Abeje Y. Mersha
Dit project beoogt de ontwikkeling van een innovatief volumeschattingssysteem dat betrouwbaar en kosteneffectief de vorm en het volume van bulkproducten kan schatten. Het systeem moet functioneren onder uitdagende omstandigheden, zoals variërende lichtomstandigheden, stof, en de aanwezigheid van bewegende objecten. Het project heeft twee fasen. De eerste fase is een haalbaarheidsstudie waarin we state-of-the-art verkenningen hebben gedaan en een eerste proof-of-concept ontwikkelen. Na de eerste fase wordt bepaald of we verder gaan met de realisatiefase waarin de proof-of-concept verder wordt doorontwikkeld en gevalideerd. Het resultaat is een werkende demonstrator wordt, gebaseerd op de uitkomsten van de haalbaarheidsstudie. Uiteindelijk is de demonstrator ontwikkeld voor twee sensorsystemen: een op basis van dieptecamera’s en een op basis van 3D-lidar. Om de demonstrator te ontwikkelen is een generieke architectuur ontwikkeld die toepasbaar is in diverse sectoren en toepassingen waar volumebepaling van ongestructureerde bulkmaterialen relevant is.
Autonome systemen voor volumeschatting zijn essentieel voor efficiënte en nauwkeurige processen in omgevingen met bulkproducten. Huidige systemen hebben moeite met variabele omstandigheden, zoals wisselende lichtinval, stof, en bewegende objecten. Dit project bouwt voort op bestaande expertise in visionsystemen en algoritmeontwikkeling, met als doel een systeem te realiseren dat onder deze uitdagende omstandigheden betrouwbaar functioneert. De haalbaarheidsfase loopt van februari tot juli 2025 en de realisatiefase loopt van augustus tot december 2025 en richt zich op het ontwikkelen, testen en integreren van een demonstrator.
Het project bouwt voort op bestaande kennis en expertise in visionsystemen, met name stereocamera’s en structured light camera’s. Uit eerdere projecten, zoals ROBBIN en Riwald, is kennis opgedaan over dataverwerking, sensortechnologie en algoritmeontwikkeling. Stereovision camera’s hebben de voorkeur vanwege hun bewezen technologie en bestaande expertise bij betrokken partners. De focus ligt op het valideren en doorontwikkelen van algoritmes voor robuuste verwerking van sensordata. Belangrijke uitgangspunten zijn:
De realisatiefase levert de volgende resultaten op:
De haalbaarheidsstudie wordt uitgevoerd volgens de Rapid Learning Cycles methodiek. In deze methodiek wordt bepaald welke belangrijke keuzes er moeten worden gemaakt en welke kennis daarvoor nodig is. De realisatiefase van het project wordt uitgevoerd volgens de agile ontwikkelmethode Scrum, met sprints van twee weken. Elke sprint resulteert in een demonstreerbare versie van het systeem, waardoor regelmatig feedback kan worden verzameld. De activiteiten zijn onderverdeeld in vijf werkpakketten:
Het project wordt uitgevoerd door een consortium van Saxion (onderzoeksgroepen SMART en AMI), Trioliet, en RIWO, die elk hun expertise inbrengen op het gebied van robotica, visionsystemen, en industriële automatisering.
Abeje Y. Mersha
Henri Huisman
Wilco Bonestroo
Seyed Hojat Mirtajadini
Kousheek Chakraborty
Rahul Moongayil Ramakrishnan
Eyuel Debebe Ayele
Bram Ton
Dennis Borger
Amin Zaami
