Bei einer Schweizer Supermarktkette sind VLG-Dimensionsmesssysteme in acht Fördertechniklinien integriert. Bei Passage eines Objektes durch den Lichtvorhang wird ein Teil der Linien blockiert und man erhält die Konturinformation des Messobjekts.

Bei einer Schweizer Supermarktkette sind VLG-Dimensionsmesssysteme in acht Fördertechniklinien integriert. Bei Passage eines Objektes durch den Lichtvorhang wird ein Teil der Linien blockiert und man erhält die Konturinformation des Messobjekts. Framos

Vier unterschiedliche Sortier- und Erkennungsaufgaben löst der Lebensmittelhändler innerhalb des Logistikzentrums mithilfe von Lösungen des Bildverarbeitungsanbieters Framos sowie speziell entwickelten Anlagenkonzepten: Frischwaren verschiedener Produzenten erreichen das Logistikzentrum klassisch in Mehrwegbehältern unterschiedlicher Ausprägung, sogenannten Gebinden. Im Bereich der Frischelogistik laufen die ankommenden Waren per Fördertechnik in ein auf 3 °C gekühltes Gebäude. Die auf Rollwägen aufgetürmten Gebinde fahren in das Lager ein, wo sie zur Einlagerung entstapelt werden. In einem Gebindeturm können dabei Gebinde unterschiedlichen Typs vorkommen, lediglich nebeneinander befindliche Behälter auf der gleichen Lage sind identisch.

Für das Entstapeln der knapp 2 m hohen Gebindetürme ist ein Klemmförderer zuständig, der sich am oberen Ende eines Hebeautomaten befindet. Damit dieser Prozess richtig funktioniert, muss der Gebindetyp der jeweils obersten und der darunterliegenden Lage erkannt werden. Hier kommt das erste der Framos-Systeme zum Einsatz: Sechs LED-Barlights der Firma Falcon realisieren eine Dunkelfeld-Beleuchtung, die die Griffmulden und Durchbrüche in den Gebindenwänden hervorhebt. Eine 1,3-MP-Kamera von Smartek macht eine Aufnahme der jeweils obersten zwei Lagen des Gebindeturms und gibt diese an den Machine-Learning-Klassifikator weiter. Dieser klassifiziert die Gebinde basierend auf zuvor ‚gelernten‘ Aufnahmen. Anschließend übermittelt die Kamera die Ergebnisse an die Anlagensteuerung, der Klemmförderer entstapelt die oberste Lage und vereinzelt sie anschließend. Der Hubautomat hebt den Gebindeturm dann um die bekannte Höhe an und der Prozess beginnt von vorne, bis keine Lagen mehr vorhanden sind.

Spezielle Algorithmen ermöglichen es dem System, selbst jene Gebinde korrekt zu klassifizieren, die zu großen Teilen Beschädigungen aufweisen, von Papieretiketten verdeckt oder stark verschmutzt sind. Aktuell lassen sich so 20 verschiedene Gebindetypen klassifizieren. Ein weiterer Vorteil besteht darin, dass der Lebensmittelhändler mit geringem Aufwand neue Gebinde zu den vorhandenen Typen hinzufügen kann. Dazu ist es lediglich nötig, in einer ‚Lernphase‘ Bilder der neuen Gebinde in der Anlage zu generieren und einzulernen. Mit einer regelbasierten Klassifizierung wären dagegen sehr schnell die Grenzen der Machbarkeit erreicht.

Leergutzentrale: IFCO-Gebinde automatisch entfalten

Die Supermarktkette liefert Obst und Gemüse in faltbaren Mehrwegbehältern, sogenannten IFCO-Gebinden, an die Filialen aus. Nach Entnahme der Waren werden diese gefaltet und gestapelt zur Zentrale zurückgesendet. Es gibt dabei halbe und ganze Kunststoff-Normgebinde mit jeweils 300 mm beziehungsweise 600 mm Länge. Halbe Leergebinde lassen sich auf ganze stapeln, jedoch nicht umgekehrt. Die leeren Boxen kommen als Turm mit einer Höhe von bis zu 1,80 m in der Leergutzentrale an, wo zwei IFCO-Entstapler sie zur weiteren Verarbeitung entstapeln. Die hierfür eingesetzte 6-Achs-Roboter-Anlage benötigt dazu die genaue Anzahl an Lagen ganzer Gebinde im unteren Bereich und die Anzahl an Lagen halber Gebinde im oberen Bereich des Gebindeturms. Das hierfür von Framos entwickelte Messsystem projiziert dazu eine Laserlinie vertikal über die Gesamtstapelhöhe, eine 5-MP-CCD-Kamera (Smartek GC2441) mit Bandbreiten-Filter nimmt dann das so entstehende Profil auf. Durch das spezifische Muster der ganzen und halben Kisten sowie an den Übergängen, ist eine Unterscheidung der Gebindetypen und die Lagenzählung möglich. Die Robotersteuerung erhält diese Informationen vor jedem Greifvorgang. Somit kann der Roboter sortenreine Stapel bauen, die ein Fördersystem anschließend automatisch in die jeweilige Waschstraße bringt.

Interne Waschung: Gebindesortierung vor der Waschstraße

Durch lernende Algorithmen kann das System auch solche Gebinde korrekt klassifizieren, die von Papieretiketten verdeckt sind ...

Durch lernende Algorithmen kann das System auch solche Gebinde korrekt klassifizieren, die von Papieretiketten verdeckt sind … Framos

... Beschädigungen aufweisen oder stark verschmutzt sind.

… Beschädigungen aufweisen oder stark verschmutzt sind. Framos

Neben den IFCO-Behältern gilt es, auch alle anderen, nicht faltbaren Gebindetypen in der Leergutzentrale zu sortieren. Der Lebensmittelhändler verfügt allerdings über drei verschiedene unternehmenseigene Gebinde: Um sie vor der Wiederverwendung zu waschen, müssen sie von den Gebinden anderer Hersteller getrennt werden. Als Alternative zu einer kamerabasierten Typenerkennung integrierte Framos die Dimensionsmesssysteme VLG – die aus jeweils einem horizontalen sowie einem vertikalen Lichtgitterpaar bestehen – in insgesamt acht Förderlinien. Der Vorteil: Robustheit und ein geringerer Software-Entwicklungsaufwand. Bei Durchfahren eines Objektes durch den so aufgespannten Lichtvorhang wird ein Teil der Linien blockiert und die Konturinformation des Objekts generiert. Alle vorkommenden Gebinde passieren eines der Volumen-Lichtgitter mit einer Geschwindigkeit von 0,65 m/s. Das VLG erfasst die äußeren Abmessungen sowie das Durchbruchmuster. Zwei der drei hauseigenen Gebinde können rein durch ihre Abmessungen von allen Lieferantengebinden unterschieden werden. Die dritte Gebindeart jedoch hat Standardmaße und unterscheidet sich nur durch ihre seitliche Struktur. Doch auch hier fand das Bildverarbeitungsunternehmen eine Lösung: Durch eine Merkmalsextraktion des Durchbruchmusters generierten sie einen Deskriptor, der das Bestimmen des Gebindetyps ermöglicht, ohne dass Verschmutzungen oder eine Verdeckung von Teilbereichen die Klassifikation beeinträchtigen. Für jedes Gebinde, das die Messstationen passiert, werden die Informationen an die Anlagensteuerung und einen ‚Pusher‘ übertragen, der die hauseigenen Gebinde vom Förderband schiebt.

Leergutzentrale: Gebinde in Hochgeschwindigkeit klassifizieren und sortieren

Danach geht es weiter zur Sortierung der Fremdgebinde: insgesamt 16 verschiedene Gebindetypen, von denen sich viele nicht allein durch ihre Abmessung unterscheiden. In der Sortieranlage, die 1,75 m/s schafft, ist das derzeit schnellste Lichtgittersystem von Framos, das VLG SHS (Super High Speed) verbaut, das bei dieser Geschwindigkeit eine Längenauflösung von unter 3 mm erreicht. Einige Gebinde lassen sich nur anhand ihrer Farbe unterscheiden: Deshalb kommt in der Messstation zusätzlich zur Analyse der Dimensionen und der Durchbruchmuster eine Farbkamera zum Einsatz. Nach Übertragung des Klassifizierungsergebnisses an die Steuerung, ordnet diese das Gebinde der korrekten Ausschleusbahn zu. Am Ende stapelt ein Roboter sortenrein Türme, die nach Größen geordnet zu dem jeweiligen Lebensmittelhersteller zurückgeschickt werden.

Technik im Detail

Die Sorting-Intelligence-Lösungen mit selbstlernender Auswertealgorithmik eignen sich für vieles: Zum Beispiel um Gebindetypen sortenrein zu ordnen und sie dann einer  Waschstraße zuzuführen.

Die Sorting-Intelligence-Lösungen mit selbstlernender Auswertealgorithmik eignen sich für vieles: Zum Beispiel um Gebindetypen sortenrein zu ordnen und sie dann einer Waschstraße zuzuführen. industrieblick/Fotolia.com

Sorting Intelligence
Unter dem Stichwort ‚Sorting Intelligence‘ bietet Framos Imaging Systems verschiedene bildverarbeitungsbasierte Plug-and-Play-Sensorlösungen sowie adaptierbare Identifikations-Technologien zur Logistikautomatisierung an. Anwendungsmöglichkeiten finden sich unter anderem im E-Commerce, in der Leergutlogistik, im Retouren-Management oder bei Shuttle-Lager-Systemen. Je nach Anwendung und Ausprägung der Sortiergüter nutzt das Unternehmen regelbasierte oder lernende Algorithmen. Bei Gütern, die sehr klar voneinander unterschieden werden können, reicht ein regelbasiertes Verfahren. Eine lernende Sortieralgorithmik ist relevant, sobald klare und gleichbleibende Basiskriterien wie Form oder Größe nicht ausreichen, um eine eindeutige Klassifizierung vorzunehmen. Hohe Variationen wie Gebrauchsspuren, Beschädigungen, Etikettenrückstände oder Farbabweichungen benötigen erweiterte und mitlernende Kriteriendefinitionen, um eine fehlerfreie und robuste Sortierung zu ermöglichen.