چکیده مقاله
در خطوط تولید و بسته بندی، شکر شمارش دقیق و پیوسته ی کیسه ها نقش مهمی در کنترل موجودی، جلوگیری از خطاهای انسانی و افزایش بهره وری دارد روش های سنتی مبتنی بر حسگرهای نوری معمولا در برابر تغییرات نوری، لرزش نوار نقاله و همپوشانی اجسام دقت پایینی دارند در این پژوهش یک سیستم نوین شمارش و پایش کیسه های شکر بر پایه ی بینایی ماشین و یادگیری عمیق طراحی شده است که با هدف افزایش دقت، پایداری و هوشمندسازی فرآیند نظارت بر خطوط تولید توسعه یافته است داده های مورد استفاده شامل تصاویر واقعی از خطوط تولید شرکت توسعه نیشکر و صنایع جانبی خوزستان واحد امیرکبیر بوده که در شرایط نوری و زوایای مختلف جمع آوری و برچسب گذاری شده اند مدل اصلی سیستم شبکه YOLOv۱۲ است که با بهره گیری از مکانیزم های A۲ R ELAN و FlashAttention تعادلی بهینه میان سرعت استنتاج و دقت تشخیص ایجاد می کند برای ردیابی از الگوریتم BoT SORT استفاده شده تا مسیر حرکت هر کیسه با شناسه ی منحصر به فرد دنبال شود مکانیزم شمارش پیشنهادی بر عبور مرکز جعبه ی محاطی هر کیسه از حداقل دو خط از سه خط شمارش استوار است که موجب افزایش پایداری و حذف شمارش های کاذب می گردد همچنین فرآیند زون بندی سه ناحیه ای با چرخش هندسی نواحی حول مرکز تصویر به منظور تشخیص کیسه های خارج شده از مسیر نوار نقاله به کار گرفته شد نتایج آزمایش ها با سه مدل YOLOv۱۲n، YOLOv۱۲m و YOLOv۱۲x نشان داد که دقت تشخیص به ترتیب ۹۲ ۱٪، ۹۸ ۴٪ و ۹۹ ۱٪ بوده و با استفاده از مکانیزم سه خطی، دقت شمارش نهایی به بیش از ۹۹٪ ارتقا یافته است این سامانه ضمن کاهش خطای انسانی، امکان نظارت بلادرنگ و هشدار خودکار در خطوط تولید شکر را فراهم کرده و قابلیت تعمیم به سایر صنایع بسته بندی را نیز دارد
کلیدواژهها
نویسندگان
شیوه ارجاع
کیانی، داریوش و جوینده کار، مسعود،1404،پایش هوشمند وضعیت و شمارش خودکار کیسه های شکر در خطوط تولید نیشکر با استفاده از YOLOv۱۲ و ردیابی BoT-SORT،اولین کنفرانس ملی فناوری های کاربردی در مهندسی مکانیک،اهواز
ارائهشده در
مجموعه مقالات اولین کنفرانس ملی فناوری های کاربردی در مهندسی مکانیک27 آبان 1404 · اهواز