Den digitale fabrik - AP2 Detektion og håndtering af bylder

Jesper Rask Pedersen

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 23 29.

byld

Den digitale fabrik - AP2 Detektion og håndtering af bylder

 AP1 Digital procesovervågning i opskæring og udbening

 

AP2 Detektion og håndtering af bylder

Målene med AP2 er at udvikle og teste en løsning til automatisk detektion af overskårne bylder, fx ved tredeling. Løsningen skal sikre, at overskårne bylder hurtigt detekteres, så færrest mulige produkter og udstyr kontamineres. Løsningen skal bidrage til, at flere processer, hvor overskårne bylder kan forekomme, vil kunne automatiseres. Endeligt vil løsningen kunne bidrage med et referencedatagrundlag til en fremtidig løsning til detektion af skjulte bylder.

Projektstatus 4. kvartal 2023

Det vigtigste nye output er:

•Pixel-baseret annotering af bylderne i datasættet er begyndt, og op imod 200 billeder med bylder er annoteret.

•De første modeller til prædiktion af pixel-baserede annoteringer er trænet.

•Fuld automatisering af data-pipeline for nye billeder med bylder, der skal gøres klar til annotering.

•Færdiggørelse af state-of-the-art rapport og metodetestrapport.

•Faseskift til F-modelfasen.

Den næste store aktivitet i projektet er:

•Funktionsmodeltestrapport.

•Fortsættende indsamling og annotering af data.

•Videre udvikling af byldemodellerne for at gøre dem mere produktionsrettet, hvilket indebærer fokus på reduktion af falske positive.

•Opstart af dialog med værtsslagteri omkring alarmerings-system og håndtering ved fund af bylder.

Projektstatus 3. kvartal 2023

Det vigtigste nye output er:

• Installationen af kamera på værtslagteri er gennemført.

• De første bylder i produktsnitfladen ved tredeling er fundet, hvilket muliggør den videre modeludvikling.

• De første modeller til at detektere overskårne bylder er trænet. Frekvensen af bylder er dog meget lav, så datasættet er meget begrænset.

• En foreløbig konklusion er, at vi skal bruge mere data til modeludviklingen. Annoteringen af bylderne vil ske på pixel-basis som grundlag for en model til at finde flere billeder med bylder, som efterfølgende kan bruges til en robust Deep Learning-model.

• Kravspecifikationen er udarbejdet og sendt til internt review.

• State-of-the-art rapport er ved at blive udarbejdet.

Den næste store aktivitet i projektet er:

• Pixel-baseret annotering af bylderne i datasættet.

• Træning af ny model til de nye typer af annoteringer. • Fuld automatisering af data-pipeline for nye billeder med bylder, der skal gøres klar til annotering.

• Færdiggørelse af State-of-the-art rapport.

• Indstilling til faseskift.

Projektstatus 2. kvartal 2023

Det vigtigste nye output er, at der er:

•Fundet en placering til opsætning af vision-system på værtslagteriet, se billede.

•Trukket el og lavet beslag til ophængning af kamera.

•Installeret og sat server op, så indsamling af data er muligt.

•Påbegyndt modeludvikling på metodeniveau.

De næste store aktiviteter i projektet er at:

•Installation af kamera hos værtslagteri forventes begyndt i uge 27.

•De første bylder i datasættet annoteres.

•De første modeller til at detektere overskårne bylder trænes.

•Leverancerne fra analyse-, idé- og metodefase skrives færdige.

byld2

Projektstatus 1. kvartal 2023

Det vigtigste nye output er, at vi har haft møde med værtsslagteriet omkring detektion af overskårne bylder i forbindelse med tredelingen, og at vi har indsamlet et billede-datasæt bestående af bylder fundet langs skærelinjen, for at danne et overblik over variationen i bylderne. Der er udarbejdet et udkast til en cost/benefit-analyse for den pågældende case.

Den næste store aktivitet i projektet er at installere kameraer ved tredelingen til indsamling af data. Der skal findes en effektiv måde at få genereret et referencedatasæt, så kan gå videre med at træne de første simple modeller til detektion af bylderne. Der udarbejdes  en kravspecifikation, der skal indfri værdiskabelsen i cost/benefit-analysen.