Identifisering av trykte objekter for sortering av retur

Maskinlæring gir rask og effektiv sortering av trykte objekter Resirkulering og sortering av retur er et miljømessig viktig område. For at en sorteringsløsning skal bli tatt i bruk er det viktig med en høyest mulig grad av automatisering slik at sorteringen er enkel og kostnadseffektiv. I dette prosjektet har HS News Systems og Tomra i samarbeid med Norsk Regnesentral jobbet med å finne fram til effektive metoder for bildebasert retursortering gjennom automatisk identifikasjon av trykksaker og etiketter. For sortering av trykksaker er hastighetsutfordringene spesielt store fordi et ukeblad skal kunne bestemmes til en av mange tusen mulige kategorier på under ett sekund. Samtidig utgjør plastinnpakkede ukeblader og medfølgende reklameartikler eller leketøy en ekstra utfordring fordi bare deler av bladene blir synlige. For identifikasjon av drikkevareemballasje har informasjon fra etikettene, utover strekkode, tidligere vært lite utnyttet. Her er det også hastighetsutfordringer i tillegg til spesielle utfordringer knyttet til at en bare ser en liten del av etiketten av gangen, at overflaten er krummet og at en objektklasse kan være representert ved flere etiketter. Med tradisjonelle bildebaserte teknikker har denne typen problemstillinger, der det er mange klasser, store hastighetsutfordringer og bare delvis synlige objekter, vært vanskelige å løse godt nok. Prosjektet har derfor sett på nyere teknikker for maskinlæring som kan håndtere dette. Gjennom prosjektet er det basert på dette utviklet effektive metoder for bildebasert retursortering. For trykksaker har dette resultert i at Kongsbergfirmaet HS News Systems nå kan tilby en sorteringsløsning som er i stand til å sortere mer enn dobbelt så mange enheter per tidsenhet som konkurrerende systemer. HS News opererer på et internasjonalt marked som eneste norske leverandør av utstyr på feltet og har med dette fått et konkurransefortrinn i forhold til sine utenlandske konkurrenter. Den nye sorteringsløsningen kjøres i produksjon hos Bladcentralen. Antallet klasser av ukeblader det skal sorteres i ligger her typisk på 10-15000. Med den nye teknologien tar returmaskinen nå unna rundt 4000 trykksaker i timen. I tillegg ligger gjenkjenningsraten under produksjon på over 98%, noe som anses som meget bra. Metodene håndterer gjenkjenning under utfordringer som delvis tildekking grunnet etiketter, innlegg og reflekser fra plastomslag. Dette er viktig på grunn av en økende andel plastinnpakkede produkter med mer tilleggsprodukter og vareprøver i omslaget. Løsningen inkluderer automatisk og robust klassifikasjon som minimerer antall feil og sørger for beskjed til operatør når systemet er i tvil. I tillegg gjør ny metodikk for automatisk utvalg av bilder til referansedatabasen opplæringen av systemet mindre avhengig av operatør. Dette forenkler prosessen og gjør ytelsen mer stabil over tid og uavhengig av utskifting av operatør. Metodene har i lab også vært testet ut for gjenkjenning mot ekstra store databaser med 80.000 bilder av ukeblader og bøker. Her oppnås det en klassifikasjonsrate på over 99%, hvor det tar under ett sekund å identifisere hvert ukeblad blant alle disse klassene. Basert på lignende metodikk er det også utviklet mulige algoritmer og modeller for identifikasjon av etiketter på drikkevareemballasje. Tester som har vært gjort indikerer at metodene kan ha et stort potensiale også her både for identifikasjon og verifikasjon.

Prosjektet fokuserer på effektive løsninger for automatisk retursortering gjennom identifikasjon av trykte objekter for to ulike anvendelser; sortering av trykksaker og sortering av drikkevareemballasje basert på etiketter. Begge problemstillingene stille r strenge krav til robusthet, nøyaktighet og effektivitet. Bildebasert gjenkjenning basert på lokale deskriptorer representerer et paradigmeskifte metodemessig som gir nye muligheter for å finne løsninger på disse sorteringsproblemene. Med utgangspunkt i disse metodene er hensikten å utvikle et system for sortering av trykksaker. I tillegg skal de samme metodenes potensiale evalueres også for sortering av drikkevareemballasje samt juksutfordringer knyttet til dette. Innovasjonen består i å ta frem løsni nger som gjør at systemene er mindre avhengige av strekkode. Det gir nye muligheter for håndtering av objekter der strekkoden mangler eller er ødelagt, men på sikt kan det også åpne for nye muligheter. For sortering av trykksaker kan det forenkle systemen e gjennom at det blir tilstrekkelig med avbildning fra en side, og det kan også øke funksjonaliteten ved å gjøre det mulig å håndtere bunker av like tidsskrifter. For drikkevareemballasje kan det gi nye muligheter for håndtering av fremtidens ikke-rotasjo nssymmetriske objekter. Forskningsutfordringene består i å komme fram til løsninger som kan fungere i sann tid med hensyn både til beregning av robuste deskriptorer og matching av disse for problemstillinger der antallet klasser kan komme opp i flere tus en.