Автоматизация промышленной покрасочной камеры с помощью искусственного интеллекта

1. Вводная задача от заказчика, проблематика, цели

Крупное машиностроительное предприятие строило новый производственный цех и поставило задачу создать покрасочный участок полного цикла автоматизации — без ручного управления и участия оператора в производственном процессе.

Задачи:

• Определять тип крупногабаритной детали и её текущее производственное состояние (до грунтовки, после грунтовки, окрашена, ремонтная и др.)
• Автоматически подбирать программу покраски и передавать управляющий сигнал роботу без участия оператора
• Контролировать присутствие человека в рабочей зоне и блокировать процесс покраски при его обнаружении

2. Описание реализации кейса и творческого пути по поиску оптимального решения

В качестве технологической основы мы предложили ML Sense — ИИ-платформу для контроля качества с помощью машинного зрения и нейросетей. Включена в реестр отечественного ПО. В данном случае система состоит из двух частей:

• Первая камера отслеживает положение и состояние детали на рельсовом въезде
• Вторая камера контролирует зону возможного присутствия оператора

Когда деталь заезжает в камеру, система сканирует её, определяет тип и состояние поверхности, выбирает соответствующую программу покраски из предустановленных сценариев и передаёт команду роботу-манипулятору. При обнаружении человека в рабочей зоне система немедленно блокирует процесс и подаёт световой и цифровой сигнал.

Покрасочная камера — среда с высоким содержанием паров растворителей и краски, что потребовало специальных технических решений:

• Камеры с классом взрывозащиты 1Ex db IIC T6 Gb X / Ex tb IIIC T80°C Db X, стандарты IP66/IP68
• Пневматические насадки для обдува стекла и предотвращения загрязнения линзы
• Сервер в защитном шкафу

Поскольку детали были новыми, а производственные условия уникальными, готовых данных для обучения не существовало. Был разработан полуавтоматический процесс съёмки.

1) В камере установили поворотный стол: деталь помещалась на него, по сигналу контроллера стол совершал полный оборот на 360°, камеры фиксировали все ракурсы. Оператор нажатием кнопки подтверждал готовность к съёмке — система автоматически привязывала каждый снимок к коду детали и её состоянию.

2) Для трёх базовых типов деталей были отсняты все производственные состояния: до нанесения грунта, после грунтовки, после первого слоя краски, в ремонтном состоянии.

3) Параллельно была обучена отдельная модель для детектирования присутствия человека в кадре.

4) После съёмки команда вручную верифицировала разметку и дообучала модели. Итогом стал полноценный промышленный датасет, охватывающий все производственные сценарии.

3. Результаты сотрудничества

• Точность распознавания типа и состояния деталей — 99%
• Ошибки при покраске исключены, случаи брака и переделок сведены к нулю
• Контроль присутствия человека обеспечивает соответствие требованиям промышленной безопасности