Viivakooditarrojen automatisoitu laadunvarmistus : Optisten tunnisteiden koneellisen laadunvalvonnan kehitystyö

Abstract

Tämän opinnäytetyön toimeksiantajana oli Atria Oyj, joka on kansainvälisesti toimiva suomalainen liha- ja ruoka-alan yritys. Työn tavoitteena oli kehittää yrityksen toiminnassa käyttämien kuljetuslaatikoiden tarratunnisteiden laadunvalvontaa suorittavaa konenäköjärjestelmää. Tämän järjestelmän kehityksellä pyrittiin vähentämään huonokuntoisista ja lukukelvottomista viivakooditarroista johtuvia ongelmia ja tarpeetonta lisätyötä muissa tuotanto- ja logistiikkaketjun osissa. Työssä selvitettiin laajasti ominaisuuksia ja ongelmia, joita tulee huomioida määrittäessä, suunnitellessa sekä kehittäessä toimivaa konenäköjärjestelmää. Tutkimusosiossa esiteltiin ja perusteltiin toteutetut muutokset toiminnassa esiintyneiden ongelmien ratkaisemiseksi ja toiminnan tehostamiseksi. Työssä selvitettiin ja esiteltiin myös käytetyille optisille tunnisteille vaihtoehtoisia korvaavia tunnistusmekanismeja ja niillä mahdollisesti saavutettavia hyötyjä. Järjestelmällä suoritettujen simulaatioiden ja analysoinnin seurauksena pystyttiin vahvistamaan kehitystyöllä saavutettujen tulosten merkittävyys. Järjestelmälle pystyttiin tuottamaan joustava ja luotettava erottelukyky tunnisteissa esiintyvistä laajoista ominaisuuksien muutoksista huolimatta. Toimintaa testattiin noin tuhannen tunnisteen sarjalla, josta saatiin tarkkoja tuloksia. Järjestelmällä pystyttiin siis erottamaan tehokkaasti toiminnassa erittäin todennäköisesti ongelmia aiheuttavat laatikot ennen ongelmien ilmenemisiä ja näin vähentämään niistä aiheutunutta lisätyötä.

The thesis was ordered by Atria Oyj, which is an international meat and food company based in Finland. The objective of the thesis was to further develop the machine vision system used for the quality control of the barcode identifiers on transport boxes. The aim of this development was to reduce problems and additional work in other parts of the production and logistics chain caused by poorly readable barcode labels. The thesis researched features and problems that need to be considered when defining, designing and developing a functional machine vision system. The research section presented and explained the changes made to the system to solve the detected problems and to improve efficiency. Alternative identification mechanisms to replace optical tags were also presented. The performed simulations and analysis confirmed the results that were achieved with the development. The system was able to provide reliable and accurate results despite the extensive changes in the properties of the tags. The operation of the system was tested with a set of about a thousand labels. These tests yielded accurate results. The system was capable of distinguishing the transport boxes that are most likely to cause problems and thus reduced the additional work that could have occurred.