Разработка системы детекции аномалий по изображениям

Промышленный контроль качества часто упирается в отсутствие размеченных данных о дефектах. Обучить модель только на нормальных образцах звучит сложно, но современные unsupervised методы справляются с этим без единой разметки. Мы внедряем такие системы на производствах уже много лет — более 20 проектов по компьютерному зрению. Наш опыт включает автоматическое выявление царапин, трещин, загрязнений и других аномалий. Согласно исследованию MVTec-AD, современные методы unsupervised детекции достигают AUROC 99%.

Почему unsupervised подход лучше supervised для аномалий?

Supervised детекция требует тысяч примеров каждого дефекта. В реальности дефекты редки и разнообразны — собрать репрезентативную выборку практически невозможно. Unsupervised обучение решает эту проблему: модель запоминает только норму и сигнализирует обо всех отклонениях. На бенчмарке MVTec-AD современные методы достигают AUROC 99.1% (PatchCore) и 98.9% (EfficientAD) — вплотную к supervised подходам, но без затрат на разметку.

Как выбрать метод под свою задачу?

Выбор архитектуры зависит от объёма данных и требований к скорости. PatchCore строит memory bank из нормальных патчей — не обучается градиентно, поэтому стартует за минуты. EfficientAD требует больше данных (от 200 изображений), но выдаёт стабильно высокое качество при инференсе до 10 мс на GPU. Если нужно детектировать аномалии без переобучения (zero-shot), подойдёт WinCLIP на базе CLIP.

PatchCore: оптимальный алгоритм для малых данных

PatchCore подходит для сценариев, где доступно 50–200 нормальных изображений.

from anomalib.models import PatchCore
from anomalib.data import Folder
from anomalib import TaskType
from lightning.pytorch import Trainer

datamodule = Folder(
    name='my_product',
    root='./dataset',
    normal_dir='train/good',
    abnormal_dir='test/defective',
    task=TaskType.SEGMENTATION,
    image_size=(256, 256),
    train_batch_size=32,
    eval_batch_size=32
)

model = PatchCore(
    backbone='wide_resnet50_2',
    pre_trained=True,
    layers=['layer2', 'layer3'],
    coreset_sampling_ratio=0.1,
    num_neighbors=9
)

trainer = Trainer(max_epochs=1)
trainer.fit(model, datamodule)

Как мы внедряем систему за 1-2 недели?

Процесс разработки состоит из пяти этапов:

1. Анализ производства: оценка доступных данных, условий съёмки, требований к FP/FN.
2. Сбор эталонных образцов: съёмка 50–200 нормальных изображений продукта.
3. Выбор архитектуры и обучение: PatchCore для малых данных, EfficientAD для высоких нагрузок.
4. Калибровка порогов и тестирование: настройка порога по квантилю с заданным FPR.
5. Деплой и интеграция: контейнеризация, REST API, интеграция с SCADA.

Сравнение методов обнаружения аномалий

EfficientAD — лучший выбор для production из-за скорости инференса при сохранении высокого AUROC. Мы используем его в проектах с высокими требованиями к latency.

Как настраивается порог обнаружения?

Порог определяет, начиная с какого score образец считается аномальным. Мы калибруем его по квантилю на валидационных нормальных данных:

class AnomalyDetector:
    def __init__(self, model_path: str, threshold: float = None):
        self.model = load_model(model_path)
        self.threshold = threshold or self._calibrate_threshold()

    def _calibrate_threshold(self, fp_rate: float = 0.01) -> float:
        """Порог при заданном False Positive Rate"""
        val_scores = self._predict_normal_samples()
        threshold = np.quantile(val_scores, 1 - fp_rate)
        return float(threshold)

    def predict(self, image: np.ndarray) -> dict:
        result = self.model(image)
        score = float(result.anomaly_score)
        return {
            'anomaly_score': score,
            'is_anomaly': score > self.threshold,
            'severity': self._classify_severity(score),
            'heatmap': result.anomaly_map,
            'threshold': self.threshold
        }

    def _classify_severity(self, score: float) -> str:
        if score < self.threshold:
            return 'normal'
        elif score < self.threshold * 1.5:
            return 'minor'
        elif score < self.threshold * 2.5:
            return 'moderate'
        return 'severe'

Локализация аномалий через тепловые карты

Тепловая карта (anomaly map) позволяет точно показать оператору место дефекта:

import matplotlib.pyplot as plt
import matplotlib.cm as cm

def visualize_anomaly(original: np.ndarray,
                       anomaly_map: np.ndarray,
                       threshold: float) -> np.ndarray:
    heatmap_norm = (anomaly_map - anomaly_map.min()) / \
                   (anomaly_map.max() - anomaly_map.min() + 1e-8)
    heatmap_colored = cv2.applyColorMap(
        (heatmap_norm * 255).astype(np.uint8),
        cv2.COLORMAP_JET
    )
    _, mask = cv2.threshold(
        (heatmap_norm * 255).astype(np.uint8),
        int(threshold * 255), 255, cv2.THRESH_BINARY
    )
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL,
                                    cv2.CHAIN_APPROX_SIMPLE)
    overlay = cv2.addWeighted(original, 0.6, heatmap_colored, 0.4, 0)
    cv2.drawContours(overlay, contours, -1, (0, 255, 0), 2)
    return overlay

Что входит в разработку системы под ключ

Мы берём на себя весь цикл: от сбора эталонных образцов до деплоя на линию. В deliverables входят:

• Анализ производства: оценка доступных данных, условий съёмки, требований к FP/FN.
• Выбор архитектуры: PatchCore для малых данных, EfficientAD для высоких нагрузок.
• Калибровка порогов и метрик: под ваши бизнес-критерии.
• Деплой и интеграция: контейнеризация, REST API, интеграция с SCADA.
• Документация и обучение операторов: инструкции по эксплуатации и интерпретации результатов.
• Гарантийная поддержка 6 месяцев: сопровождение и донастройка.

Сроки и наш опыт

Мы — сертифицированные инженеры с многолетним опытом в MLOps. За нашими плечами 20+ проектов по компьютерному зрению на производствах. Обнаружение аномалий — наша профильная компетенция. Свяжитесь с нами для оценки вашей задачи — мы подберём оптимальное решение и рассчитаем бюджет в течение 2 дней. Закажите пилотный проект на одном продукте — уже через неделю у вас будет работающий прототип.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.