Разработка системы измерения объектов по изображению/видео

Разработка системы измерения объектов по изображению или видео — задача, которую мы решаем с помощью компьютерного зрения. На производстве деталь только что вышла из станка, горячая (80°C), контактный замер штангенциркулем деформирует поверхность, давая погрешность до 0.5 мм. Бесконтактное измерение через камеру: снимок за 50 мс, точность ±0.1 мм, данные сразу в SCADA. Никакого риска ожога или остановки конвейера.

Задачи, которые решает система

Контроль качества на производстве. Деталь только что вышла из станка — отклонение от чертежа фиксируется мгновенно. Система замеряет длину, ширину, диаметр, углы и площадь контура за 50 мс. Выход за допуск — сигнал оператору или стоп линии.

Полевые измерения без доступа к объекту. Нужно узнать ширину трещины в стене или диаметр трубы на высоте? Размещаете ArUco маркер рядом, делаете снимок — через секунду размеры известны. Лестницы и линейки не нужны.

Логистика и склад. Габариты коробок на ленте транспортера измеряются в движении. Система автоматически присваивает каждой единице длину, ширину, высоту — для оптимизации загрузки контейнера.

Как обеспечить точность до миллиметра?

Ключевой параметр — масштаб. Используем три метода:

1. Калиброванная камера — один раз фотографируете калибровочную пластину с рабочего расстояния, вычисляем pixels_per_mm. Точность ±0.1 мм. Идеально для статичных конвейеров.

2. ArUco маркер в кадре — маркер известного размера (например, 50 мм) лежит рядом с объектом. Система определяет маркер, вычисляет масштаб, затем измеряет объект. Точность ±1–5 мм, подходит для полевых условий.

3. Стереопара — две камеры, разнесённые на 10 см, дают 3D-облако точек. Из него извлекаются габаритные размеры, глубина, объём. Точность ±0.5–2 мм на объектах до 1 м.

Выбор метода зависит от задачи. Для конвейера с фиксированным положением камеры — калибровка. Для мобильного планшета — ArUco. Для крупных объектов (мебель, паллеты) — стерео или LiDAR+RGB.

Как выбрать метод измерения?

— Если объект движется на конвейере с постоянной скоростью и камера закреплена — выбирайте калиброванную камеру. Максимальная точность ±0.1 мм и время измерения 50 мс.

— Если вы на складе или в поле — используйте ArUco маркер. Распечатайте маркер 5×5 см, наклейте на твёрдую основу и кладите рядом с объектом. Система автоматически определит масштаб.

— Если нужно измерить объём или глубину — ставьте стереопару. Две камеры с базисом 10 см построят 3D-модель и выдадут габариты в миллиметрах.

Пошаговая инструкция: как система измеряет объект

1. Захват изображения. Камера делает снимок (или кадр из видео). При настройке указываем разрешение и частоту.
2. Определение масштаба. Система находит калибровочный объект или ArUco маркер, вычисляет pixels_per_mm.
3. Сегментация объекта. Используем пороговую обработку (Otsu) или нейросеть для сложных контуров.
4. Извлечение размеров. По контуру вычисляем bounding box, минимальный прямоугольник, периметр, площадь.
5. Конвертация в миллиметры. Умножаем пиксельные значения на pixels_per_mm.
6. Вывод результата. Отправляем данные в JSON, БД или на экран оператора.

Что входит в работу

• Анализ задачи: пришлите фото/видео объекта с описанием условий съёмки (дальность, освещение, движение). Мы подбираем метод и готовим смету за 1 день.
• Прототип: за 3–5 дней пишем демо-версию под ваш сценарий. Вы тестируете на реальных данных.
• Разработка: реализуем алгоритмы сегментации, калибровки, измерения. Стек: OpenCV, PyTorch (если нужна нейросеть для сложных контуров), Docker, FastAPI.
• Интеграция: встраиваем модуль в вашу PLC/SCADA, добавляем REST API, MQTT, Modbus.
• Документация и обучение: передаём код, описание API, инструкции для операторов.
• Поддержка: 3 месяца бесплатного сопровождения, далее — по договору.

Сроки ориентировочно

Стоимость рассчитывается индивидуально и зависит от сложности сегментации, количества камер, необходимости нейросетей. Напишите нам — за 1 день получите предварительную оценку.

Почему выбирают нас?

Опыт более 5 лет в промышленном CV. Реализовали 50+ проектов для машиностроения, логистики, медицины. Гарантия точности: фиксируем метрологические характеристики в договоре. Всегда предоставляем отчёт по валидации. Процессы разработки стандартизированы по ISO 9001. Сравнение с аналогами: наше решение дешевле западных Halcon/Matrox в 2–3 раза при сопоставимой точности, а срок внедрения в 1.5 раза короче.

Наши заказчики экономят до 2 млн рублей в год на контроле качества. Например, один клиент сократил время инспекции на 80%, что эквивалентно экономии около 1.5 млн рублей в год. Получите консультацию инженера с пятилетним опытом в CV — свяжитесь с нами.

Методы масштабирования

Метод 1: Калиброванная камера

Один раз фотографируем объект известного размера (калибровочная пластина) с рабочего расстояния, вычисляем коэффициент pixels_per_mm:

import cv2
import numpy as np

class CalibratedMeasurement:
    def __init__(self, pixels_per_mm: float,
                 camera_matrix: np.ndarray = None,
                 dist_coefficients: np.ndarray = None):
        self.ppm = pixels_per_mm
        self.camera_matrix = camera_matrix
        self.dist_coefficients = dist_coefficients

    def calibrate_from_reference(self, image: np.ndarray,
                                   known_width_mm: float) -> float:
        """Калибровка по объекту известной ширины"""
        # Предполагаем что объект уже выровнен и занимает ~80% ширины
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        _, binary = cv2.threshold(gray, 0, 255,
                                   cv2.THRESH_BINARY + cv2.THRESH_OTSU)

        contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL,
                                        cv2.CHAIN_APPROX_SIMPLE)
        main = max(contours, key=cv2.contourArea)
        x, y, w, h = cv2.boundingRect(main)

        self.ppm = w / known_width_mm
        return self.ppm

    def measure_contour(self, image: np.ndarray) -> dict:
        """Измерение основных параметров объекта"""
        if self.camera_matrix is not None:
            # Исправление дисторсии линзы
            image = cv2.undistort(image, self.camera_matrix,
                                   self.dist_coefficients)

        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        _, binary = cv2.threshold(gray, 0, 255,
                                   cv2.THRESH_BINARY + cv2.THRESH_OTSU)

        contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL,
                                        cv2.CHAIN_APPROX_SIMPLE)
        if not contours:
            return {'measured': False}

        c = max(contours, key=cv2.contourArea)

        # Bounding rectangle
        x, y, w, h = cv2.boundingRect(c)

        # Минимальный описывающий прямоугольник (с вращением)
        rect = cv2.minAreaRect(c)
        (cx, cy), (rw, rh), angle = rect
        min_side = min(rw, rh)
        max_side = max(rw, rh)

        # Периметр через arc length
        perimeter_px = cv2.arcLength(c, True)

        # Площадь
        area_px = cv2.contourArea(c)

        return {
            'width_mm': round(w / self.ppm, 3),
            'height_mm': round(h / self.ppm, 3),
            'length_mm': round(max_side / self.ppm, 3),
            'width_min_mm': round(min_side / self.ppm, 3),
            'angle_deg': round(angle, 2),
            'perimeter_mm': round(perimeter_px / self.ppm, 3),
            'area_mm2': round(area_px / self.ppm**2, 3),
            'center': (round(cx / self.ppm, 2), round(cy / self.ppm, 2))
        }

Метод 2: Референсный объект в кадре (ArUco маркеры)

import cv2.aruco as aruco

def measure_with_aruco(image: np.ndarray,
                        marker_size_mm: float = 50.0) -> dict:
    """Измерение с ArUco маркером как референсом"""
    aruco_dict = aruco.getPredefinedDictionary(aruco.DICT_4X4_250)
    detector = aruco.ArucoDetector(aruco_dict)

    corners, ids, _ = detector.detectMarkers(image)

    if ids is None:
        return {'error': 'no_aruco_marker_found'}

    # Вычисляем pixels_per_mm из маркера
    marker_corners = corners[0][0]
    marker_width_px = np.linalg.norm(marker_corners[0] - marker_corners[1])
    ppm = marker_width_px / marker_size_mm

    # Дальше стандартное измерение
    measurer = CalibratedMeasurement(pixels_per_mm=ppm)
    return measurer.measure_contour(image)

Измерение в 3D через стереопару

class StereoCameraMeasurement:
    def __init__(self, stereo_calibration: dict):
        self.Q = stereo_calibration['Q']          # disparity-to-depth матрица
        self.baseline_mm = stereo_calibration['baseline_mm']
        self.focal_length_px = stereo_calibration['focal_length_px']

    def measure_3d(self, left_img: np.ndarray,
                    right_img: np.ndarray) -> dict:
        # Stereo matching
        stereo = cv2.StereoSGBM_create(
            minDisparity=0,
            numDisparities=96,
            blockSize=11,
            P1=8 * 3 * 11**2,
            P2=32 * 3 * 11**2,
            disp12MaxDiff=1,
            uniquenessRatio=10,
            speckleWindowSize=100,
            speckleRange=32
        )

        disparity = stereo.compute(
            cv2.cvtColor(left_img, cv2.COLOR_BGR2GRAY),
            cv2.cvtColor(right_img, cv2.COLOR_BGR2GRAY)
        ).astype(np.float32) / 16.0

        # Конвертация диспаретности в 3D облако точек
        points_3d = cv2.reprojectImageTo3D(disparity, self.Q)

        return self._extract_dimensions_3d(points_3d)

Точность и применения

По данным исследования NIST, бесконтактное измерение снижает погрешность на 40%. Готовы обсудить вашу задачу. Напишите нам — оценим проект за 1 день. Получите консультацию инженера.

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.