Kontrola wizyjna mrożonych ryb z dokładnością do 100%

WARSZAWA, Polska, 29 kwietnia 2024 r. – Zebra Technologies Corporation (NASDAQ: ZBRA), wiodący dostawca rozwiązań cyfrowych umożliwiających przedsiębiorstwom inteligentne łączenie danych, zasobów i ludzi, ogłosił, że technologia AltiZ z precyzyjnym czujnikiem do skanowania przestrzennego umożliwia firmom z przemysłu rybnego i przetwórczego osiągnąć blisko 100% skuteczność kontroli wizyjnej na liniach produkcyjnych.

Grupo Alava, zarejestrowany sprzedawca i dystrybutor automatyki przemysłowej firmy Zebra Technologies, podjął współpracę z firmą Marexi, dostawcą rozwiązań do kontroli wizyjnej dla przemysłu rybnego i przetwórczego. Celem obu firm było unowocześnienie szybkiego i wydajnego systemu do klasyfikacji i sortowania tuńczyka opatentowanego pod nazwą TUNASCAN®.

TUNASCAN® od Marexi może z niemal stuprocentową dokładnością sortować do 20 ton mrożonego tuńczyka na godzinę klasyfikując ryby zgodnie z zaprogramowanymi parametrami takimi jak gatunek, wielkość i jakość. System wykorzystuje w tym celu czujniki do skanowania przestrzennego od Zebra Technologies oparte na zaawansowanych algorytmach, które umożliwiają gromadzenie i przetwarzanie danych o fizycznych cechach obiektów.

„Jeden z zainstalowanych przez nas systemów TUNASCAN® pracuje do 20 godzin na dobę, sześć dni w tygodniu i nie wymaga prawie żadnej konserwacji” – powiedział Pau Sánchez Carratalá, inżynier ds. kontroli wizyjnej i robotyki w Marexi. – „Dzięki czujnikom do skanowania 3D firmy Zebra nasi klienci otrzymali do dyspozycji zmodernizowany system umożliwiający kontrolę wizyjną z niemal stuprocentową dokładnością”.

Mając świadomość, jak trudno jest wykonać prawidłową klasyfikację wizualną mrożonych ryb, specjaliści z Marexi rozpoczęli projekt modernizacji własnych systemów kontroli wizyjnej. W przeszłości firma zbierała dane 3D za pomocą oddzielnych kamer i laserów, ale w wyniku współpracy podjętej z Grupo Alava, elementy te znalazły się w jednym czujniku do skanowania przestrzennego firmy Zebra. W efekcie powstało bardziej niezawodne i łatwiejsze w kalibracji urządzenie. 

„Wybraliśmy czujniki 3D marki Zebra Technologies, ponieważ szukaliśmy niezwodnego narzędzia, które umożliwi nam skanowanie obiektów poruszających się z dużą prędkością po linii produkcyjnej, a następnie generowanie chmury punktów” – powiedział Sánchez Carratalá. – „Ponadto system dobrze radzi sobie z problemami wynikającymi z obecności szumów i zanieczyszczeń w chmurach punktów. Skaner 3D zaprojektowany przez Zebra Technologies został wyposażony w dwie kamery i laser, dając tym samym możliwości, które były dotąd nieosiągalne dla zwykłych czujników do skanowania przestrzennego. Powstały system charakteryzuje się zatem wysoką dokładnością odwzorowania modeli, którą chcieliśmy dostarczyć naszym klientom”.

Proces sortowania rozpoczyna się, kiedy zamrożony tuńczyk przechodzi przez sekcję skanowania TUNASCAN® wyposażoną w dwa skanujące czujniki 3D. Wiązki laserowe mapują sylwetkę ryby, a algorytmy wbudowane w czujniki generują chmurę punktów, czyli cyfrowy model 3D zeskanowanego tuńczyka. Ponadto stosowane algorytmy wyłapują wszelkie nieprawidłowości, zapewniając tym samym większą kontrolę i wykreowanie dokładniejszych modeli. Algorytmy uczenia maszynowego klasyfikują każdego tuńczyka na podstawie wygenerowanej chmury punktów i przypisanej mu wagi, a następnie wysyłają dane do systemu sortowania, który po ich przetworzeniu sortuje ryby do odpowiednich pojemników.

„Nowoczesne i wydajne rozwiązania do kontroli wizyjnej wykorzystujące widzenie maszynowe i sensory 3D pomagają producentom zarówno świeżej, jak i mrożonej żywności zwiększyć dokładność kontroli i klasyfikacji na linii produkcyjnej” – powiedział Luca Gallo, manager ds. systemów wizyjnych w regionie EMEA, Zebra Technologies. – „Współpraca z zaufanym partnerem, oferującym odpowiedni sprzęt i oprogramowanie sprawia, że dużo łatwiej jest osiągnąć zakładane cele.” 

Firma Marexi pracowała również nad innymi projektami korzystającymi z czujników do skanowania przestrzennego firmy Zebra oraz biblioteki obrazowania Aurora Imaging Library wspierającej algorytmy głębokiego uczenia w prawidłowej identyfikacji, liczeniu, a także ocenie występowania infekcji w próbkach ryb.