Я даю Согласие на обработку файлов cookie в соответствии с Политикой конфиденциальности. В случае отказа от обработки cookie я проинформирован о необходимости прекратить использование Сайта или отключить файлы cookie в настройках браузера.
OK
Кейс внедрения системы ml sense

Контроль качества металлопроката с помощью машинного зрения на производстве «Техностиль»

Для одного из крупнейших российских производителей сэндвич-панелей была внедрена система контроля качества металлопроката на базе нейросетей и машинного зрения. Решение автоматически анализирует поверхность листового металла во время движения по конвейеру и помогает операторам ОТК оперативно выявлять дефекты без остановки производственной линии.

Система способна обнаруживать повреждения и отклонения размером от 0,1 мм при скорости движения металлопроката до 0,5 м/с. Внедрение позволило перевести проверку поверхности металла в режим непрерывного автоматического контроля качества металла и снизить влияние человеческого фактора на качество продукции.

О клиенте

«Техностиль» — один из крупнейших российских производителей сэндвич-панелей и рулонной стали с полимерным покрытием. Компания выпускает строительные материалы для промышленных, коммерческих и инфраструктурных объектов.

Проблема клиента

Контроль качества металлопроката на производстве выполнялся вручную. После размотки рулона специалисты ОТК с помощью рулетки определяли расстояние до дефекта, фиксировали его размеры, фотографировали повреждение и вручную заполняли отчёты по регламенту. Только после этого дефектные бобины могли быть отправлены поставщику металла для дальнейшего разбора и согласования.

Поверхность металлопроката могла содержать разные типы дефектов: царапины, вмятины, трещины, загрязнения, окалину и локальные повреждения покрытия. При высокой скорости движения линии оператору было сложно непрерывно контролировать всё полотно металла и замечать мелкие отклонения.

Дополнительную сложность создавали особенности производства:
  • высокая скорость движения проката;
  • изменяющиеся условия освещения;
  • различия в типах поверхности металла;
  • необходимость круглосуточного контроля.
Визуальный контроль металлопроката не исключал пропуск части дефектов. Кроме того, требовалось автоматизировать подготовку отчётности по найденным отклонениям.

Для решения этой задачи было принято решение внедрить систему автоматического контроля качества металла на базе ИИ и компьютерного зрения, способную выполнять выявление дефектов металлопроката.

Решение

Мы внедрили систему ML Sense для автоматического анализа поверхности металлопроката. В основе решения — высокоскоростные камеры, сервер обработки данных и алгоритмы ИИ, которые выявляют дефекты металлопроката в режиме реального времени.

Система была адаптирована под особенности производственной линии: скорость движения материала, типы поверхности металла, геометрию линии и условия освещения.

Анализ производства

Перед стартом проекта команда Nord Clan выехала на производство и обследовала участок контроля металлопроката. Решено было устанавливать оборудование в точке изгиба листа металлопроката. В этом положении дефекты поверхности становятся более заметными для камеры за счёт отражения света и изменения геометрии металла.
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense

Состав системы

1. Камеры машинного зрения

Для проекта были выбраны высокоскоростные камеры машинного зрения с разрешением 8K и усиленным креплением. Такое оборудование позволяет фиксировать дефекты размером до 0,1 мм даже при движении металлопроката на скорости до 0,5 м/с.
Рис 1. Камера без защитного кожуха
Рис 2. Установленные камеры в "защите"

2. Система освещения

Отдельной инженерной задачей стал подбор освещения для системы контроля качества металлопроката. При неправильной настройке света на поверхности металла появляются полутени, засветы и перепады яркости, которые могут восприниматься алгоритмом как дефекты.
Рис 3. Лампа с узконаправленными диодами
Рис 4. Линейный свет на листе металлопроката
Для проекта была реализована система линейного освещения высокой интенсивности с равномерной засветкой поверхности металла. Дополнительно ML Sense автоматически контролирует уровень освещённости и отображает параметры света в интерфейсе системы.
Рис 5. График контроля освещенности

3. Сервер обработки данных

Видеопоток с камер поступает на выделенный сервер с системой ML Sense. Нейросетевые алгоритмы в режиме реального времени анализируют поверхность металла, выявляют дефекты металлопроката и классифицируют найденные отклонения по типам.

Рис. 6. Защищенный серверный шкаф с постом контроля оператора

4. Интерфейс операторов ОТК

Информация о найденных дефектах автоматически отображается в интерфейсе операторов ОТК. Система показывает фотографию повреждения, координаты участка на рулоне, тип дефекта и время его обнаружения.
Рис 9. Данные по каждому дефекту с фото

Сложности проекта: кадрирование полотна

Во время движения рулон металлопроката может смещаться на несколько сантиметров относительно линии обзора камеры. Из-за этого стандартная фиксированная съёмка могла пропускать дефекты по краям листа.

Чтобы решить эту задачу, специалисты разработали технологию умного кадрирования. Алгоритм автоматически определяет границы листа металла и корректирует область анализа изображения в реальном времени.

Дополнительно система контролирует ширину полотна металлопроката по всей длине бобины.

Интеграция с 1С и автоматическое формирование отчётов

Для возврата дефектной бобины поставщику предприятие должно формировать отчёт по установленному регламенту: указывать тип дефекта, координаты повреждения, размеры и прикладывать фотографии.

Чтобы автоматизировать этот процесс, ML Sense интегрировали с 1С. Система автоматически формирует акт по каждому дефекту подходящего типа и размера.

В отчёт передаются:
  • тип дефекта;
  • размеры повреждения;
  • координаты на листе металлопроката;
  • фотография дефекта.

Для определения точного расположения дефекта на линии используется энкодер, установленный на валу. Он синхронизирован с системой ML Sense и передаёт данные о перемещении полотна металла в режиме реального времени.
Рис 8. Отчет с обозначением дефектов на ленте металлопроката

Как работает система

Перед запуском оператор задаёт ширину листа — система поддерживает 5 форматов, включая стандарт 1400 мм, и адаптирует область анализа под конкретный рулон.

Камеры непрерывно фиксируют движущийся поток металлопроката и формируют высокочастотное изображение поверхности. ML Sense автоматически находит дефекты, формирует отчёты по каждой сессии контроля и разделяет данные по отдельным бобинам.

Примеры дефектов:
  • тонкие царапины;
  • наплывы цинка;
  • складки;
  • надрывы;
  • дефекты кромки;
  • пятна и повреждения покрытия.
Неровный край
Белая ржавчина
Непроцинковка
Пятна
Наплыв цинка
Сквозные разрывы
Складка
Надав
Пилообразная кромка
Система также определяет места стыковки рулонов и автоматически завершает одну сессию и запускает следующую, чтобы отчет всегда был привязан к одной бобине.
Рис 10. Сцепка листов, которую распознает нейросеть
Отдельно реализована возможность удалённого подключения: обновления и донастройки системы выполняются оперативно, без выезда специалистов на производство.

Смотреть как работает система на производстве

Результаты проекта

Систему контроля качества металлопроката ввели в промышленную эксплуатацию через 3 месяца после старта проекта без остановки производственной линии.

В результате время полного цикла контроля сократилось кратно: если раньше проверка одной бобины и подготовка отчёта занимали 2 рабочих дня, то сейчас от запуска сессии до формирования отчёта проходит не более 20 минут.

Теперь контроль качества металлопроката выполняется с помощью «умного» решения ML Sense в непрерывном режиме. Подробнее о решениях Nord Clan для металлообрабатывающей отрасли.