Сортировка и классификация продукции на конвейере
Строим системы автоматической сортировки и классификации: визуальные признаки, габариты, цвет, дефекты - без механических датчиков и ручного контроля. Сигнал на отбраковку или сортирующее устройство, интеграция с MES и 1С.
- Классификация до 200+ классов
- Скорость обработки до 120 объектов/сек
- Интеграция с ПЛК, MES, SCADA, 1С
- On-premise - веса и данные на вашем сервере
Что умеет система
Классификация по визуальным признакам
Форма, цвет, текстура, размер, наличие маркировки. Модели YOLOv12 и ES-YOLOv8 работают в реальном времени на движущемся конвейере, дообучаются под номенклатуру заказчика.
Измерение габаритов
Бесконтактное измерение длины, ширины, диаметра с точностью до десятых долей мм. 2D-лидар + калибровочная матрица, проверка соответствия CAD и допускам.
Автоматическая сортировка
Разделение потока по категориям, сортам и партиям. Сигнал на пневмоотбраковку, дивертер или робота-сортировщика. Автоматическое формирование лота.
Отбраковка несоответствий
Продукт не соответствует эталону - фотофиксация, сигнал на остановку или отбраковку. Журнал брака с фотодоказательством, протокол по партиям и сменам.
Производственная аналитика
Статистика по категориям, партиям, сменам в реальном времени. Дашборды Grafana, выгрузка в 1С или ERP по REST API. Данные для оптимизации линии.
OCR и распознавание маркировки
Чтение штрихкодов, QR, серийных номеров, дат и выбитых меток. Автоматическая сверка с базой номенклатуры, проверка читаемости и корректности.
Как мы запускаем проект
-
01
Аудит линии и продукции
Изучаем продукцию, линию, текущую механику подачи и освещение. Оцениваем требования к точности, производительности и допустимому проценту ошибок классификации.
-
02
Сбор данных и обучение
Собираем 200 - 500 образцов на класс непосредственно на линии. Размечаем, дообучаем YOLO-модель, проверяем точность на отложенной выборке.
-
03
Пилот на потоке
Запускаем в параллельном режиме - модель классифицирует, но линию не останавливает. Измеряем precision/recall, дотачиваем пороги. При необходимости дорабатываем подсветку или механику подачи.
-
04
Интеграция с производством
Подключаем сигналы к ПЛК (Modbus TCP / OPC UA) или напрямую к сортирующему устройству. Настраиваем передачу данных в MES, SCADA, 1С. Готовим дашборд и отчётность.
-
05
Сопровождение и расширение
При смене номенклатуры дообучаем модель на новых классах. Расширяем зоны контроля, подключаем дополнительные камеры. SLA по согласованию.
Технический стек
Модели
- YOLOv12 / YOLO11 - основная модель классификации. YOLOv11n показывает mAP 99.2%, инференс 38 мс на CPU, 5.5 МБ. На GPU - sub-10ms.
- ES-YOLOv8 - улучшенная версия с Efficient Multiscale Attention и Shape-IoU loss, +5 - 6% mAP к базовой YOLOv8.
- RT-DETRv4 - end-to-end transformer для сложной классификации с высокой вариативностью объектов.
- RF-DETR - transformer на базе DINOv2, хорошо обобщается на доменно-специфичных данных.
Модель подбирается под конкретную номенклатуру и скорость линии.
Камеры и оптика
- Line-scan камеры (GigE Vision) - для высокоскоростных конвейеров, построчная развёртка без смаза.
- Area-scan камеры (USB3 Vision / GigE) - для стандартных скоростей, захват полного кадра.
- Промышленная подсветка - проектируем освещение под материал продукта (кольцевая, купольная, тёмное поле) для стабильного контраста.
Инференс и железо
- NVIDIA Jetson Orin NX - до 100 TOPS, 4 - 8 камер, компактное решение у конвейера.
- NVIDIA RTX 4090 / A6000 - 1 GPU, до 32 камер, для цехового сервера.
- Raspberry Pi + Hailo-8L - до 13 TOPS, бюджетный вариант для простых задач (цвет/форма).
Инференс через NVIDIA TensorRT или ONNX Runtime.
Интеграция
- Modbus TCP - прямой сигнал на ПЛК для управления пневмоотбраковкой или дивертером.
- OPC UA - передача результатов классификации в MES/SCADA.
- REST API - выгрузка в 1С, ERP, корпоративные системы.
- MQTT - для дашбордов и уведомлений.
- Сухой контакт / GPIO - для прямого управления приводом.
Примеры по отраслям
| Отрасль / продукт | Признаки классификации | Камеры | Скорость линии |
|---|---|---|---|
| Пищевая / агро | Форма, цвет, дефекты, маркировка | 1 - 2 × GigE line-scan | до 1500 шт./ч |
| Фармацевтика | Маркировка, цвет тары, целостность | 1 - 2 × USB3 high-res | до 3000 шт./ч |
| Текстиль и швейные | Цвет, фактура, размер, тип ткани | 1 - 2 × GigE area-scan | до 2000 шт./ч |
| Металлургия / машиностроение | Форма, габариты (2D-лидар), маркировка | 1 - 2 × GigE + лидар | до 800 шт./ч |
| Логистика / склад | Тип, штрихкод, состояние, зона | 4 - 8 × GigE line-scan | до 5000 шт./ч |
| Рециклинг / вторсырьё | Тип полимера, цвет, форма | 2 - 4 × GigE + NIR-камеры | до 3000 шт./ч |
Модели и данные не покидают объект
Обучение и инференс - на сервере заказчика. Наружу передаются только результаты классификации и сигналы на ПЛК. Поддерживается air-gap режим. Веса моделей хранятся у вас.
Ошибки, которые мы не допускаем
Неверная подсветка продукта
Глянцевый пластик, влажная поверхность, прозрачная тара - без правильно подобранной подсветки (купольной, поляризованной) модель не отличает классы. Проектируем освещение под материал.
Нестабильная механика подачи
Тряска, вращение, перекрытие объектов на ленте - accuracy падает кратно. Анализируем механику линии: скорость ленты, ориентацию, расстояние между объектами.
Недостаточная разметка
200 - 500 образцов на класс - минимум. Собираем на реальной линии, а не в лаборатории. Проверяем сходимость на отложенной выборке.
Облачный инференс на быстрой линии
120 объектов/сек - облачный round-trip в 150 - 400 мс недопустим. Только on-premise GPU с задержкой < 15 мс даёт детерминированную сортировку.
Нет метрик на потоке
Без precision/recall и анализа confusion matrix модель может путать классы незаметно. Мониторинг метрик на дашборде, алерты при падении.
Модель не адаптируют под новую номенклатуру
При добавлении нового SKU модель теряет точность на старых классах. Проектируем так, чтобы дообучение на новом классе 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.
Нужна автоматическая сортировка на конвейере?
Опишите продукцию, линию и номенклатуру - оценим точность, скорость и сроки пилота.