haku: @supervisor Visala, Arto / yhteensä: 105
viite: 13 / 105
| Tekijä: | Liukkonen, Jere |
| Työn nimi: | Machine vision system for a reverse vending machine |
| Konenäköjärjestelmä pullonpalautusautomaattiin | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2015 |
| Sivut: | 68+8 Kieli: eng |
| Koulu/Laitos/Osasto: | Sähkötekniikan korkeakoulu |
| Oppiaine: | Älykkäät tuotteet (ETA3006) |
| Valvoja: | Visala, Arto |
| Ohjaaja: | Ritola, Tuomas ; Hyyti, Heikki |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201512165585 |
| Sijainti: | P1 Ark Aalto 3305 | Arkisto |
| Avainsanat: | machine vision reverse vending machine multi-camera system Raspberry Pi barcode scanning EAN-13 konenäkö pullonpalautusautomaatti monikanavajärjestelmä viivakoodin lukeminen |
| Tiivistelmä (fin): | Vuonna 2013 Suomessa palautettiin kierrätykseen noin 1.7 miljardia juomapakkausta. Valtaosa palautuksista tehtiin ruokakaupoissa. Suurten palautusmäärien johdosta kaupat ovat automatisoineet palautusten käsittelyn pullonpalautusautomaateilla, jotka määrittävät ja palauttavat palautuspakkausten pantit ja lajittelevat ne materiaalin mukaan. Tässä työssä on kehitetty kameroihin perustuva konenäköjärjestelmä palautuspakkausten tunnistamiseen pullonpalautusautomaatissa. Monikamerajärjestelmä mahdollistaa korkean palautusnopeuden ja yksinkertaistaa pullonpalautusautomaatin mekaniikkaa. Kameroihin perustuvalla järjestelmälla voidaan tarvittaessa tarkistaa useita visuaalisia merkintöjä kuvista, kuten pantti- ja tunnistemerkintöjä toisin kuin perinteisillä laserviivakoodiskannereilla. Järjestelmässä ei lisäksi ole liikkuvia osia, joten se on lähes täysin huoltovapaa. Kehitetty järjestelmä tunnistaa palautetut juomapakkaukset niiden viivakoodin perusteella. Juomapakkauksen ulkopintaa kuvataan kuudella Raspberry Pi -pohjaisella kameralla yhtäaikaisesti sen liukuessa kameraroiden ohi ja viivakoodi luetaan kameroiden kuvista. Viivakoodin numerosarjan perusteella juomapakkauksen tiedot noudetaan paikallisesta viivakooditietokannasta. Järjestelmä kykenee dekoodaamaan EAN-13, EAN-8 ja UPC-A viivakoodistandardeja suurella nopeudella jopa sumeista ja kohinaisista kuvista. Laitetta varten tässä työssä kehitetty ohjelmisto on suunniteltu huomioimaan ja hyödyntämään juomapakkauksille ja viivakoodeille asettettuja rajoituksia. Sen suorituskyky on erinomainen tavallisella PC:llä, jolla kameroiden kuvavirta prosessoidaan. Kehitetyllä järjestelmällä saavutetaan 95.2% tunnistustarkkuus ja kilpailukykyinen 40.8 juomapakkauksen palautusnopeus minuutissa käyttäen yleisesti saatavilla olevia komponentteja, joiden kokonaiskustannus oli alle 1300E. |
| Tiivistelmä (eng): | In 2013, approximately 1.7 billion beverage containers were returned for recycling in Finland. Majority of the beverage containers were returned to grocery stores. To process the large volume of returned containers, the stores have automated the recycling by using reverse vending machines for automatically determining the refund for each container and sorting them based on their material. In this thesis, a machine vision system based on multiple cameras has been developed for a reverse vending machine prototype. The multi-camera system enables high return speed and simplifies the mechanical structure of the reverse vending machine. With the camera-based system, various visual features, such as deposit and security markings, can be extracted from the captured images for verification if required unlike with traditional laser-based barcode scanners. Furthermore, with no moving parts, the system is virtually maintenance free. The developed system identifies the returned beverage containers based on their barcode. The outer surface of a beverage container is imaged with six Raspberry Pi -based cameras simultaneously as it slides past the cameras and the barcode is extracted from the images. The properties of the container are obtained by fetching the barcode specific information from a local barcode database. The system is able to decode EAN-13, EAN-8, and UPC-A barcode standards at high speed and is tolerant to blurring and noise in the images. The software developed in this thesis has been designed to take into account and utilize the limitations imposed on the beverage containers and the barcodes and achieves excellent performance on a low-cost PC used for processing the camera feeds. The developed system achieves 95.2% recognition accuracy and a competitive return speed of 40.8 beverage containers a minute with off-the-shelf cameras and LED lights costing less than 1300E in total. |
| ED: | 2016-01-17 |
INSSI tietueen numero: 52710
+ lisää koriin
INSSI