Izazov
Deltasort razvija automatizirano razvrstavanje otpada. Tvrtka je trebala provjeriti mogu li računalni vid i RGB-D kamere, koje uz sliku bilježe i dubinu, pouzdano prepoznati otpad na sortirnoj traci i pronaći točke za koje ga robot može uhvatiti vakuumskom hvataljkom.
Najteža je ambalaža koja se deformira, poput tetrapaka. Predmeti su zgnječeni, presavijeni, preklapaju se i leže nasumično, pa standardna 2D segmentacija i fiksni modeli predmeta nisu dovoljni.
Rješenje
Kroz projekt CROBOHUB++ tvrtka je dobila tri povezane usluge testiranja prije ulaganja:
- Procjena metoda računalnog vida: pregled znanstvene literature, pretvorba skupova podataka za detekciju objekata u skupove za semantičku segmentaciju i testiranje odabranih metoda na stvarnim podacima iz sortirnice.
- Analiza metoda za prepoznavanje ravnih površina i odabir točaka hvatanja iz RGB i RGB-D podataka: mape prikladnosti za hvatanje temeljene na dubokom učenju i geometrijske metode poput RANSAC-a za izdvajanje ravnina iz oblaka točaka.
- Implementacija i usporedba otvorenih metoda za odabir točaka hvatanja (SuctionNet, KNN, Sobel i RANSAC) na stvarnim RGB-D snimkama, s tehničkim izvještajima, vizualizacijama i preporukama za daljnji razvoj.
Rezultati
Deltasort je dobio jasnu tehničku podlogu za razvoj robotskog sustava razvrstavanja uz podršku umjetne inteligencije. Pokazalo se da je dinamičko prepoznavanje površina pogodnih za hvatanje primjerenije od oslanjanja na fiksne CAD modele, osobito kod deformirane i nasumično postavljene ambalaže.
Tvrtka sada može utemeljenije odlučivati o senzorima, algoritmima, strategiji hvatanja i budućim ulaganjima, uz manji razvojni rizik.
U brojkama:
- 3 usluge testiranja prije ulaganja
- 4 otvorene metode implementirane i uspoređene
- 98 RGB-D snimki iz stvarne sortirnice korišteno za testiranje
