top of page
Dosen_Regal_edited.jpg

Alles in Reih’ und Glied

Oder: Wieso stehen die Dosen eigentlich immer so hübsch ordentlich im Regal?

Eine Herausforderung, über die sich im Alltag kaum einer Gedanken macht: Wie schaffen es die Baumärkte, dass die Etiketten der Farbdosen immer schön zu lesen sind? Man stelle sich vor, die Kunden ständen vor dem Regal und würden nur die Rückseiten sehen. Das wäre wahrlich nicht verkaufsfördernd.

Wie lösen die Baumärkte also dieses Problem? Stellen die Mitarbeitenden jede Dose einzeln ins Regal und drehen sie dabei nach vorn? Oder kommen die Dosen schon passend gedreht auf der Palette vom Hersteller? Falls Letzteres: Wie schafft dieser das eigentlich? Die Antwort lautet: Das ist gar nicht so einfach… 

Das Problem

Zunächst einmal klingt die Problemstellung simpel: Es braucht ein System, das den Rotationswinkel einer Farbdose auf dem Förderband erkennt und dann einer Dreheinheit die Anweisung gibt, die Dose um genau diesen Winkel zu drehen. Fertig rotiert geht’s vom Förderband auf die Palette und dann zum Händler (grob gesagt).

Das Ganze in Echtzeit in der Produktion am Förderband, absolut zuverlässig und genau. Und für jeden beliebigen Dosentyp, was auch immer sich die Produktentwicklung da einfallen lassen mag. Natürlich ohne aufwändige Nachjustierungen des Systems (die leidigen Stillstandzeiten…). Langsam wird es interessant!

Dosen_Produktion

Unsere Lösung

Für eine Lösung, die die genannten Probleme in den Griff bekommt, mussten wir tief in die Trick-Kiste greifen. Der erste Teil, quasi das Arbeitstier des gesamten Systems, ist der Winkelklassifikator: Ein KI-Modell, das Bilder von Dosen vom Förderband bekommt und erkennt, um welchen Winkel sie von der gewünschten Norm-Position abweicht. Die Anforderung an diesen Arbeitsschritt ist relativ klar und beinhaltet die Konzipierung eines geeigneten Kamera-Setups inkl. Lichtschranke und Beleuchtung für den Einsatz am Förderband.

Beim zweiten Teil wird es spannend: Wie schaffen wir es, dass das KI-Modell auf beliebigen Dosentypen funktioniert, auch solchen, die noch gar nicht existieren? Hierzu haben wir eine automatische Trainingspipeline entwickelt, die auf Basis eines Etiketts synthetische Trainingsdaten erzeugt und damit ein generalisierungsfähiges KI-Modell trainiert. Letzteres kann auf den Inference-Server übertragen und somit nahtlos in die Produktion integriert werden. Alles, was künftig benötigt wird: Das Dosenetikett als pdf.

Winkelgenauigkeit: unter 

Schnelligkeit: 0,2 sek. Verarbeitungsgeschwindigkeit

Extras: voll adaptierungsfähig

Verwendete Technologien: 

CNN, Blender, Data Augmentation

bottom of page