Comptage de pain 100 % précis et contrôle de la bande transporteuse par caméra vidéo

Résumé

Client. Usine de boulangerie en Europe. L’entreprise produit 60 types de pains et de produits de boulangerie. Plus de 1000 personnes travaillent dans l’usine. Les produits de la boulangerie sont vendus dans des chaînes de distribution dans plusieurs villes.

Tâche. Configurer un comptage précis des produits de boulangerie sur la ligne de production et intégrer le compteur vidéo avec l’automatisation de la bande transporteuse pour la contrôler.

Résultat. CamContador compte les produits avec une précision de 100 % et contrôle en douceur le bras de la bande transporteuse.

Situation

L’usine utilise le comptage de produits avec des caméras vidéo depuis plusieurs années. Cette technologie aide l’opérateur à compter la quantité de produits qui passent sur la bande transporteuse.

Par exemple, un lot de croissants se déplace sur la ligne. La tâche du compteur est de compter un certain nombre de croissants, disons 40 pièces. En se basant sur les données du compteur, l’opérateur prépare les produits pour l’expédition. Si une erreur est commise dans le comptage, l’usine rencontrera des problèmes de comptabilité des produits, et les magasins constateront des manques ou des excédents de marchandises lors de leur réception.

La technologie avait fonctionné pendant longtemps, mais le problème était que l’ancien compteur commettait des erreurs. Lorsque les produits sur la ligne arrivaient individuellement, le comptage fonctionnait bien. Mais si les croissants étaient perpendiculaires les uns aux autres, très proches, ou si les emballages n’étaient pas complètement coupés, le compteur les ignorait. Le nombre réel de croissants passant sur la bande transporteuse était supérieur à celui affiché à l’écran.

Il y a 14 types de produits qui passent sur une ligne :

– 5 types de croissants (chocolat, lait concentré, fraise, caramel, sandwich) ;

– 5 types de pains portionnés (seigle, avoine, pomme de terre, sarrasin, lin) ;

– 4 types de feuilletés (pomme, cerise, fromage blanc, fromage).

Avec un tel volume de production, il y avait souvent des situations d’excédents de marchandises. En conséquence, le client a commencé à chercher une nouvelle méthode de comptage de la production, plus précise et moderne.

Tâche

Le client nous a contactés pour résoudre 2 tâches simultanément :

1) Configurer un comptage précis des produits de boulangerie ;

2) Intégrer le compteur vidéo avec le manipulateur sur la bande transporteuse pour le contrôler.

L’essence de l’intégration : le compteur compte 40 croissants et déplace la pale du manipulateur, dirigeant les articles suivants vers le flux suivant de la bande transporteuse. Après avoir compté 40 autres articles, le compteur vidéo ramène la pale en arrière et le cycle se répète.

Dans les paramètres du compteur, il doit être possible de modifier le nombre de produits que la pale séparera. Selon le type de produit, différentes quantités de produits sont emballées dans des boîtes.

Solution

Le client utilisait un compteur vidéo depuis plusieurs années, donc sa principale question était : « Si le compteur actuel fait des erreurs, votre technologie peut-elle compter les articles avec une précision de 100 % ? ».

Nous avons reçu plusieurs vidéos pour des tests. Les enregistrements étaient difficiles : flous, de mauvaise qualité, avec une image délavée et des produits collés. Il s’est avéré que c’étaient les cas problématiques où l’ancien compteur se trompait.

Des lumières vives étaient suspendues au-dessus de la ligne pour éclairer le cadre. Le client a expliqué que cet éclairage supplémentaire était nécessaire pour l’ancien compteur vidéo. (En revanche, CamContador n’est pas gourmand en lumière et peut compter les produits presque dans l’obscurité. Le client a ensuite retiré les lampes supplémentaires).

Malgré la faible qualité, nous avons entraîné un algorithme de comptage sur les vidéos envoyées. Notre technologie a correctement compté les produits dans toutes les vidéos. Le client a été satisfait du résultat et nous avons commencé à mettre en œuvre le comptage sur la première ligne de la bande transporteuse.

Les flux ont été répartis pour être capturés par différentes caméras

Au départ, il y avait une caméra au-dessus de la bande transporteuse, capturant les quatre flux. De cet angle, trois voies semblaient clairement visibles. La quatrième voie était visible, mais une partie était bloquée par un mur partagé avec la troisième. À cet endroit, il y avait une zone aveugle. La caméra ne pouvait pas voir les produits du 4e flux qui passaient près du mur, et le compteur ne pouvait pas les compter.

La solution était simple. Le client a installé une deuxième caméra pour changer l’angle de la caméra. Désormais, la première caméra capturait les voies 1 et 2, et la deuxième caméra capturait les voies 3 et 4. Ainsi, tous les produits sur tous les flux sont devenus visibles.

Une caméra pour les 4 voies :

Deux caméras — une à gauche :

Une à droite :

Mise à niveau des caméras vidéo pour des images plus fluides

Une ligne de bande transporteuse fonctionne 24 heures sur 24, avec différents produits se déplaçant tout au long de la journée. Parfois, la vitesse de la bande s’accélère, parfois elle ralentit.

Les caméras vidéo du client capturaient la vidéo à 25 images par seconde. À haute vitesse de la bande, les images étaient floues et il était difficile de compter les produits ; la caméra n’avait pas le temps de capturer les produits passant sur la bande.

Le problème a été résolu en remplaçant les anciennes caméras vidéo. Lorsque le client a installé des caméras avec une fréquence de prise de vue de 30 images par seconde, l’image est devenue plus nette et la prise de vue plus fluide. Le comptage de la production est devenu plus facile.

Nous avons intégré le compteur avec le manipulateur de la bande transporteuse

Pour lier le compteur vidéo et la pale de la bande transporteuse, un dispositif modulaire de sortie discrète a été connecté à l’ordinateur. Le module était nécessaire pour convertir les commandes du compteur en un signal compréhensible pour l’actionneur, la pale.

Le mécanisme de fonctionnement est le suivant :

Le programme du compteur transmet des signaux via le protocole Modbus TCP → Le module convertit les signaux et les envoie à la bande transporteuse via des clés de transistor de sortie de 24 volts → La pale de la bande transporteuse glisse sur le côté.

Avant de connecter l’automatisation de la bande transporteuse, le client a testé les performances du mécanisme avec des lampes de 24 V. Le compteur envoyait des signaux → Le module les convertissait et les transmettait aux lampes → Les lampes s’allumaient. Après s’être assuré que tout fonctionnait correctement, le dispositif a été connecté à la bande transporteuse.

La logique de fonctionnement du compteur est la suivante :

Compter 40 produits sur la ligne 1 → Transférer la pale à la ligne 2 → Remettre le compteur à zéro sur l’écran de l’opérateur → Compter 40 produits sur la ligne 2 → Transférer la pale à la ligne 1 → Remettre le compteur à zéro sur l’écran de l’opérateur.

Dans la capture d’écran ci-dessous, vous pouvez voir comment les pales distribuent les produits entre les lignes. Les produits se déplacent sur la bande de bas en haut à travers les entrées 1 et 2 (couleur bleue). Les flèches rouges indiquent les pales. Les produits de l’entrée 1 sont distribués aux lignes 1 et 2 (couleur rouge). De l’entrée 2, aux lignes 3 et 4 (couleur rouge).

La sélection des produits a été ajoutée aux paramètres du compteur. Le client doit compter différentes quantités de produits pour différents produits. Le type de produit est sélectionné dans le menu et le compteur sait quelle quantité de marchandises compter avant que la pale ne soit déplacée.

Le compteur stocke des statistiques pour n’importe quelle période. Les données peuvent être téléchargées sous forme de graphiques ou de tableaux Excel. Cependant, pour le client, ce rapport joue un rôle secondaire. La tâche principale du compteur dans l’entreprise est d’aider l’opérateur à ne pas faire d’erreurs avec la quantité de produits sur la bande transporteuse. Par conséquent, à la demande du client, nous avons amélioré l’interface du compteur, par exemple, en agrandissant la numérotation sur l’écran de l’opérateur.

Polices plus grandes à l’écran :

Résultat

Après avoir installé le compteur vidéo sur la première ligne, le client était satisfait du résultat. La précision du comptage des produits est de 100 %. CamContador compte correctement les produits de boulangerie et ne fait aucune erreur. L’intégration avec le manipulateur de la bande transporteuse fonctionne parfaitement.

La direction de la boulangerie a décidé d’étendre le résultat et d’installer des compteurs vidéo sur 6 autres lignes de production. Remplacer les anciens compteurs par CamContador est rentable : notre technologie compte les produits plus précisément et coûte 2 à 7 fois moins cher par caméra.

Coût. Le client n’a pas eu besoin d’acheter des ordinateurs pour traiter le flux vidéo. Les ordinateurs qui fonctionnaient avec l’ancien compteur étaient adaptés. Le coût total du projet était standard, le client a payé pour la configuration de 2 zones de comptage à tarifs habituels.

Un paiement supplémentaire était requis pour l’intégration du compteur vidéo avec le manipulateur de la bande transporteuse. Ces améliorations demandent beaucoup d’efforts : nous devons déterminer quoi et comment intégrer le compteur, et combien de temps cela nécessite. Nous ne pouvons pas divulguer le montant total en raison d’un accord de confidentialité (NDA).

Durée. Le projet a duré 2 mois. Une grande partie du temps a été consacrée à des problèmes techniques : remplacement des caméras vidéo, livraison du module de sortie discrète et son intégration avec le compteur vidéo.

Équipe. De notre côté, 2 spécialistes ont travaillé sur le projet. Développeur : a finalisé le programme et réalisé l’intégration avec le mécanisme de la bande transporteuse. Ingénieur : a entraîné le réseau neuronal pour reconnaître les produits ; à cet effet, il a collecté le plus grand ensemble de données parmi nos projets, soit 2425 images.

Du côté du client, il y avait 1 spécialiste, le chef de projet. Il a résolu tous les problèmes avec une rapidité fulgurante, des questions techniques aux questions financières.

Comptage des œufs dans une ferme avicole : 14 unités de production, 114 caméras et 207 zones de comptage

Résumé

Client. Grand producteur d’œufs de poule. Les installations de production de l’entreprise occupent 15 000 m². L’entreprise emploie plus de mille personnes.

Tâche. Mettre en place le comptage des œufs avec des caméras vidéo dans 14 halls de production.

Résultat. Le compteur CamContador fonctionne avec succès. La précision du comptage est de 99,90-99,93 %.

Situation

Les oiseaux de l’usine sont logés dans des batteries de cages superposées. Habituellement, il y a 7 à 8 batteries dans les ateliers. Chaque unité collecte un certain nombre d’œufs par jour.

Surveiller la production d’œufs des batteries permet de tirer les bonnes conclusions pour évaluer les performances de l’usine. Par exemple :

Pour réaliser de telles expériences, il est nécessaire de compter le nombre d’œufs à chaque étape de la production et pour chaque batterie. Pour cela, une solution technique est nécessaire pour mesurer tous les indicateurs : le flux de production entrant dans l’usine, le nombre d’œufs produits dans les batteries et le flux de sortie.

Souvent, des compteurs spéciaux installés sur l’équipement sont utilisés pour ce comptage. Cependant, selon nos données, la technologie de comptage des œufs CamContador est beaucoup moins chère, et sa précision est équivalente à celle des compteurs matériels. Il n’est pas nécessaire d’acheter un équipement spécialisé coûteux – seules des caméras vidéo et un ordinateur sont requis. La précision garantie du compteur d’œufs est spécifiée dans le contrat et n’est pas inférieure à 99,8 %.

Convaincue par les arguments ci-dessus, la direction de l’usine a choisi le compteur vidéo CamContador.

Le défi

Le client a fixé la tâche de mettre en œuvre le comptage des œufs dans 13 ateliers. Chaque hall devait comporter entre 15 et 18 zones de comptage. Les zones de comptage incluent les œufs entrant et sortant des unités de production, ainsi que les côtés gauche et droit des batteries de cages où les œufs arrivent sur la bande transporteuse.

Le calcul est simple. Le flux d’entrée et les œufs de toutes les batteries doivent s’additionner pour donner le flux de sortie de l’atelier.

Solution

Habituellement, les clients n’ont pas plus de 10 caméras vidéo dans leurs ateliers, qui surveillent une zone spécifique. Ce nombre est suffisant pour compter des boîtes, du pain ou des carcasses de volaille. Dans le premier atelier où nous avons commencé à travailler, il y avait 16 points de comptage à la fois.

Configuration des paramètres de tournage

La première difficulté que nous avons rencontrée était le traitement d’un volume de données trop important. Au début, le processeur n’avait même pas le temps de traiter tous les flux vidéo. Nous avons dû réduire la résolution et la qualité des images et simplifier les paramètres du réseau neuronal pour que l’ordinateur puisse gérer la tâche.

Il nous a fallu deux semaines pour expérimenter avec les réglages. Finalement, nous avons sélectionné le niveau de qualité minimal qui garantit une précision de comptage des œufs supérieure à 99,9 %.

Correction de l’éclairage

Le CamContador n’est pas exigeant en lumière, mais dans certaines zones, les caméras filmaient dans l’obscurité. Quelque part dans cette obscurité, des œufs se déplaçaient sur une bande transporteuse. Cela provoquait des erreurs dans le comptage.

Nous avons demandé d’ajouter une source lumineuse pour que nous puissions voir les produits dans le cadre. Il n’est pas nécessaire d’utiliser des projecteurs puissants pour compter les produits sur une bande transporteuse. Il suffit qu’un humain puisse voir les produits. Si un humain peut le faire, le CamContador peut faire de même.

Identification et correction du décalage de la caméra

Au cours des premières semaines d’opération, des écarts dans le comptage des œufs sont apparus. Il s’est avéré qu’une batterie avait disparu du champ de vision. Quelqu’un avait heurté la caméra et elle filmait de l’autre côté. Cela a fait que certains œufs n’étaient pas comptés et les calculs ne correspondaient pas. Lorsque la caméra a été corrigée, le comptage a repris correctement.

Dans un autre projet similaire, les caméras filmaient les produits si rapidement que le compteur ne pouvait pas réagir à temps. Les œufs passaient si vite que le programme ne les voyait tout simplement pas. Nous avons demandé un angle différent et avons ensuite obtenu un comptage précis à 100 %.

Aucun problème de ce type n’est survenu dans cette ferme avicole. Le client a initialement respecté nos recommandations concernant l’équipement et l’installation.

Javi Martínez, Chef de projet

Détection d’une déconnexion

Dans l’un des ateliers, nous avons remarqué des déconnexions fréquentes. Elles étaient courtes, littéralement une fraction de seconde. La surveillance du compteur envoyait constamment des messages d’erreur. Les micro-déconnexions n’affectaient pas la précision du comptage, mais il était intéressant d’en comprendre la cause.

Il s’est avéré qu’il y a des ateliers dans l’usine où l’ordinateur est situé à un demi-kilomètre ou un kilomètre de distance. Autrement dit, depuis le bâtiment où fonctionnent les batteries avec les oiseaux et les caméras vidéo, le signal parcourt un kilomètre par un câble à fibre optique. Par conséquent, la connexion est parfois perdue.

Dans les autres ateliers avec une connexion stable, les ordinateurs sont proches, à 100-200 mètres, et de telles perturbations ne se produisent pas.

Confrontation à un problème typique des fermes avicoles

Dans toutes les fermes avicoles avec lesquelles nous travaillons, il arrive parfois un problème qui ne peut être résolu. Cela ne dépend pas des qualifications des spécialistes, de la qualité des images vidéo ou de la puissance de l’ordinateur. Nous avertissons honnêtement tous les clients à ce sujet.

Les œufs ne peuvent pas être comptés correctement s’ils se déplacent sur la bande transporteuse en un tas.

Lorsque plusieurs œufs sont empilés les uns sur les autres, même un humain ne peut pas réaliser combien d’œufs se trouvent en dessous. La caméra est également impuissante dans ce cas : elle compte ce qu’elle voit et ne pourra pas regarder sous l’œuf.

Heureusement, ce problème est rare. Les clients réalisent qu’il n’y a pas moyen d’y échapper et qu’il est plus facile de l’accepter. De plus, cela n’a presque aucun impact sur la précision globale du comptage des œufs.

Résultats

Au moment de la rédaction, le compteur vidéo est en fonctionnement dans 14 ateliers. En plus du comptage des œufs, nous avons mis en œuvre le comptage des carcasses de volaille dans différentes zones de l’abattoir.

La précision du compteur CamContador se situe entre 99,90 et 99,93 %.

Le client obtient des rapports sur le fonctionnement du système sous forme de tableau. Il affiche les flux d’entrée et de sortie, le nombre d’œufs par batterie, le pourcentage de précision et les erreurs, s’il y en a.

En raison du faible coût et de la haute précision du compteur vidéo, le client l’a apprécié. Aujourd’hui, l’entreprise dispose de 114 caméras vidéo qui capturent 207 zones de comptage.

Notre technologie permet de mettre en place un compteur de produits dans chaque zone de production et de voir où se produisent les pertes. Cela est important pour la direction de la ferme avicole.

À l’avenir, les données collectées seront consolidées dans une seule base de données. Cette base permettra de générer des rapports synthétiques et de construire vos propres analyses.

Équipe. De notre côté, le projet est réalisé par un spécialiste. Du côté du client, un spécialiste est également impliqué dans le projet. Il fournit des accès à distance, signale les erreurs et surveille le fonctionnement des caméras dans les ateliers.

Coût. 300 € pour la première ligne (caméra). 150 € pour chaque ligne supplémentaire (caméra). Total : 1×300 + 113×150 = 17 250 €.

Délai. Le lancement du compteur vidéo CamContador a pris un mois.

Il est gratifiant que la direction de l’entreprise prenne le projet si sérieusement. Le client achète l’équipement en totale conformité avec nos recommandations. Des marques renommées de composants et de caméras vidéo, des ordinateurs modernes, des cartes vidéo de pointe, des processeurs de nouvelle génération, une connexion Internet à haut débit.

Grâce à cela, la mise en œuvre du compteur d’œufs est rapide et le système complexe avec des dizaines de caméras fonctionne de manière qualitative et fiable.

Javi Martínez, Chef de projet

Comment nous avons configuré le comptage et la reconnaissance du pain sur la bande transporteuse avec une caméra vidéo

Résumé

Client. Fabricant de pain. L’entreprise produit 14 types de pain populaires : baguettes, 8 grains, pain finlandais, pain rustique et autres.

Tâche. Compter et reconnaître les produits sortis sur la bande transporteuse. À la fin de la journée, afficher un tableau avec les résultats.

Résultat. CamContador reconnaît et compte tous les types de pain, y compris les rebuts, avec une précision de 99,8 %. Un rapport sur la production est généré en temps réel et envoyé au département comptable à la fin du poste.

Situation

Une boulangerie fonctionne 24 heures sur 24, sans week-end. Chaque jour, l’entreprise expédie 14 types de pain vers les comptoirs des points de vente et des chaînes de distribution.

Avec de tels volumes de production, des écarts dans le comptage des produits sont inévitables. Par exemple, les matières premières ont été utilisées pour produire 1000 unités de pain, mais l’emballage indiquait 980 pièces. Pour connaître le nombre exact de produits fabriqués, les responsables de la boulangerie ont décidé d’installer un compteur de produits par vidéo.

Auparavant, la technologie ne permettait pas de compter les produits sur la bande transporteuse à l’aide d’une caméra vidéo. Les solutions traditionnelles : compteurs laser, infrarouge et à impulsions nécessitent un budget supplémentaire pour l’achat d’équipements, leur installation et leur configuration. Par conséquent, le client comptait les produits sortis à l’étape de l’emballage.

Aujourd’hui, la technologie de vision par ordinateur permet de compter les produits en mouvement directement sur la bande transporteuse. Peu importe si le pain sort du four en rangées sur des palettes ou éparpillé de manière chaotique sur la bande. CamContador compte et reconnaît les produits sous toutes leurs formes.

Javi Martínez, Chef de projet

Le défi

L’entreprise dispose de deux lignes de production. La première produit 11 types de pain, la seconde trois. Les produits sur la bande changent constamment : d’abord un type de pain passe sur la bande transporteuse, quelques minutes plus tard un autre, puis un troisième.

Le client a fixé la tâche de reconnaître et de compter tous les produits sortis. Le compteur doit déterminer quel type de pain passe sur la bande transporteuse, compter sa quantité et, à la fin de la journée, produire un tableau avec les résultats.

Solution

Le client a envoyé des vidéos pour chaque type de pain. Au début, il y en avait 9, mais leur nombre est progressivement passé à 14 types. Nous avons sélectionné 30 captures d’écran pour chaque produit, les avons marquées pour le comptage et avons entraîné l’algorithme à reconnaître les produits.

Il a fallu 3 jours pour préparer et entraîner le réseau neuronal. Une fois tout prêt, nous avons lancé le compteur vidéo en mode test et, avec le client, nous avons commencé à repérer les erreurs.

Erreurs dues à la couleur du pain

En raison des conditions de cuisson, le pain change parfois de couleur. Un lot peut être pâle, tandis que le suivant est doré. Un algorithme entraîné sur des produits pâles peut faire des erreurs sur les dorés. Ils ont la même forme mais des couleurs de croûte différentes.

Le client a enregistré ces erreurs et nous a envoyé la vidéo. Nous avons réétiqueté les images et réentraîné le modèle. Après cela, les erreurs ont disparu.

Pains similaires dans le cadre

Lorsque le client a envoyé une vidéo du 14e type de pain, il s’est avéré qu’il était similaire à deux autres types, seulement légèrement plus clair. S’il y a plusieurs unités de pain sur la ligne, les différences sont immédiatement visibles. Mais lorsqu’une seule pièce était dans le cadre, l’algorithme se trompait.

Un entraînement supplémentaire du réseau neuronal n’a pas résolu le problème. Par conséquent, nous avons implémenté une amélioration au niveau du comptage.

Plusieurs minutes s’écoulent entre différents lots de pain. Cela signifie que si, par exemple, 24 produits sont visibles dans le cadre, ils sont tous identiques. Il ne peut pas y avoir différents pains sur la bande transporteuse en même temps. Si le système trouvait un pain dans un lot différent des autres, nous éliminions cette erreur par programmation.

Grâce à cette modification, CamContador a appris une logique proche de celle humaine. Le compteur a mémorisé qu’il ne peut pas y avoir de produits différents dans une masse homogène de pain. Si l’algorithme trouve plusieurs pains différents, le compteur les comptera avec la masse principale de pain.

Tas de pain sur la bande

Parfois, le pain passe sur la ligne empilé en tas. Les pains se superposent : un en bas, un autre en haut, et un troisième est caché en dessous. Ces tas de pain doivent être éliminés. La caméra ne peut pas voir les éléments en dessous.

Heureusement, ce problème est rapidement résolu en installant une barre au-dessus de la bande transporteuse. C’est exactement ce qu’a fait le client. Maintenant, lorsque les pains se superposent, la barre fait tomber le pain supérieur sur la bande. Le résultat est une seule couche de pain facile à compter et à reconnaître.

Difficultés techniques

Qualité de capture. Habituellement, lorsqu’il y a beaucoup de caméras dans une usine de production, CamContador se contente de compter les produits – sans les reconnaître. Par exemple, c’est le cas pour le comptage des œufs ou des carcasses de volaille. Mais dans ce projet, la situation était plus compliquée.

Bien qu’il n’y ait que deux caméras, nous devions non seulement compter mais aussi reconnaître 14 types de produits. D’abord, pour éviter de surcharger le réseau et le processeur, nous avons considérablement réduit la qualité du flux vidéo. Nous avons réduit le débit binaire et la fréquence d’images des caméras. Cependant, plus tard, avec le représentant du client, nous avons décidé d’améliorer la qualité de l’image. Ils ont augmenté le débit binaire à 4000 kbps et le FPS à 20 images. Grâce à cela, les images sont devenues plus nettes et la précision du comptage a augmenté.

Angle de prise de vue. Initialement, une caméra était placée trop loin de la ligne de production. Cet angle rendait la reconnaissance des produits difficile. Il y avait trois types de pain sur la bande : blanc, noir et gris. L’algorithme faisait une erreur sur le pain gris : le compteur l’attribuait au pain noir, puis au pain blanc.

Le client a abaissé la caméra pour que les pains soient mieux visibles. Nous avons réentraîné le réseau neuronal sur les images du nouvel angle et redémarré le compteur. Après cela, les erreurs de reconnaissance du pain gris ont disparu et la précision du comptage a dépassé 99 %.

Problèmes avec Windows 11. Habituellement, les clients utilisent les systèmes d’exploitation Windows 10 et Ubuntu. CamContador est entièrement compatible avec ces systèmes. La boulangerie a été le premier client à utiliser Windows 11. Nous pensions que, techniquement, la version 11 ne différait pas beaucoup de la version 10, mais il s’est avéré que c’était différent.

Il y a eu un problème imprévu avec les pilotes pour la carte graphique NVIDIA et la bibliothèque CUDA. Pour une raison inconnue, la charge de la carte graphique passait constamment de 30 à 100 %. Aux moments de charge maximale, elle n’avait pas le temps de traiter le flux. Cela provoquait des erreurs de comptage.

Pendant un mois, nous avons modifié les paramètres et réinstallé les pilotes. Le problème n’a pas disparu. Puis, après consultation avec le client, nous avons décidé de passer au système d’exploitation gratuit Ubuntu.

La transition a été rapide et facile. Après l’installation d’Ubuntu et le redémarrage du compteur, les erreurs de la carte graphique ont disparu. Aujourd’hui, le programme fonctionne de manière stable et fiable depuis six mois.

Le résultat

Aujourd’hui, CamContador reconnaît et compte avec succès 14 types de pain. Techniquement, l’algorithme compte même 15 types de produits, y compris les rebuts de production.

Les caméras sont installées sur deux lignes de production et comptent les deux flux de produits. La précision du comptage est de 99,8 %.

À la fin du poste, le client reçoit un rapport sur la production par type de produit. Ces rapports aident à contrôler la quantité de pain produit. Ces informations sont ensuite transmises au département comptable du client :

De la première communication avec le client jusqu’au lancement du compteur sur la ligne de production, il a fallu un mois. C’est plus long que les projets habituels pour le comptage de produits sur la bande transporteuse, qui sont lancés en quelques jours. Cependant, dans ce cas, nous n’avons pas seulement compté les mêmes produits, mais reconnu 14 types de pain différents et les défauts.

Le pain est un produit assez spécifique dont l’apparence change en raison des conditions de cuisson. Après le lancement, nous avons réentraîné le réseau neuronal 12 fois pour réduire le taux d’erreur, et en conséquence, la précision du comptage a atteint 99,8 %. Cela signifie qu’il n’y a que 1 à 2 erreurs par millier d’unités de pain. C’est un pourcentage de précision très élevé par rapport aux équipements de comptage classiques. Cependant, pour le compteur CamContador, une précision de 99,7 à 99,9 % est une donnée habituelle que nous affichons dans chaque projet et garantissons dans le contrat.

Javi Martínez, Chef de projet

Exemple vidéo du fonctionnement du compteur :

Détection, classification et comptage du pain à la sortie du four

Le client est une grande boulangerie qui produit 13 types de pain. L’entreprise compte 200 employés.

Tâche

Effectuer le comptage du pain à la sortie du four, rendre le processus plus économique et plus précis.

Résultat

Le client a commencé à utiliser la vision par ordinateur – l’intelligence artificielle reconnaît différents types de pain et compte leur nombre. La précision des calculs a atteint 99,8 %, la caméra compte 24 heures sur 24, ne nécessite pas de salaire et ne se fatigue pas.

Situation

Le client a contacté CamContador avec une demande d’automatisation du comptage des produits de boulangerie à l’aide d’une caméra vidéo. L’usine produit plusieurs tonnes de pain par jour. Auparavant, les produits étaient comptés manuellement, mais les résultats étaient insatisfaisants.

Le mouvement du pain sur le convoyeur est irrégulier, souvent les produits sont très proches les uns des autres, c’est pourquoi la caméra a été installée aussi verticalement que possible au-dessus de la sortie du four.

Solution

Étape 1. Enregistrement vidéo en production pour entraîner les algorithmes

Le client a enregistré une vidéo d’un convoyeur sur lequel plusieurs types de produits se déplacent.

Étape 2. Étiquetage des données et entraînement du réseau neuronal

Nous avons appris à l’algorithme à reconnaître différents types de pain sur la vidéo. Sur les images figées, chaque type de pain est étiqueté manuellement avec un cadre :

Ensuite, le réseau neuronal est entraîné, après quoi la machine reconnaît et compte automatiquement différents types de pain. Les algorithmes pour un suivi sans erreur du mouvement de chaque unité de produit dans la vidéo sont un développement unique de nos ingénieurs.

Nous avions déjà travaillé avec des boulangeries auparavant, donc une partie du projet a été mise en œuvre par analogie avec les précédents. La demande de ce client était plus complexe : non seulement compter, mais aussi reconnaître quel type de produit est actuellement en ligne de production, enregistrer dans le journal non seulement l’heure et la quantité, mais aussi le type de produit.

Étape 3. Détection du pain en production

Le client a installé l’équipement :

• une caméra IP avec une vue sur le convoyeur,
• un ordinateur avec une carte graphique Nvidia RTX 4070 de 12 Go (Il convient de noter qu’une Nvidia GTX 1660 de 8 Go aurait suffi pour une telle tâche).

Les spécialistes de CamContador ont installé à distance un logiciel de reconnaissance et de comptage sur l’ordinateur du client.

Nous avons étiqueté les données, entraîné un réseau neuronal (modèle) et chargé le modèle sur l’ordinateur du client, après quoi la technologie de vision par ordinateur a commencé à reconnaître et à compter le pain sur le convoyeur de manière autonome.

Après plusieurs jours, il s’est avéré que la machine faisait des erreurs dans certains cas, nous avons donc étiqueté de nouvelles images avec ces cas et réentraîné le réseau neuronal. Après plusieurs itérations, il n’y avait pratiquement plus d’erreurs.

Résultat

Auparavant, l’entreprise avait des employés dédiés à cette tâche. Le coût du fonds de salaires s’élevait à 8000 € par an.

Le coût de l’installation d’un compteur intelligent par ligne s’élevait à 1350 € :

— Services de CamContador : 900 €.

— Achat d’une carte graphique : 450 €.

— Le client possédait déjà une caméra vidéo et un ordinateur, il n’a donc pas eu à les acheter.

Il s’agit d’un investissement unique – à l’avenir, le client n’aura qu’à maintenir la fonctionnalité du matériel.

Précision du comptage : 99,8 %.

Économies sur les trois prochaines années : 24 000 €.

Compteur d’œufs par vidéo dans une ferme avicole avec une précision de 99,9 %

Tâche

Mettre en place un comptage automatique des œufs avec une caméra vidéo sur trois lignes.

Résultat

Les œufs ont été comptés sur trois lignes à l’aide de la vision par ordinateur avec une précision de 99,9 %. L’entreprise a commencé à recevoir des données sur le nombre d’œufs produits avant leur emballage dans des boîtes.

Situation

La ferme avicole avait besoin d’identifier la quantité de produits qui n’atteignaient pas l’étape de l’emballage. Auparavant, la production n’était pas comptée. Pour résoudre ce problème, il était nécessaire d’installer un compteur d’œufs par vidéo.

Solution

Étape 1. Le client a préparé une vidéo montrant le transport des œufs sur le convoyeur.

Étape 2. Nous avons entraîné le réseau neuronal à reconnaître les œufs. Pour ce faire, chaque œuf a été marqué manuellement sur des images figées et l’entraînement a commencé, de sorte que le programme a commencé à « reconnaître » et à compter les œufs sur la vidéo. Pour résoudre ce problème, des algorithmes de suivi du mouvement de chaque unité de production dans le cadre ont été utilisés.

Étape 3. Détection des œufs dans une ferme avicole

Client :

– a installé des caméras sur trois lignes,

– a acheté un ordinateur avec une carte graphique Nvidia GTX 1660 de 8 Go.

Nos experts ont installé à distance un programme de reconnaissance et de comptage des produits sur l’ordinateur du client. Étant donné qu’un seul type de produit passe par la ligne, il a suffi d’entraîner le réseau neuronal sur une ligne, il n’y a eu aucune erreur de reconnaissance sur les autres lignes, et la précision était de 99,9 %.

Lancement du comptage des œufs en temps réel sur trois lignes.

Grâce à la solution, nous avons obtenu des données supplémentaires pour analyser les processus commerciaux – combien d’œufs sont envoyés à l’étape suivante de la production et quel pourcentage de produits n’atteint pas l’emballage.

Chaque jour, l’entreprise reçoit un rapport et utilise ces informations dans son travail. À l’avenir, la ferme avicole prévoit d’améliorer la technologie et d’utiliser l’intelligence artificielle pour reconnaître les œufs par la couleur de leur coquille.