Системы компьютерного зрения: контроль качества, СИЗ и учет на складе

Какие задачи решаем

Компьютерное зрение полезно там, где человек сейчас смотрит и считает глазами, устает и пропускает. Мы работаем с четырьмя типами задач.

Контроль качества на линии. Камера над конвейером находит дефекты поверхности, сколы, непролив, неправильную маркировку, недолив, перекос этикетки. Брак отсекается до упаковки, а не после претензии клиента.

Промышленная безопасность и СИЗ. Каска, жилет, очки, страховка на высоте, люди в опасной зоне у оборудования. Система фиксирует кадр, время, зону и тип нарушения и сразу отправляет уведомление мастеру.

Учет на складе. Подсчет паллет и коробов, заполненность ячеек и зон, проверка, что груз поставлен в правильную ячейку, контроль погрузки и отгрузки, распознавание номеров машин на въезде.

Видеоаналитика процессов. Простой оборудования, очереди на погрузке, время цикла на участке, соблюдение технологических операций.

Общее правило для всех четырех: начинаем с одного участка, где потери уже видны в деньгах, и масштабируем только то, что подтвердило эффект.

Что показывают кейсы других компаний

Сразу о главном: завершенных проектов по компьютерному зрению с цифрами, которые мы можем показать публично, у нас пока нет. Поэтому ниже кейсы других компаний из открытых источников и оценки экспертов. Опыт работы с изображениями у нас есть в другом контексте: ИИ-косметолог для LR Clinic анализирует фото кожи клиента.

Самая полная подборка промышленных кейсов собрана в альманахе Института ИИ МФТИ 2026 года, мы разобрали его в статье ИИ в промышленности. Часть цифр в нем фактические результаты компаний, часть это оценки МФТИ для типового предприятия. В графике это различается цветом.

Еще один показательный пример из открытых источников. Северсталь контролирует качество проката собственной моделью компьютерного зрения VERA: камеры высокого разрешения снимают рулоны, модель находит и классифицирует дефекты, а решение о соответствии продукции принимают эксперты. По данным CNews, на травильном агрегате №4 доля уведомлений заказчиков об отклонениях качества поверхности снизилась примерно в 1,8 раза за первую половину 2023 года, а на стане 2000 объем претензий по дефектам поверхности в 2022 году снизился в 1,5 раза к 2021 году.

Два вывода для среднего производства. Первый: эффект считается на одном участке, поэтому пилот не требует перестройки всего завода. Второй: в примере Северстали модель не заменяет контролера, а подсвечивает дефекты, и решение остается за человеком. С такой схемы стоит начинать и вам.

Как устроено решение

1. Камера и свет. Для СИЗ и склада часто подходят существующие камеры видеонаблюдения. Для мелких дефектов на быстрой линии нужна промышленная камера и подсветка: без стабильного света модель ошибается.
2. Модель. Обучаем на изображениях с вашего участка: ваши дефекты, ваша продукция, ваш свет. Готовые модели из интернета на конкретной линии почти всегда работают хуже.
3. Сервер обработки. На площадке или в вашем контуре, видео не уходит во внешние сервисы.
4. События и интеграции. Модель сама по себе только видит. Пользу дает то, что происходит дальше: уведомление мастеру, остановка линии, запись в журнал, обновление остатков.
5. Контроль. Журнал срабатываний, разбор ложных тревог и пропусков, дообучение модели.

Точность меряем двумя цифрами: как часто модель пропускает дефект и как часто бьет ложную тревогу. Первое стоит денег на браке, второе на доверии людей: если система часто ошибается, мастер перестает на нее смотреть.

С какими системами интегрируем

Если данные с участков еще не собраны в одном месте, начинать стоит с цифрового контура производства: без него события камеры некуда складывать и не с чем сравнивать.

Что нужно, чтобы пилот получился

Большинство неудачных проектов по зрению ломаются не на модели, а на организационных мелочах. Проверяем их до договора.

• Понятная цена ошибки. Сколько стоит одна пропущенная партия брака, одна претензия, одно нарушение. Без этой цифры невозможно решить, окупится ли камера.
• Стабильные условия съемки. Свет, который не меняется от смены к смене, ракурс, при котором дефект виден, и камера, которую не заслоняют погрузчики.
• Примеры дефектов. Модели нужны сотни размеченных кадров по каждому типу. Если дефект редкий, его примеры собирают заранее или имитируют на контрольных образцах.
• Сеть и сервер. Видеопоток с нескольких камер нагружает сеть, поэтому обработку часто ставят рядом с участком.
• Владелец процесса. Мастер или технолог, который реагирует на уведомления. Если на событие никто не реагирует, эффекта не будет при любой точности модели.

Как проходит проект

1. Бесплатный разбор на 30-40 минут. Сколько стоит брак, нарушения или ошибки на складе сейчас, на каком участке эффект виден быстрее всего.
2. Обследование участка. Свет, ракурсы, скорость линии, существующие камеры и сеть.
3. Сбор и разметка данных. Вместе с технологом размечаем дефекты или нарушения. Это самая долгая часть, особенно для редких дефектов.
4. Обучение и проверка модели на контрольной выборке, которую модель не видела.
5. Интеграция с MES, 1С, WMS или журналом.
6. Пилот на одном участке. Модель подсвечивает, человек подтверждает, сравниваем с показателями до старта.

Срок фиксируем после обследования. Работаем под NDA. Лица сотрудников по умолчанию не распознаем: для контроля каски это не нужно, а биометрия по статье 11 152-ФЗ требует письменного согласия.

Сколько стоит

Разбор процесса бесплатный. Пилот от 300 000 ₽. Точная цена фиксируется после разбора и зависит от числа точек контроля, необходимости в промышленных камерах и сервере на площадке, а также от систем, с которыми нужно связать события. Оборудование считаем отдельно и только то, без которого нельзя. Если по вашим цифрам потерь пилот не окупается, скажем об этом до договора.