Разработка системы детекции дефектов на производстве (Visual Inspection)

На конвейере оператор может пропустить дефект из-за усталости. Через час монотонной работы точность обнаружения падает до 70%. Машинное зрение позволяет снизить брак до 0.5% и ниже — это не просто автоматизация, а реальный результат. Наша команда разрабатывает системы visual inspection более 5 лет, выполнено 15+ внедрений на линиях металлообработки, сборки электроники и упаковки.

Применяем современные методы компьютерного зрения: детекцию аномалий без разметки, обученную детекцию на YOLOv8 и их комбинации. Системы работают круглосуточно и при правильной настройке превосходят человека по выявлению дефектов. Выгода: снижение брака, экономия на контролёрах, повышение пропускной способности.

Какие дефекты детектируем и какими методами

Как работает anomaly detection без размеченных дефектов

Разметка дефектных примеров дорога — тысячи долларов за небольшой набор изображений. Методы anomaly detection решают эту проблему: модель обучается только на бездефектных изображениях и выявляет любое отклонение. Согласно бенчмарку MVTec AD, PatchCore достигает 99.1% AUROC на уровне изображений.

import torch
from anomalib.models import PatchCore
from anomalib.data import MVTec
from anomalib import TaskType

class ProductionAnomalyDetector:
    def __init__(self, model_type: str = 'patchcore'):
        # PatchCore best performer on MVTec-AD benchmark, код без изменений
        self.model = PatchCore(
            backbone='wide_resnet50_2',
            pre_trained=True,
            coreset_sampling_ratio=0.1,
            num_neighbors=9
        )

    def train(self, normal_images_dir: str):
        self.model.fit(normal_images_dir)

    def predict(self, image_path: str) -> dict:
        result = self.model.predict(image_path)
        return {
            'anomaly_score': float(result.pred_score),
            'is_defective': result.pred_label == 1,
            'anomaly_map': result.anomaly_map,
            'defect_regions': self._extract_regions(result.anomaly_map)
        }

PatchCore даёт передовые показатели на бенчмарке MVTec AD: Image-level AUROC 99.1%, Pixel-level AUROC 98.1%, обучение 10 минут на 200 нормальных изображениях. Это позволяет внедрить детекцию за 4–6 недель без дорогой разметки. PatchCore превосходит EfficientAD на 2% AUROC на этом бенчмарке.

Когда стоит использовать supervised детекцию

Если типы дефектов известны и есть размеченная выборка, используем YOLOv8. Дропаем дообученную модель на инференс с латентностью менее 50 мс. Сравнение: supervised подход на 200 размеченных дефектах даёт mAP 0.95, в то время как anomaly detection — 0.91. Разметка требует времени и денег, но precision выше.

from ultralytics import YOLO
import cv2
import numpy as np

class DefectDetector:
    def __init__(self, model_path: str, confidence: float = 0.5):
        self.model = YOLO(model_path)
        self.confidence = confidence
        self.critical_defects = ['crack', 'deep_scratch', 'hole']
        self.minor_defects = ['surface_scratch', 'small_dent', 'discoloration']

    def inspect(self, image: np.ndarray) -> dict:
        results = self.model(image, conf=self.confidence)
        defects = []
        for box in results[0].boxes:
            defect_type = self.model.names[int(box.cls)]
            defects.append({
                'type': defect_type,
                'severity': 'critical' if defect_type in self.critical_defects else 'minor',
                'bbox': box.xyxy[0].tolist(),
                'confidence': float(box.conf),
                'area_px': self._bbox_area(box.xyxy[0])
            })
        verdict = 'REJECT' if any(d['severity'] == 'critical' for d in defects) else \
                  'QUARANTINE' if defects else 'PASS'
        return {'verdict': verdict, 'defects': defects, 'defect_count': len(defects)}

Какие типичные ошибки возникают при внедрении visual inspection

• Недостаточное освещение — нестабильный свет ведёт к ложным срабатываниям. Решение: стробоскоп с синхронизацией или равномерное освещение с контролем.
• Плохая калибровка камеры — искажение перспективы снижает точность измерений. Нужна регулярная калибровка по мишени.
• Игнорирование вариативности нормальных изделий — anomaly detection может браковать допустимые отклонения. Собирайте репрезентативную выборку нормы.
• Latency не укладывается в такт конвейера — если время инференса превышает цикл, деталь уходит в отбраковщик с опозданием. Запасайтесь GPU или используйте TensorRT.

Как система интегрируется с конвейером

Для встраивания в производственную линию критична синхронизация:

• Trigger: датчик (фотобарьер) фиксирует деталь в зоне съёмки → сигнал камере
• Exposure control: стробоскоп синхронизирован с камерой (freeze motion)
• Latency: от триггера до решения менее 100 мс для большинства линий
• Rejection mechanism: пневматический толкатель или дивертер срабатывает по сигналу

class ConveyorInspectionSystem:
    def __init__(self, camera, detector, plc_client):
        self.camera = camera
        self.detector = detector
        self.plc = plc_client

    def on_trigger(self, trigger_signal):
        image = self.camera.capture()
        result = self.detector.inspect(image)
        if result['verdict'] in ['REJECT', 'QUARANTINE']:
            delay_ms = self.calculate_transport_delay()
            self.plc.schedule_rejection(delay_ms, result['verdict'])
        self.log_result(result)

Процесс работы: от аудита до ввода в эксплуатацию

Что входит в работу

• Обученная модель (ансамбль или единая)
• Контейнер инференса (Docker)
• Документация по эксплуатации и интеграции
• Обучение операторов (1–2 дня)
• Гарантия 6 месяцев
• Пост-релиз: дообучение модели при изменении материалов (1–2 дня)

Результаты на производстве

На металлических деталях (царапины, трещины) достигнуты следующие метрики:

• Recall дефектов (PatchCore): 96–99%
• Precision: 91–97%
• Throughput: до 1200 деталей/час при latency 80 мс

Чтобы оценить применимость computer vision на вашем производстве, свяжитесь с нами — мы проведём бесплатный аудит и предоставим прототип за 2 недели. Получите консультацию — пришлём подробный гайд по внедрению visual inspection.

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.