JASA ontwikkelt Packaging solutions (innovatieve verpakkingsoplossingen voor aardappelen, groenten en fruit). De doelstelling is om technologie te ontwikkelen ten behoeve van het omzetten van hun bestaande productgamma VVVS van acht varianten naar één ‘Technologieplatform’. Hiervoor hebben ze ‘Next generation machines’ nodig die modulair, IoT-enabled, autonoom en geschikt voor duurzame verpakkingsmaterialen zijn.
Duurzamer verpakken betekent onder andere:
• Minder voedselverspilling tijdens verpakkingsproces
• Lager energie- en luchtverbruik
• Terugdringen plastic verpakkingen
Project 1: Computer vision voor bin picking
Een Inholland TI student heeft onder begeleiding van het lectoraat het praktijkonderzoek voor JASA uitgevoerd. Het probleem bleek lastiger dan gedacht. In dit geval vormt het correct herkennen en localiseren van de doorzichtige, reflecterende en overlappende zakjes een serieuze vision-uitdaging. Traditionele beeldbewerkingstechnieken op basis van OpenCV bleken niet toereikend, te vaak zat het algoritme ernaast. Met hulp vanuit het lectoraat DDSS is uiteindelijk gekozen voor een oplossing met neurale netwerken. Om voldoende nauwkeurigheid te halen is gekozen voor een RCC type netwerk.
Project 2: Computer Vision voor localisatie en uitlijning van patronen van doorzichtige verpakkingen
Het JASA-project over lokalisatie van doorzichtige verpakkingen m.b.v. deep learning was een DDSS – Robotica coproductie. De uitdaging was om met zeer hoge snelheid (en korte doorlooptijd) de patronen op de folie te herkennen en uit te lijnen met de verpakking- en snijstappen, zodat de barcode en afbeeldingen consistent op de juiste plek op de uiteindelijke zak terecht komen.
In een coproductie van de lectoraten Robotica en DDSS is het deelproject over de ‘lokalisatie van doorzichtige verpakkingen m.b.v. deep learning’ uitgevoerd. Bij de ‘vision’ oplossing voor controle aangeleverde folie op positie, houdbaarheidsdatum en barcode dient rekening gehouden te worden met:
• Omgevingsfactoren
• Integreren camera met de huidige aansturing
• Bepalen positie van de folie
• Herkennen van patronen (barcode, houdbaarheidsdatum)
JASA heeft een datadump geleverd van de verpakkingsmachine. Tijdens de dataexploratie bleek dat de data slecht gestructureerd was en er was geen duidelijke uitkomstvariabele benoemd. Na overleg met inhoudsdeskundigen van het bedrijf is de data toegelicht en heeft Inholland een tweede dataset ontvangen met een aantal gerichte vragen (bij voorbeeld de oorzaak van slip in een machine achterhalen) en duidelijk definieerbare variabelen.
Op basis van deze nieuwe gegevens is een concept model gemaakt en een rapportage opgeleverd. Deze output is besproken met JASA en is meerdere malen als voorbeeld gepresenteerd bij de Datasessies met de bedrijven. Een Hogeschool Inholland student heeft een vision-oplossing ontwikkeld voor herkenning van sachets in doos voor aansturing robotarm. In totaal hebben zeven studenten van Hogeschool Inholland een bijdrage geleverd bij JASA.
