Разработка алгоритмов компьютерного зрения для поиска дефектов
Внедрение нашего продукта под Ваши задачи.
Минимум обучающих данных.
О компании
ООО «РИК» (Разработка интеллектуального кода) – инновационная компания, специализирующаяся на разработке алгоритмов компьютерного зрения с использованием методов Few-Shot Learning.
Сфера деятельности: Искусственный интеллект, машинное обучение, промышленная автоматизация.
Миссия: Создание эффективных решений для автоматического контроля качества с минимальными требованиями к обучающим данным.
Решения по отраслям
Типовые задачи компьютерного
зрения на производствах
1
Обнаружение трещин и коррозии
Контроль состояния металлоконструкций, труб, резервуаров. Прогнозирование остаточного ресурса.
2
Выявление поверхностных дефектов
Дефекты покраски, царапины, вмятины, сколы.
3
Контроль геометрии деталей
Отклонения размеров, деформации, брак при обработке.
4
Сортировка и отбраковка
Автоматическая классификация дефектов на конвейере.
5
Прогнозирование износа
Анализ скорости распространения трещин, оценка срока службы оборудования.
Снижайте затраты на экологию и ремонты — автоматизируйте контроль дефектов!
Примеры использования
Обнаружение коррозии и трещин
Проблема: на химических предприятиях оборудование подвержено агрессивным средам, что приводит к коррозии.Решение: Наш алгоритм обнаруживает ржавчину и микротрещины, прогнозирует срок до критического износа.
Контроль качества металлопроката
Проблема: Дефекты поверхности (раковины, трещины, включения) снижают прочность изделий.Решение: Автоматическая детекция дефектов с точностью до 95% даже при малом количестве обучающих данных.
Мониторинг трубопроводов
Проблема: Скрытая коррозия приводит к авариям.Решение: Анализ изображений с дронов/камер, прогноз остаточного ресурса.
Информация о проекте
Информация о проекте
Vision Defect — это умная система для автоматического обнаружения дефектов на промышленном оборудовании. Как опытный инспектор, который с первого взгляда определяет проблему, наша система анализирует изображения труб и точно определяет виды повреждений, даже если у неё было совсем немного примеров для обучения.
Проект выполнен при поддержке Фонда содействия инновациям в рамках программы «Студенческий стартап» федерального проекта «Платформа университетского технологического предпринимательства».
Особенности разработки
Точность работы:
1) Правильно определяет дефекты в 100% случаев на тестировании.
2) Стабильно работает при повторных проверках (97% точности).
3) Высокая уверенность в результатах (в среднем 77%).
2) Стабильно работает при повторных проверках (97% точности).
3) Высокая уверенность в результатах (в среднем 77%).
Скорость и производительность:
1) Анализирует одно изображение за 0.05 секунды.
2) Может работать в реальном времени на стандартном компьютере.
3) Занимает в памяти примерно как 2-3 фильма в хорошем качестве (500 МБ).
2) Может работать в реальном времени на стандартном компьютере.
3) Занимает в памяти примерно как 2-3 фильма в хорошем качестве (500 МБ).
Простота использования:
1) Работает с обычными фотографиями (JPG, PNG форматы).
2) Не требует тысяч снимков для обучения - хватает 5-9 изображений каждого типа дефекта.
3) Автоматически подстраивается под разные условия съёмки.
2) Не требует тысяч снимков для обучения - хватает 5-9 изображений каждого типа дефекта.
3) Автоматически подстраивается под разные условия съёмки.
Что умеет распознавать:
1) Сквозную коррозию (дырки насквозь).
2) Питтинги (точечные повреждения).
3) Поверхностные язвы.
4) Электро- и биокоррозию.
5) Неповреждённые поверхности.
2) Питтинги (точечные повреждения).
3) Поверхностные язвы.
4) Электро- и биокоррозию.
5) Неповреждённые поверхности.
Требования к оборудованию:
1) Компьютер с процессором Intel i5/i7
2) 8-16 ГБ оперативной памяти
3) Обычная камера 5 МП или выше
4) Не требует специальных видеокарт
Ограничения:
1) Требуется равномерное освещение
2) Могут потребоваться дополнительные примеры дефектов для обучения.
3) Изображения дефектов одного вида могут быть разные для разных объектов (например коррозия труб, коррозия корпуса самолета), поэтому надо дополнительное обучения для нового объекта
Изображения продукта "Vision Defect"
Этапы внедрения алгоритма
1
Формирование датасета (3-4 мес.)
Сбор и разметка изображений дефектов с производства. Обеспечиваем разнообразие данных для надежного распознавания.
2
Разработка архитектуры (1-2 мес.)
Проектирование оптимальной структуры нейросети (Few-Shot Learning/Siamese Networks) для работы с малыми данными.
3
Обучение моделей (2 мес.)
Тренировка алгоритма с настройкой параметров. Используем аугментацию и трансферное обучение.
4
Тестирование (2 мес.)
Проверка на новых данных, оптимизация производительности и устранение ошибок.
5
Внедрение (1 мес.)
Интеграция с оборудованием заказчика, обучение персонала, запуск в промышленную эксплуатацию.
6
Общий срок: 9-11 месяцев
Каждый этап критически важен для создания эффективного промышленного решения.
Не допускайте катастроф — выявляйте дефекты до того, как они станут проблемой!
Преимущества от внедрения алгоритмов контроля дефектов
Снижение брака на 30–50%
за счет раннего обнаружения дефектов.
Экономия времени
автоматизация вместо ручного контроля.
Сокращение затрат
на ремонты и простои оборудования.
Оптимизация использования данных
Работает там, где классические методы требуют тысяч примеров.
Адаптивность
Легко адаптируется под новые типы дефектов.
Интеграция
через API, облачные и локальные решения.
Контакты
О нас
ООО "РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОГО КОДА"
Юридический адрес:
450065, Республика Башкортостан, г Уфа, Пекинская ул, д. 25, кв. 57
Юридический адрес:
450065, Республика Башкортостан, г Уфа, Пекинская ул, д. 25, кв. 57
Время работы
Пн-Пт: 10:00-19:00
Сб: 10:00-19:00
Вс: выходной
