Машинное зрение
Проектируем и внедряем системы машинного зрения для контроля качества, сортировки, измерения габаритов и промышленной безопасности. Модели обучаются на ваших данных и работают локально - без облака и без передачи видеопотока за периметр.
- Детекция дефектов и аномалий на нейросетях
- Сортировка и классификация на конвейере
- Измерение габаритов с точностью до микронов
- On-premise - данные и видео остаются на объекте
Что мы делаем
Контроль качества и дефектоскопия
Обнаружение царапин, трещин, вмятин, загрязнений, непроваров и других дефектов. Модели обучаются на ваших образцах брака и работают на скорости линии.
Сортировка и классификация
Автоматическое разделение продукции по визуальным признакам: форма, цвет, текстура. Сигнал на сортирующее устройство или привод, интеграция с MES и 1С.
Измерение габаритов
Бесконтактное измерение размеров, диаметров и допусков с помощью 2D-лидара, лазерной триангуляции и стереозрения. Проверка соответствия CAD и GD&T.
Видеоаналитика безопасности
Контроль СИЗ, зонирование, детекция нарушений и нештатных ситуаций. Тревоги в реальном времени, интеграция с СКУД и SCADA.
OCR и распознавание маркировки
Чтение штрихкодов, QR, серийных номеров, дат и выбитых меток на продукции и упаковке. Сверка с базой номенклатуры, автоматическая отбраковка несоответствий.
Интеграция с производством
Передача результатов в SCADA, MES, ERP и 1С по OPC UA, Modbus, MQTT или REST API. Сигналы на отбраковку, остановку линии или оповещение оператора.
Как мы внедряем
-
01
Аудит линии и постановка задачи
Изучаем продукцию, линию, текущую механику и освещение. Определяем целевые метрики: precision, recall, допустимое время реакции, границы пилота.
-
02
Сбор данных и обучение модели
Собираем 200 - 500 образцов на класс прямо на линии. Размечаем дефекты или классы, дообучаем модель (YOLO, RT-DETR) и проверяем точность на отложенной выборке.
-
03
Прототип и пилот
Запускаем систему в параллельном режиме - модель работает, но линию не останавливает. Измеряем precision/recall, дотачиваем пороги. При необходимости дорабатываем освещение или механику подачи.
-
04
Промышленный запуск и интеграция
Развёртываем inference-сервер на объекте, подключаем камеры и датчики, интегрируем сигналы с MES/SCADA/1С. Обучаем операторов и передаём документацию.
-
05
Сопровождение и развитие
Сопровождаем систему: обновляем модели при изменении номенклатуры, расширяем зоны контроля, адаптируем под новые продукты. SLA по согласованию.
Локальное машинное зрение и OCR
Используем YOLO26 для детекции и сегментации, GLM-OCR для документов и другие проверенные модели под конкретный объект. Для YOLO26 учитываем AGPL-3.0 или коммерческий вариант лицензии.
Камеры, объектив, освещение, разрешение и скорость линии определяют исходные данные. Точность, число потоков и задержку измеряем на тестовой записи с вашего объекта. Выбираем совместимый runtime и оптимизацию после проверки качества.
YOLO26 — документация Ultralytics. GLM-OCR — официальный checkpoint.
Типовые конфигурации
| Задача | Камеры | Inference | Интеграция |
|---|---|---|---|
| Контроль качества на конвейере | 1 - 4 × GigE line-scan | RTX 4090 / Jetson Orin NX, YOLO26 | OPC UA → ПЛК, Modbus → отбраковка |
| Классификация продукции | 1 - 2 × USB3 / GigE area-scan | RTX 4090 / A6000, RF-DETR | OPC UA / REST → MES, 1С |
| Измерение габаритов | 1 - 2 × GigE + 2D-лидар | RTX 4090, RT-DETR + калибровка | Modbus / OPC UA → SCADA |
| Видеоаналитика безопасности | 8 - 64 × IP-камеры (ONVIF/RTSP) | 1 - 2 × RTX 4090 / A6000 | OPC UA / MQTT → СКУД, Telegram |
| OCR и маркировка | 1 - 2 × USB3 high-res | Jetson Orin Nano, YOLO26 | REST API → ERP, 1С |
Данные и видеопоток не покидают объект
Вся обработка - на сервере заказчика или edge-устройстве в цеху. Наружу передаются только результаты: класс, признак брака, измерение, тревога. Поддерживается air-gap режим без выхода в интернет. Модели и веса хранятся у вас.
Ошибки, которые мы не допускаем
Слабое или неверное освещение
Неправильный выбор подсветки - причина большинства провалов CV-проектов. Мы проектируем освещение одновременно с расстановкой камер и подбираем технику под материал и текстуру продукта.
Неучтённая механика подачи
Модель может идеально видеть дефект, но если продукт трясётся, вращается или перекрывается - точность падает. Анализируем механику линии до выбора камер.
Недостаточная или некачественная разметка
200 - 500 образцов на класс - минимум. Не экономим на разметке: собираем данные на реальной линии, а не в лаборатории, и проверяем сходимость на отложенной выборке.
Облачный инференс на быстрой линии
При 300 - 800 изделиях в минуту облачный round-trip в 150 - 400 мс означает, что брак уже на 2 - 3 позиции дальше. Только on-premise GPU даёт задержку < 100 мс и детерминированное время реакции.
Отсутствие метрик и мониторинга
Без precision/recall на потоке и без мониторинга дрифта модель может деградировать незаметно. Закладываем дашборды Grafana и автоматические алерты при падении метрик.
Модель без адаптации к новым продуктам
При смене номенклатуры модель нужно дообучать. Проектируем систему так, чтобы добавление нового класса или дефекта не требовало пересборки всего решения.
Ориентиры по проекту
SmartVideo - машинное зрение в группе компаний
SmartVideo - направление ООО «Аквис-Сервис» по интеллектуальным системам машинного зрения: контроль качества, сортировка, лазерное 2D-сканирование, контроль СИЗ, распознавание лиц и ИИ-серверы.
Нужно машинное зрение на производстве?
Опишите линию, продукт и задачу - подберём камеры, освещение и модель, оценим точность и сроки пилота.