Розробка системи контролю якості продукції через комп'ютерний зір

Розробка системи контролю якості продукції через комп'ютерний зір

На виробничих лініях, де ручний контроль не встигає за темпом конвеєра (600+ виробів на годину), кожен пропущений дефект — це ризик репутації та фінансових втрат. Ми стикалися з ситуаціями, коли брак виявлявся лише на фінальному пакуванні, а переробка коштувала дорожче самого контролю. Тому будуємо системи, які знаходять критичні дефекти на кожному етапі: від вхідної сировини до відвантаження.

Чому традиційний візуальний контроль неефективний?

Людське око втомлюється вже через 20 хвилин монотонної перевірки — кількість пропусків зростає. При швидкості конвеєра 2–3 вироби на секунду оператор пропускає до 20–30% дефектних одиниць. Автоматизація на базі CV знімає цю проблему: система працює стабільно, не відволікається, не хворіє. Крім того, вона вимірювана — ви точно знаєте метрики якості.

Як побудувати систему контролю якості на базі комп'ютерного зору?

Ми використовуємо модульну архітектуру: етапи контролю (вхідний, проміжний, фінальний, пакування) об'єднуються в єдиний пайплайн. На кожному етапі свої детектори: дефекти поверхні, вимірювання геометрії, верифікація маркування, перевірка комплектності. Система вирішує, чи пройде деталь далі, чи відправиться в карантин.

Кейс: зниження браку на 40% на виробництві автокомпонентів. Завод випускав штамповані деталі: після штампування на конвеєрі оператори візуально перевіряли кожну. Брак за тріщинами та недоштампуванням становив 6% при ручній перевірці — 30% дефектів пропускалося. Ми впровадили камеру GigE Vision з підсвіткою, модель YOLOv8 на Jetson AGX Orin. Recall критичних тріщин досяг 99.2%, хибні спрацьовування — 1.8%. Підсумковий брак знизився до 3.5%, окупність системи — 5 місяців.

Архітектура багатоточкової QC системи

Етап 1: Вхідний контроль сировини/компонентів
    ↓
Етап 2: Проміжний контроль (на конвеєрі)
    ↓
Етап 3: Фінальний контроль готової продукції
    ↓
Етап 4: Контроль пакування та маркування

from dataclasses import dataclass, field
from enum import Enum

class QCStage(Enum):
    INCOMING = 'incoming'
    IN_PROCESS = 'in_process'
    FINAL = 'final'
    PACKAGING = 'packaging'

@dataclass
class QCResult:
    product_id: str
    stage: QCStage
    timestamp: str
    verdict: str                # PASS / FAIL / QUARANTINE
    defects: list[dict] = field(default_factory=list)
    measurements: dict = field(default_factory=dict)
    label_check: dict = field(default_factory=dict)
    images: list[str] = field(default_factory=list)

class ProductQCSystem:
    def __init__(self, config: dict):
        self.defect_detector = DefectDetector(config['defect_model'])
        self.measurement_engine = MeasurementEngine(config['reference_data'])
        self.label_verifier = LabelVerifier(config['label_templates'])
        self.completeness_checker = CompletenessChecker(config['bom'])

    def inspect(self, image: np.ndarray,
                product_id: str,
                stage: QCStage) -> QCResult:
        result = QCResult(product_id=product_id, stage=stage,
                          timestamp=get_timestamp(), verdict='PASS')

        if stage == QCStage.FINAL:
            # Повна перевірка
            result.defects = self.defect_detector.inspect(image)['defects']
            result.measurements = self.measurement_engine.measure(image)
            result.label_check = self.label_verifier.verify(image)
            completeness = self.completeness_checker.check(image)

            # Визначення verdict
            has_critical_defect = any(d['severity'] == 'critical'
                                      for d in result.defects)
            measurement_ok = result.measurements.get('within_tolerance', True)
            label_ok = result.label_check.get('verified', True)
            complete = completeness.get('complete', True)

            if has_critical_defect or not measurement_ok:
                result.verdict = 'FAIL'
            elif not label_ok or not complete:
                result.verdict = 'QUARANTINE'

        return result

Вимірювання геометричних параметрів

Для пошуку контурів використовуємо алгоритм Canny (OpenCV documentation). Після калібрування камери вимірюємо реальні розміри.

class MeasurementEngine:
    def __init__(self, calibration_data: dict):
        # Калібрувальні дані: pixels_per_mm при відомій відстані
        self.pixels_per_mm = calibration_data['pixels_per_mm']
        self.tolerance = calibration_data['tolerance_mm']

    def measure(self, image: np.ndarray) -> dict:
        # Пошук контуру деталі
        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}

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

        # Bounding rect для ширини/висоти
        x, y, w, h = cv2.boundingRect(main_contour)
        width_mm = w / self.pixels_per_mm
        height_mm = h / self.pixels_per_mm

        # Мінімальний описаний прямокутник (rotated)
        rect = cv2.minAreaRect(main_contour)
        rect_w, rect_h = rect[1]
        angle = rect[2]

        return {
            'width_mm': round(width_mm, 2),
            'height_mm': round(height_mm, 2),
            'rotation_angle': round(angle, 1),
            'within_tolerance': self._check_tolerance(width_mm, height_mm),
            'area_mm2': round(cv2.contourArea(main_contour) /
                              self.pixels_per_mm**2, 2)
        }

Верифікація маркування та етикеток

class LabelVerifier:
    def __init__(self, templates: dict):
        self.ocr = PaddleOCR(use_angle_cls=True, lang='ru')
        self.templates = templates  # очікувані патерни для продукту

    def verify(self, image: np.ndarray, product_sku: str) -> dict:
        # OCR етикетки
        ocr_result = self.ocr.ocr(image, cls=True)
        extracted_text = '\n'.join([line[1][0] for line in ocr_result[0]])

        template = self.templates.get(product_sku, {})
        checks = {}

        # Перевірка обов'язкових полів
        for field_name, pattern in template.items():
            match = re.search(pattern, extracted_text)
            checks[field_name] = {
                'found': bool(match),
                'value': match.group() if match else None
            }

        all_found = all(v['found'] for v in checks.values())
        return {
            'verified': all_found,
            'fields': checks,
            'raw_text': extracted_text
        }

SPC (Statistical Process Control) інтеграція

Після кожного вимірювання дані йдуть в SPC-модуль, який будує контрольні карти Шухарта (X-bar/R chart) та автоматично сигналізує про вихід процесу за контрольні межі. Дані передаються в реальному часі, що дозволяє оперативно реагувати на зсуви процесу.

Наша система на основі нейромереж забезпечує recall в 1.3 рази вище, ніж традиційні порогові методи. Це підтверджується тестами на 50+ виробництвах.

Що входить в роботу

Ми постачаємо не просто код, а закінчене рішення:

• Технічне завдання з протоколом випробувань.
• Налаштований пайплайн навчання та інференсу.
• Адаптоване обладнання (камери, освітлення, контролери).
• Документацію API та інструкцію оператора.
• Навчання ваших інженерів роботі з системою.
• Гарантійну підтримку на 12 місяців та опцію продовження.

Орієнтовні строки

Вартість розраховується індивідуально — пишіть, оцінимо ваш проєкт. Середня окупність систем — 4–8 місяців.

Типові помилки при впровадженні CV-контролю

1. Погане освітлення — навіть найкраща модель дає збої, якщо на деталі відблиски або тіні. Приділяємо увагу світлотехніці.
2. Ігнорування калібрування — без точного калібрування камери вимірювання геометрії безглузді. Кожну систему калібруємо за еталоном.
3. Слабкий набір даних для навчання — 100–200 зображень дефектів недостатньо. Збираємо 1000+ знімків з аугментацією.
4. Відсутність зворотного зв'язку — модель повинна донавчатися на нових типах браку. Вбудовуємо контур active learning.

Чому обирають нас

Наш досвід — 10+ років у промисловому комп'ютерному зорі, понад 50 впроваджених QC-систем. Ми використовуємо перевірені інструменти: OpenCV, YOLOv8, PaddleOCR, PyTorch. Гарантуємо точність детекції та прозорість метрик. Зв'яжіться з нами, щоб обговорити вашу задачу — разом знайдемо ефективне рішення. Отримайте консультацію з вашого завдання вже сьогодні.

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.