Automatisk kvalitetskontrol - AP2. Kvalitetskontrol af slicevarer

Det vigtigste nye output er, at slicersystemet har kørt pålideligt integreret i produktionslinjen i 12 måneder, uden at have givet tekniske problemer, hvilket viser, at systemet er tilstrækkeligt robust til at være monteret i et produktionsmiljø, hvor der bl.a. udføres regelmæssig rengøring.

Der er udviklet algoritme til detektion af større mørke pletter i de produkter, der slices. Eksempel på detektion af mørke pletter i slicevare er vist nedenfor:

Det analyserede område er på 170 x 625mm, og algoritmen kan eksekveres med en hastighed på 30-33 billeder/sekund (1800-1980RPM), hvilket for nuværende tilfredsstiller den maksimale slicerbredde og produktstørrelse samt den maksimale slicerhastighed, der benyttes. Med den opnåede analysehastighed er 100% skivekontrol og dermed in-line frasortering muliggjort.

Den næste store aktivitet i projektet er at

•Opsamle flere billeder fra produktionslinjen til brug for optimering af algoritmen.

•Dokumentere og afslutte projektet med udgangen af 2023.

Det vigtigste nye output er, at

- Der er arbejdet med optimering af algoritmen, der kan detektere uønskede mørke pletter i pålægsskiver, således at antallet af falske positive fund bliver reduceret.

Den næste store aktivitet i projektet er at

- Demonstrere og teste performance af algoritme, der kan finde sorte pletter, vha. det udstyr, der er opstillet hos værtsvirksomheden.

- Dokumentere og afslutte projektet.

Det vigtigste nye output er, at der er udvalgt to produkter, hvortil der skal udvikles en algoritme, der kan finde sorte pletter. Et stort antal billeder er gennemgået for at finde eksempler på gradueringen af de sorte pletter. Billederne er automatisk annoteret ved hjælp af den tidligere udviklede segmenteringsalgoritme, og de sorte pletter er derefter annoteret separat.

Første version af en algoritme, der kan finde mørke pletter i produkterne, er udviklet. Nedenfor er vist eksempel på, at algoritmen har fundet en mørk plet i pølseskiven.

Den næste store aktivitet i projektet er at optimere algoritmen, så antallet af falske positive reduceres. En del af de falske positive skyldes den automatiserede segmentering, der har en lavere opløsning end den manuelle annotering, hvilket har medført fejlannoteringer, som giver anledning til falske positive. Annoteringen på de fejlende billeder skal gennemgås og derefter optimeres, hvor det er nødvendigt, og antallet af falske positive skal verificeres.

Det vigtigste nye output er, at der er blevet gennemgået et stort antal billeder af slicede produkter med kødindustrien. Ved denne gennemgang af billederne er der udvalgt forskellige typer af pølser, hvor kvalitets-udfordringen er uønskede mørke pletter på den slicede skive.

Produkter, hvor der er fundet kvalitetsudfordringer i form af mørke pletter, danner således grundlag for de sorteringskriterier, der skal implementeres, testes og afprøves

Den næste store aktivitet i projektet er at udvælge specifikke produkter, hvor kvalitetsudfordringen med mørke pletter er uacceptabel høj.

De udvalgte produkter skal danne grundlaget for udvikling af en algoritme, der demonstrerer, at det er muligt pålideligt at finde mørke pletter på spegepølser.