Журнал

Будущее наступило: куриное мясо под контролем искусственного интеллекта

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. Такой объем обеспечивает курятиной 5 млн человек в год.

Технология переработки птицы состоит из нескольких этапов. Сортировка происходит после охлаждения навешенной на конвейер тушки. До внедрения системы контроля с помощью машинного зрения от ML Sense, специалисты птицефабрики вручную отбраковывали курицу с дефектами. Некондиция — тушки курицы с гематомами, порезами, обломанными крыльями в продажу попасть не должны.

Внедрение ML Sense на производстве куриного мяса

Чтобы автоматизировать процесс, было решено внедрить систему на основе машинного зрения и нейросетей ML Sense от Nord Clan. Срок реализации проекта на «Птицефабрике Чамзинская» составил всего 3 месяца.

ML Sense — цифровая платформа на основе машинного зрения и нейросетей. Применяется для контроля качества продукции на производствах конвейерного типа с помощью искусственного интеллекта.

Что мы сделали для решения задачи:

1. Спроектировали установку программно-аппаратного комплекса, смонтировали оборудование 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. Собрали датасет и разметили дефекты на фотографиях.

Провели фотосъемку, чтобы собрать достаточно данных. Затем отобрали пять тысяч 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:

Заменили визуальный контроль на машинное зрение. За счет инновационного подхода работа на предприятии стала 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. ML Sense — результат работы российской компании. Входит в реестр отечественного ПО.