Розробка AI для детекції дефектів тканини та текстилю

Текстильне виробництво втрачає до 5% виручки через брак, який пропускає ручна інспекція. Один оператор перевіряє 20–30% рулонів на швидкості 20–40 м/хв і пропускає 15–25% дефектів через втому. При цьому кожен рулон довжиною 50–100 м коштує тисячі гривень, а пропущений брак йде клієнту. Пропуск дефектного рулону — значна втрата. Ми пропонуємо альтернативу: AI-систему комп'ютерного зору, яка інспектує 100% поверхні тканини на швидкості до 100 м/хв, стабільно виявляючи навіть мікроскопічні дефекти. Система базується на методах комп'ютерного зору та машинного навчання. Вона працює під ключ: від збору датасету до інтеграції у виробничу лінію.

Які проблеми вирішуємо

Наші клієнти стикаються з типовими складнощами:

• Висока швидкість лінії — при 60 м/хв оператор фізично не встигає помітити дірку розміром 1 мм. Наш детектор обробляє кожен тайл за 10 мс на GPU, забезпечуючи пропускну здатність до 80+ м/хв на RTX-карті.
• Різноманітність дефектів — діри, плями, розриви ниток, помилки переплетення, подряпини, складки. Ми використовуємо дворівневу архітектуру: PatchCore для anomaly detection та YOLOv8 для класифікації. Це дає recall > 0.95 за всіма класами.
• Мінливість тканин — гладкі, ворсисті, з малюнком. Anomaly detection на PatchCore не потребує розмітки дефектів — тільки хороші зразки. Перенавчання на новий тип тканини займає один тиждень.

Як працює дворівнева детекція?

Стек: PyTorch, PatchCore, EfficientAD, YOLOv8, OpenCV, TensorRT для інференсу. Основний компонент — адаптація моделі PatchCore під лінійні камери з тайловою обробкою.

import numpy as np
import cv2
import torch
from anomalib.models import Patchcore, EfficientAD
from ultralytics import YOLO
from dataclasses import dataclass
from typing import Optional

@dataclass
class FabricDefect:
    defect_type: str      # hole / stain / broken_thread / weaving_error / scratch / fold
    severity: str         # minor / major / critical
    bbox: list
    area_px2: int
    confidence: float
    location_pct: tuple   # (x%, y%) - відносне положення

class FabricDefectDetector:
    """
    Дворівнева детекція дефектів тканини:
    Level 1: Anomaly detection (PatchCore) — навчається тільки на хорошій тканині
    Level 2: Defect classification (YOLO) — якщо потрібна класифікація за типом

    AITEX Fabric Dataset: 7 типів дефектів, 12 видів тканин.
    TILDA: виробничі дефекти, 8 класів.
    """
    DEFECT_CLASSES = {
        0: ('hole', 'critical'),
        1: ('stain', 'major'),
        2: ('broken_thread', 'major'),
        3: ('weaving_error', 'major'),
        4: ('scratch', 'minor'),
        5: ('fold', 'minor'),
        6: ('cut', 'critical'),
        7: ('knotting', 'minor')
    }

    def __init__(self, anomaly_model_path: str,
                  defect_model_path: Optional[str] = None,
                  anomaly_threshold: float = 0.5,
                  device: str = 'cuda'):
        self.anomaly_model = Patchcore.load_from_checkpoint(anomaly_model_path)
        self.anomaly_model.eval()
        self.anomaly_threshold = anomaly_threshold

        self.defect_model = YOLO(defect_model_path) if defect_model_path else None
        self.device = device

        # Трансформація для tile-based інспекції
        from torchvision import transforms
        self.transform = transforms.Compose([
            transforms.Resize((256, 256)),
            transforms.ToTensor(),
            transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ])

    def inspect_fabric_strip(self, strip: np.ndarray,
                               tile_size: int = 256,
                               overlap: int = 32) -> dict:
        """
        Інспекція смуги тканини (горизонтальний кадр з лінійної камери).
        Тайл-орієнтована обробка для швидкісних ліній.
        """
        h, w = strip.shape[:2]
        from PIL import Image

        anomaly_map = np.zeros((h, w), dtype=np.float32)
        count_map = np.zeros((h, w), dtype=np.float32)

        stride = tile_size - overlap

        # Tile extraction
        tiles = []
        tile_positions = []
        for y in range(0, h - tile_size + 1, stride):
            for x in range(0, w - tile_size + 1, stride):
                tile = strip[y:y+tile_size, x:x+tile_size]
                pil_tile = Image.fromarray(cv2.cvtColor(tile, cv2.COLOR_BGR2RGB))
                tensor = self.transform(pil_tile)
                tiles.append(tensor)
                tile_positions.append((x, y))

        if not tiles:
            return {'defects': [], 'anomaly_score': 0, 'pass': True}

        # Batch inference
        batch = torch.stack(tiles)
        with torch.no_grad():
            outputs = self.anomaly_model({'image': batch})
            scores = outputs['pred_score'].cpu().numpy()
            anomaly_maps = outputs.get('anomaly_map')

        # Збірка загальної карти аномалій
        for i, (x, y) in enumerate(tile_positions):
            if anomaly_maps is not None:
                am = anomaly_maps[i].cpu().numpy()
                am_resized = cv2.resize(am, (tile_size, tile_size))
                anomaly_map[y:y+tile_size, x:x+tile_size] += am_resized
                count_map[y:y+tile_size, x:x+tile_size] += 1

        # Нормалізація
        count_map = np.maximum(count_map, 1)
        anomaly_map /= count_map

        # Виявлення дефектних зон
        defects = self._extract_defects(anomaly_map, strip, w, h)

        overall_score = float(np.max(scores))

        return {
            'defects': [d.__dict__ for d in defects],
            'anomaly_score': round(overall_score, 4),
            'anomaly_map': anomaly_map,
            'pass': overall_score < self.anomaly_threshold and len(defects) == 0
        }

    def _extract_defects(self, anomaly_map: np.ndarray,
                          original: np.ndarray,
                          w: int, h: int) -> list[FabricDefect]:
        """Витяг bbox дефектів з карти аномалій"""
        defects = []

        if anomaly_map.max() < 0.3:
            return defects

        # Бінаризація карти аномалій
        norm_map = ((anomaly_map / anomaly_map.max()) * 255).astype(np.uint8)
        _, thresh = cv2.threshold(norm_map, int(self.anomaly_threshold * 255),
                                   255, cv2.THRESH_BINARY)

        # Морфологічна чистка
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
        cleaned = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
        cleaned = cv2.morphologyEx(cleaned, cv2.MORPH_OPEN, kernel)

        contours, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL,
                                         cv2.CHAIN_APPROX_SIMPLE)

        for cnt in contours:
            area = cv2.contourArea(cnt)
            if area < 100:  # занадто дрібні
                continue

            x, y, bw, bh = cv2.boundingRect(cnt)
            max_anomaly = float(anomaly_map[y:y+bh, x:x+bw].max())

            severity = ('critical' if max_anomaly > 0.85 else
                        'major' if max_anomaly > 0.65 else 'minor')

            # Спроба класифікації дефекту
            defect_type = 'unknown'
            if self.defect_model:
                crop = original[y:y+bh, x:x+bw]
                if crop.size > 0:
                    results = self.defect_model(crop, conf=0.35, verbose=False)
                    if results[0].boxes and len(results[0].boxes):
                        cls_id = int(results[0].boxes.cls[0].item())
                        defect_type, severity = self.DEFECT_CLASSES.get(
                            cls_id, ('unknown', severity)
                        )

            defects.append(FabricDefect(
                defect_type=defect_type,
                severity=severity,
                bbox=[x, y, x+bw, y+bh],
                area_px2=int(area),
                confidence=max_anomaly,
                location_pct=(round(x/w*100, 1), round(y/h*100, 1))
            ))

        return defects

Чому PatchCore краще supervised підходів?

Supervised моделі потребують тисяч розмічених дефектів — це дорого та довго. PatchCore використовує anomaly detection: навчається тільки на хороших зразках, а аномалії знаходить як відхилення від еталону. На практиці це означає:

• Збір 500–1000 якісних зображень тканини (просто прокотити рулон під камерою).
• Донавчання на 100–200 кадрів з дефектами, якщо потрібна класифікація.
• Економія часу на розмітку в 5–10 разів.

Порівняйте: ручна інспекція пропускає 15–25% дефектів і працює в 3–5 разів повільніше. AI-система стабільно тримає recall > 95% на швидкостях до 100 м/хв. Це в 2 рази швидше людини та в 4 рази точніше.

Процес впровадження

1. Аудит виробництва — вивчаємо швидкість лінії, тип камер, освітлення, доступні PLC.
2. Збір та розмітка даних — знімаємо 10–20 рулонів, розмічаємо всі дефекти.
3. Навчання моделі — налаштовуємо PatchCore + YOLO на ваших даних.
4. Інтеграція — підключаємо камери, встановлюємо edge-сервер з GPU, пишемо модуль для PLC.
5. Тестування — прогоняємо 100 рулонів, заміряємо recall та precision.
6. Введення в експлуатацію — навчаємо операторів, надаємо документацію та підтримку.

Що входить в роботу

• Готова модель з вагами та конфігурацією
• Вихідний код кастомного детектора з коментарями
• Дашборд для моніторингу в реальному часі
• API для інтеграції у вашу MES/ERP
• Навчання команди замовника (3 дні)
• Гарантія 12 місяців на роботу моделі при незмінних умовах

AI проти ручної інспекції: порівняння

Наші інженери мають 10+ років досвіду в комп'ютерному зорі та реалізували 50+ проектів у текстильній промисловості. Економія на зарплатах та рекламаціях окупає впровадження за 8–12 місяців. Пропуск одного дефектного рулону — значна втрата, яку система запобігає в 95% випадків. Замовте впровадження та отримайте перші результати через 6 тижнів. Зв'яжіться з нами для оцінки вашого виробництва — ми приїдемо на об'єкт та розрахуємо окупність за два тижні. Отримайте консультацію для старту проекту.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.