畅攀人,王 勇,汪灵瑶,王 薇,张 超
(北京机械工业自动化研究所有限公司,北京 100120)
化纤行业是中国起步最早、掌握自主核心技术最多和产业化程度最高的传统制造业,作为流程性产业,具有工艺一致性和标准化程度高等特点。在“中国制造2025”战略前提下,全自动包装线已在化纤涤纶长丝生产行业得到了广泛应用。涤纶长丝批号与规格较多,同批号产品需要根据外观检测结果结合卷径大小区分出多种产品质量等级(AAA级、AA级、A级、B级)进而确定其市场售价,因此外观检测这道工序非常重要。在我国现有的涤纶长丝包装车间里,自动包装线仍大都沿用传统的人工外检方法,即在外检区设置一操作控制屏,通过目视法完成外观检测后,由外检人员通过此人机界面输入丝饼等级、降等原因等外检信息。但由于人工外检存在很强的主观随意性,误检率高,效率低,经常给下游客户造成经济损失。智能外检系统与人工外检相比,外观缺陷检出率高,检测速度快,与自动包装线可实现无缝对接,弥补了人工外检生产效率不足等缺点。本文以涤纶长丝生产企业实际需求为基础,介绍了智能外检系统应用于涤纶长丝自动包装线的工作原理,系统特点,工艺流程,与自动包装线上位机总控系统、PLC控制系统间的信息交互,智能外检自主学习功能等,有效推动涤纶长丝生产企业向自动化、信息化、智能化方向发展。
智能外观缺陷检测系统集机械、电子、光学、计算机、软件工程等于一体,运用机器视觉设备代替人眼完成检测、测量和判断,具有非接触、可重复、可靠、精确度高、连续性、效率高、柔性好等优点,适用于人工视觉难以满足精度、速度要求以及大批量重复性工业生产的场合。
在自动进料口通过传感器采集丝饼到位信息,并由此信号触发机器视觉系统的图像摄取装置,由CCD相机对涤纶长丝丝饼进行360度全方位在线拍照,将涤纶长丝丝饼的外观形态转换成图像信号,传送至图像处理系统。得到涤纶长丝丝饼图像信息后,根据像素分布和亮度、颜色等信息将其转变成数字化信号;图像处理系统利用深度学习的神经网络算法对数字化信号进行数据特征学习和识别,再根据涤纶长丝生产企业提出的工艺标准结合涤纶长丝外检数据库进行处理和分析,并将处理结果输送至自动包装线PLC控制系统的托盘信息DB块中和上位机人机界面上。工作原理图如图1所示。
图1 智能外检原理图
1)具备自学习能力,外观缺陷检出率高:
利用深度学习的神经网络算法对涤纶长丝外观缺陷数据进行特征学习和识别,系统具有自主学习的能力。可以在实际生产过程中不断积累外观缺陷数据,不断提高算法识别精度,自动更新外检数据库。
2)检测速度快:
算法检测性能优异,判定检测结果时间快,对自动包装线系统速率无影响。
3)系统模块化,安装灵活:
系统采取一体化设计,与自动包装线无缝对接,大大简化安装对接流程,极大地提高了工作效率。
在涤纶长丝自动包装线正常运行时,智能外检系统可实现24小时100%产品外观检测,根据外观检测结果判定产品质量等级,剔除涤纶长丝中的不合格品(如毛丝、油污、绊丝、僵丝、纸管损伤、成型不良等),并对降等原因做出归纳统计以便算法修正,智能外检降等统计如图2所示。智能外检系统替换涤纶长丝生产企业现有包装生产线的外观检验人员的同时,各类产品的外观缺陷检出率在99%以上,同时通过缺陷特征的识别,反向追溯问题发生的原点,实现生产线问题的实时反馈和预警。
涤纶长丝自动包装线智能外检的工艺流程主要包括从上位机数据库获取涤纶长丝生产批号及规格、相机图像采集、机器视觉图像处理及分析、PLC控制系统提取外检信息数据、PLC控制系统根据外检结果分配去向、空托盘外检信息清除等。其具体工艺流程如图3所示。
图2 智能外检降等统计
图3 涤纶长丝自动包装线智能外检工艺流程图
智能外检系统与涤纶长丝自动包装线二者相对独立却又彼此紧密联系。智能外检具备系统模块化,自动包装线也可离线智能外检系统正常运行。实现智能外检系统与涤纶长丝自动包装线的无缝对接,需要二者进行实时信息交互。而自动包装线中所有信息数据均由管理者上位机总控系统的数据服务器统一管理,通过Pro finet网实现数据共享,PLC控制系统作为最终执行者允许来自远程对象的PUT/GET通信访问。因此智能外检系统与自动包装线间信息交互主要围绕着上位机总控系统、包装线PLC控制系统、智能外检系统三者进行。其具体信息交互流程如图4所示。
图4 自动外检信息交互图
智能外检系统可以访问同网段的上位机总控系统数据库,从总控数据库中获取涤纶长丝生产批号及规格,由图2即可看出获取的涤纶长丝生产批号及规格。当智能外检系统经过机器视觉图像处理及分析得出涤纶长丝丝饼外检结果后,PLC控制系统在智能外检系统出料口RFID读码器处提取外检信息数据,获取丝饼自动外检结果及外观缺陷因素(外观1~外观10),外检信息数据如图5所示。若涤纶长丝丝饼外检合格,则不需上传上位机总控系统直接分配去向至自动装箱区;若涤纶长丝丝饼外检不合格,则需将降等信息由PLC上传至上位机总控系统,上位机留档备份返回状态后再分配去向至降等缓存区,以便上位机系统在总控日志中进行降等汇总。上位机外检降等汇总如表1所示。
图5 PLC提取外检信息数据
智能外检系统之所以外观缺陷检出率高达99%以上,主要是因为智能外检系统将神经网络算法应用到涤纶长丝外观缺陷的数据特征学习和识别上使其具备自主学习功能。其实质在于同一个丝饼外观集的样本输入输出模式反复作用于神经网络,神经网络按照一定的训练规则(Hebb学习规则、误差修正学习)自动调节外检项之间的缺陷阈值Wij或拓扑结构,使实际外观项输出yj满足期望的要求或者趋于稳定。智能外检系统神经网络拓扑结构如图7所示。Hebb学习规则公式可表示为:
表1 上位机外检降等汇总
式中,wij(t+1)为修正一次后的某一缺陷阈值;η为学习因子,表示学习速率的比例常数;yj(t),yi(t)分别表示t时刻第j个和第i个外观项神经元的输出状态。
图6 智能外检神经网络拓扑图
综上所述,智能外检系统的自主学习功能主要体现在涤纶长丝丝饼外观样本大量采集并作用于神经网络后,外观项之间的缺陷阈值Wij的变化和神经网络拓扑结构的变化。因此智能外检系统在未形成标准涤纶长丝外检数据库,正式投入实际生产前,需要大量采集涤纶长丝丝饼外观样本,不断积累外观缺陷数据,不断提高算法的识别精度,最终形成符合工业标准的外检数据库。
智能外检系统在涤纶长丝自动包装线中的应用,是深度学习的神经网络算法在涤纶长丝外观缺陷的首创应用,所开发的涤纶长丝生产行业DTY/FDY/POY等产品的外观检测解决方案为行业首创,在工业领域的机器视觉整体方案上,开拓了行业先河。其可以快速处理检测信息,同涤纶长丝自动包装线实现无缝对接,有效建立涤纶长丝外检数据库,自主学习并实时更新外检数据库,实现智能外观检测,降低外观检验人员的数量,提高涤纶长丝自动包装线整体工作效率,保障涤纶长丝生产企业产品的市场竞争力。随着智能外检系统自身的成熟和发展,相信它将在未来涤纶长丝生产企业中得到更广泛的应用,推动涤纶长丝生产企业向自动化、信息化、智能化的方向迈进,助力化纤行业实现“智能智造”。