Create Your First Project
Start adding your projects to your portfolio. Click on "Manage Projects" to get started
Erkennen von KITs und KLTs
Projektart:
Artificial Intelligance
Datum
2019
Aufgabenstellung für Bildverarbeitung:
Allgemein:
Verschiedene KLTs und Trays werden von verschiedenen Kunden per LKW angeliefert.
Die KLTs und Trays werden von Werkern getrennt und mit verschiedene technische Anforderungen vom Kunden gesäubert.
Nach der Reinigung werden diese wieder verheiratet und sollen sortenrein auf Paletten sortiert, mit Folie gestreched und eingelagert werden.
Ziel des ganzen ist, bei der Einlagerung sortenreine Paletten zu erhalten, die in der Software genau verbucht werden, um im Netzwerk aktualisiert werden zu können.
Die Anzahl variiert ständig, da verschiedene Kunden die gereinigte, palettierte Ware wieder abholen.
Des Weiteren wird vom Kunden intern auch auf das Lager zugegriffen.
Da in der Vergangenheit der aktuelle Bestand nicht wirklich zu ermitteln war, soll jetzt ein System eingeführt werden, das den Lagerbestand aktuell ermittelt, um den genauen Bestand zu erfassen (um z. Bsp. Leerfahrten zu vermeiden.)
So soll unter anderem der Staplerfahrer bei einem erhaltenen Auftrag auf einem Bildschirm sehen können, ob die angeforderte Ware schon komplett gesäubert und eingelagert ist.
AUFBAU IM EINZELNEN:
Station 2: Hochzeit
KLTs und Trays werden an dieser Station verheiratet.
Dabei sollen automatisch die Trays durch Auflegen auf das Band am Traymaster, vor oder nach der Reinigung, identifiziert und erkannt werden (ca. 350 verschiedene Typen)
In der Station sollen also automatisch die Trays erkannt werden, die auf der Anlage gerade gefahren werden.
Diese Information soll dann als EAN-Code erstellt und auf einem Label-Drucker ein Aufkleber gedruckt werden.
Eine Eingabe / Auswählen eines Werkers auf einem Bildschirm ist nicht praktikabel umsetzbar, weil der Zeitaufwand zu groß ist und Fehler zuverlässig verhindert werden sollen.
Deshalb empfehlen wir den Einsatz eines selbstständig lernenden neuronalen Netzes, das nach dem Einlernen der Parameter, die Erkennung sicherstellt.
Weiterer Vorteil dieser Technologie ist das einfache Einlernen zusätzlicher Neuteile oder abweichender Trays, was für zukünftige Erkennung einfach umzusetzen ist.
Die Bildverarbeitungszelle CRETEC QBIC wird dann über dem Band positioniert und vom Fremdlicht abgeschottet, um eine optimale Erkennung zu gewährleisten.
