Projekta Nr. 1.2.1.1/18/A/006

Pētījuma Nr. 1.21

Pētniecības projekta nosaukums: Caurspīdīgas stikla taras un tās elementu analīze un detekcijas metožu izpēte universālai defektoloģijas analīzei

SIA APPLY īsteno pētniecības projektu "Darbības programmas “Izaugsme un nodarbinātība” 1.2.1. specifiskā atbalsta mērķa “Palielināt privātā sektora investīcijas P&A” 1.2.1.1. pasākuma "Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros”

Pētījuma mērķis ir padarīt universālāku defektu detekciju caurspīdīgām tukšām stikla pudelēm, tādejādi padarot risinājumu ekonomiski pieejamāku, vieglāk uzstādāmu un neatkarīgāku no konkrētās ražotnes stikla taras defektu klāsta.

Izpētīt inovatīvu tukšās caurspīdīgās stikla taras defektu un anomāliju detekcijas pieeju, kas ir adaptējama plašam ražotāju un pudeļu veidu lokam ar akcentu uz iespēju samazināt nepieciešamību defektu analīzes sistēmu apmācīt un piemācīt noteiktam defektu klāstam

Mērķa sasniegšanai tiek izvirzītas šādas caurspīdīgās stikla taras defektu analīzes zonas:

●               pudeles kakliņa zona skatā no augšas;

●               pudeles kakliņa zona skatā no sāna 360 grādos;

●               pudeles ķermeņa zona skatā no sāna 360 grādos;

●               pudeles dibena zona skatā no sāna 360 grādos.


Projekta otrajā ceturksnī (01.01.2022 - 31.03.2022) tika noslēgts pētījums kā ievaros tika sasniegti visi mērķi. Tika izstrādāta iekārtas konfigurācija, kas spētu nodrošināt caurspīdīgas taras kvalitātes kontroli un atrast gan defektus no sāna 360 grādos, gan no augšas. Šī konfigurācija tika notestēta arī praktiski, ievācot datus pētījumam. Tika izpētīta neironu tīklu apmācīšanas metode, kas ļautu uztaisīt neironu tīklu, kas spētu atpazīt iepriekš neredzētus defektu, tā padarot viņu universālāku. Uz izvēlētām datu kopām tika sasniegta liela precizitāte (100% priekš defektiem skatā no augšas, 99.99% defektiem skatā no sāna), kas parāda ka pētāmā metode strādā. Šai metodei tika atrasti vairāki mīnusi. Pirmkārt apmācības laiks ir daudz lielāks nekā parastas klasifikācijas neironu tīkla apmācības laiks, bet šī metode palīdz ieekonomēt vēl lielāku laiku uz datu kopas veidošanas. Otrkārt, lai izvēlēties pareizus parametrus one class classification algoritmiem, tomēr ir vajadzīgs defektu datu kopa.

Projekta pirmajā ceturksnī (01.12.2021) tika uzsākta algoritmu izpēte tukšas stikla taras precīzai novietojuma un orientācijas noteikšanai par pamatu izmantojot mašīnredzes kameras attēlu. Kā arī tukšās stikla taras zonu (kakliņš, logotipa zona, utml) identifikācijas algoritmu izpēte.