Оптовая автоматическая инспекция изображений

Когда слышишь про оптовую автоматическую инспекцию изображений, многие представляют себе волшебный чёрный ящик, который сам всё видит и решает. На практике же — это всегда компромисс между точностью, скоростью и бюджетом. В нашей работе с ООО Далянь Синьцзиян Индустрия пришлось пройти через несколько итераций, прежде чем удалось выйти на стабильные показатели.

Почему стандартные решения не всегда работают

Начинали с готовых систем от европейских поставщиков, но быстро столкнулись с проблемой адаптации под наши производственные потоки. Например, при контроле деталей двигателей в цеху с постоянной температурой (а это 1000 м2 у Далянь Синьцзиян) алгоритмы стабильно срабатывали только при идеальном освещении. Любой сдвиг угла — и ложные срабатывания зашкаливали.

Пришлось признать: универсальных решений для автоматической инспекции в оптовых масштабах просто нет. Каждый случай требует калибровки под конкретную линию. Особенно это касается деталей сложной геометрии, где трёхкоординатные измерительные машины (кстати, в парке Далянь Синьцзиян их три единицы) дают референсные значения, но не могут работать в реальном времени.

Запомнился случай с браком партии крепёжных элементов: визуально незаметная окалина на резьбе выявлялась только при ручной проверке, тогда как алгоритм пропускал её в 70% случаев. Пришлось переснимать эталонные образцы при разном освещении и дообучать модель буквально на ходу.

Интеграция в существующие процессы

Когда в 2018 году Далянь Синьцзиян Индустрия модернизировала сборочный цех (те самые 2000 м2), возникла задача вписать инспекцию изображений в конвейер без остановки производства. Сложность была в том, что существующие ЧПУ-станки выдавали детали с разной скоростью, а система должна была работать синхронно со всеми.

Решение нашли через кастомные триггеры — датчики движения согласовывали захват кадров с выбросом детали из станка. Но и здесь не обошлось без костылей: при работе с матовыми поверхностями приходилось дополнительно настраивать поляризационные фильтры, которые постоянно загрязнялись в цеховых условиях.

Кстати, о бюджете: многие забывают, что оптовая инспекция требует не только ПО, но и регулярных затрат на обслуживание оптики. В нашем случае ежемесячная профилактика семи камер обходилась в сумму, сопоставимую с зарплатой двух операторов.

Где автоматизация даёт максимальный эффект

Лучшие результаты показали себя при контроле типовых деталей валов — здесь алгоритм стабильно выявлял 99.3% дефектов против 85% при визуальном осмотре. Но ключевым оказался не процент распознавания, а скорость: система обрабатывала до 1200 изделий в час, что полностью покрывало суточную норму выпуска.

Интересно, что изначально хотели охватить все 102 единицы оборудования, но практика показала — эффективнее сосредоточиться на ключевых участках. Например, на участке финишной обработки, где человеческий глаз уже не справлялся с монотонным контролем микротрещин.

Коллеги из других цехов иногда спрашивают, почему бы не поставить камеры на все станки. Отвечаю: смысл автоматической инспекции не в тотальном контроле, а в точечном устранении узких мест. Где-то проще оставить выборочную проверку, чем перестраивать весь технологический процесс.

Оборудование: что действительно работает

После тестов с разными камерами остановились на модификациях с глобальным затвором — они давали минимальные искажения при движении конвейера. Но пришлось докупать отдельные блоки освещения, поскольку штатная подсветка не обеспечивала равномерность по всей площади захвата.

Особенность производства Далянь Синьцзиян — разнородные материалы: от алюминиевых сплавов до композитов. Для каждого типа поверхности пришлось создавать отдельные профили инспекции, что увеличило сроки внедрения на 40% против плановых.

Сейчас используем гибридный подход: базовые дефекты ловятся автоматикой, а сомнительные случаи отправляются на верификацию оператору. Это снизило нагрузку на персонал без потери качества контроля.

Перспективы и ограничения технологии

Сейчас тестируем систему для контроля сварных швов — здесь классические методы оптовой инспекции показывают нестабильные результаты из-за переменной текстуры поверхности. Возможно, придётся комбинировать 2D-анализ с 3D-сканированием, но это уже совсем другой бюджет.

Главный вывод за пять лет работы: не стоит ожидать от автоматизации чудес. Да, она отлично справляется с типовыми задачами вроде контроля геометрии или наличия крепёжных элементов. Но когда речь идёт о сложных дефектах вроде микроскопических раковин — без человеческого опыта пока не обойтись.

При этом потенциал очевиден: даже текущая реализация в Далянь Синьцзиян Индустрия позволила сократить процент брака на 18% в сегменте массового производства. Думаю, через пару лет появятся более адаптивные алгоритмы, которые смогут учиться на меньших выборках данных — это упростит внедрение для средних предприятий.