Computer Vision voor de maakindustrie
Productieprocessen verbeteren met AI-gestuurde defectdetectie
problem
De klant, een toonaangevende fabrikant van compressoren voor koelsystemen, stond voor een grote uitdaging in het productieproces. Ondanks de implementatie van Industry 4.0-technologieën voor kwaliteitscontrole, had het bedrijf moeite met het identificeren van defecte items, met name compressoren waarbij doppen op de buizen ontbraken. De bestaande computer vision-tool, gemonteerd boven de assemblagelijnen, bleek onvoldoende in staat om deze ontbrekende doppen te detecteren door variaties in de opstelling van de compressoren en wisselende lichtomstandigheden. Hierdoor raakten sommige compressoren beschadigd tijdens de verffase, wat leidde tot meer productiefouten en hogere kosten.
problem
De klant, een toonaangevende fabrikant van compressoren voor koelsystemen, stond voor een grote uitdaging in het productieproces. Ondanks de implementatie van Industry 4.0-technologieën voor kwaliteitscontrole, had het bedrijf moeite met het identificeren van defecte items, met name compressoren waarbij doppen op de buizen ontbraken. De bestaande computer vision-tool, gemonteerd boven de assemblagelijnen, bleek onvoldoende in staat om deze ontbrekende doppen te detecteren door variaties in de opstelling van de compressoren en wisselende lichtomstandigheden. Hierdoor raakten sommige compressoren beschadigd tijdens de verffase, wat leidde tot meer productiefouten en hogere kosten.
solution
Ons team bedacht een oplossing voor de productie-uitdaging van de klant door de detectie van compressoren te verbeteren en ontbrekende doppen op buizen te identificeren, ongeacht de configuratie van de assemblagelijn en lichtvariaties. Gebruikmakend van videostromen van camera's boven de transportbanden, hebben we real-time verwerkingsmogelijkheden geïmplementeerd om ontbrekende doppen te detecteren en het controlesysteem van de assemblagelijn direct te informeren. Hierdoor kon het personeel extra controles uitvoeren en ervoor zorgen dat alle compressorbuizen correct waren uitgerust met doppen. De oplossing maakte gebruik van OpenCV-tools voor de verwerking van videostromen en een getraind YOLO-objectdetectiemodel, bekend om zijn nauwkeurigheid tijdens de trainingsfase. Daarnaast werden historische gegevens gebruikt om de output van het model te verfijnen en fout-positieven te minimaliseren, om zo de gewenste nauwkeurigheid te behalen.
solution
Ons team bedacht een oplossing voor de productie-uitdaging van de klant door de detectie van compressoren te verbeteren en ontbrekende doppen op buizen te identificeren, ongeacht de configuratie van de assemblagelijn en lichtvariaties. Gebruikmakend van videostromen van camera's boven de transportbanden, hebben we real-time verwerkingsmogelijkheden geïmplementeerd om ontbrekende doppen te detecteren en het controlesysteem van de assemblagelijn direct te informeren. Hierdoor kon het personeel extra controles uitvoeren en ervoor zorgen dat alle compressorbuizen correct waren uitgerust met doppen. De oplossing maakte gebruik van OpenCV-tools voor de verwerking van videostromen en een getraind YOLO-objectdetectiemodel, bekend om zijn nauwkeurigheid tijdens de trainingsfase. Daarnaast werden historische gegevens gebruikt om de output van het model te verfijnen en fout-positieven te minimaliseren, om zo de gewenste nauwkeurigheid te behalen.
results
De geïmplementeerde oplossing bestond uit een FullHD-videocamera verbonden met een NVIDIA Jetson TX2, wat Edge Computing mogelijk maakte voor efficiënte gegevensverwerking dichter bij de bron. Deze aanpak optimaliseerde de infrastructuurcapaciteiten en verlaagde de kosten. Met het systeem dat een opmerkelijke nauwkeurigheid van 99,99% behaalde bij het detecteren van ontbrekende doppen, ervaarde de klant een aanzienlijke verbetering die de eerdere detectiepercentages vertienvoudigde. Bovendien verbeterde het vermogen van het systeem om de transportband onmiddellijk te stoppen en het personeel te waarschuwen de productie-efficiëntie en verminderde het risico op beschadigde compressoren, wat uiteindelijk leidde tot aanzienlijke kostenbesparingen en een verbeterde productkwaliteit.
results
De geïmplementeerde oplossing bestond uit een FullHD-videocamera verbonden met een NVIDIA Jetson TX2, wat Edge Computing mogelijk maakte voor efficiënte gegevensverwerking dichter bij de bron. Deze aanpak optimaliseerde de infrastructuurcapaciteiten en verlaagde de kosten. Met het systeem dat een opmerkelijke nauwkeurigheid van 99,99% behaalde bij het detecteren van ontbrekende doppen, ervaarde de klant een aanzienlijke verbetering die de eerdere detectiepercentages vertienvoudigde. Bovendien verbeterde het vermogen van het systeem om de transportband onmiddellijk te stoppen en het personeel te waarschuwen de productie-efficiëntie en verminderde het risico op beschadigde compressoren, wat uiteindelijk leidde tot aanzienlijke kostenbesparingen en een verbeterde productkwaliteit.
tech stack
tech stack
