Bauteilesortierer

von Veit, Leo, Yannik und Jakob

Veit, Leo, Yannik und Jakob haben den sogenannten Bauteilesortierer BA(RM)² entwickelt, gebaut und programmiert. Ihr fragt euch bestimmt, wie wir, was der Name BA(RM)² bedeutet. Die Jungs meinten es sei ein bisschen kompliziert. Es ist letztendlich eine im mathematischen Stil abgewandelte Form der ehemaligen Bezeichnung des älteren Modells BRM-ARM, was für BRM-Aufräummaschine stand. Daher nennen Sie das Modell einfacher formuliert „fischertechnik-Bauteilesortierer“ oder „fischertechnik-Teile-Sortiermaschine“.

Ein Bericht der Jungs zur Entstehung des Modells:


In regelmäßigen Abständen müssen unsere Bauteilekisten von der fischertechnik-AG neu sortiert werden, was jedes Mal mit großem Zeitaufwand und Mühen verbunden ist. Dadurch kamen wir auf die Idee, eine Sortiermaschine für diese Aufgabe zu bauen. Unsere Sortiermaschine ist modular konstruiert, dadurch flexibel erweiterbar und bei Bedarf mit geringem Zeitaufwand in kleinere Einheiten teilbar. Der Sortiervorgang kann grob in drei Teile unterteilt werden: Separieren, Erkennen und Einsortieren.
Am Anfang der Sortierstraße werden die unsortierten Teile über einen Aufzug in unser Sortiersystem eingebracht. Anschließend werden die Bausteine über unabhängige Förderbänder, welche mit unterschiedlichen Geschwindigkeiten betrieben werden, voneinander getrennt. Das erste Förderband, auf welchem die Bausteine zuerst befördert werden, läuft sehr langsam und sorgt am anschließenden zweiten Förderband für einen geringeren Durchfluss der Bausteine. Das zweite Förderband wird auf einer höheren Umdrehungszahl betrieben, wodurch die Bauteile auf große Abstände separiert werden. An jedem Förderbandübergang sind Lichtschranken installiert, um den Bausteinfluss anzuhalten, sobald ein Baustein von der Software analysiert wird oder ein Bauteil gerade auf das nächste Förderband fällt. Auf dem dritten Förderband erfolgt dann eine Bildaufnahme durch eine fest installierte USB-Kamera, deren Bild anschließend mit maschinellem Lernen analysiert und einer der zuvor vorgegebenen Bausteinarten zugeordnet wird.
Nachdem ein Baustein aufgenommen und erkannt wurde, wird dieser über ein weiteres Laufband in einen Trichter befördert, unter dem sich ein drehscheibenähnliches Lagersystem befindet. Dieses kann sich in zwei Richtungen drehen und ist für jeden Bausteintyp mit je einem kleinen Sortierkasten ausgestattet. Insgesamt stehen uns zwölf unterschiedliche Sortierkästen zur Verfügung, die per Lichtschrankenzähler präzise angesteuert werden können. Der Sortierkasten null, in den alle nicht eindeutig erkannten Teile einsortiert werden, ist außerdem mit einem per Lichtschranke erkennbaren Merkmal ausgestattet, um den Zähler initial zu kalibrieren.
Die Hardwareansteuerung übernehmen zwei unabhängig voneinander betriebene ftDuinos, das sind im Prinzip fischertechnik-kompatible Arduinos, die in Form eines Master- und Slave-Systems mit dem Protokoll I²C miteinander kommunizieren. Die Bilderkennung erfolgt auf einem Laptop, der per USB mit dem Master-ftDuino und der Teilekamera verbunden ist.
Die Software für das Steuern der Hardware ist in C/C++ (Arduino) geschrieben, während die PC-Steuerung, die auch eine grafische Benutzeroberfläche für das Einlernen neuer Bauteile besitzt, und die Teileerkennung in Python realisiert ist. Die Bibliothek Tensorflow verwenden in Verbindung mit einem vortrainierten neuronalen Netzwerk, derzeit das Modell „Inception“, zur Bildkategorisierung.
Vor dem Sortieren müssen neue Bauteile erst eintrainiert werden. Die grafische Benutzeroberfläche auf dem Rechner unterstützt dabei einen Menschen, der durch einfache Bedienung Trainingsbilder speichern und ungeeignete Bilder aussortieren kann. Für ein neues Bauteil werden etwa 100 Trainingsbilder benötigt.
Schon seit über einem Schuljahr arbeiten wir als vierköpfiges Team an unserem Sortierer und treffen uns jeden Freitag für mindestens zwei Stunden im Rahmen der fischertechnik-AG an unserer Schule, dem Bismarck-Gymnasium in Karlsruhe.
Derzeit versehen wir die Bilderkennung mit dem notwendigen Feinschliff, um eine möglichst hohe Erkennungsrate, auch bei ähnlichen Teilen, erreichen zu können. Außerdem ist geplant, noch mehr Trainingsbilder von anderen Teilearten zu erstellen, um noch mehr verschiedene Teile möglichst genau sortieren zu können.
Mittelfristig soll der Sortierer durch ein Hochregallager und einen Greifarm erweitert werden, sodass volle Sortierkästen automatisch eingelagert werden können und weniger menschliches Eingreifen erforderlich ist.
fe80::283b:1a2:f52e:7ce5%9