AI-система для автомобильной промышленности

Сбои на конвейере стоят дороже, чем кажется: пропущенный дефект всплывает у дилера. Мы разрабатываем системы компьютерного зрения для автопрома под ключ — от разбора линии до передачи регламентов. Контроль сборки становится объективным: доля пропущенного брака падает в разы, а решения фиксируются в протоколе.

AI-система для автомобильной промышленности

Отраслевые AI-решенияСложныйот 2 недель до 3 месяцев
Часто задаваемые вопросы

Почему компьютерное зрение в автопроме даёт сбои

Компьютерное зрение в автопроме спотыкается не о веса модели, а о входные условия линии. Цеховое освещение даёт блики на полированной панели, деталь приходит под углом — и засветку уверенно помечают вмятиной. На сварке добавляются брызги, копоть и переменный зазор между кромками: инспекция сварных швов упирается в свет и геометрию, а не в распознавание.

Где узкое место: оптика, свет или данные

Второй источник сбоев — движение. На быстром конвейере длинная выдержка оставляет смазанный кадр, и дефекты сборки кузова либо исчезают, либо «размножаются» на соседние зоны. Третий — данные: если эталонных дефектов набрано мало и они не привязаны к координатам кузова, модель не отличает допустимую ворсину от трещины. Четвёртый — рассинхрон с системой управления производством: вердикт приходит, когда кузов уже уехал на следующую операцию, и забраковать его нельзя.

Чем оборачивается ручной пересмотр отбраковки

Пока контур не откалиброван, линия живёт на ручном пересмотре: оператор отсматривает кадры с флагами, возвращает годные детали в поток и пропускает часть реальных дефектов. Контроль качества на конвейере перестаёт быть автоматическим — растёт время отклика, копится очередь на перепроверку, статистика по типам дефектов не агрегируется.

Разбираем, как это закрывается: свет и оптика под геометрию участка и скорость линии, синхронный захват кадров, размеченный корпус дефектов с координатами и обмен вердиктами с системой управления в темпе конвейера.

Что меняется после внедрения: измеримые эффекты

Эффект от компьютерного зрения в автопроме считают не по числу камер на линии, а по метрикам, снятым до и после внедрения на одной номенклатуре и при одинаковом такте. Требования к прослеживаемости и статистике по годным и негодным деталям задаёт IATF 16949, поэтому каждую метрику мы привязываем к журналу контроля: метка времени, смена, идентификатор детали.

Пять эффектов, которые фиксируем на приёмке:

  • Доля пропущенных дефектов — контроль идёт по каждой единице, а не по выборке, и дефект, который раньше уходил потребителю, остаётся на линии.
  • Доля ложных срабатываний — пороги подбираются под номенклатуру, спорные кадры уходят оператору на разбор, а не в остановку.
  • Время контроля одной единицы — измерение и решение по годности идут в темпе конвейера, выборочный обход участка больше не нужен.
  • Время восстановления после переналадки — переход на новую номенклатуру требует нескольких десятков эталонных образцов и пересчёта порогов вместо перенастройки жёсткой логики.
  • Ушедший класс отказов — простой линии из-за того, что дефект нашли на приёмке или у потребителя, а не на выходе участка.

Скорость контроля вместо выборочного обхода

Ручной обход даёт срез по партии и переносит решение на человека, который устаёт к концу смены. Автоматизация отбраковки снимает измерение на каждой единице и оставляет оператору только спорные случаи — скорость контроля качества перестаёт зависеть от того, сколько деталей успел посмотреть контролёр. Снижение доли брака на выходе при этом достигается не ужесточением порогов, а тем, что выборка заменена сплошным контролем.

Устойчивость к переналадке линии

Переналадка — главный источник простоев на смешанном производстве: жёсткая логика ломается на новой геометрии и освещении. Мы дообучаем модель на эталонных образцах новой номенклатуры и пересчитываем пороги отдельно по каждому дефекту, поэтому линия возвращается в рабочий режим за одну наладку, а не за отдельный проект.

Форматы внедрения: локальный контур, облако, гибрид

Вариант контура определяется не удобством, а пропускной способностью линии и характером дефекта. Промышленные камеры на участке дают поток непрерывно, и задержка между съёмкой и решением означает либо пропущенный дефект, либо остановку потока. Ниже — альтернативы, между которыми реально выбирают, когда внедряют компьютерное зрение в автопроме.

Вариант Когда подходит Ограничения
Локальная обработка на участке Жёсткий такт, тонкий канал связи, требование автономности Модели обновляются реже, на линии нужен свой вычислительный узел
Облачная обработка видео Несколько площадок, разбор архива, гибкая нагрузка Чувствительна к каналу: при перегрузке или обрыве участок теряет контроль
Гибридная схема Быстрая отбраковка на месте плюс дообучение в центре Сложнее синхронизация версий моделей и разметки
Готовая платформенная модель Типовые дефекты: царапина, вмятина, задир, непрокрас Плохо переносится на нестандартный дефект и своё освещение
Модель под ваш дефект Уникальный дефект, свой свет, покрытие и ракурс камер Нужна размеченная выборка, снятая именно с вашей линии

Что выбрать для участка с жёстким тактом

Локальная обработка изображений держит решение внутри участка: кадр снимается и оценивается на месте, вердикт «годен / брак» выдаётся в пределах такта и не зависит от внешней связи. Это единственный вариант, который не деградирует, когда канал перегружен или недоступен, поэтому критичные проверки геометрии, сварного шва и окраски выносим на локальный контур.

Где облако проигрывает локальному контуру

Облачная обработка видео сильна там, где важнее объём и история: сводка по нескольким линиям, разбор спорных случаев, дообучение модели на накопленном архиве. Но каждое решение проходит через сеть, и при её просадке участок остаётся без контроля. Поэтому гибридная схема и стала рабочей: быстрые проверки — на месте, телеметрия и повторное обучение — в центре, а переключение режимов описано в регламенте.

Как мы строим систему: этапы инженерной работы

Проект начинается не с модели, а с участка: важно понять, где возникает дефект, где его замечают сейчас и что считается годным изделием. Порядок работ ниже — последовательность, в которой снимается неопределённость, чтобы к запуску система работала в такте линии, а не в лаборатории.

Аудит участка и схема наблюдения

  1. Аудит производственной линии: такт, точки контроля, маршрут детали. Фиксируем классы дефектов, которые система обязана ловить.
  2. Схема наблюдения: ракурсы камер, подсветка под блеск металла и вибрацию, защита оптики от пыли и стружки.
  3. Сбор и разметка набора данных: снимаем поток в разных сменах, отдельно набираем спорные случаи, правила разметки описываем письменно.
  4. Обучение модели контроля: проверка на отложенной выборке, которую модель не видела — доля пропущенного брака и доля ложных срабатываний по каждому классу.

Проверка модели на реальном потоке

  • Интеграция с системой управления производством: результат привязывается к изделию и партии, событие уходит в учётную систему, оператор получает сигнал.
  • Испытания в потоке: реальный такт, смена освещения и партий сырья; уточняем пороги, чтобы ложные сигналы не тормозили линию.
  • Передача и обучение смены: регламент обслуживания, разбор спорных кадров, процедура дообучения при смене номенклатуры.

Что передаём заказчику: комплект документов и регламентов

Промышленное внедрение отличается от демонстрации тем, что дальше систему эксплуатирует ваша команда. Поэтому вместе с работающим контуром передаём комплект, по которому систему можно обслуживать, развивать и передавать другому подрядчику без обращений к нам.

  • Описание конфигурации: состав модулей, пороги срабатывания, зависимости между сервисами и места, где меняется поведение системы.
  • Схема размещения камер и осветителей: ракурсы, зоны перекрытия, высота подвеса, требования к стабильности засветки по сменам.
  • Политики доступа к видеопотоку и архиву: роли, сроки хранения, порядок выгрузки по запросу, журнал обращений.
  • Инструкции оператора и наладчика: как читать события, что делать при ложном срабатывании, как вернуть линию в работу.
  • Порядок переобучения модели: события-триггеры, согласование, проверка качества до выката, откат на предыдущую версию.
  • Регламент разметки и пополнения набора данных — отдельным разделом ниже.

Регламент разметки и пополнения данных

Правила разметки задают потолок качества модели, поэтому фиксируем их письменно: перечень классов, как помечать спорные кадры, кто и в какие сроки проверяет, как версионируется набор. Пополнение идёт по событиям — рост доли ложных срабатываний на конкретном участке или смена номенклатуры деталей. Новая версия набора сначала проходит проверку на отложенной выборке, и только потом запускается переобучение.

Кейс: контроль сборки кузова на конвейере

Проект стартовал на одной линии сборки кузова — три поста: геометрия проёмов, посадка крепежа, качество сварной точки. Раньше эти зоны закрывал оператор и делал это выборочно, поэтому сравнивать имело смысл не «картинку», а два класса ошибок и время переналадки на новую модель кузова.

Что было до внедрения

Контроль вёлся глазами и на выборке: из партии проверяли каждое пятое изделие, остальное уходило дальше по потоку. Из-за этого часть дефектов всплывала на следующей операции, где исправление требует разборки узла, а спорные случаи останавливали линию ложной отбраковкой. Переналадка под новую модель занимала две-три недели: инженеры вручную снимали эталонные кадры, подбирали пороги чувствительности и размечали выборку под каждый типоразмер.

Метрики после выхода на режим

Параметр До После
Пропущенные дефекты 9% 0,4%
Ложные отбраковки 6% 1,2%
Время контроля одной единицы 40 с 6 с
Выход на рабочий режим после смены модели 2-3 недели 2 смены

Контроль стал сплошным: камеры на постах снимают каждый кузов, модель размечает зоны и отдаёт оператору решение с подсветкой дефекта, поэтому время на единицу определяется не осмотром, а подтверждением. Спорные кадры попадают в очередь ручной проверки и раз в смену уходят в дообучение — доля пропусков снижается без ручной подстройки порогов.

Переналадку ускорили синтетикой: кадры новых деталей генерировали в NVIDIA Omniverse и добирали несколько десятков реальных снимков с линии, вместо недель сбора статистики достаточно двух смен. Предыдущая версия модели остаётся на стенде — если точность на приёмке после смены модели проседает, контроль возвращается к прежним настройкам откатом.

Чем компьютерное зрение отличается от классического контроля?

Классический датчик измеряет одну физическую величину — зазор, усилие, наличие детали в рабочей зоне. Машинное зрение оценивает состояние объекта целиком: геометрию, положение, характер дефекта на поверхности. Поэтому сравнение подходов контроля упирается не в точность, а в устойчивость к вариациям — датчик не заметит смену комплектации, а зрение заметит и забракует.

Различается и ресурс на сопровождение контура: порог датчика настраивают один раз, а модель зрения зависит от освещения, оптики и партии материала — требования к данным выше, переналадка на новый артикул дольше. Ограничения алгоритмов тоже реальны: редкий дефект, не попавший в обучающую выборку, система не увидит, пока его не добавят в разметку или не смоделируют синтетически. Отраслевые обзоры Association for Advancing Automation фиксируют ту же картину: на производстве чаще живут гибридные контуры, чем чисто оптические.

Что остаётся за классическими датчиками

Индуктивные датчики, лазерная триангуляция, измерение усилия остаются там, где нужна одна величина с предсказуемой повторяемостью и высоким темпом: наличие детали, ход механизма, критический размер. Их не заменяют, а дополняют — зрение берёт поверхность и сборку, датчики держат размер и такт линии. Мы собираем такие контуры смешанными, чтобы отказ оптической ветви не останавливал поток.

Технические сомнения: ограничения и способы их снять

Технические сомнения в проектах машинного зрения на автопроме обычно одни и те же: подойдёт ли уже установленная оптика, где взять разметку, что будет при смене модели кузова и как система переживёт реальный цех. Ниже — прямой ответ по каждому пункту, с проверкой на вашей линии, а не на демонстрационном стенде.

Оптика уже стоит, но картинка нестабильная

Снимаем тестовый набор с текущих камер при разном свете и оцениваем контраст дефекта к фону. Часто хватает вынесенного света, бленд и фиксированной экспозиции; оптика меняется только там, где дефект не разрешается физически.

Разметки нет — сколько данных нужно

Начинаем с нескольких сотен кадров, отобранных по редкости классов, и расширяем выборку там, где модель ошибается. Разметку ведём сами по согласованному регламенту, спорные кадры выносим вам на арбитраж — остаётся эталон для приёмки.

Смена модели кузова и переналадка линии

Новая номенклатура вводится конфигурацией: зоны контроля, эталонные образцы и пороги задаются отдельно от кода. Дообучение под новый кузов идёт быстрее пусконаладки, а прежние линии продолжают работать без пересборки.

Свет, вибрация и микросдвиг камеры

Колебания освещения и сдвиги снимаем на этапе подготовки кадра: стабилизация геометрии по реперным меткам, нормировка яркости по фону, отсев непригодных кадров вместо попытки распознать их. Долю отброшенных кадров логируем — причина устраняется на стороне линии.

Что после передачи — кто ведёт модель

Передаём не только модель, но и весь цикл: разметку, обучение, набор тестов на исторических дефектах, метрики по классам и регламент дообучения. Дальше сопровождение идёт по согласованному уровню — от консультаций вашей команды до контроля дрейфа качества.

Обсудим задачу: с чего начинается разбор линии

Чтобы обсудить задачу предметно, нужен не общий запрос «хотим компьютерное зрение», а конкретный производственный участок. Разбор начинается с одной линии: где именно возникает дефект, на какой операции его видно, с какой скоростью идёт поток и есть ли накопленный архив записей.

Что запрашиваем на старте:

  • участок и операцию — где теряется качество и кто сейчас принимает решение о браке;
  • тип дефекта — царапина, задир, непровар, смещение: как он выглядит и чем отличается от допустимого отклонения;
  • такт линии — сколько изделий в час проходит зону контроля и успевает ли оператор смотреть каждое;
  • условия съёмки — освещение, вибрация, место под камеру и подвод кабеля;
  • архив записей — несколько смен съёмки с дефектами и годной продукцией для проверки распознавания;
  • ограничения производства — окна остановки линии и требования по безопасности.

В ответ возвращаемся со схемой решения, планом этапов и оценкой, а не с общими обещаниями. Дальше предлагаем пилот на одной линии: он показывает реальную точность на ваших изделиях, и уже по его результатам фиксируем сроки внедрения на остальные участки.

Направления AI-разработки

Последние работы

  • Разработка сайта компании B2B ADVANCE
    Разработка сайта компании B2B ADVANCE
    1543
  • Разработка веб-приложения для компании FEEDME
    Разработка веб-приложения для компании FEEDME
    1394
  • Разработка веб-сайта для компании БЕЛФИНГРУПП
    Разработка веб-сайта для компании БЕЛФИНГРУПП
    1081
  • Разработка интернет магазина для компании FURNORO
    Разработка интернет магазина для компании FURNORO
    1374
  • Разработка логотипа компании B2B Advance
    Разработка логотипа компании B2B Advance
    816
  • Разработка веб-приложения для компании Enviok
    Разработка веб-приложения для компании Enviok
    1142