Сооснователь и технический директор BPA Tech Вадим Медяник выступил на сессии по кооперации науки и бизнеса «Автоматизация и роботизация — основа промышленного роста» в тематической секции «Интеллектуальные технологии и управление производством».
Организаторами сессии выступили Госкорпорация «Ростех», Министерство промышленности и торговли Российской Федерации, Министерство науки и высшего образования Российской Федерации, АО «РТ-Техприемка», Центр компетенций Минобрнауки России и Государственный университет управления.
Вадим Медяник представил подход BPA Tech к применению технологий искусственного интеллекта и машинного зрения для автоматического контроля производственного брака. Одним из центральных тезисов выступления стало то, что компьютерное зрение на производстве нельзя сводить только к обучению нейросетевой модели.
В зависимости от характера дефекта задача может решаться с помощью разных технологий. Если признаки отклонения хорошо формализуются, для анализа могут применяться классические методы компьютерного зрения: анализ контуров, геометрии, цвета и текстуры, шаблонное сопоставление. Для более сложных сценариев используются детекция объектов, сегментация, OCR и anomaly detection. Именно поэтому выбор алгоритма должен происходить после анализа конкретного производственного процесса и условий наблюдения.
Один из ключевых вопросов при внедрении — качество исходного изображения. Расположение камеры, оптика, освещение, экспозиция, синхронизация с движением линии и стабильность условий съемки напрямую влияют на результат работы алгоритмов.
Поэтому контроль качества на производстве требует работы не только с программной частью. Камера, оптика, освещение и вычислительный контур фактически образуют единую измерительную систему. Если изображение нестабильно, увеличение размера модели или вычислительной мощности не компенсирует проблемы на входе.
Такой подход особенно важен при работе с высокоскоростными производственными линиями, где система должна не просто обнаружить дефект, но и успеть обработать данные до того, как изделие покинет контролируемый участок. В этом случае система контроля качества становится частью технологического контура и должна учитывать ограничения по скорости, задержке обработки и синхронизации оборудования.
Отдельная часть выступления была посвящена тому, что обнаружение брака само по себе не является конечной задачей.
Результат анализа необходимо связать с конкретным изделием, сохранить вместе с временной меткой и при необходимости передать оператору или производственному оборудованию. При дальнейшем внедрение ии на производстве может включать интеграцию с MES, SCADA и ERP, чтобы данные компьютерного зрения использовались непосредственно в производственном процессе.
По мере накопления данных система получает информацию не только о самом дефекте, но и о времени его появления, участке, оборудовании, смене и партии продукции. Это позволяет переходить от простой автоматической сортировки к статистическому анализу производства и определению условий, при которых вероятность возникновения брака возрастает.
Следующий этап развития таких решений — не только находить уже возникший дефект, но и прогнозировать его появление, связывая результаты визуального контроля с параметрами производственного процесса. Такой подход расширяет роль ии на производстве: система становится инструментом не только контроля, но и предотвращения потерь.
