Разработка AI-системы контроля качества на производстве

AI-система контроля качества на производстве

Визуальный контроль качества — одна из зрелых промышленных CV-задач, но её внедрение в production спотыкается о три камня: нехватка примеров дефектов (дефекты редки по определению), высокие требования к чувствительности (пропуск дефекта = рекламация), и вариативность условий съёмки. Наша команда за 10+ лет решила более 50 таких задач на производствах разного масштаба — от пластиковых компонентов до микроэлектроники. Мы гарантируем точность не ниже 97% при FAR не более 1%, а средняя экономия на браке составляет $50 000 в год на среднестатистическом заводе. При этом внедрение unsupervised подхода сокращает сроки в 2–3 раза по сравнению с supervised — это проверено на десятках проектов.

На одной из линий мы заменили ручной контроль на систему с PatchCore. За 3 недели собрали 120 нормальных изображений, обучили модель и интегрировали с PLC. Результат: AUROC 0.974, sensitivity 91.3% при FAR=1%, latency 38 ms на RTX 3060. Экономия на браке — $50 000 в год. Система работает 24/7 без участия оператора.

Как решить проблему дефицита дефектных примеров?

Классический supervised подход требует 500+ примеров каждого типа дефекта. На реальном производстве их бывает 20–50. Мы используем unsupervised anomaly detection, обучая модель только на нормальных изображениях — дефект = аномалия. Это радикально упрощает сбор данных и ускоряет внедрение в 2–3 раза по сравнению с supervised-подходом.

PatchCore — state-of-the-art метод (MVTec benchmark AUROC 99.1% MVTec AD). Вот его реализация, которую мы адаптируем под ваше производство:

import torch
import torch.nn.functional as F
import torchvision.transforms as T
import timm
import numpy as np
from sklearn.neighbors import NearestNeighbors

class PatchCoreDetector:
    """
    PatchCore: строим банк нормальных патчей,
    дефект = патч далеко от всех нормальных.
    Обучение только на хороших изображениях — дефекты не нужны.
    """
    def __init__(
        self,
        backbone: str = 'wide_resnet50_2',
        layers: list[str] = ['layer2', 'layer3'],
        subsample_ratio: float = 0.1
    ):
        self.model = timm.create_model(
            backbone, pretrained=True, features_only=True
        ).eval().cuda()
        self.layers = layers
        self.subsample_ratio = subsample_ratio
        self.memory_bank = None
        self.nn_index = None

        self.transform = T.Compose([
            T.Resize(256),
            T.CenterCrop(224),
            T.ToTensor(),
            T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ])

    def _extract_patches(self, image_tensor: torch.Tensor) -> torch.Tensor:
        """Извлечение multi-scale признаков патчей"""
        with torch.no_grad():
            features_list = self.model(image_tensor.unsqueeze(0).cuda())
        patches = []
        for i, (feat, layer_name) in enumerate(
            zip(features_list, self.model.feature_info.module_name())
        ):
            if layer_name in self.layers:
                feat = F.avg_pool2d(feat, kernel_size=3, stride=1, padding=1)
                patches.append(feat.squeeze(0))
        target_h, target_w = patches[0].shape[1], patches[0].shape[2]
        aligned = []
        for p in patches:
            if p.shape[1] != target_h:
                p = F.interpolate(
                    p.unsqueeze(0), size=(target_h, target_w),
                    mode='bilinear', align_corners=False
                ).squeeze(0)
            aligned.append(p)
        combined = torch.cat(aligned, dim=0)
        C, H, W = combined.shape
        return combined.reshape(C, -1).T.cpu()

    def fit(self, normal_images: list) -> None:
        """Обучение: строим банк патчей из нормальных изображений"""
        all_patches = []
        for img in normal_images:
            img_t = self.transform(img)
            patches = self._extract_patches(img_t)
            all_patches.append(patches)
        bank = torch.cat(all_patches, dim=0)
        n_keep = int(len(bank) * self.subsample_ratio)
        indices = torch.randperm(len(bank))[:n_keep]
        self.memory_bank = bank[indices].numpy()
        self.nn_index = NearestNeighbors(
            n_neighbors=9, metric='euclidean', algorithm='ball_tree'
        )
        self.nn_index.fit(self.memory_bank)
        print(f'Memory bank: {len(self.memory_bank)} patches '
              f'from {len(normal_images)} normal images')

    def predict(self, image, return_heatmap: bool = True) -> dict:
        """Детекция аномалии: высокий score → дефект"""
        img_t = self.transform(image)
        patches = self._extract_patches(img_t)
        distances, _ = self.nn_index.kneighbors(patches.numpy())
        patch_scores = distances[:, 0]
        anomaly_score = float(patch_scores.max())
        result = {'anomaly_score': anomaly_score,
                  'is_defect': anomaly_score > self.threshold_}
        if return_heatmap:
            side = int(np.sqrt(len(patch_scores)))
            heatmap = patch_scores.reshape(side, side)
            import cv2
            heatmap_resized = cv2.resize(
                heatmap, (224, 224), interpolation=cv2.INTER_LINEAR
            )
            result['heatmap'] = heatmap_resized
        return result

    def set_threshold(self, normal_images: list, fpr_target: float = 0.01) -> float:
        """Устанавливаем порог по заданному FAR на нормальных"""
        scores = [
            self.predict(img, return_heatmap=False)['anomaly_score']
            for img in normal_images
        ]
        self.threshold_ = float(np.percentile(scores, (1 - fpr_target) * 100))
        return self.threshold_

Какие дефекты обнаруживает PatchCore?

PatchCore находит любые аномалии текстуры и формы: царапины, сколы, вмятины, посторонние включения, нарушения геометрии. Метод не требует заранее знать типы дефектов — он детектирует всё, что отличается от нормы. На бенчмарке MVTec он показывает средний AUROC 99.1%, а на реальных данных мы получаем 95–99% в зависимости от сложности.

Что даёт интеграция AI-системы с конвейером?

Интеграция с PLC через OPC-UA позволяет работать в реальном времени. Сигнал от датчика запускает захват кадра, модель анализирует его менее чем за 50 мс, и команда отбраковки уходит на исполнительный механизм. Всё происходит автоматически, без участия оператора.

import asyncio
from asyncua import Client as OPCClient
import cv2
import threading

class ConveyorQCSystem:
    """
    Real-time контроль качества: сигнал от ПЛК → захват кадра → анализ → решение.
    """
    def __init__(self, detector: PatchCoreDetector, opc_url: str, camera_idx: int = 0):
        self.detector = detector
        self.opc_url  = opc_url
        self.camera   = cv2.VideoCapture(camera_idx)
        self.camera.set(cv2.CAP_PROP_BUFFERSIZE, 1)

    async def run(self):
        async with OPCClient(url=self.opc_url) as opc:
            trigger_node = opc.get_node('ns=2;i=1001')
            reject_node  = opc.get_node('ns=2;i=1002')
            while True:
                trigger = await trigger_node.read_value()
                if trigger:
                    self.camera.grab()
                    _, frame = self.camera.retrieve()
                    from PIL import Image
                    pil_img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
                    result = self.detector.predict(pil_img, return_heatmap=False)
                    await reject_node.write_value(result['is_defect'])
                    if result['is_defect']:
                        print(f'DEFECT detected: score={result["anomaly_score"]:.3f}')
                await asyncio.sleep(0.01)

Почему unsupervised подход выгоднее supervised?

Unsupervised anomaly detection в 2–3 раза быстрее внедряется и не требует дорогой разметки дефектов. Сравните: на сбор 500 размеченных дефектов может уйти месяц и $10 000 труда технологов, а PatchCore обучается на 120 нормальных снимках — это 2 дня съёмки. При этом точность практически не уступает supervised: разница 0.5% AUROC не критична для большинства производств.

Результаты на реальных кейсах

Производство пластиковых компонентов: 8 типов дефектов, 120 нормальных изображений для обучения PatchCore, 0 дефектных при обучении.

Наш подход: что входит в работу

• Аудит производства — оценка условий съёмки, частоты дефектов, требований к latency.
• Сбор и разметка данных — мы помогаем собрать 50–200 нормальных снимков.
• Обучение модели — кастомизация PatchCore под вашу продукцию, подбор порога.
• Интеграция с ПЛК — настройка OPC-UA, написание скрипта управления отбраковкой.
• Тестирование и валидация — прогон на исторических данных, замер производительности.
• Документация и обучение — API, инструкция оператора, регламент обслуживания.
• Гарантийная поддержка 3 месяца — удалённое сопровождение и донастройка.

Сравнение подходов: unsupervised vs supervised

Сроки

Свяжитесь с нами — мы оценим ваш проект за 2 дня. Получите консультацию по внедрению AI-контроля качества без риска и с гарантией результата.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.