Digitalisering og sporbarhed - AP1 Teknologier til fuld sporbarhed

Det vigtigste nye output er, at der er arbejdet med validering af tracking-algoritmen, dvs. en afklaring af hvor god algoritmen er til at tracke brystflæsk-stykkerne. Vi har undersøgt, hvor mange produkter der tabes undervejs af algoritmen samt hvor mange stykker, det ikke er muligt at tracke med vision, fx. fordi brystflæsk bliver taget af båndet. Tracking-algoritmen viser på nuværende tidspunkt tilfredsstillende resultater, og 95% af kødstykkerne kan trackes. Evalueringen har omfattet mere end 1000 kødstykker. Der skal stadig arbejdes med at gøre algoritmen mere robust.

Den næste store aktivitet i projektet er, at tracking-algoritmen skal implementeres på værtsslagteriet, så trackingen kan ske i realtid. Dernæst skal algoritmen justeres til at blive mere robust.

Det vigtigste nye output er, at der er lavet stitch mellem kameraerne, og at der kan trackes brystflæsk mellem kameraerne, som det fremgår af billedet.

Det er klarlagt, at det er muligt at integrere data, så juletræ-ID og bakke-ID kan linkes sammen i en database.  Således vil man kunne opnå sporbarheden mellem juletræ og bakke. 

Den næste store aktivitet i projektet er at afprøve trackingmetoden i online produktion og foretage en validering af metoden, hvorved en præcision kan angives.

Trackingmetoden skal så videreudvikles for at forbedre præcisionen, da det forventes, at løsningen skal håndtere flere situationer. Eksempelvis hvis kødstykker tages af pacelinjen, eller nye stykker kommer ind midt på linjen.

Det vigtigste nye output er, at der er blevet installeret 6 kameraer til dataopsamling på værtsslagteri. Desuden er der opsat en PC til styring og dataopsamling. Kameraerne er placeret over pacelinjen og vil dermed kunne tracke kødstykkerne på båndet.

Kameraerne er blevet kalibreret, dvs. billedet oprettes for perspektiv effekt (barrel distortion). Der er anvendt overvågningskameraer, hvor perspektiv effekten er fremtrædende, og derfor er billedet blevet rettet op for at kunne lave en tracking.

Der arbejdes på udvikling af en algoritme til tracking, hvor der med en deep learning metode identificeres kødstykker i billedet, og dernæst foretages der beregninger for at identificere og tracke det enkelte kødstykke.

Den næste store aktivitet i projektet er, at algoritmen til tracking skal virke på de samlede 6 kameraer, dvs. kødstykket oprettes i det første kamerabillede og trackes gennem de næste. Dernæst skal algoritmen køre online, dvs. live dataanalyse. Dette er stadig en funktionsmodel men kan vise proof-of-concept, hvor det vil være muligt at lave en validering af algoritmens præcision.

Det vigtigste nye output er, at DMRI har besøgt værtsslagteriet og aftalt installation af overvågningskameraer over brystflæsklinjen. I samarbejde med slagteriet er der lagt en plan omfattende målsætning for og specifikation af projektet. Der skal laves et tracking-system for brystflæsk fra nedtagning på båndet til placering i kasser med RFID-tags. Dette så en sporing fra juletræ til kasse bliver mulig. 6 overvågningskameraer samt PC-server til styring er samlet og testet hos DMRI.

Desuden er der – på metode-niveau - udviklet og afprøvet en algoritme og en smartphone app til at aflæse en QR kode, som er laser-markeret på sværen.

Den næste store aktivitet i projektet er, at kameraerne skal ophænges på værtsslagteriet. Derefter skal der opsamles data, og en tracking-algoritme skal udvikles. Der skal ligeledes arbejdes med performance af såvel billedoptagelse som analyse, for at trackingen kan foregå i realtid.

Det vigtigste nye output er, at der er hængt et kamera op på slagteriet, og der vil blive optaget billeder til at udvikle første version af en tracking-algoritme. Det skal afgøres, om det er muligt at spore hovedprodukterne på billederne. Der har været nogle udfordringer med installation af kameraer på slagteriet, som har forsinket projektet.

Der er foretaget en analyse, som er beskrevet i en rapport, på baggrund af besøg og observationer i løbet af dagen på slagteriet. Her redegøres for produkternes vej og håndtering på pace-linjen samt for mulige udfordringer og problemstillinger ved håndtering af hovedprodukterne og fraskæringerne.

Den næste store aktivitet i projektet er, at der skal udvikles en tracking-algoritme. Desuden skal det overvejes, hvordan udfordringerne identificeret i analysen kan imødekommes med tekniske løsninger.

Det vigtigste nye output er, at vi har fokuseret på hvilke sporbarhedsløsninger, som skal undersøges nærmere. 

Projektet vil demonstrere sporing af et hovedprodukt, fra delstykket bliver lagt på pacelinjen, til det ender i en kasse og videre til det pakkes.

Metoden, der udvikles, vil blive demonstreret på hovedprodukter, men kan på sigt også udvides til at dække flere biprodukter. Der har været besøg på  værtsslagteriet for at undersøge hvilke muligheder, der er for at opsætte kamera til tracking i produktionen. 

Den næste store aktivitet i projektet er at installere og teste tracking af produktet på pacelinjen og ned i kasser hos værtsslagteriet. Herefter skal systemet udvides med ID-aflæsning af kassen og sporing videre på slagteriet frem til omlæsning og pakning af produktet.

Det vigtigste nye output er, at vi har fokuseret på hvilke sporbarhedsløsninger, som skal undersøges nærmere.

Projektet vil demonstrere sporing af et hovedprodukt, fra delstykket bliver lagt på pacelinjen, til det ender i en kasse og videre til det pakkes.

Metoden, der udvikles, vil blive demonstreret på hovedprodukter, men kan på sigt også udvides til at dække flere biprodukter.

Den næste store aktivitet i projektet er at planlægge forsøgsopstillingen på en linje i værtsslagteriet, samt udvikle og teste tracking af produktet på pacelinjen og ned i kasser.

Herefter skal systemet udvides med ID-aflæsning af kassen og sporing videre på slagteriet frem til omlæsning og pakning af produktet.

Det vigtigste nye output er, at vi har undersøgt hvilke metoder, der er relevante at bruge til at øge sporbarheden på slagterierne.

I projektet vil vi undersøge muligheden for laser-markering af delstykker, så en unik stregkode eller QR kode kan aflæses senere på linjen. Derved kan vi vurdere, om vi kan bruge vision-genkendelse af delstykker til at genkende enkelte delstykker.

Den næste store aktivitet i projektet er, at fremstille et vision-system baseret på deep learning, som lærer udseendet af delstykker at kende umiddelbart efter tredeling, og som kan genkende dem senere på linjen.