AI-система автоматичного сортування та грейдингу продуктів харчування

AI-система автоматичного сортування продуктів харчування

Ручне сортування продуктів — вузьке місце на виробництві. Оператор втомлюється через 40 хвилин і пропускає до 10% дефектних одиниць. При швидкості стрічки 300 об'єктів на хвилину це десятки тонн браку за зміну. Автоматизація на базі комп'ютерного зору вирішує проблему: нейромережа детектує та класифікує дефекти в реальному часі, а пневматичний актуатор здуває некондицію. Наш досвід — 10+ років в AI-рішеннях для харчової промисловості, сертифіковані моделі та гарантія точності до 98%. Сортувальна лінія з AI включає детекцію, класифікацію та управління фізичним актуатором з latency 20–50ms. Якщо затримка перевищує поріг, продукт їде повз сортувальну точку. Автоматизація скорочує частку браку на 50% та збільшує пропускну здатність лінії в 3–5 разів.

Як працює real-time сортування?

Основний цикл: камера захоплює кадр, нейромережа (YOLO) детектує об'єкти, класифікує дефекти, і система розраховує час активації актуатора з урахуванням швидкості стрічки та відстані від камери до актуатора. Нижче — приклад реалізації на Python з потоками та чергою команд.

import cv2
import numpy as np
from ultralytics import YOLO
import time
from queue import Queue
import threading

class FoodSortingSystem:
    def __init__(self, config: dict):
        self.detector = YOLO(config['model_path'])
        self.belt_speed = config['belt_speed_ms']
        self.camera_to_actuator_dist = config['cam_to_actuator_m']
        self.actuator_delay = self.camera_to_actuator_dist / self.belt_speed
        self.actuator_queue = Queue()
        self.actuator_thread = threading.Thread(target=self._actuator_worker, daemon=True)
        self.actuator_thread.start()
        self.grade_to_lane = config['grade_to_lane']

    def process_frame(self, frame: np.ndarray, frame_timestamp: float) -> list:
        start = time.perf_counter()
        results = self.detector(frame, conf=0.45)
        inference_ms = (time.perf_counter() - start) * 1000
        sorting_commands = []
        for box in results[0].boxes:
            cls = self.detector.model.names[int(box.cls)]
            bbox = list(map(int, box.xyxy[0]))
            conf = float(box.conf)
            belt_pos = (bbox[0] + bbox[2]) / 2 / frame.shape[1]
            dist_to_actuator = (1 - belt_pos) * self.belt_speed * self.camera_to_actuator_dist
            trigger_time = frame_timestamp + dist_to_actuator / self.belt_speed
            grade = self._classify_grade(cls, conf)
            lane = self.grade_to_lane.get(grade, 0)
            if lane > 0:
                cmd = {'trigger_time': trigger_time, 'lane': lane, 'grade': grade, 'class': cls, 'confidence': conf, 'inference_ms': inference_ms}
                self.actuator_queue.put(cmd)
                sorting_commands.append(cmd)
        return sorting_commands

    def _actuator_worker(self):
        while True:
            cmd = self.actuator_queue.get()
            now = time.time()
            wait = cmd['trigger_time'] - now
            if wait > 0:
                time.sleep(wait)
            self._trigger_actuator(cmd['lane'])
            self.actuator_queue.task_done()

    def _trigger_actuator(self, lane: int):
        pass

    def _classify_grade(self, defect_class: str, confidence: float) -> str:
        critical = ['mold', 'rot', 'foreign_object']
        moderate = ['bruise', 'crack', 'large_scar']
        if defect_class in critical:
            return 'Reject'
        if defect_class in moderate and confidence > 0.6:
            return 'Juice'
        if defect_class in moderate:
            return 'Standard'
        return 'Premium'

Чому мультиспектральне сортування необхідне?

RGB-камери не бачать внутрішні дефекти. Для горіхів (пліснява всередині) і деяких фруктів використовують NIR (near-infrared) або гіперспектральні камери. NIR-діапазон (750–1100nm) проникає під шкірку, показуючи афлатоксин або внутрішні потемніння. Гіперспектральна камера (400–1000nm) знімає більше 100 спектральних каналів, що дозволяє виявити хімічний склад поверхні. Такі системи критичні для продуктів з тонкою шкіркою або прихованими вадами. Near-infrared spectroscopy широко застосовується в харчовій промисловості для контролю якості. Економія від впровадження мультиспектрального сортування досягає 1–2 млн грн на рік на середній лінії за рахунок скорочення невиявленого браку.

class NearIRSorter:
    """
    NIR (750–1100nm): проникает под кожуру, показывает внутренние дефекты.
    Гиперспектральная камера (400–1000nm): 100+ спектральных каналов.
    """
    def __init__(self, nir_model_path: str):
        self.model = torch.load(nir_model_path)

    def detect_internal_defect(self, nir_image: np.ndarray) -> dict:
        tensor = self._preprocess(nir_image)
        with torch.no_grad():
            output = self.model(tensor)
        return {
            'has_internal_defect': bool(output.argmax() == 1),
            'defect_probability': float(torch.softmax(output, -1)[0][1])
        }

Як інтегрувати AI-сортування з існуючим PLC?

Інтеграція з промисловим контролером — ключовий етап. Система передає команди актуатору через Modbus TCP/RTU, OPC-UA або Profinet. Час від детекції до команди не повинен перевищувати 40ms — інакше об'єкт зміститься за межі зони здуву. Для цього пайплайн оптимізують: інференс на GPU, черга команд з часовими мітками, асинхронне відправлення. Ми налаштовуємо інтерфейс під ваш PLC, гарантуючи синхронізацію з конвеєром.

Етапи впровадження AI-сортування

1. Аудит лінії: замір швидкості, освітлення, типу продуктів, поточних дефектів.
2. Підбір обладнання: камера (RGB, NIR, гіперспектральна), об'єктив, освітлення, обчислювач.
3. Збір та розмітка даних: мінімум 10 000 розмічених об'єктів на клас.
4. Навчання моделі: YOLO для детекції, ResNet або EfficientNet для класифікації.
5. Розробка пайплайну: код на Python з потоками, чергою, інтеграцією з PLC.
6. Лабораторне тестування: прогін на стенді, коригування threshold.
7. Пусконалагодження на виробництві: калібрування, навчання операторів.
8. Моніторинг та підтримка: відстеження дрейфу моделі, щотижневе калібрування.

Продуктивність сортувальних систем

AI-сортування вигідніше ручного контролю: в 3–5 разів ефективніше та знижує частку браку на 50%. Людина втомлюється через 40 хвилин, пропускаючи до 10% дефектів. Система працює стабільно 24/7. Окупність — 6–18 місяців за рахунок скорочення відходів та підвищення якості продукції. Середня економія на браку становить близько 1–2 млн грн на місяць на високопродуктивній лінії.

Типові помилки при впровадженні AI-сортування

• Недостатня розмітка даних (менше 10 000 об'єктів на клас) → низька точність.
• Ігнорування освітлення: відблиски та тіні різко погіршують детекцію.
• Затримка більше 40ms через повільний пайплайн: продукт проскакує повз актуатор.
• Відсутність калібрування після пуску: модель дрейфує, точність падає протягом тижня.
• Інтеграція через застарілі протоколи (наприклад, тільки дискретні сигнали) без зворотного зв'язку.

Що входить в проект впровадження

До складу робіт з автоматизації входять: аудит лінії та підбір обладнання; збір та розмітка навчальних даних; навчання та валідація моделі; розробка real-time пайплайну з чергою команд; інтеграція з PLC через Modbus/OPC-UA; пусконалагоджувальні роботи та калібрування; документація та навчання персоналу; гарантійне обслуговування (6–12 місяців) та опція розширеної підтримки. Отримайте консультацію — ми оцінимо вашу лінію та запропонуємо оптимальне рішення.

Терміни та вартість

Вартість розраховується індивідуально після аудиту. Терміни — діапазоном:

Зв'яжіться з нами для консультації. Замовте аудит вашої лінії — ми оцінимо проект та підберемо оптимальне рішення.

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.