Проверка AI концепции для КАМАЗ
26 декабря 2019
ПАО «Камаз» столкнулся с проблемой подсчета и идентификации дорогих запчастей, хранящихся на складе. Существующая система организованного хранения и быстрого получения деталей, перестала справляться со своими задачами. Для решения возникшей проблемы компания применила решение на базе сверточных нейронных сетей, предложенное Экспонентой.
В ходе работы была решена задача автоматизации склада, позволяющая быстро классифицировать и подсчитывать детали, соотнося их с данными, вводимыми оператором. В результате, заказчик через 2 недели после обращения в ЦИТМ Экспонента получил детально проработанную концепцию и рабочий прототип.
На производственном участке выявлены недостатки эксплуатации дорогой системы хранения запасных частей, используемых при создании прототипов автомобилей. Автоматизированный склад выдает поддоны с запрошенными деталями и забирает на хранение, но не гарантирует, что оператор загрузил на поддон именно три форсунки, а не одну форсунку, плоскогубцы и отвертку. Из-за культуры производства на экспериментальном участке система организованного хранения и быстрого получения деталей постепенно переставала выполнять целевую функцию, осложняла поиск деталей, недостаточно использовалась и не оправдывала первоначальных инвестиций.
Проблема заказчика
Оператор, при загрузке деталей на склад и вводе данных в SQL базу склада, может допустить ошибки, как случайные, так и преднамеренные: неправильно указать тип детали или их количество. В результате проекта инженерами ЦИТМ Экспонента была быстро опробована концепция на основе сверточных нейронных сетей для классификации изображений деталей, их подсчета и сопоставления с данными, вводимыми оператором склада.
Особенности проекта с ЦИТМ Экспонента по быстрой проверке AI концепции
- Длительность работ составила 2 недели, не считая промежуточных согласований
- Создан стенд сбора данных, подобраны камеры, автоматизирован захват и формирование базы изображений
- Отработана система получения данных и обучения нейросетей по синтезированным данным из 3d САПР
- Создано MATLAB приложение автоматизирующее подготовку и разметку данных
- Нейронная сеть обучена специалистами ЦИТМ Экспонента, получена высокая точность
- Разработаны рекомендации по изменению архитектуры сети и ее обучению для реализации решения в промышленном исполнении
Видеодемонстрация результатов работы
Скачать статью полностью можно ссылке ниже.
Продукты, использованные в проекте:
- MATLAB
- Image Acquisition Toolbox
- Computer Vision Toolbox
- Deep Learning Toolbox
- Image Processing Toolbox
- Parallel Computing Toolbox
