Компьютерное зрение на контроль качества и промбезопасность
Контекст
Задача
Выборочный ручной контроль пропускал дефекты, нарушения по СИЗ фиксировались постфактум.
Работа
Решение
Модели детекции на существующих камерах, оповещения ответственным, накопление статистики по типам нарушений и дефектов.
Проблема бизнеса
Что происходило до проекта
На производстве контроль качества и промышленной безопасности держался на выборочных ручных проверках: контролёр физически не может смотреть на каждую единицу продукции и каждого работника. Дефекты уходили к клиентам, нарушения по СИЗ фиксировались постфактум — по факту происшествия, а не в момент нарушения.
Камеры в цехах уже стояли — но их записи смотрели только после инцидентов. Задача: превратить существующее видеонаблюдение из архива в работающий контур контроля, без выхода видеопотока за пределы предприятия.
Сдвиг
Как было — как стало
Как было
Как стало
Ход работы
Как решали
Аудит камер и сценариев
Определили, какие дефекты и нарушения различимы на существующих камерах, где нужна донастройка ракурсов — без замены парка оборудования.
Обучение моделей детекции
Разметили реальные кадры производства и обучили модели под конкретные типы дефектов и нарушения СИЗ — не «универсальное зрение», а целевые детекторы.
Инференс на площадке
Обработка видеопотоков — на GPU-сервере в цехе: видео не уходит в облако, задержка реакции — секунды.
Правила событий и оповещения
Детекция превращается в событие по правилам: кому, о чём и как срочно сообщить — мастеру в момент нарушения, а не в отчёте за месяц.
Статистика для анализа причин
События копятся в базе: видно, на каких участках и в какие смены концентрируются дефекты — материал для системных решений.
Решение
Как устроено архитектурно
Две модели, один поток
Дефекты и СИЗ — отдельные детекторы на одном инференс-сервере: точность не размазана «на всё сразу».
Постобработка — фильтр шума
Правила по зонам и времени превращают сырые детекции в осмысленные события — мастера не заваливает ложными.
Цикл дообучения
Спорные кадры размечаются и идут в новые веса: точность растёт на данных именно этого производства.
Продукт
Как это выглядит в работе
Экран оператора: детекции подсвечены прямо на кадре, события уходят ответственным в момент нарушения. Копящаяся статистика показывает, на каких участках и в какие смены концентрируется брак.
Макет иллюстрирует механику интерфейса; данные на экране условные.
Границы решения
Что делает — и чего не делает
Честные рамки — часть архитектуры: они защищают результат не хуже кода.
Делает
- работа на существующем парке камер
- целевые детекторы под конкретные дефекты и СИЗ
- инференс на GPU внутри предприятия
- события по правилам: кому и как срочно
- статистика для анализа системных причин
Не делает
- «универсального зрения» — модели обучены под задачи цеха
- видео в облаке — поток не покидает периметр
- наказательной логики: цель — причины, а не виновные
Итог
Результат
- Контроль стал сплошным вместо выборочного
- Оповещения в момент нарушения
- База для анализа причин
Числовые показатели публикуются после сверки с заказчиком.
Передача
Что осталось у клиента
- Исходный код, модели и конфигурации — вместе с правами.
- Документация и описание архитектуры.
- Возможность развивать решение своей командой или любым другим подрядчиком.
Следующий шаг
Расскажите про задачу
Разберём, оценим сроки и стоимость. Если задача не наша — скажем прямо и подскажем, к кому обратиться.
Обсудить задачу →