Машинное зрение

Разворачиваем компьютерное зрение там, где решение нужно принимать за миллисекунды: на конвейере, на проходной, на строительной площадке.

Что закрываем

• Контроль качества и брака. Модель находит дефект на линии и отправляет сигнал в АСУ ТП до того, как изделие уйдёт дальше по конвейеру.
• Маркировка и DataMatrix. Считывание кодов, сверка с учётной системой, отбраковка нечитаемых.
• Техника безопасности. Фиксация отсутствия каски, жилета и других СИЗ в реальном времени — без видеоаналитика в штате.
• Распознавание номеров. Автоматизация КПП и весового контроля с интеграцией в СКУД.

Как проходит пилот

Пилот — 4–8 недель на одной линии или одной задаче:

1. Обследование — около недели. Смотрим линию, камеры и освещение, фиксируем, какие дефекты ищем и куда система отправляет сигнал.
2. Данные — 1–3 недели. Собираем и размечаем изображения с вашей линии.
3. Обучение и проверка на линии — 2–4 недели. Модель работает на реальном потоке, результат сверяем с контролёрами.

Что нужно от вас

• описание дефектов или нарушений, которые ищем, с примерами;
• 200–500 изображений или видео с линии либо доступ к камерам;
• скорость линии, условия освещения и система, куда отправлять сигнал: АСУ ТП, MES или 1С;
• ответственный со стороны производства (технолог или начальник смены) и контакт в ИТ.

Как принимаем результат

Критерии фиксируем до старта: какую долю дефектов система находит, сколько ложных срабатываний допустимо, какая задержка обработки кадра, стабильна ли работа на разных сменах и доходит ли сигнал до нужной системы. Типовые значения на наших внедрениях — точность 97–99% при задержке менее 50 мс.

Работаем в том числе в закрытом контуре, без доступа в интернет: модели разворачиваются на вашем оборудовании.

Сколько стоит

Бюджет зависит от числа линий и камер, нужны ли новое оборудование и освещение, сколько видов продукции и дефектов и с какими системами интегрируемся. Предварительную оценку даём бесплатно за 2–3 рабочих дня после созвона, точную смету — через 5–7 дней после обследования линии.

Видим то, что важно

Обучаем нейросети анализировать изображения и видео: распознавать объекты, людей и события, считать и измерять параметры, классифицировать данные и принимать решения в реальном времени.

Машинное зрение позволяет компьютеру понимать визуальную информацию и автоматически реагировать на происходящее — так же, как это делает человек, но без усталости, перерывов и провалов внимания на четвёртом часу смены.

Области применения

• Промышленный контроль. Автоматическая проверка качества, поиск дефектов и контроль соблюдения техпроцесса на линии.
• Безопасность и охрана. Обнаружение людей, нарушений и опасных ситуаций в реальном времени: СИЗ, опасные зоны, санитарные нормы.
• Подсчёт объектов. Точный подсчёт товаров, людей, транспорта и других объектов в кадре.
• Ритейл-аналитика. Анализ поведения покупателей, очередей, посещаемости и эффективности торговых зон.

Как это выглядит в работе

Оператор получает не «нейросеть», а рабочий инструмент: живой поток с камер, событие с кадром и временем по каждому срабатыванию, статистику за смену и выгрузку отчёта. Всё остальное система делает сама.

Наши проекты в машинном зрении

• Контроль техники безопасности на строительном объекте — каски, жилеты, опасные зоны
• Контроль качества продукции на конвейере — брак снижен с 4,1% до 0,4%
• Автоматизация КПП с распознаванием номеров — точность 99%, время проезда −70%
• Контроль санитарных норм на пищевом производстве — нарушения снижены до 90%
• Автоматизация контроля маркировки «Йуми» — проверка этикеток на пищевом производстве

Что почитать по теме

Если только знакомитесь с технологией, начните с обзорной статьи «Компьютерное зрение: как AI анализирует видео и повышает безопасность бизнеса» — там разобрано, что такое машинное зрение и где оно уже работает.

Дальше — по конкретным задачам:

• Контроль качества на производстве: как машинное зрение находит брак — сколько нужно данных и как считать окупаемость
• Видеоаналитика в охране труда: автоматический контроль СИЗ — как внедрять контроль людей корректно
• Распознавание автомобильных номеров: как работает ANPR — этапы распознавания и что влияет на точность

Мы опираемся на те же инструменты и стандарты, что и промышленные внедрения по всему миру: обработка изображений строится на OpenCV, детекция объектов — на архитектурах семейства YOLO, а подходы к системному контролю охраны труда описаны в материалах Международной организации труда.