Yapay zekâ destekli kutu kontrol hattı

Nasıl çözdük?

Dondurmalar kutulandıktan sonra hat üzerinde yapılan kontrolleri kapsayan projede her kutu, yüksek çözünürlüklü kamerayla taranıyor. Omron FHV7'nin yapay zekâ algoritmaları kutu yüzeyindeki deformasyon, bant fazlalığı ve bant eksikliği gibi kusurları hat hızında ayırt ediyor.

Kamera, hattın reject mekanizmasıyla senkron çalışıyor. Kusurlu olarak değerlendirilen kutu paletleme istasyonuna ulaşmadan hattan alınıyor; böylece kalite denetimi üretimi durdurmadan yürüyor ve hatalı ürün paletin içine karışmıyor.

Model eğitimi sahada, gerçek üretim görüntüleriyle yapıldı. Eğitim sonrası sistem farklı ışık ve hat hızı koşullarında iki ayrı test turuyla doğrulandı; kabul kriterleri operatör ekranından izlenebilir hâle getirildi.

Yapay zekâ destekli denetimin klasik kural tabanlı görüntü işlemeden farkı, kusurun tarifini önceden yazmak zorunda olmamak. Klasik yöntemde "bandın kenardan sapması şu kadar milimetreyi geçerse hatalı" gibi eşikler tanımlanır; her yeni kusur tipi için yeni bir kural gerekir. FHV7'nin AI modeli ise sahadan toplanan OK ve NG örnekleriyle eğitiliyor ve kabul sınırını kendisi çıkarıyor.

Eğitimde kritik nokta, NG örneklerinin gerçek üretimden gelmesiydi. Laboratuvar koşullarında hazırlanmış yapay hatalar yerine hattın kendi ürettiği kusurlar kullanıldı; böylece model, sahada gerçekten karşılaşılan varyasyonu öğrendi. Eğitim sonucundaki histogram, OK ve NG kümelerinin birbirinden ayrıştığını gösterdiğinde model devreye alındı.

Aydınlatma, projenin en çok emek isteyen tarafıydı. Parlak yüzeyli ambalajda yansıma, kusuru maskeleyebiliyor ya da olmayan bir kusur gibi görünebiliyor. Kamera açısı ve aydınlatma konumu, yansımanın kontrol penceresi dışına düşeceği şekilde ayarlandı.