KI-unterstützte Prüfung von Eiern.
Die wichtigsten Gründe für die Automatisierung von Eierfarmen sind die Gewährleistung der Qualität und die Reduzierung der täglichen Arbeitsbelastung. Für die Eier-Klassifizierung und anschließende Aussortierung von zweitklassigen Eiern entwickelten wir in Zusammenarbeit mit unserem Kunden eine automatisierte Lösung auf der Basis von Bildverarbeitung und KI-unterstützter Bewertung der Eierqualität. Das daraus hervorgegangene Prüfsystem erreicht einen größeren Durchsatz und eine höhere Verlässlichkeit im Vergleich zu einer visuellen Kontrolle durch den Menschen.
Erstklassige Daten und Deep Learning.
Die Firma Prinzen ist Teil der Vencomatic Group und bietet Lösungen für die Handhabung von Eiern an. Sie entwickelte das System „Meggsius Select“ für die automatische Kontrolle und Sortierung von Eiern. Dieses System prüft jedes einzelne Ei anhand von äußeren Indikatoren wie Qualität und Abmessungen und kann unerwünschte Ablagerungen auf Eierschalen und Risse in Eierschalen erkennen. Hierzu entwickelten wir ein Bildverarbeitungssystem und die zugehörige Prüfsoftware auf der Basis von künstlicher Intelligenz. In diesem Fall nutzten wir so genanntes Deep Learning unter Einsatz neuronaler Netzwerke. Das System ermöglicht die Sortierung von erst- und zweitklassigen Eiern. Außerdem kann das System Daten über die Eierqualität und Ausschusskategorien liefern, pro Hühnerstall und/oder Tagesgesamtwerte, die für weitere Analysen verwendet werden können.
highlights
- 40.000 Eier pro Stunde
- Intelligente Beleuchtungs- und Bildgebungsprogramme
- Effiziente Algorithmen
- Benutzerfreundliches Teachen des neuralen Netzwerks
Intelligente Beleuchtung, effiziente Rechentechnik.
Für das Aufnehmen der einzelnen Eier entwickelten wir ein intelligentes Beleuchtungsprogramm. Während des Prozesses werden die Eier mehrfach um 90° gedreht, um Bilder aller Ansichten zu erfassen. Für die Eierprüfung extrahieren verschiedene Deep-Learning-Netze diverse Merkmale aus der Bilderserie: Eierposition, Eierkontur, Erkennung und Klassifizierung von Fehlern wie Risse oder Ablagerungen. Das System kann 40.000 Eier pro Stunde verarbeiten, was eine Menge Rechenleistung erfordert. Um den Kompromiss zwischen Prozessorleistung und Algorithmusqualität zu optimieren, trainierten und testeten wir mehrere KI-Netzwerke mithilfe eines genetischen Algorithmus, um zu einem optimalen und effizienten Netzwerk zu gelangen.
"wir helfen bei der Verbesserung von Algorithmusqualität, Produktionsleistung und Tierwohl.“
Die Entwicklung von Meggsius Select erfolgte in enger Zusammenarbeit mit der Firma Prinzen. Nach der Lösung typischer Bildverarbeitungsprobleme wie Beleuchtung und Kameraeinstellung übergaben wir unser Konzept rasch an Prinzen für die großtechnische Umsetzung. So konnten wir uns auf die Entwicklung des Algorithmus und der Software konzentrieren. Wir lieferten an Prinzen den Quellcode sowie spezielle Werkzeuge für die Kommentierung. Nach unserem Vortraining der Deep-Learning-Netze kann Prinzen auf diese Weise das Training übernehmen, um die Qualität des Algorithmus weiter zu verbessern. In der Zwischenzeit denken wir im Team über Optionen zur Erweiterung der Funktionalität nach. So könnte man z. B. Trends bei der Eieraussortierung im Management von Hühnerställen nutzen, um die Produktionsleistung und das Tierwohl zu verbessern.