Где и как работает глубокое зрение

Плены, закаты, рванины, окалина, царапины и раковины на движущейся полосе. Сложность в том, что металл бликует: одна и та же царапина под разным углом выглядит по-разному, а масляное пятно легко принять за дефект. Обучаемая модель различает их по фактуре, а не по яркости, и не срывается на смене освещения.

Сучки живые и выпадающие, синева, гниль, обзол, трещины, смоляные кармашки, плюс геометрия: покоробленность, крыловатость, фактические размеры. Дерево неповторимо от доски к доске — правилами это описать нельзя, и именно здесь обучаемые модели дают самый заметный прирост против пороговых алгоритмов. Результат — сортировка по сортам и оптимизация раскроя с учётом реального расположения пороков.

Посторонние включения, сортировка по калибру, цвету и степени зрелости, контроль уровня налива и укупорки, целостность шва пакета, наличие и читаемость даты. Продукт меняется каждый сезон и каждую партию, поэтому жёсткие эталоны быстро устаревают — модель дообучается на новых партиях без переписывания логики.

Наличие таблетки в каждой ячейке, сколы и половинки, целостность фольги, уровень заполнения ампулы, посторонние частицы в растворе, корректность и читаемость маркировки, серийные номера для прослеживаемости. Цена пропуска высока, поэтому система настраивается в пользу перестраховки: сомнительное уходит на ручной досмотр, а не в поток.

Пузыри, камни, свили, посечки, сколы кромки, непрокрас глазури, отклонения геометрии. Прозрачный материал — отдельная история: дефект виден только на просвет и в определённой схеме подсветки, поэтому половина работы здесь приходится на оптику, а не на модель.

Наличие, смещение и полярность компонентов, качество пайки, перемычки, непропаи, читаемость маркировки корпусов. Классические AOI дают много ложных срабатываний на разнородных партиях компонентов — обучаемая модель снижает поток ложных отбраковок и разгружает оператора верификации.

Чтение этикеток и кодов на паллете, подсчёт мест и коробов, контроль целостности обмотки и укладки, обмер габаритов для тарификации, фиксация состояния груза при приёмке и отгрузке. Кадры сохраняются и снимают спорные вопросы с перевозчиком.

Раковины, недоливы, облой, спаи, трещины, задиры после обработки, соответствие геометрии и наличие всех отверстий. Поверхность матовая и текстурная, поэтому дефект часто отличается от фона только формой — задача для сегментации, а не для порога по яркости.

Дыры, затяжки, полосы, непрокрас, разнооттеночность, посторонние волокна. Полотно идёт быстро и непрерывно, дефекты редкие — классический случай для поиска аномалий: модель учится на «нормальном» полотне и отмечает всё, что на него не похоже.

Каска, жилет, очки, перчатки; вход в огороженную зону при работающем оборудовании; нахождение под стрелой крана; падение человека; работа в одиночку там, где это запрещено. Модель оценивает позу и контекст сцены, поэтому не путает сидящего оператора с упавшим.

Гранулометрия куска на ленте, обнаружение негабарита и посторонних предметов — металла, элементов футеровки, инструмента. Контроль загрузки ленты и простоев. Пыль и вибрация здесь портят картинку сильнее, чем где-либо, и это учитывается при обучении.

Сортировка плодов по калибру, цвету и дефектам, выявление болезней и вредителей по листу, оценка всхожести и плотности посадки, контроль состояния при закладке на хранение. Биологический объект вариативен по определению — обучение справляется, жёсткие правила нет.

Обработка видео с дрона или обходчика: коррозия, отслоение покрытия, трещины, деформации, растительность в охранной зоне, состояние дорожного полотна. Человек не в состоянии внимательно просмотреть часы записи — модель размечает подозрительные фрагменты, а специалист смотрит только их.