Разработка интеллектуального автоматизированного инструмента учета выпускаемой продукции на производстве

Авторы

  • А. А. Масленников МГУТУ имени К. Г. Разумовского (ПКУ)
  • Т. А. Гадолиев МГУТУ имени К. Г. Разумовского (ПКУ)
  • Ю. Н. Белова МГУТУ имени К. Г. Разумовского (ПКУ)

DOI:

https://doi.org/10.22213/2410-9304-2025-3-79-87

Ключевые слова:

ERP-система, yolov8, хлебобулочная промышленность, учет продукции, машинное обучение, компьютерное зрение, автоматизация производства

Аннотация

В данной статье авторами рассматривается процесс разработки интеллектуального автоматизированного инструмента для учета в режиме реального времени продукции на производстве, характеризующегося большим потоком изделий на конвейере. Особое внимание уделяется его применению в хлебобулочном производстве, где высокая точность и скорость подсчета продукции критически важны для обеспечения эффективности и качества производственных процессов. Основная цель исследования заключается в создании автоматизированной системы, которая будет использовать передовые методы компьютерного зрения и алгоритмы машинного обучения для подсчета продукции на конвейере в режиме реального времени. Предлагается использовать современный алгоритм нейросети, построенной на архитектуре YOLOv8. Это позволит существенно сократить человеческий фактор, повысить точность данных и оптимизировать производственные процессы, автоматизировать отчетность по выпуску продукции. В архитектуру системы входят IP-камера и микрокомпьютер. Приведено обоснование выбора оборудования, расчеты на все необходимые настройки и параметры камеры и требования оборудования, а также проведены тесты производительности и представлен вид отчета по количеству произведенной продукции. Описаны ключевые этапы и модели, использованные на стадии проектирования приложения: модель базы данных, диаграмма последовательности, диаграмма вариантов использования. Приведено также обоснование выбора технологий разработки системы. В дальнейшем предлагается перенастроить данную систему на распознавание качества продукции, в частности подгоревшего либо неформатного хлеба. Предлагаемое решение является очередным предложением авторского коллектива в рамках проводимой работы по комплексной автоматизации хлебозавода в соответствии с современными требованиями к переходу производственных процессов предприятий на принципы Индустрии 4.0.

Биографии авторов

А. А. Масленников, МГУТУ имени К. Г. Разумовского (ПКУ)

студент

Т. А. Гадолиев, МГУТУ имени К. Г. Разумовского (ПКУ)

студент

Ю. Н. Белова, МГУТУ имени К. Г. Разумовского (ПКУ)

доцент

Библиографические ссылки

Омельченко О. М. Автоматизация процессов производства хлебобулочных изделий: современные тенденции и перспективы развития // Хлебопечение России. 2024. Т. 68, № 4. С. 17-27.

Львова Г. Н. Хлебопекарная промышленность как составляющая продовольственной безопасности страны // Вестник Московского университета им. С.Ю. Витте. Серия 1: Экономика и управление. 2022. № 2 (41). С. 26-32. DOI 10.21777/2587-554X-2022-2-26-32.

Чернухина Г. Н., Храмова А. В. Перспективы внедрения интеллектуальных ресурсов в цифровую среду торгового предпринимательства // Современная конкуренция. 2021. Т. 15, № 2 (82). С. 77-87.

Автоматизация учета в ООО «Хлебозавод № 5» на базе ПП «1С: Управление производственным предприятием 8» // Группа компаний «Софт Мастер». URL: https://www.izhsm.ru/introduction/ERP/4375 (дата обращения: 15.02.2025).

Горбачев В. А., Калугин В. Ф. Разработка алгоритма многообъектного трекинга с необучаемыми признаками сопоставления объектов // Компьютерная оптика. 2023. Т. 47, № 6. С. 1002-1010. DOI 10.18287/2412-6179-CO-1275.

Кушнер К. В., Лиманова Н. И., Салмин А. А. Метод автоматического обнаружения дефектов бутылок подсолнечного масла с использованием YOLOv8 и технологий компьютерного зрения // Научный Лидер. 2025. С. 20-26.

Redmon J., Farhadi A. YOLOv3: An Incremental Improvement // arXiv preprint arXiv:1804.02767. 2018. URL: https://arxiv.org/abs/1804.02767.

Алгоритмы распознавания объектов в видеопотоке и определение свойств их взаимного расположения / М. В. Алиев, Д. А. Бербенцев, В. О. Немыкин, С. М. Алиева // Вестник Адыгейского государственного университета. Серия: Естественно-математические и технические науки. 2024. № 2 (341). С. 27-34. DOI 10.53598/2410-3225-2024-2-341-27-34.

Разработка программно-аппаратных решений на базе нейронных сетей для анализа видеопотока / Ю. О. Лобода, И. С. Лобов, М. А. Вершинин, А. А. Новиков, Д. А. Конюк // Ресурсосберегающие технологии в контроле, управлении качеством и безопасности : сборник научных трудов XII Международной конференции студентов, аспирантов, молодых ученых. Томск, 2024. С. 135-139.

Укроженко Д. М. Перспективы применения IP-видеонаблюдения в системах безопасности // Электронные системы и технологии : материалы 59-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 17-21 апреля 2023 года. Минск, 2023. С. 336-337.

Проектирование системы IP-видеонаблюдения технического центра ООО «Авторитет» / Н. Н. Куликова, О. В. Охрименко, Д. И.Стрижаков, А. В. Ищенко // Современные проблемы физики, биофизики и инфокоммуникационных технологий. 2022. № 12. С. 212-221.

Кузнецова А. А., Малева Т. В., Соловьев В. И. Сравнение алгоритмов YOLOV3 и Yolov5 в задаче обнаружения яблок // Математические методы в технике и технологиях - ММТТ. 2020. Т. 12-2. С. 95-97. EDNMOIQRD.

Zhang, L. (2021). Deep Learning for Object Counting in Industrial Environments. CVPR.

Wang, C. (2023). Real-Time Food Production Monitoring. Journal of Food Engineering.

Smith, J. et al. (2022). RFID in Manufacturing: Challenges and Solutions. IEEE IoT Journal.

Загрузки

Опубликован

08.10.2025

Как цитировать

Масленников, А. А., Гадолиев, Т. А., & Белова, Ю. Н. (2025). Разработка интеллектуального автоматизированного инструмента учета выпускаемой продукции на производстве. Интеллектуальные системы в производстве, 23(3), 79–87. https://doi.org/10.22213/2410-9304-2025-3-79-87

Выпуск

Раздел

Статьи