Пищевая промышленность традиционно отстает от других отраслей в освоении новых технологий, и автоматизация производства не является исключением. Однако стремительный прогресс в области компьютерных технологий и возросшие ожидания потребителей и регулирующих органов в отношении повышения качества и безопасности пищевых продуктов заставили пищевую промышленность задуматься об автоматизации большинства производственных процессов.

Несмотря на то, что пищевая промышленность сталкивается со многими уникальными проблемами, связанными с полной автоматизацией, эта отрасль добилась успеха во внедрении многих автоматизированных процессов. Следующим важным достижением станет интеграция этих «островков автоматизации» в общую систему автоматизации производства, начиная с приема сырья и заканчивая отгрузкой готовой продукции.

Новые технологические инструменты, такие как компьютерное зрение, экспертные системы, компьютерно-интегрированное производство, гибкие производственные системы, системная инженерия и т.д., позволили интегрировать многие пакетные операции в общую производственную систему для обеспечения возможности оперативного и непрерывного контроля. В ближайшие несколько лет эта тенденция сохранится еще более быстрыми темпами.

Краткий обзор

Автоматизация производственных предприятий активно ведется уже более 50 лет. И это будет продолжаться еще более активно в течение следующих 50 лет. Рост интереса к промышленной автоматизации в основном обусловлен стремительным развитием компьютерного оборудования и программного обеспечения. Поскольку компьютеры вторглись практически в каждый аспект нашей повседневной жизни, широкая общественность стала ожидать высокого уровня автоматизации всех аспектов производственных процессов.

Степень автоматизации производства во многом зависит от типа отрасли. Автомобилестроительная и полупроводниковая промышленность наиболее успешно внедряют принципы автоматизации производства, поскольку почти все процессы автоматизированы и достаточно хорошо интегрированы. На другом конце спектра, пожалуй, находится пищевая промышленность с более низким уровнем автоматизации, которая традиционно отставала в освоении технологических достижений. Современный уровень автоматизации в пищевой промышленности называют «островками автоматизации».

Тем не менее, пищевая промышленность в настоящее время входит в число наиболее быстрорастущих сегментов автоматизации предприятий. Например, пищевая промышленность входит в десятку лидеров по использованию технологии машинного зрения, ключевого компонента автоматизации производства. Однако большинство систем представляют собой изолированные системы периодического действия, предназначенные для решения конкретной задачи. Чтобы автоматизация была успешной, она должна быть интегрирована в общую производственную систему и обеспечивать возможность непрерывного контроля в режиме реального времени.

Зачем нужна автоматизация пищевой промышленности?

Необходимость автоматизации производственных процессов обусловлена несколькими ключевыми требованиями к успеху в конкурентной борьбе, а в некоторых отраслях — к жизнеспособности производственных предприятий. Их можно отнести к числу тех, которые необходимы для повышения производительности, качества продукции и рентабельности.

Повышение производительности

Производительность предприятия может быть определена как количество готовой продукции, производимой на единицу рабочих параметров – размер предприятия, количество работников, время работы и т.д. Таким образом, производительность напрямую зависит от того, насколько эффективно используются исходные ресурсы для превращения их в товарную конечную продукцию. Это возможно благодаря тому, что автоматизация позволяет эффективно планировать рабочие процессы и использование рабочей силы.

Возможность вести надлежащий учет и получать информацию о прошлых процессах позволяет четко выделить области, на которые можно ориентироваться для более эффективного распределения ресурсов. Одно предприятие сообщило о 30-процентном увеличении производительности благодаря использованию трех дискретных микропроцессорных контроллеров, предназначенных для выполнения всех непрерывных циклов, включающих сложные интегрированные алгоритмы, блокировку клапанов и некоторую последовательность действий. Аналогичные средства управления также могут использоваться для оптимизации рецептур, планирования производства и моделирования процессов.

Улучшенное качество продукции

Обеспечение качества является одной из важнейших целей любой отрасли. Способность стабильно производить продукцию высокого качества является основой успеха в высококонкурентной пищевой промышленности. Продукция высокого качества повышает лояльность клиентов и способствует расширению доли рынка. Методы контроля качества, используемые в пищевой промышленности, традиционно предполагают визуальный контроль со стороны человека. Такие методы утомительны, кропотливы, отнимают много времени и противоречивы.

По мере роста производительности предприятий и ужесточения требований к качеству в пищевой промышленности возникла необходимость в использовании автоматических методов обеспечения и контроля качества. На самом деле, этот аспект производства продуктов питания является одной из областей, которой уделяется наибольшее внимание с точки зрения автоматизации. Благодаря достижениям в области компьютерного зрения на предприятиях пищевой промышленности были внесены существенные изменения, облегчающие автоматическую оценку качества продуктов.

Повышение рентабельности

Увеличение прибыли, пожалуй, наиболее важно с точки зрения руководства. Повышение рентабельности не только увеличивает акционерную стоимость, но и позволяет руководству осуществлять стратегические инвестиции в расширение производственных операций, увеличение ассортимента продукции, дальнейшее повышение качества продукции и т.д. Как уже говорилось ранее, автоматизация помогает повысить производительность и качество продукции. Оба эти фактора напрямую способствуют повышению рентабельности.

Еще одним важным фактором, который делает автоматизацию чрезвычайно важной для пищевой промышленности, является необходимость соблюдения требований регулирующих органов в области безопасности пищевых продуктов и охраны окружающей среды. Управление предприятием с помощью компьютера предоставляет практически неограниченные возможности для ведения учета всех событий, происходящих на предприятии.

Кроме того, возможность сбора, хранения, извлечения и обработки данных позволяет предприятиям выявлять проблемные области. Затем эта информация может быть легко использована для повышения производительности, качества продукции и рентабельности. Например, создание отчетов об использовании ингредиентов помогает в активном контроле запасов. Такие отчеты можно создавать для ежедневного, еженедельного, ежемесячного и ежегодного использования, чтобы получить количественную картину сравнений, необходимую для планирования на будущее.

Интеллектуальные системы также могут отслеживать и записывать периодические и временные изменения параметров продукта. Оператор может использовать эти записи для мониторинга в режиме реального времени, изменения заданных значений, конфигурации системы, проведения тестирования и т.д.

Уникальность пищевой промышленности

Одной из важнейших причин повышенного интереса к автоматизации пищевой промышленности является структура затрат на ее производство. Переработка пищевых продуктов является очень трудоемкой, затраты на рабочую силу составляют до 50% от себестоимости продукции. Таким образом, повышение производительности и снижение затрат на рабочую силу окажут существенное влияние на прибыльность. Большая часть ручной работы в пищевой промышленности требует быстрых, повторяющихся и монотонных движений, и, как следствие, часто наблюдается низкий уровень мотивации. Это приводит к плохому контролю качества и высокому уровню несчастных случаев на производстве. Повторяющийся характер работ привел к значительным затратам на медицинское обслуживание в отрасли. Автоматизация повторяющихся задач улучшит контроль качества и эффективность, а также снизит количество несчастных случаев.

Одним из наиболее важных препятствий на пути автоматизации производства пищевых продуктов являются биологические различия в размере, форме и однородности сырья (см. раздел Технические свойства пищевых продуктов). Некоторые виды сырья (например, молочные продукты) легко поддаются автоматической обработке, поскольку сырье (молоко) можно транспортировать насыпью. Соответственно, молочная промышленность является одной из наиболее автоматизированных. Но такие материалы, как фрукты, овощи, мясо и т.д., требуют более индивидуального подхода к обработке. Это значительно затрудняет автоматизацию. Таким образом, автоматизация пищевой промышленности требует такого уровня гибкости, который не характерен для других развитых отраслей.

Дополнительные проблемы возникают из-за отсутствия полной информации о физических и химических характеристиках пищевых продуктов. Даже при наличии полной информации сырье или конечный продукт могут меняться. Изменения в сырье возникают в результате выведения новых сортов и/или изменения агрономических условий. Конечный продукт может меняться из-за постоянного изменения ассортимента для завоевания доли рынка. Применение технологии компьютерного зрения существенно меняет задачи оценки качества в пищевой промышленности.

В дополнение к физическим характеристикам продукта, такие факторы, как микробиологические и биохимические проблемы, накладывают дополнительные ограничения на применяемые процедуры обращения и переработки. Механические, термические и сенсорные свойства пищевых материалов (см. раздел Технические свойства пищевых продуктов и сенсорная оценка) также требуют определенных ограничений на характер и объем этапов обработки. Эти ограничения усложняют автоматизацию процесса. Материалы, которые не имеют четкого определения по размеру или форме, часто представлены в произвольной ориентации. С ними часто приходится обращаться осторожно, чтобы предотвратить повреждение и, таким образом, подорвать возможности современных технологий.

Таким образом, существует несколько примеров «жесткой» автоматизации, которая практически не допускает вариативности. Например, автоматическое оборудование для очистки фруктов по-прежнему в значительной степени зависит от стандартных форм и размеров. К числу отличных примеров автоматизации относятся обработка и упаковка свежих яиц и молочных продуктов. Несмотря на то, что большая часть выпечки производится в автоматических печах, сортировка и упаковка хлебобулочных изделий по-прежнему производится вручную.

В птицеводстве автоматизация возможна при условии разделения птицы на разные весовые категории. Развитие этой отрасли позволяет производить автоматический забой, ощипывание, мойку, обезглавливание и потрошение тушек птицы с достаточно высокой производительностью.

Еще одной коммерческой операцией является автоматическая обработка рыбы. Автоматизированная система разделки разделывает филейную часть тунца на поперечные ломтики. Каждый ломтик сканируется системой компьютерного зрения, и управляющие сигналы передаются на режущий рычаг, который затем отделяет съедобную часть.

Системы компьютерного зрения также успешно используются для автоматизации обработки сладкой кукурузы. Полы на предприятиях пищевой промышленности довольно опасны для электроники и компьютеров. Экстремальные температуры, вибрация, пыль и, особенно, мытье посуды — все это может повлиять на работу компьютерного оборудования.

Аппаратные средства более низкого уровня, такие как контроллеры, как правило, не подвержены этим проблемам, поскольку они специально разработаны для использования на предприятиях. Однако компьютеры более подвержены повреждениям. Процессорам, которым нужны компьютеры на производственных площадях, следует либо приобретать устройства, специально адаптированные для обеспечения высокой надежности, стоимость которых в два-три раза выше, чем у обычных устройств, либо размещать все компьютерное оборудование в промышленном корпусе вдали от производственных помещений. Очевидно, что следует тщательно взвесить стоимость и удобство, чтобы избежать дорогостоящего простоя компьютера при несоблюдении надлежащих мер предосторожности.

Средства автоматизации. Системы компьютерного зрения

Компьютерное зрение — это наука, разрабатывающая теоретическую и алгоритмическую основу, с помощью которой полезная информация об объекте или сцене может быть автоматически извлечена и проанализирована из наблюдаемого изображения, набора изображений или последовательности изображений. Изображение можно определить как пространственное представление объекта или сцены. Цифровое монохромное изображение представляет собой двумерную (2-D) функцию интенсивности света, обозначаемую как I(x,y), где значение или амплитуда интенсивности I в пространственных координатах x и y обычно пропорциональна лучистой энергии, принимаемой в электромагнитном диапазоне, к которому относится датчик или детектор. (камера) чувствительна в небольшой области вокруг точки (x,y). С точки зрения компьютера, изображение представляет собой матрицу x,y числовых значений, каждое из которых представляет собой квантованное значение интенсивности изображения. Каждая запись матрицы называется пикселем (сокращенно от элемента изображения). Общее количество пикселей в изображении определяется размером двумерной матрицы, используемой в камере. Интенсивность монохромного изображения называется уровнем серого. Влияние размера, формы, положения, ориентации и других атрибутов объекта на пространственное распределение уровней серого требует возможности определять, какие пиксели принадлежат объекту, а какие нет. Затем, исходя из пикселей, принадлежащих объекту, требуется возможность идентифицировать те особенности объекта, которые представляют интерес. Было разработано множество алгоритмов и методов обработки для преобразования уровней серого в пикселе таким образом, чтобы подчеркнуть желаемые характеристики.

Как правило, система машинного зрения используется для измерения некоторых аспектов результатов производственного процесса (например, формы, размера, текстуры, расположения), которые указывают на точность, эффективность или качество процесса. Затем измеренные параметры могут использоваться в качестве обратной связи в контуре управления в режиме реального времени, который оптимизирует производственный процесс за счет изменения технологических параметров (скорости, температуры, расхода и т.д.). Основными этапами такого процесса являются получение изображений, их обработка и понимание. Этап обработки изображений включает в себя несколько ключевых операций, таких как предварительная обработка, сегментация и выделение признаков. Этап обработки изображений в значительной степени зависит от знаний об оцениваемом продукте, а также от характера дефекта или интересующих характеристик качества. Вместе они облегчают понимание изображения и позволяют принимать окончательные решения.

Области применения компьютерного зрения в настоящее время варьируются от простого контроля до роботизированной сборки с визуальным управлением. Большинство практических применений можно разделить на шесть основных категорий:

  • Калибровка – выполнение точных измерений размеров.
  • Верификация – качественная проверка наличия одного или нескольких желаемых признаков и/или отсутствия нежелательных признаков.
  • Обнаружение потока – поиск и распознавание нежелательных объектов неизвестного размера, местоположения и формы.
  • Идентификация – определение идентичности объекта по символам, включая буквенно-цифровые символы.
  • Распознавание – определение идентичности объекта по наблюдаемым признакам.
  • Определение местоположения – определение местоположения и ориентации объекта.

Ниже приведены некоторые ключевые требования при выборе подходящего средства компьютерного зрения:

  • Скорость работы – система должна работать в режиме реального времени, т.е. со скоростью производственной линии.
  • Надежность – способность надлежащим образом функционировать в растительной среде.
  • Толерантность – способность переносить допустимые изменения в продукте.
  • Точность – способность определять требуемые характеристики с высокой степенью точности.
  • Гибкость – возможность вносить изменения в уставки, алгоритмы работы, элементы управления и т.д.
  • Надежность – способность выполнять различные задачи контроля последовательно и многократно в течение длительного периода времени.

Благодаря достижениям в области электроники и компьютерных технологий системы технического зрения могут быть установлены практически на всех предприятиях пищевой промышленности для экономичной оценки/контроля качества. Однако системы технического зрения должны быть тщательно спроектированы с учетом конкретных характеристик проверяемых продуктов, чтобы они надежно работали в производственных условиях. Необходимы серьезные исследования и анализ, чтобы определить наилучший метод улучшения качества продукции и выявления дефектов. Это означает предварительное тестирование большого количества типичных продуктов с требуемыми дефектами или характеристиками.

Последние разработки в области систем технического зрения включают обработку цветных и трехмерных изображений. Эти разработки дают дополнительные преимущества, особенно при выполнении более сложных задач контроля. Системы компьютерного зрения для анализа онлайновых или движущихся сцен также разрабатываются для различных применений. Входные данные для анализа динамических или движущихся сцен представлены в виде последовательности кадров, снятых в изменяющемся мире.

Камера, используемая для съемки последовательности изображений, также может находиться в движении. Каждый кадр представляет собой изображение сцены в определенный момент времени. Изменения в кадре могут быть вызваны движением камеры или объектов, изменением освещения или структуры, размера или формы объекта. Обычно предполагается, что изменения в кадре происходят из-за движения камеры и/или объекта. Система должна обнаруживать изменения, определять характеристики движения наблюдателя и объектов, характеризовать движение с использованием абстракции высокого уровня, восстанавливать структуру объектов и распознавать движущиеся объекты. В зависимости от конструкции системы обработки изображений требуются различные методы обработки изображений. В пищевой промышленности наиболее распространенной схемой является стационарная камера и движущиеся объекты. Если последовательность кадров снимается с такой скоростью, что между двумя последовательными кадрами не происходит резких изменений, то для большинства физических объектов не наблюдается резких изменений в движении. Это является основой практически для всех онлайн-приложений, доступных в настоящее время в пищевой промышленности.

Таким образом, важным фактором является достаточно высокая скорость получения изображения, чтобы свести к минимуму размытие изображения и обеспечить возможность покадрового анализа данных изображения. Доступны платы для обработки изображений в режиме реального времени и процессоры реального времени, которые помогают в онлайновых приложениях компьютерного зрения в режиме реального времени.

Для непрерывного потока материала, движущегося по конвейерной ленте, может быть разработана система компьютерного зрения, использующая камеру линейной развертки для получения изображения. Камера линейной развертки содержит одномерный массив светочувствительных объектов. Камера линейной развертки подходит для съемки сцен с быстро движущимися объектами. В дополнение к более высокой скорости, камеры линейной развертки обеспечивают высокое разрешение и возможность обработки бесконечно длинных изображений. Камеры нового поколения, известные как камеры с временной задержкой и встроенными камерами, представляют собой камеры линейной развертки, в которых используется технология получения изображения с помощью датчика charge couple для увеличения скорости или чувствительности до 100 раз (по сравнению с обычными камерами), обеспечивая при этом исключительное пространственное разрешение.

Общими требованиями к онлайн-приложениям являются пропускная способность, скорость, точность, согласованность, долговечность, разнообразие, гибкость и адаптивность. Эти условия и ограничения необходимо учитывать на всех этапах проектирования и разработки системы. Скорость оценки, пожалуй, является наиболее важным требованием. Было подсчитано, что онлайновой системе оценки яблок может потребоваться проверка не менее 3600 точек в минуту. Несколько коммерческих систем используются для проверки 3,5 миллионов кусочков фруктов (яблок, апельсинов и т.д.) за 8-часовой рабочий день. Сообщается, что еще одна система контроля высоты заполнения в режиме реального времени обеспечивает производительность до 1400 бутылок в минуту. Технология компьютерного зрения становится неотъемлемой частью перехода пищевой промышленности к автоматизации. Наличие системы машинного зрения на производственной линии стало безошибочной демонстрацией приверженности отрасли качеству.