечаются фотографии, отмечается, где что, и нейронная сеть старается подобрать фильтры сама. Кроме того, нейронная сеть более устойчива к изменению внешних условий, например, освещения, изменения цвета конвейера, загрязненности. Сеть понимает, что это то же самое, просто изменились условия. Можно распознать сложные случаи, которые классическими алгоритмами не распознаются вообще. Также получается экономия на оборудовании, так как здесь можно использовать камеры и освещение попроще. Александр Неволин рассказал, что его компания применяла нейронные сети на автоматизированной укладке пластилина в коробки. Использовался дельта-робот и нейронная сеть, которая находила объекты и отбраковывала те, что не соответствовали заданным размерам. Нейронная сеть также с успехом используется при сортировке мусора.
