Проект

Птицефабрика Чамзинская (Nord Clan: ML Sense)

Заказчики: Птицефабрика Чамзинская

Пищевая промышленность

Подрядчики: Nord Clan (Норд Клан)
Продукт: Nord Clan: ML Sense
На базе: Искусственный интеллект (ИИ, Artificial intelligence, AI)

Дата проекта: 2024/04 — 2024/07
Технология: Системы видеонаблюдения
подрядчики - 336
проекты - 842
системы - 683
вендоры - 326
Технология: Системы видеоаналитики
подрядчики - 174
проекты - 474
системы - 363
вендоры - 240

Содержание

2024: Внедрение системы ML Sense на производстве куриного мяса

АО «Птицефабрика Чамзинская» (агрогруппа «Хорошее дело») входит в топ-10 производителей мяса птицы в стране. Только за прошлый год предприятие отгрузило 156 тысяч тонн мяса бройлера. Сортировка птицы после обработки происходит после охлаждения.

До автоматизации системы контроля качества с помощью машинного зрения от ML Sense, специалисты птицефабрики вручную отбраковывали курицу с дефектами.

ML Sense — цифровая платформа на основе машинного зрения и нейросетей для контроля качества продукции на производствах конвейерного типа (входит в реестр Отечественного ПО). Срок реализации проекта на «Птицефабрике Чамзинская» составил всего 3 месяца.

Этапы внедрения системы на предприятии

1. Проектирование и монтаж программно-аппаратного комплекса на производстве.

Подобрали видеокамеры, осветительные приборы для более точного распознавания дефектов. Установили их на системы крепления в цехе охлаждения. Предусмотрели две камеры по обе стороны от конвейера: одна камера смотрит грудку курицы, другая спинку.

2. Сбор датасета и разметка дефектов на фотографиях.

Провели фотосъемку и отобрали 5000 фотографий тушек птицы, навешенных на конвейере. Потом разметили на них все дефекты: гематомы, порезы, обломанные крылья. Обучили нейросеть оценивать объекты и реагировать на дефекты. При этом нужно было учесть размеры дефектов: порезы — от 10 мм, гематомы — от 300 мм.

3. Настроили и установили контроллеры, которые подают сигнал на отбраковщик в цехе.

Система работает так: когда машинное зрение видит дефект, подается сигнал на контроллер. В свою очередь контроллер подает сигнал на отбраковщик, который снимает бракованную тушку с конвейера.

4. Запустили систему в эксплуатацию, обучили персонал.

Во время работы над проектом команда инженеров Nord Clan несколько раз выезжала на производство, чтобы протестировать работу системы. И только после того, как обе стороны убедились в том, что система работает стабильно и без сбоев, мы сдали заказчику все оборудование в эксплуатацию, обучили персонал, подписали акты приемки — передачи.

Результат

Кейс АО «Птицефабрика Чамзинская» — еще один пример того, как можно автоматизировать систему контроля качества продукции с помощью машинного зрения. Детектирование дефектов с ML Sense производится с точностью 99%. Выпуск бракованной продукции сводится до нуля.

Что изменилось на заводе:

  • Визуальный контроль заменен технологией машинного зрения. Работа по контролю качества проходит быстрее и эффективнее.
  • Повысили экономический эффект. Специалистам больше не нужно вручную отбраковывать некондицию. А значит они могут выполнять другую работу, что в итоге снижает фонд оплаты труда.
  • Внедрили отечественное ПО, а значит решили вопрос импортозамещения на промышленном предприятии.