Clasificador de componentes

de Veit, Leo, Yannik y Jakob

Veit, Leo, Yannik y Jakob han desarrollado, construido y programado el llamado clasificador de componentes BA(RM)². Probablemente se preguntará cómo hacemos lo que significa el nombre BA(RM)². Los chicos dijeron que era un poco complicado. Es finalmente una forma matemáticamente modificada del nombre anterior del modelo anterior BRM-ARM, que significaba BRM clearing machine. Por lo tanto, usted llama al modelo "fischertechnik component sorter" o "fischertechnik parts sorter".

Un informe de los chicos sobre el desarrollo del modelo:

A intervalos regulares, nuestras cajas de componentes tienen que ser reordenadas por fischertechnik-AG, lo que siempre implica mucho tiempo y esfuerzo. Esto nos dio la idea de construir una máquina clasificadora para esta tarea. Nuestra máquina clasificadora tiene un diseño modular y, por lo tanto, puede ampliarse de forma flexible y, si es necesario, dividirse en unidades más pequeñas con poco tiempo de trabajo. El proceso de clasificación puede dividirse en tres partes: Separación, reconocimiento y clasificación.
Al principio de la línea de clasificación, las piezas sin clasificar se introducen en nuestro sistema de clasificación a través de un elevador. A continuación, los componentes se separan entre sí mediante cintas transportadoras independientes, que funcionan a diferentes velocidades. La primera cinta transportadora, sobre la que se transportan primero los bloques de construcción, funciona muy lentamente y garantiza un menor flujo de los bloques de construcción en la segunda cinta transportadora. La segunda cinta transportadora funciona a una velocidad de rotación más alta, que separa los componentes a grandes distancias. Se instalan barreras de luz en cada unión del transportador para detener la influencia del dispositivo tan pronto como un dispositivo es analizado por el software o un dispositivo cae sobre el siguiente transportador. Una imagen es entonces capturada en la tercera cinta transportadora por una cámara USB instalada permanentemente, cuya imagen es analizada por el aprendizaje automático y asignada a uno de los tipos de módulos previamente especificados.
Después de que un componente ha sido capturado y reconocido, es transportado a través de otra cinta transportadora a un embudo bajo el cual se encuentra un sistema de rodamientos tipo plataforma giratoria. Esta puede girar en dos direcciones y está equipada con una pequeña caja clasificadora para cada tipo de bloque de construcción. Disponemos de un total de doce contenedores de clasificación diferentes, que pueden ser controlados con precisión mediante contadores de barrera de luz. La caja de clasificación cero, en la que se clasifican todas las piezas que no están claramente identificadas, también está equipada con una característica que puede ser identificada por una barrera de luz para calibrar inicialmente el contador.
El hardware está controlado por dos ftDuinos independientes, que son básicamente Arduinos compatibles con fischertechnik que se comunican entre sí en forma de sistema maestro y esclavo utilizando el protocolo I²C. El reconocimiento de imagen se realiza en un ordenador portátil conectado vía USB al Master-ftDuino y a la cámara de piezas.
El software para controlar el hardware está escrito en C/C++ (Arduino), mientras que el control de PC, que también tiene una interfaz gráfica de usuario para el aprendizaje de nuevos componentes, y el reconocimiento de piezas está implementado en Python. La biblioteca Tensorflow utiliza en conexión con una red neural pre-entrenada, actualmente el modelo "Inception", para la categorización de imágenes.
Antes de la clasificación, los nuevos componentes deben ser entrenados. La interfaz gráfica de usuario del ordenador es compatible con una persona que puede guardar fácilmente las imágenes de entrenamiento y clasificar las imágenes inadecuadas. Se necesitan unas 100 imágenes de entrenamiento para un nuevo componente.
Desde hace más de un año escolar trabajamos como equipo de vierpfiges en nuestras clasificadoras y nos reunimos cada viernes durante al menos dos horas en el marco de la fischertechnik AG en nuestra escuela, la Bismarck High School de Karlsruhe.
Actualmente estamos afinando el sistema de reconocimiento de imágenes para lograr la mayor tasa de reconocimiento posible, incluso para piezas similares. También estamos planeando crear más imágenes de entrenamiento de otros tipos de piezas para poder clasificar más piezas diferentes con la mayor precisión posible.
A medio plazo, el sorter se ampliará con un almacén de gran altura y un brazo de agarre para que los contenedores de clasificación llenos puedan almacenarse automáticamente y se requiera menos intervención humana.

fe80::343e:1c94:f52e:7cbf%5