Контроль качества продукции - машинное зрение

Система контроля качества продукции на производственной линии

Детекция дефектов на скорости конвейера без ручного контроля

Система машинного зрения заменяет ручной осмотр и обеспечивает детекцию дефектов на скорости конвейера. Подбираем камеру, освещение и модель под вашу продукцию - от металлургии до фармацевтики.

Детекция дефектов в реальном времени: YOLO26, YOLO11, RT-DETR для известных классов и PatchCore, EfficientAD для аномалий.
Инференс на GPU-сервере или edge-узле Jetson Orin - от 28 до 200 мс задержки, до 60 FPS на поток.
Решение «годен» или «дефект» передается в PLC, MES и SCADA через OPC UA, Modbus TCP или MQTT.
Журнал инцидентов с фото, координатой, классом дефекта и статусом оператора - полный аудит каждого изделия.

Состав работ

Что делает Smart Video по проекту машинного зрения под ключ

Аудит линии

Выезд на площадку, анализ типов дефектов, условий съемки, освещения, вибраций и скорости конвейера. Оценка применимости машинного зрения, формирование ТЗ с целевыми метриками.

Оптика и освещение

Подбор промышленных камер с глобальным затвором (Sony Pregius) и нужным разрешением/частотой кадров. Объективы, поляризационные и спектральные фильтры. Управляемый свет: ring-light, back-light, dome, structured light, коаксиальное и стробоскопическое освещение - под задачу.

Обучение нейросети

Сбор и разметка датасета с реальной линии. Дообучение моделей детекции (YOLO26, YOLO11, RT-DETR), anomaly detection (PatchCore, EfficientAD, FastFlow) и сегментации (SAM 3, Mask2Former). Аугментация и синтетические данные для редких классов дефектов.

Инференс-узел

Серверный GPU (RTX PRO 6000 Blackwell, 96 ГБ ECC) для многокамерных линий с высокой скоростью, либо edge-узел Jetson Orin / Thor для монтажа у линии. Оптимизация модели в TensorRT, развертывание через Triton Inference Server. Для сверхкомпактных задач - Hailo-ускорители.

Интеграция с АСУ ТП

Подключение к PLC, MES, SCADA по OPC UA, Modbus TCP, MQTT, дискретным сигналам. Камера становится промышленным сенсором в контуре управления: обнаружен дефект - получена управляющая команда. On-premise архитектура: данные не покидают периметр предприятия (ФЗ-152, КИИ).

Эксплуатация и мониторинг

Дашборды с метриками в Grafana: precision, recall, false positive rate, throughput, задержка. Мониторинг дрейфа модели. Удаленное сопровождение, дообучение при изменении номенклатуры продукции или появлении новых типов дефектов.

Этапы внедрения

От аудита линии до промышленного запуска с мониторингом и дообучением.

01

Аудит и ТЗ

Выезд на площадку, сбор образцов, анализ условий. Фиксируем: типы дефектов, скорость линии, габариты зоны контроля, условия освещения, протоколы АСУ ТП. Формируем техническое задание с целевыми метриками precision, recall и задержкой.

02

Пилотный стенд

Поставка и монтаж камер и освещения на одном участке линии. Сбор пилотного датасета: не менее нескольких тысяч изображений с дефектами и нормой. Разметка, обучение baseline-модели, проверка метрик на отложенной выборке.

03

Интеграция с линией

Подключение к PLC и MES/SCADA по согласованному протоколу. Реализация сценариев реакции: автоматическая отбраковка, сигнал оператору, запись в журнал. Проверка задержки в промышленном контуре управления.

04

Опытная эксплуатация

Параллельный запуск с текущим контролем на 2-4 недели. Сбор статистики: precision, recall, false positive rate, задержка. Подстройка порогов классификатора под целевой баланс FP/FN. Техническая поддержка 24/7 на период ОПЭ.

05

Анализ и донастройка

По итогам ОПЭ анализируем накопленную статистику: типы ошибок, сменную динамику FP rate, краевые случаи. Дообучаем модель на новых данных, калибруем пороги принятия решений, документируем достигнутые метрики для приемо-сдаточных испытаний.

06

Сдача и сопровождение

Приемо-сдаточные испытания по согласованным KPI. Передача документации. Заключение договора на техподдержку: мониторинг, обновление моделей, дообучение при дрейфе данных или смене номенклатуры.

Применение по отраслям

Задачи контроля качества, решаемые машинным зрением

Металлургия и метизы

Дефекты поверхности проката, труб, литья: царапины, раковины, трещины, заусенцы, неметаллические включения. Контроль геометрии, соосности, толщины покрытий.

Электроника и платы

Контроль печатных плат: непропай, перемычки, смещение компонентов. Инспекция полупроводниковых пластин: микротрещины, загрязнения. Проверка дисплеев на битые пиксели и неравномерность подсветки.

Упаковка и маркировка

Целостность упаковки, наличие и читаемость этикеток, правильность маркировки, комплектность, проверка кода партии и даты. Контроль уровня заполнения и герметичности.

Покрытия и окраска

Равномерность ЛКП, дефекты покрытия: пузыри, отслоения, наплывы, кратеры, посторонние включения. Контроль цвета и глянца. Спектральный анализ при специализированном освещении.

Машиностроение

Контроль сборки: наличие и правильность установки компонентов. Геометрический контроль размеров, допусков, зазоров. Дефекты мехобработки. Сварные швы: поры, непровары, подрезы.

Фармацевтика и пищепром

Контроль таблеток: целостность, цвет, форма. Проверка ампул и флаконов на трещины и посторонние включения. Контроль наполнения и укупорки. Инспекция выпечки и кондитерских изделий.

Целевые метрики

95-99%

Precision (точность детекции)

90-98%

Recall (полнота обнаружения)

28-200 мс

Задержка от кадра до решения

до 60 FPS

Производительность на GPU

<2 в час

Ложных срабатываний (FP rate)

Почему проекты буксуют и как мы это обходим

По отраслевой статистике, более половины проектов машинного зрения не достигают заявленных целей. Главные причины: недостаточный аудит освещения и ракурса, малый датасет без реальных дефектов, завышенные ожидания по точности на старте, разрыв между пилотным прототипом и промышленной интеграцией. Мы начинаем с аудита линии и честной оценки достижимых метрик. Если задача решается классическим датчиком - говорим прямо. Пилотный этап обязателен: собираем не менее нескольких тысяч реальных изображений, обучаем baseline-модель, проверяем метрики и только потом переходим к интеграции. На этапе ОПЭ модель работает в параллельном режиме 2-4 недели, чтобы заказчик убедился в стабильности метрик.

Обсудим контроль качества?

Расскажите о продукции, типах дефектов и скорости линии. Проведем аудит, оценим достижимые метрики, предложим архитектуру пилота.

Все услуги