Kontekst
Castrol, spółka zależna grupy BP i specjalista w dziedzinie przemysłowych środków smarnych, prowadzi fabrykę w Péronne. W ramach podnoszenia standardów bezpieczeństwa Castrol uruchomił w tym zakładzie projekt pilotażowy.
Celem było wdrożenie systemu wizji komputerowej monitorującego linię pakowania (napełnianie beczek) i wykrywającego w czasie rzeczywistym każde wejście człowieka w strefę.
Projekt odpowiadał na dwa główne wyzwania:
Bezpieczeństwo operatorów:
zapewnienie ochrony zespołów pracujących w pobliżu zautomatyzowanej linii.
Zgodność z regulacjami:
po audycie jakości, który wykazał lukę w zabezpieczeniach, Castrol musiał wdrożyć skuteczny system alertów spełniający wymagania Grupy.
Rozwiązanie: lokalna detekcja szyta na miarę
Aby odpowiedzieć na potrzeby Castrol, Galadrim opracował kompletne rozwiązanie łączące sprzęt i oprogramowanie.
Trening modelu wizji komputerowej
Wytrenowaliśmy model detekcji obiektów YOLO (You Only Look Once), wyspecjalizowany w wykrywaniu osób i ich postawy. Aby zapewnić niezawodność, model został wytrenowany na zbiorze danych przygotowanym specjalnie na potrzeby projektu:
Wdrożenie sprzętowe
Rozwiązanie sprzętowe obejmuje kartę graficzną NVIDIA do uruchamiania modelu detekcji oraz ekran kontrolny, dzięki któremu operatorzy natychmiast widzą alerty.
Pokonane wyzwania
Wdrożenie tego rozwiązania wymagało pokonania szeregu ograniczeń technicznych i środowiskowych specyficznych dla fabryki.
Brak dostępu do Internetu
Linia pakowania nie miała dostępu do Internetu. Konieczne było więc zaprojektowanie w pełni autonomicznego systemu. Rozwiązaliśmy to, wykorzystując dedykowaną kartę NVIDIA zdolną do uruchamiania modelu wizji komputerowej całkowicie lokalnie, bez korzystania z chmury.
Instalacja fizyczna
Rozmieszczenie kamer było kluczowe dla zapewnienia pełnego pokrycia wizyjnego linii. Po wizycie na miejscu nasze zespoły doradziły pracownikom Castrol montaż dedykowanej konstrukcji nośnej umieszczonej nad linią, tak aby kamery mogły zostać zamocowane w optymalnym punkcie.
Konfiguracja sprzętu
Projekt wymagał istotnych prac inżynieryjnych po stronie sprzętu, w szczególności zaawansowanej konfiguracji kart NVIDIA w celu optymalizacji detekcji w czasie rzeczywistym.
