CV‑контур автоматического контроля качества (AOI) на производственной линии
Распознавание дефектов и отклонений по видеопотоку с промышленных камер: инференс в реальном времени, калибровка, трассируемость партий и интеграция с MES/SCADA.
Реализованный функционал
Классификация/локализация дефектов по зонам; правила: брак / доработка / повтор.
Панель оператора: разбор спорных кадров, разметка для active learning, отчёты смен.
Мониторинг модели: скоры, FP/FN‑алерты, A/B весов.
Результат для бизнеса
Пропущенный брак −40–60% vs выборочный контроль (пилот); ложные отбраковки −15–25%.
Поиск доказательного кадра по партии: часы → минуты.
Ключевые особенности
- Детекция/сегментация дефектов (YOLO / mask models) + постобработка и стабилизация по ROI линии.
- Инференс: GPU‑сервер и/или edge (ONNX Runtime, TensorRT) с SLA по задержке кадра.
- Хранение кадров‑доказательств, разметка и активное дообучение; контроль дрейфа модели (data/ML drift).
- Интеграция с MES: сигнал брака, причины простоев, дашборды FP/FN и повторяемость измерений.
Стек
Python 3.12
PyTorch
OpenCV
ONNX / TensorRT
FastAPI (inference gateway)
Redis + Celery
PostgreSQL
MinIO (кадры, артефакты)
MLflow
Prometheus + Grafana
React + TypeScript (операторская панель)
Нужна похожая архитектура для Вас?