Меньше брака на производстве: как zool.ai определяет дефекты деталей и материалов

На связи Иван, менеджер продукта zool.ai. Недавно в рамках исследования мы обучили нашу систему выявлять дефекты при производстве металлоконструкций → видео выше.

Мы готовы расширить применение этой технологии. Определять царапины, сколы, дыры, непрокрасы, загрязнения и другие недочёты деталей и материалов можно с помощью видеокамер. На любом производстве, где важно контролировать качество продукции, можно делать это автоматически.

Какие эффекты могу отметить:
🔘 Повышается точность контроля благодаря автоматизации
🔘 Растёт скорость проверки качества
🔘 Выявить недочёты можно гораздо раньше
🔘 Сокращается количество дефектных изделий

Какие основные методы использует наша видеоаналитика, чтобы определять дефекты
1️⃣ Анализ признаков Харалика
Мы выявляем несколько ключевых характеристик текстуры изображения: однородность, тон, контраст, число и вид границ и т.д. По этим показателям ИИ «понимает», как выглядит поверхность детали: максимальные и минимальные значения интерпретируются как дефект.

2️⃣ Градиенты (вертикальный и горизонтальный)
Эти методы позволяют определять различие в яркости соседних пикселей изображения и выделять контуры и формы дефекта.

3️⃣ Выделение краев (контуров)
Компьютерное зрение выявляет резкие изменения в яркости изображения, где цвета резко меняются или есть другие неоднородности. Если линии геометрии контура или линия блика будут нарушены, то система выделит это место как дефект.

Также мы обучаем нейросеть
Загружаем в нейросеть 1000+ изображений образцов с повреждениями и без, размечаем области дефектов.

А вообще, под каждое производство и его задачи мы подбираем наиболее подходящие методы, чтобы повысить точность идентификации дефектов, настраиваем и дообучаем систему.

#новости_zool