Торговая площадка   Каталог компаний   Новости законодательства   Аналитика   Технологии и оборудование 
Журнал "Деловой лес" Для руководителей | Размещение баннеров и статей

Вход в систему

Логин
Пароль

Напишите, для регистрации

Статистика

Компаний: 1593
Пользователей: 2882

Реклама на сайте

Информеры Информеры
Главная страница » Новости лесной отрасли

Segezha Group завершила пилотный проект машинного зрения для контроля лесосырьевых потоков

Segezha Group, которая входит в АФК "Система", совместно с партнерами завершила пилотный проект по тестированию программных средств, созданных для контроля сырьевых потоков, в том числе определения плотного объема леса, прибывающего в лесовозах на деревоперерабатывающие заводы. Об этом руководитель цифровой трансформации Segezha Group Сергей Меркулов сообщил в ходе онлайн-конференции "Машинное зрение: автоматизация производства, транспортных систем, ритейла, банков и медицины", которая прошла в начале августа в Москве.
Спикер лесопромышленной группы сообщил экспертному IT-сообществу, что в данной прикладной среде технологии машинного зрения в комбинации с вычислительными платформами дали внушительный результат и, очевидно, имеет смысл переходить к промышленному решению в рамках "боевого проекта", в котором все необходимые замеры будут проводиться без участия человека. Сергей Меркулов отметил, что процесс сопоставления пачек, определения породы, определения коэффициента полнодревесности и объема полностью автоматизирован. Вести измерения можно в процессе движения лесовозов без необходимости их остановки, что снижает логистические издержки и экономически оправдано.
Компания может отказаться от подрядных организаций, которые ранее осуществляли ручную приёмку сырья. Измерения на пунктах приема круглого леса будут проводить "скорострельные" камеры (2 фото в секунду по ходу движения лесовоза), установленные на рамке. Ранее на обмер одного лесовоза уходило 12 минут, из которых сам обмер занимал 3-4 мин., а в случае внедрения проекта будет 2 секунды на 1 лесовоз. Об очередях машин на приёмке, по словам Сергея Меркулова, можно будет забыть, также как и о некачественных фотографиях из-за снега, дождя или яркого солнца в объектив. Система автоматически определяет некорректные фотографии и вносит коррективы.
В числе предпосылок к началу "боевого проекта" руководитель цифровой трансформации Segezha Group также назвал: документальное подтверждение снижения потерь точности до 1,5-2% (по нормам допустимо 3%), устранение нарушений регламентов укладки пачек древесины (лазерное сканирование, рамки и раскаточные столы пока не решают проблему в полной мере), уход от субъективного фактора и непреднамеренных фальсификаций. Кроме того, машинное зрение ускоряет процесс разгрузки круглого леса, анализирует и накапливает данные, даже по результативности конкретных марок машин-лесовозов. В системе 3 модуля: модуль подготовки данных, машинного обучения постобработки и визуализации. Точность определения коэффициента полнодревесности (КПД) 98+%. Точность сопоставления фотографий и пачек 97% (распознавание некорректной укладки пачек, если расстояние по ГОСТ меньше 0,3-0,5 метра).
Точность определения породы древесины - 95+%. "Дислокация наших лесозаготовителей огромна, во многих лесных массивах Интернет недоступен, аппаратные решения с установкой стационарных рамок и стереокамер в лесу сложная и затратная тема, это нерентабельно. Поэтому мы полагаемся на технологию, которая легко масштабируется и не требует сложных монтажных работ. Возможность гибкого подхода и синергии мобильных устройств в труднодоступной местности и стационарных комплексов на приемках комбинатов позволит накапливать единую аналитику и легко масштабировать систему в любую точку присутствия компании", - заявил Сергей Меркулов. По его словам, в современных условиях требуется усиление контроля за сырьевыми потоками, исключительная точность в определении коэффициента полнодревесности, который, в текущий момент, рассчитывается вручную с опорой на справочник из ГОСТ. В результате отсутствия точной контролирующей системы, субъективности человеческих измерений, вероятны серьезные погрешности и неоправданные потери.