Перспективные цифровые технологии в промышленности: драйверы, барьеры, сценарии применения (часть 4 Машинное зрение)

Машинное зрение лежит в основе решений для автоматизации и оптимизации производственных процессов через обработку визуальных данных

Машинное зрение — система сбора и обработки видеопотока для автоинспекции, измерений и контроля производственных процессов без участия оператора

Принцип работы:

1. Камера — Сбор визуальных данных о положении и состоянии объектов
2. Сервер записи данных 
3. Сервер обработки данных — Аналитика полученных данных и принятие решений на рабочей станции оператора или автоматически

Ключевые задачи

1. Дефектоскопический контроль. Система обнаруживает и классифицирует дефекты (трещины, деформации, загрязнения) на поверхности и в узлах оборудования по видеопотоку
2. Трекинг и количественный учёт объектов. Построение 3D-треков перемещения продукции и материалов с помощью камер стереозрения и алгоритмов многообъектного¹ отслеживания
3. Контроль соблюдения техники безопасности. Детекция СИЗ (каски, очки, перчатки) и опасных зон, оповещение о нарушениях в реальном времени
4. Сбор и верификация визуальных данных. Автоматический сбор данных о количестве, состоянии объектов, определение принадлежности, сортировка, обработка метаданных (QR-коды, метки и т.д.)

Число промышленных предприятий, применяющих технологии машинного зрения в России, ед.

Эффекты

1. Сокращение доли ручного труда на производствах
2. Сокращение брака за счет превентивной дефектоскопии
3. Рост пропускной способности линий и времени их безотказной работы
4. Сокращение травматизма

1 – (multi-object tracking) технология компьютерного зрения, обеспечивающая одновременное обнаружение и устойчивое отслеживание нескольких объектов в видеопотоке с присвоением постоянных идентификаторов и построением их траекторий
Источник: SimbirSoft, РБК, Росстат, интервью с экспертами, совместный анализ Strategy Partners и ГК «Цифра»

Технологии машинного зрения в России демонстрируют относительно высокий уровень зрелости

№ п/п	Текущий и потенциальный функционал технологии	Зрелость в России1	Описание возможности
1	Дефектоскопический контроль		Система в реальном времени анализирует видеопоток, сегментирует и классифицирует микротрещины, деформации и загрязнения с точностью до 0,1 мм, гарантируя 100 % покрытие контрольных точек и сокращение брака
2	Трекинг и количественный учет объектов		Стереокамеры и MOT-алгоритмы строят 3D-траектории продукции и материалов, вычисляют незавершённое производство и пропускную способность, выявляют узкие места и оптимизируют логистические потоки
3	Контроль соблюдения техники безопасности		Система детекции на базе CV-моделей2 распознаёт отсутствие СИЗ и пересечение опасных зон, формирует тревожные события и интегрируется с MES/SCADA для автоматической остановки оборудования при нарушении норм
4	Сбор и верификация визуальных данных		Автоматическое считывание видеокадров: определяет количество и состояние объектов, извлекает метаданные (штрих-/QR-коды, OCR-текст), обеспечивая полный учёт партий, маршрутизацию и прослеживаемость через ERP/MES
5	Гиперспектральный3 визуальный анализ		Гиперспектральные камеры выявляют скрытые дефекты, химические аномалии и тепловые отклонения на ранних стадиях, прогнозируя коррозию и ухудшение качества до появления видимых повреждений
6	Онлайн-самообучение CV-систем4		Система автоматически расширяет датасет и дообучает5 модели на новых изображениях в реальном времени, адаптируясь к изменениям освещения, углов обзора и новым изделиям без участия специалистов

1 – на основе выборки крупных промышленных компаний;

2 – обученный алгоритм машинного зрения, принимающий входящее изображение/кадр и выдающий формализованные предсказания;

3 – анализирующий объекты по 100+ спектральным диапазонам; 4 – комплексный контур CV-моделей на предприятии; 5 – донастраивает ИИ-модель на новых данных для повышения её точности

продолжение следует