Multifunktionsrobotter i opskæringen - AP1 Fjernelse af hoveder

Det vigtigste nye output er, at der er udviklet en metode til automatisk afskæring af halve hoveder fra en flækket grisekrop. I Analysefasen besøgte projektet jævnligt slagterier samt undersøgte tilgængelig viden, der gav grundlag for en idégenerering, hvor flere løsningsrum blev udpeget. Udvalgte idéer blev udviklet til egentlige metoder. På baggrund af metodearbejdet udvalgtes en løsning som den mest sandsynlige, og den blev opløftet til en funktionsmodel, som sidenhen har mødt kriterierne for at blive godkendt – nemlig at kunne levere hastighed og kvalitet.

Den udviklede løsning baserer sig på et visionkamera i samspil med en algoritme, der bestemmer en skærekurve, hvorved en industrirobot med et nyudviklet værktøj dels kan klippe, dels kan afskære det halve hoved fra en flækket grisekrop. Under afskæringen fastholdes trynen, og via denne fastholdelsesmekanisme roteres det halve hoved, så processen kan styres og den korrekte produktkvalitet dermed kan opnås.

Skærekurven er fremkommet ved optimering primært i forhold til kvalitet (hoved af, ingen skader på øre og kæbe), og sekundært ved optimering i forhold til udbytter på nakke og kæbesnitte. Det vurderes, at yderligere udbyttegevinster kan opnås, men at det vil kræve væsentligt mere testarbejde, hvilket er uden for scopet af indeværende projekt. Resultaterne blev dokumenteret til et niveau, hvor alle parametre blev fastlåst over tre dage, svarende til i alt 80 grise, og succeskriterierne blev eftervist efter følgende kriterier: Hoved af >90%, Øre-/kæbeskade < 5%.

Den næste store aktivitet i projektet er at integrere hovedafskæringsprocessen, som én af de seks forskellige delfunktioner i en fuldautomatisk opskæringscelle, som skal opbygges og testes i 2022 og frem. De udviklede algoritmer er generiske og kan bruges i fremtidige projekter. Applikationen med at fjerne hovedet fra en slagtekrop er patentanmeldt og vil indgå enten som en delfunktion i et samlet opskæringsanlæg, som en stand alone robot, eller alternativt begge løsninger. Dette afhænger af branchens ønsker.

Det vigtigste nye output er udviklingen af et funktionsmodelværktøj, der afskærer halve hoveder fra midtflækkede slagtekroppe. Værktøjet har en oscillerende kniv, der skærer kød og sener samt en saks, der gennembryder nakkeknoglerne. Værktøjet er monteret i en robot, der styres af algoritmer dannet ud fra billeddata af hoved og forende. Algoritmerne finder keypoints på slagtekroppen, og disse keypoints er punkter, som robotbanen skal gå gennem.

Det skærende værktøj er et af to værktøjer, hvor det andet værktøj holder hovedet fast, mens det afskæres. Det er vigtigt, at hovedet ikke flytter sig under skæreprocessen i forhold til det billede, der er taget for at danne robotbanen.

Fjernelse af hoveder er en delproces i multifunktionsrobotcellen til opskæringen og er integreret i det samlede procesforløb i cellen, så hovedafskæring kan ske samtidig med, at en anden robot udfører en proces et helt andet sted på slagtekroppen.

Den næste store aktivitet i projektet er at optimere procestiden, så de halve hoveder afskæres hurtigst muligt samtidig med, at krav til kvalitet og udbytter på processen opfyldes. Kvalitet måles f.eks. på, om der er skåret for tæt på hovedskallen, så der sidder knoglerester på nakkemusklen forneden, eller om der er skader på kæbemusklen. Udbytter måles ved mængden af kød, der sidder på hovedet efter afskæringen. Når krav er opfyldt, overgår projektet til produktmodning, hvilket ligger uden for SAF-projektets ramme.

Det vigtigste nye output er udviklingen af et metodeværktøj, der afskærer halve hoveder fra midtflækkede slagtekroppe. Værktøjet har en oscillerende kniv, der skærer kød og sener samt en saks, der gennembryder genikket. Genikket er den knogle, der forbinder hovedet med rygraden. Værktøjet føres af en robot, og skæringen starter i nakken lige bag hovedskallen og følger derefter skallen indtil genikket, hvor saksen aktiveres. Resten af skæringen følger kæben og sker ved hjælp af kniven. 

Kurven, som robotten følger, er bestemt af algoritmer udviklet med kunstig intelligens. Der er optaget en række billeder af halve slagtekroppe, hvor hovedskallen, genikket og kæben er markeret, og algoritmerne er derefter trænet på disse billeder, så de kan genkende og finde de anatomiske punkter på en vilkårlig slagtekrop.

Den næste store aktivitet i projektet er at konstruere et funktionsmodelværktøj, som forbedrer især udformningen af kniven samt den måde, hvorpå kniven er styret og ophængt i værktøjet. Det skal forbedre stivheden af kniven, så der kan skæres tættere til hovedskallen, og algoritmerne kan finjusteres. Det er vigtigt, at der afsættes så lidt kød fra nakken på hovedskallen som muligt, da det er et vigtigt udbyttemål for slagterierne.

Med det nye værktøj monteret i multifunktionsrobotten vil der blive kørt en del test på slagtekroppe, hvor også procestiden for afskæring af halve hoveder skal optimeres.

Det vigtigste nye output er, at analyse- og idéfasen er gennemført. Slagtetekniske krav til fjernelse af hoveder er fastlagt, og i analysefasen er det ligeledes fastlagt, hvordan et modul for fjernelse af hoveder skal inkorporeres i multifunktionsrobotcellen.

Inputtet til multifunktionsrobotten er midtflækkede slagtekroppe, så det er værktøjer og metoder til at fjerne halve hoveder, der skal udvikles. Vigtige slagtetekniske krav er, at der ikke afsættes for meget kød på de halve hoveder og modsat, at der ikke afsættes ben- og knoglerester på forenden.

I idéfasen er forskellige idéer til værktøjsprincipper for de halve hoveder udviklet, og det første værktøj er under manuel afprøvning sideløbende med, at et andet værktøjsprincip er under konstruktion.

Positionen og orienteringen af hovedet, og hvor det skal skilles fra slagtekroppen, bestemmes med billedanalyse samt algoritmeudvikling vha. kunstig intelligens. De første billeder er optaget og analyseret.

Den næste store aktivitet i projektet er at afprøve det første værktøj og teste det i robotcellen, hvor robotten styres manuelt. Testen skal vise, om værktøjet kan følge hovedskallen og ramme balancen mellem benrester og udbytter.

Sideløbende skal algoritmerne for styringen af robotten videreudvikles og testes på slagtekroppe. I første omgang kontrollerer vi, om systemet finder de rigtige positioner for det halve hoved, inden algoritmerne integreres med robotstyringen, så det bliver robotten, der fører værktøjet.