Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Hvem vil ha råtne epler i kurven?
Bruk av visionteknologi i matanvendelser
Jens T. Thielemann, SINTEF IKT [email protected]
Agenda
Kort om SINTEF IKT/Optiske målesystemer
Visionteknologi Hvor har teknologien sin utbredelse i dag? Hva kan vi måle online?
Prosjekteksempler
Kvalitetskontroll og sortering Telling og kvalitet Bearbeiding for økt kvalitet
Oppsummering
Optiske målesystemer
Forskningsfelt:
Spektroskopi Kamera 3D målesystemer Røntgen Bilde og dataanalyse
Denne kombinasjonen utfyller hverandre
Vi har lang erfaring i å utvikle industrielle
robuste systemer
Vi utvikler nye målesystemer når det ikke finnes tilfredsstillende løsninger
Markeder: Resirkulering, Prosessindustri, Næringsmidler, Havbruk, …
Visionteknologi – hvor brukes det i dag?
Største utbredelse: Produksjon og kontroll av masseproduserte, rigide objekter Griping og håndtering Montering og sammenføyning Gjenkjenning og kvalitetskontroll
Årsak: Helt lik del hver gang – lettere å automatisere
Posisjonsbestemmelse for griping
Gjenkjenning av flaskeform for pant
Avbildningsteknologier – hva kan vi måle online? Vanlig kamera
Farge – omtrent som øyet ser det Form (2D) Feil og mangler i overflaten
3D målinger 3D form Spalter Estimere vekt på levende fisk
Avbildende spektroskopi Vann, fett, protein Kjernetemperatur, isfraksjon Nøyaktige fargemål – mer presist enn øyet
Røntgen Rask og høyoppløselig Bein, fett, bindevev, svømmeblære Deformasjoner
Kvalitetssortering, dokumentasjon, …
Mulig å analysere biologiske objekter i vesentlig mer detalj enn før Mer regnekraft, og nye analysemetoder
Is Fett Vann
QMonitor – Online skanner for måling av komponenter i mat
Økonomisk viktig å ha rett fettinnhold
Online måling fettinnhold i kjøttdeig
Brukes til prosesstyring og
overvåkning
Kontroll av fettinnhold i kjøttdeig
10 20 30 40 50 60
0 20 40 60 80
10 20 30 40 50 60
0 20 40 60 80
Automatisk kvalitetskontroll av klippfisk Riktig kvalitet til riktig marked
Følgende feil kan gjenkjennes:
Formfeil Muskelspalting Gjenstående ryggbein Blodflekker Leverflekker Harskning Vanninnhold
Spektroskopisk avbildningssystem Skjelner mellom gulning og
harskning
Samarbeid med NOFIMA
Kamerabasert telling av laks
Presist estimat av antall og vektfordeling ved transport av slakteferdig laks gir bedre logistikk
Nøyaktighet: ±2,5% ved 120 tonn/time eller 100000 smolt/time
Basisteknologi:
God kameraavbildning Formgjenkjenning
Biomasse målinger i merd
Vektfordeling i merd gir informasjon om tilvekst og kvalitet
Plukke ut enkeltfisk for å beregne vektfordeling
Formgjenkjenning med sterk forhåndskunnskap
Utfordringer: Varierende belysning Grums og partikler Vanskelig kontrastforhold Mye overlapp – diffuse
overganger Fiskene svømmer ikke rett fram
Fjerning av tykkfiskbein i laks prerigor
Finner posisjon av bein slik at disse kan
fjernes maskinelt
Utviklet kamerabasert løsning for
automatisk styring av kniven
Samarbeid med SINTEF F&H mot Trio (nå
Baader)
Utskjæring av tykkfiskbein i torsk
Behov for økt automatisering i foredlingsindustrien for hvitfisk
I dag skjæres bein ut manuelt, tidkrevende
Utviklet system for automatisk deteksjon og fjerning av bein basert på røntgen og vann-jet. Bedre yield enn tidligere systemer.
Samarbeid med Marel
Oppsummering
Nytten ved vision teknologi Mulighet for 100% inspeksjon Objektive kriterier for utvalg Økt produktivitet
Viktig å velge riktig avbildningsteknologi Vision er en forutsetning for fleksibel automatisering i industrien Havbruk- og matindustrien ligger fortsatt etter resten av industrien Større muligheter i dag: Nye sensorer, nye metoder og mer regnekraft
Teknologien er nå mer enn moden for vesentlig større utbredelse innen mat-, fisk- og havbruksindustrien