Problemstellung und Herausforderung
Am
Produktionsstandort wird Industrieholz (Baumstämme) für die
anschließende Weiterverarbeitung
zu Papier vorbereitet. Da die Rinde
kein typisches Fasermaterial wie Holz enthält und deshalb nicht für
die
Papierherstellung verwendet werden kann, wird sie in einer
Entrindungstrommel zu einem Großteil
entfernt (Mehrstammentrindung).
Hierbei kommt es auf ein optimales Verhältnis von Holz zu Rinde an
(Entrindungsgrad): Denn wird zu viel Rinde entfernt, besteht die Gefahr,
dass auch wertvolles Holz
verloren geht. Bleibt zu viel Rinde am Holz,
leidet die Papierqualität.
Prozessbedingt
wird die Rinde jedoch nicht immer optimal entfernt. Alle entrindeten
Holzprügel
mussten deshalb bislang einer manuellen optischen Kontrolle
unterzogen und, wenn notwendig,
händisch einem erneuten
Entrindungs-Durchlauf zugeführt werden. Da dieser Prozess sehr
arbeitsintensiv ist, sollte die manuelle Kontrolle automatisiert werden.
Dabei stellten sich für Wahtari
unter anderem folgende
Herausforderungen:
Die Hölzer fahren auf einem einspurigen Förderband und können vereinzelt, überlappend, in Gruppen und berührend liegen
Erkennung von Konturen, Größe und Länge von Holzstämmen, Holzhaufen und Restrinde sowie dem Mittelwert aller sichtbaren Hölzer
Anzeige des Entrindungsgrads (= das Verhältnis von entrindetem und nicht entrindetem Holz) als prozentualer Wert
Einstellbarer Schwellenwert für den Rindenanteil als Grundlage für die Steuerung einer automatischen Schleuse zur Rückführung
Automatische Kontrolle im laufenden Betrieb (ohne Bandstopp), bei variablen Bandgeschwindigkeiten
- Besondere Schwierigkeit: Erfassung von witterungsbedingten Verfärbungen (Verwitterungen) und Berücksichtigung jahreszeitlicher Schwankungen (Schnee, Regen auf dem Holz).
Die Lösung
Um
die manuelle Sortierung zu ersetzen, hat der Kunde das Förderband
modifiziert und eine
ansteuerbare Schleuse installiert. Die menschliche
Kontrolle wurde durch ein KI-basiertes,
industrietaugliches Kamerasystem
von Wahtari abgelöst. Dieses erkennt automatisch die
Entrindungsgüte
sowie viele weitere Parameter und steuert anhand dessen die
Rückführungsschleuse.
Die
automatische Erkennung des Entrindungsgrads (und weiterer Parameter)
erfolgt mittels KI
gestützter Bildverarbeitung. Die eingesetzte
Technologie basiert auf tiefen neuronalen Netzwerken
(Deep Neural
Networks), die für die Erkennung des Restrindenanteils mit Bildaufnahmen
der
bearbeiteten Holzstämme projektspezifisch trainiert werden.
Die
Aufnahme der Bilder für das Training erfolgte vor Ort im laufenden
Prozess (in-line) durch die
installierten Wahtari-Kameras. Anschließend
wurde die KI mit den Bilddaten der bereitgestellten
Musterstämme
trainiert. Eine erste Auswertung der Standbilder hat zunächst eine
Erkennungsgenauigkeit von ca. 90% ergeben.
Nach
Installation wurde während des normalen Betriebes weiteres Bildmaterial
aufgenommen und die KI erneut trainiert. Durch mehrmaliges Training
konnte die Erkennungsrate weiter verbessert werden. Wichtig war, die
Verwitterungen der verschiedenen Holzarten zu erfassen. Deshalb war ein
mehrfaches Trainieren des Systems über 12 Monate vorgesehen. Die
finale KI wurde mit mehreren zehntausend ausgewählten Bildern
kalibriert. Nach Erreichen der gewünschten Erkennungsrate war kein
weiteres Training erforderlich.
Die
Auswertung der Kamerabilder erfolgt auf einem zentralen Rechnersystem
mit integrierter
Anlagensteuerung, das für die gestellte Aufgabe
entsprechend ausgelegt ist. Für den Betrieb ist nach Abschluss des
KI-Trainings keine Internetverbindung erforderlich.
Die Vorteile
Das
KI-basierte Kamerasystem von Wahtari ist eine vollautomatisierte
Komplettlösung für optische
Inspektion. Um ein Vielfaches
leistungsfähiger und präziser als das menschliche Auge, prüft das
System
unter Industriebedingungen, im laufenden Betrieb und rund um die Uhr.
Es ist einfach in der
Anwendung, Plug & Play und erlaubt komfortable
Ein-Mann-Bedienung. Beim Kunden hat sich
Wahtari`s Kamerasystem bereits
unter einem Jahr amortisiert.
Das
installierte Kamerasystem besteht projektspezifisch aus zwei
Industriekameras und einem
Rechnersystem sowie einem Schaltschrank für
die Wandmontage des Rechnersystems.
Optional
kann zusätzlich die Software Wahtari nVision erworben werden. Diese
bietet eine leicht zu
bedienende Nutzeroberfläche für die Einstellung
von Schwellenwerten, die Prozessüberwachung und
die Dokumentation.
Wahtari nVision ist für Linux und Windows Betriebssysteme erhältlich und
kann auf
unternehmensinterne Rechner (z.B. Laptops oder Tablets)
installiert werden.
Beim Kunden
war die Bedienung über Wahtari nVision nicht notwendig. Vielmehr konnte
das
Kamerasystem Dank der zahlreichen Standard Industrieschnittstellen
(z.B. Profibus, Profinet, OPC/UA,
Digital IO, etc.), einfach und schnell
in das bereits vorhandene IT-System integriert werden. Die
Ansteuerung
des Systems erfolgte über die API, welche über die Industrieprotokolle
(hier: Profibus und
OPC/UA) bereitgestellt werden konnte.
Die
Integration in den laufenden Betrieb wird außerdem durch
Standard-Verkabelung und
Stromversorgung (220 V) des Wahtari
Kamerasystems vereinfacht. Aufgrund der wenigen und
unkomplizierten
Systemkomponenten ist der Installationsaufwand minimal: Die
Industriekameras mit
integrierter Halterung und Beleuchtung werden an
zwei verschiedenen Stellen über dem Förderband
aufgehängt.
Das
Rechnersystem (eingebettet im Schaltschrank, Abmessungen 50 cm x 60 cm x
40 cm (HxBxT))
wird im Betrieb an einer Wand montiert. Dieses wertet
die von den Kameras generierten Bilder aus und
steuert die
Rückführungsschleuse über die Industrieschnittstellen. Dadurch
wird zudem weder ein Internetanschluss noch eine Cloud-Anbindung
benötigt. Dies ermöglicht höchste Geschwindigkeiten bei der
Datenverarbeitung und geringste Latenzen. Da die Kundendaten im Betrieb
bleiben, besteht größtmögliche Datensicherheit.
Bei
nachträglichen Änderungen im Prozess (z.B. andere Baumsorten), kann das
System durch
schnelles und einfaches Training angepasst werden.
Erkennungs- und Auswertungsleistung
Die
Kameras sind für den Innen- und Außenbetrieb geeignet, bei Temperaturen
zwischen -20 bis +50°
Celsius. Bei wechselnden Bandgeschwindigkeiten
bis zu 120m/min erfasst das System gleichzeitig
Parameter wie
Entrindungsgrad, Bandgeschwindigkeit, Größe, Konturen, Länge und
Durchmesser von
Holzstämmen und -haufen. Einzelne Stämme können
unterschieden werden. Witterungsbedingte
Holzverfärbungen werden
berücksichtigt. Die Erkennungsgenauigkeit beträgt über 98%, selbst bei
Störungen wie Staub, Regen oder Schnee. Die Prüfung erfolgt in Echtzeit,
die maximale Prüfdauer
beträgt ca. 150 Millisekunden bei 180cm
Bilddiagonale. Der Grad der Entrindungsgüte und
Schwellenwerte für die
Längenmessung sind über Wahtari nVision einstellbar. Die Steuerung der
Schleuse erfolgt anhand der eingestellten Entrindungsgüte über die Industrieschnittstellen des
Rechnersystems.