Розробка системи вимірювання об'єктів за зображенням/відео

Розробка системи вимірювання об'єктів за зображенням або відео — задача, яку ми вирішуємо за допомогою комп'ютерного зору. На виробництві деталь щойно вийшла з верстата, гаряча (80°C), контактний замір штангенциркулем деформує поверхню, даючи похибку до 0.5 мм. Безконтактне вимірювання через камеру: знімок за 50 мс, точність ±0.1 мм, дані одразу в SCADA. Жодного ризику опіку або зупинки конвеєра.

Завдання, які вирішує система

Контроль якості на виробництві. Деталь щойно вийшла з верстата — відхилення від креслення фіксується миттєво. Система заміряє довжину, ширину, діаметр, кути та площу контуру за 50 мс. Вихід за допуск — сигнал оператору або стоп лінії.

Польові вимірювання без доступу до об'єкта. Потрібно дізнатися ширину тріщини в стіні або діаметр труби на висоті? Розміщуєте ArUco маркер поруч, робите знімок — за секунду розміри відомі. Драбини та лінійки не потрібні.

Логістика та склад. Габарити коробок на стрічці транспортера вимірюються в русі. Система автоматично присвоює кожній одиниці довжину, ширину, висоту — для оптимізації завантаження контейнера.

Як забезпечити точність до міліметра?

Ключовий параметр — масштаб. Використовуємо три методи:

1. Калібрована камера — один раз фотографуєте калібрувальну пластину з робочої відстані, обчислюємо pixels_per_mm. Точність ±0.1 мм. Ідеально для статичних конвеєрів.

2. ArUco маркер у кадрі — маркер відомого розміру (наприклад, 50 мм) лежить поруч з об'єктом. Система визначає маркер, обчислює масштаб, потім вимірює об'єкт. Точність ±1–5 мм, підходить для польових умов.

3. Стереопара — дві камери, рознесені на 10 см, дають 3D-хмару точок. З неї вилучаються габаритні розміри, глибина, об'єм. Точність ±0.5–2 мм на об'єктах до 1 м.

Вибір методу залежить від задачі. Для конвеєра з фіксованим положенням камери — калібрування. Для мобільного планшета — ArUco. Для великих об'єктів (меблі, палети) — стерео або LiDAR+RGB.

Як обрати метод вимірювання?

— Якщо об'єкт рухається на конвеєрі з постійною швидкістю і камера закріплена — обирайте калібровану камеру. Максимальна точність ±0.1 мм і час вимірювання 50 мс.

— Якщо ви на складі або в полі — використовуйте ArUco маркер. Роздрукуйте маркер 5×5 см, наклейте на тверду основу і кладіть поруч з об'єктом. Система автоматично визначить масштаб.

— Якщо потрібно виміряти об'єм або глибину — ставте стереопару. Дві камери з базисом 10 см побудують 3D-модель і видадуть габарити в міліметрах.

Покрокова інструкція: як система вимірює об'єкт

1. Захоплення зображення. Камера робить знімок (або кадр з відео). При налаштуванні вказуємо роздільну здатність і частоту.
2. Визначення масштабу. Система знаходить калібрувальний об'єкт або ArUco маркер, обчислює pixels_per_mm.
3. Сегментація об'єкта. Використовуємо порогову обробку (Otsu) або нейромережу для складних контурів.
4. Вилучення розмірів. По контуру обчислюємо bounding box, мінімальний прямокутник, периметр, площу.
5. Конвертація в міліметри. Множимо піксельні значення на pixels_per_mm.
6. Виведення результату. Відправляємо дані в JSON, БД або на екран оператора.

Що входить в роботу

• Аналіз задачі: надішліть фото/відео об'єкта з описом умов зйомки (дальність, освітлення, рух). Ми підбираємо метод і готуємо кошторис за 1 день.
• Прототип: за 3–5 днів пишемо демо-версію під ваш сценарій. Ви тестуєте на реальних даних.
• Розробка: реалізуємо алгоритми сегментації, калібрування, вимірювання. Стек: OpenCV, PyTorch (якщо потрібна нейромережа для складних контурів), Docker, FastAPI.
• Інтеграція: вбудовуємо модуль у вашу PLC/SCADA, додаємо REST API, MQTT, Modbus.
• Документація та навчання: передаємо код, опис API, інструкції для операторів.
• Підтримка: 3 місяці безкоштовного супроводу, далі — за договором.

Терміни орієнтовно

Вартість розраховується індивідуально і залежить від складності сегментації, кількості камер, необхідності нейромереж. Напишіть нам — за 1 день отримаєте попередню оцінку.

Чому обирають нас?

Досвід понад 5 років у промисловому CV. Реалізували 50+ проєктів для машинобудування, логістики, медицини. Гарантія точності: фіксуємо метрологічні характеристики в договорі. Завжди надаємо звіт по валідації. Процеси розробки стандартизовані за ISO 9001. Порівняння з аналогами: наше рішення дешевше західних Halcon/Matrox у 2–3 рази при порівнянній точності, а термін впровадження в 1.5 рази коротший.

Отримайте консультацію інженера з п'ятирічним досвідом у CV — зв'яжіться з нами.

Методи масштабування

Метод 1: Калібрована камера

Один раз фотографуємо об'єкт відомого розміру (калібрувальна пластина) з робочої відстані, обчислюємо коефіцієнт 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:
        """Калібрування по об'єкту відомої ширини"""
        # Припускаємо, що об'єкт вже вирівняний і займає ~80% ширини
        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:
        """Вимірювання основних параметрів об'єкта"""
        if self.camera_matrix is not None:
            # Виправлення дисторсії лінзи
            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)

        # Мінімальний описувальний прямокутник (з обертанням)
        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)

        # Площа
        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: Референсний об'єкт у кадрі (ArUco маркери)

import cv2.aruco as aruco

def measure_with_aruco(image: np.ndarray,
                        marker_size_mm: float = 50.0) -> dict:
    """Вимірювання з ArUco маркером як 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'}

    # Обчислюємо pixels_per_mm з 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

    # Далі стандартне вимірювання
    measurer = CalibratedMeasurement(pixels_per_mm=ppm)
    return measurer.measure_contour(image)

Вимірювання в 3D через стереопару

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

        # Конвертація диспаретності в 3D хмару точок
        points_3d = cv2.reprojectImageTo3D(disparity, self.Q)

        return self._extract_dimensions_3d(points_3d)

Точність і застосування

За даними дослідження NIST, безконтактне вимірювання знижує похибку на 40%. Готові обговорити вашу задачу. Напишіть нам — оцінимо проєкт за 1 день. Отримайте консультацію інженера.

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.