Интеллектуальная система оценки качества сахарной свеклы в кузове транспортного средства

В период уборки сахарной свеклы персонал агропредприятия оценивает сырье в кузове каждого грузового автомобиля и принимает решение о направлении сырья либо на хранение, либо на переработку. Цена ошибки велика, так как отправка некачественной свеклы на длительное хранение может привести к порче значительного объема сырья и большим экономическим потерям для предприятия. Точность решений, принимаемых работником пункта приемки, составляет в среднем 60-70% из-за "человеческого фактора".

Чтобы повысить точность принимаемых решений о назначении продукции на этапе приемки и минимизировать «человеческий фактор», компания РУСАГРО-ЦЕНТР решила использовать систему на основе искусственного интеллекта.

Использование искусственного интеллекта и компьютерного зрения.

Компания РУСАГРО-ЦЕНТР внедрила интеллектуальную систему оценки качества сахарной свеклы в кузове транспортного средства ВИСКОНТ.Свекла от ООО "Малленом Системс".

В каждой точке контроля над местом остановки грузовиков со свеклой под навесом была установлена IP-видеокамера. Видео с камеры поступало на компьютер, установленный в закрытом помещении. По запросу от учетной системы предприятия текущий кадр от камеры анализировался интеллектуальными алгоритмами ПО "ВИСКОНТ.Свекла". С помощью нейронных сетей выполнялась локализация содержимого кузова транспортного средства и поиск грязи, ботвы, сколов, снега. По полученным данным сырье классифицировалось по категориям качества. Полученный результат отправлялся в учетную систему предприятия.

Система применяла к каждому из показателей установленный для него весовой коэффициент и рассчитывала по ним итоговый показатель качества. Итоговый показатель качества сравнивался с порогом, динамически задаваемым в зависимости от загруженности производства. В результате формировалось назначение - Хранение или Переработка и груз отправлялся по месту назначения.

Внедрение системы было поэтапным:

- установка и настройка оборудования на объекте;

- установка и настройка программных библиотек и интерфейсов под особенности проекта;

- интеграция с ИС Заказчика;

- набор обучающей выборки и дообучение моделей.

Внедрение системы принесло следующие результаты:

- повышение точности принимаемых решений о назначении продукции на 30%;

- значительное сокращение потерь, возникающих вследствие порчи больших партий некачественной продукции, ошибочно направленных на длительное хранение вместо немедленной переработки.