Визуальный контроль качества продукции на производственной линии

Ручной контроль качества не масштабируется: контролёр устаёт к концу смены, а при темпе линии в несколько изделий в секунду физически не успевает осмотреть каждое. Дефекты уходят на следующий передел или к заказчику, и стоимость брака растёт с каждым этапом.

Классические системы машинного зрения на жёстких правилах требуют перенастройки при смене освещения, партии сырья или номенклатуры. В итоге инженеры тратят недели на «подкрутку порогов», а линия работает без контроля.

Отдельная статья затрат — рекламации: возврат партии, разбор причин и повторная проверка на складе. Без сквозной статистики по дефектам технологи не видят, на каком переделе брак возникает, и устраняют следствие, а не причину.

Решение строится на промышленных камерах над постами контроля и нейросетевых моделях, которые обучаются на снимках годных и дефектных изделий вашего производства.

• Детекция и сегментация дефектов (царапины, сколы, непропаи, несоответствие геометрии) в реальном времени.
• Модели обнаружения аномалий, обученные только на годных образцах: полезно, когда дефектов мало и разметить их сложно.
• Сигнал отбраковки передаётся в ПЛК линии, статистика — в MES и систему качества.
• Дообучение моделей на новых типах брака без остановки производства.

Внедрение начинается с одной линии: за 2–3 недели собираем датасет, обучаем модель и запускаем её в советующем режиме параллельно с ОТК. После сверки результатов система переводится в режим автоматической отбраковки, а накопленная статистика по типам дефектов передаётся технологам для корректировки процесса.

Какие данные нужны

• Снимки изделий с камер на постах контроля
• Разметка дефектов от ОТК
• Параметры линии и партии из MES