Классическое машинное зрение работает по порогам и шаблонам: оно спотыкается на бликах, загрязнениях и дефектах, которых не было в техзадании. Мы строим инспекцию на обучаемых моделях — они разбирают сцену так, как это делает опытный контролёр, и не теряют качество при смене партии, освещения или оттенка сырья.
Под каждую задачу — своя архитектура модели. На линии они работают одновременно, в одном конвейере обработки кадра, и отдают решение в АСУ ТП до того, как изделие уйдёт из зоны отбраковки.
Модель находит трещины, сколы, раковины, посторонние включения и очерчивает их границы пиксель в пиксель. Площадь и форма дефекта считаются автоматически — это позволяет отделить брак от допустимого отклонения, а не браковать всё подряд.
Главная проблема реального производства: брака мало, и заранее собрать датасет из дефектов невозможно. Модель обучается только на годных изделиях и сигналит обо всём, что на них не похоже — включая дефекты, которых раньше не видели.
Даты, номера партий, серийные номера, коды DataMatrix и QR — в том числе на мятой плёнке, бликующем металле и под углом. Сверка с заданием на смену и выбраковка нечитаемой печати.
Обмер без касания: габариты, толщина, кривизна, коробление, полнота заполнения. Стереопара, структурированный свет или ToF-камера дают облако точек, по которому модель сверяет деталь с эталоном.
Изделие ведётся от кадра к кадру, поэтому один объект не считается дважды. К каждой единице привязывается её история: кадры, вердикты моделей, время, номер линии и смены.
Контроль средств защиты, вход в опасные зоны, работа под краном, падение человека. Модель распознаёт позу и сцену, а не просто «есть движение», поэтому ложных срабатываний в разы меньше.
Вся тяжёлая часть считается на месте, у линии. В облако или на сервер предприятия уходят только вердикты и выборка кадров — это снимает вопрос канала связи и оставляет данные внутри периметра.
Физика у задач разная — металл бликует, стекло прозрачно, продукты меняют вид от партии к партии. Общее одно: правилами это не описывается, а обучением — да. Подробный разбор по каждой отрасли на отдельной странице.
Дефекты поверхности полосы, окалина, плены, трещины на скорости стана.
Сучки, синева, гниль, геометрия доски и оптимизация раскроя.
Посторонние включения, сортировка, контроль укупорки и читаемость даты.
Целостность блистера, наличие таблетки в ячейке, серийные номера.
Сколы, пузыри, включения, геометрия на просвет.
Качество пайки, наличие и полярность компонентов на плате.
Цифры ниже — типовые отраслевые ориентиры для нейросетевой инспекции, а не обещание. Реальные значения зависят от оптики, освещения, скорости линии и того, насколько дефект вообще различим на кадре. Проверяются на пилоте, до внедрения.
Первый этап делается на ваших архивных снимках и не требует остановки линии.
Смотрим ваши кадры и условия съёмки. Отвечаем на главный вопрос: виден ли дефект на изображении в принципе.
Ставим камеру и подсветку, собираем датасет в реальных условиях, обучаем первую модель. Работает параллельно с текущим контролем.
Подключаем к АСУ ТП по OPC UA или Modbus, настраиваем отбраковку, разграничиваем доступ операторам и технологам.
Следим за дрейфом: меняется сырьё или оптика — модель дообучается на свежих спорных кадрах.
Пришлите несколько десятков снимков с линии — годных и с дефектами. Мы вернём заключение о том, решается ли задача зрением, какой понадобится оптика и с какой точки стоит снимать.