На Сокольском домостроительном комбинате (Вологодская область, входит в «Сегежу Групп»)...
На Сокольском домостроительном комбинате (Вологодская область, входит в «Сегежу Групп») внедрили импортозамещающую систему машинного зрения в производство перекрестно-клеёных деревянных панелей (CLT). Собственная разработка встраивается в станок на порядок быстрее импортных аналогов, работает точнее и обходится дешевле в эксплуатации. Серийное производство CLT-панелей, по прочности сравнимых с бетонными и пригодных для многоэтажного домостроения, на Сокольском ДОК запустили в 2022 году. Стабильность панели критически важна для данной технологии, в частности, на правильность укладки досок перед склеиванием влияет ориентация годовых колец на торцах. Положение колец и правильный разворот заготовки так, чтобы избежать естественного напряжения древесины в готовой панели, контролируется с помощью ИИ. До сих пор для этого использовались зарубежные системы машинного зрения. Однако из-за санкций: дефицита комплектующих, отсутствия оперативной поддержки и, как следствие, многомесячных простоев при выходе модуля из строя, — было принято решение о его локализации. Новую систему технического зрения разработали в компании «Сегежа Цифровые Решения», «дочке» «Сегежи Групп». На пилотных испытаниях, проведенных с партией из 50 тыс. досок, точность распознавания достигла 98%. По оценкам специалистов, это очень высокий показатель — на уровне или выше некоторых зарубежных аналогов, тем более, что последние зачастую не рассчитаны на работу в условиях запыленности цеха, перепадов освещения и вибрации оборудования. В отличие от них, локализованный модуль создан с учетом этой специфики деревообработки. Чтобы повысить устойчивость машинного зрения к запылению, влажности, неровному освещению, российские инженеры использовали поляризационную оптику (оптика с фильтрами, пропускающими световые волны с определенной ориентацией колебаний) и адаптированную подсветку. В итоге нейросеть, обученная на собственном массиве снимков тангенциального (продольного) распила, принимает решение за доли секунды и по промышленному протоколу подает команду на кантователь (оборудование для переворачивания заготовок). В случае сомнений при нестандартном рисунке колец или загрязнении заготовки ИИ дает сигнал оператору, который вмешивается в процесс. Система работает почти автономно от внешних сетей, куда поступают лишь управляющие команды. ИИ не только сам обрабатывает кадр, но и собирает аналитику, позволяющую корректировать собственные настройки: данные о количестве переворотов, проценте распознаваний и ошибок. Еще одно преимущество отечественной разработки связано со сроками ее интеграции в производство. Обычно внедрение подобных готовых решений занимает от нескольких недель до нескольких месяцев. В данном случае речь идет об открытых системах и бесшовной интеграции, на которую после обучения нейросети и опытно-промышленных испытаний на линии, без необходимости дорабатывать код станка, уходит 1-2 дня. По оценке разработчиков, вместе с возможностью самостоятельно обслуживать и модернизировать модуль на предприятии это в разы сокращает стоимость владения системой. Прогнозируемый срок окупаемости инвестиций в разработку: за счет снижения брака, простоев и высвобождения персонала, — около 6 месяцев. В «Сегеже Групп» планируют развивать функционал нейросети. Предполагается обучить ИИ распознаванию различных дефектов древесины, чтобы обеспечить линейное сканирование непрерывного потока пиломатериалов и на этой основе создать комплексную систему контроля качества. Помимо других предприятий холдинга, такой продукт может в перспективе представлять интерес и для всего рынка деревопереработки.