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

Привет, на связи Иван!

🫸 Помните рассказывал про конференцию «ИТ в промышленности»? У нас был стенд с демонстрацией системы. А ещё я выступил с докладом о применении zool.ai в бизнесе. Так вот, вопросов было море, но я выбрал самые интересные. Готовы послушать?

1️⃣ Где размещены сервера zool.ai и как обеспечивается безопасность данных?

Наши серверы размещены в ячейках у проверенного ижевского провайдера. Для вычислений используются несколько десятков видеокарт (от 40 до 60), что позволяет обрабатывать большие объемы данных с высокой скоростью.

Мы применяем так называемые «белые списки» IP-адресов: только одобренные адреса могут подключаться к серверам. Это исключает несанкционированный доступ и защищает данные наших клиентов.

2️⃣ Какие данные может аккумулировать система zool.ai при интеграции с оборудованием?

Система способна собирать любые данные, в зависимости от запроса клиента и возможностей станков. Например, у одного из наших клиентов zool.ai анализирует производственный процесс, определяя:

⚪️Как долго обрабатывается та или иная деталь;
⚪️Сколько времени осталось до завершения работы;
⚪️Дополнительные параметры эффективности и состояния оборудования.

3️⃣ Видел посты в вашем Telegram-канале, где вы тестировали систему, и zool.ai не обнаружил человека, который прополз через камеры. Уже доработали этот момент?

На самом деле zool.ai заметил всех участников эксперимента. Однако благодаря этому тестированию мы смогли значительно сократить количество ложных срабатываний и улучшить модель.

#новости_zool

🔥Ушли из «Гаража» на завод — не навсегда, конечно, но есть чем похвастаться.

Внедрили систему zool.ai на производстве и теперь расскажем, какие результаты получились.

Что нужно было сделать?
Оптимизировать производство и снизить издержки с помощью видеоаналитики.

Какие были проблемы?

⚪️Сокращение хронометража подготовительных работ.
⚪️Предотвращение брака изделий из-за износа оснастки станка.
⚪️Уменьшение влияния человеческого фактора.
⚪️Предотвращение выхода станка из строя с помощью ИИ.
⚪️Интеграция с системой контроля станков для передачи данных.
⚪️Исключение ручного труда посредством синхронизации MES с системой.
⚪️Повышение безопасности и контроль работы сотрудников у станка.

Как решили?
Разработали систему машинного зрения и анализа данных, которая работает с MES:

1. ИИ-модель научилась:

➖Распознавать заготовки и детали на рабочем месте.
Классифицировать объекты и анализировать процесс.
➖Выявлять дефекты: сколы, трещины, деформации.

2. Мониторинг станков в реальном времени:

➖Анализ вибраций и звуков для выявления износа.
➖Сбор и обработка данных без остановки производства.
➖Интеграция с системами контроля.

Что получили в итоге?
✅Система предсказывает поломки и неисправности.
✅Количество брака снизилось на 30%.
✅Производительность выросла на 20%.
✅Полный контроль за процессами и соблюдением регламентов.

Технологии:

Компьютерное зрение: OpenCV, PyTorch, YOLOv8
Анализ данных: Numpy, Pandas, Scipy, Librosa
Инфраструктура: PostgreSQL, Redis, FastAPI, RabbitMQ

Вывод:
Внедрение видеоаналитики помогло улучшить производство, сократить затраты и исключить человеческий фактор 👀

#производство_zool
#кейсы_zool

Как zool.ai отличает сотрудников от посетителей?

Это рубрика #вопросы, и я её ведущий куратор Михаил, аналитик zool.ai. Клиенты и посетители сайта спрашивают про работу нашей системы. Я буду делиться ответами здесь — может, они будут полезны и для вас.

Владелец ресторанного бизнеса задал вопрос: как система будет отличать официантов в кафе от посетителей. Рассказываю.

Сначала zool.ai с помощью компьютерного зрения определяет всех людей в помещении. Далее системе можно задать маркер, условие, по которому она будет отличать сотрудников от гостей. Вот основные признаки идентификации:

📌1. Униформа
Часто сотрудники носят фирменную однотипную одежду. Мы обучим нейросеть системы распознавать необходимые визуальные признаки униформы.

📌2. Бейджи
Бейджи, которые сотрудники обязаны носить, станут маркером для zool.ai.

📌3. Паттерны поведения
Мы обучим ИИ-модель на большом количестве видеоданных, и zool будет анализировать поведение людей в кадре и выявлять шаблоны:

⚪️Сотрудник чаще бывает за кассой, на кухне, заходит в служебные помещения.

⚪️Посетитель — в основном в зале, сидит за столами, подходит к кассе и т.д.

📌4. Лица
Если у организации есть база данных с лицами сотрудников, система может сравнивать лица на видео с этой базой. При совпадении — человек идентифицируется как сотрудник, при отсутствии данных — как посетитель.

Для zool.ai можно задать и другие маркеры идентификации. Если вас интересует, как будет работать система именно в вашей компании, напишите нам в личные сообщения канала 👁

#новости_zool

Всем привет! Запускаем рубрику #новостнаясреда — тут будем коротко и по делу собирать новости о важном в мире ИИ ✉️

Итак, поехали:

📎Минцифры подготовило проект правил по работе с обезличенными данными. Они должны заработать с сентября — на их основе будут наполнять государственную систему «озеро данных». Проект документа.

📎 Что думают россияне про ИИ:
По опросу Russian Field, большинство поддерживает внедрение ИИ в:
🔵промышленность (81%)
🔵сельское хозяйство (75%)
🔵строительство (68%)
А вот в госуправлении — уже меньше (42%), в судах и правоохранительных органах — всего 34%.

📎 Бизнесу ИИ-ассистенты зашли:
За год спрос на них вырос почти в 7 раз. Сейчас в одном тендере участвуют около 3 компаний, а средняя стоимость разработки ИИ-решения — около 1 млн рублей.

📎 Игроки рынка и эксперты подготовили проект закона, который запрещает ИИ-системы с «неприемлемым уровнем риска». Планируется ввести маркировку ИИ-контента и сделать разработчиков ответственными за вред, причинённый нейросетями.

📎OpenAI представила новую модель — GPT-4.1. Она быстрее работает с данными, лучше понимает инструкции и уверенно пишет код. Потестить можно тут.

⚡️ Новости от нашей команды:
Мы участвуем в TAdviser Summit — ищите Ивана на сессии «Искусственный интеллект». Будем в Москве 29 мая, до встречи!

#дайджест_zool

🎙 Мы на подкасте у Skillbox Media

Обсудили интеллектуальную видеоаналитику — что это, зачем бизнесу и как внедрять без боли. Делимся практикой, опытом и взглядами на будущее.

Спикеры:

⚪️Александр Овчинников — совладелец и директор по развитию Programming Store.
⚪️Иван Шамшурин — продакт-менеджер в zool.ai

Таймкоды выпуска:

00:00 — Что такое видеоаналитика и почему эта тема сейчас особенно важна для бизнеса.
08:44 — Как развивалась видеоаналитика: от наблюдения за толпой — до умных систем с ИИ.
17:31 — Запросы клиентов: от фантазий до задач. О чём просят бизнесы: что реалистично, а что — нет.
26:16 — Юридические и этические границы. Разбираемся, где заканчивается аналитика и начинается вмешательство в частную жизнь.
35:02 — Может ли маленькая команда создать свою систему видеоаналитики? (спойлер: да)
43:49 — Внедрение: от идеи до реализации. Почему чаще всего всё «ломается» на этапе постановки задачи.
52:33 — Закон и регуляции. Где бизнесу стоит быть особенно внимательным.
01:01:20 — Как обучают нейросети, какие данные используют и какие инструменты применяются.

💭 Если интересно, как сделать бизнес умнее с помощью камер и нейросетей — этот выпуск для вас.

#новости_zool

🔩 Как IT меняет промышленность? Если раньше заводы ассоциировались с машинами, металлом и шумом, то теперь они становятся высокотехнологичными умными производственными центрами.

В новой статье мы расскажем:

🟢С какими проблемами сталкиваются промышленные предприятия, когда обращаются за автоматизацией.
🟢Почему не все руководители хотят «пустить роботов» на работу.
🟢Как искусственный интеллект уже меняет индустрию и что нас ждёт в будущем.

⚡️Читать статью

#статья_zool

❗️❗️ Запускаем второй поток курса по искусственному интеллекту!

Нас часто спрашивают: «Если очень хочется к вам в команду, но пока не хватает практики в ИИ — учите ли вы?». Отвечаем: да! И даже бесплатно.

В сентябре мы совместно с @academy_cifra запускаем новый практический курс. Будем учить, как применять ИИ в реальных проектах. Прошлый поток был 🔥 — и этот не станет исключением.

🗓 Даты:

⏺Прием заявок: до 21 августа 2025 года
⏺Старт курса: 1 сентября 2025 года

🔺Длительность обучения: 11 недель
📍Формат: Очный (город Ижевск)

Кому подойдёт курс:

▪️бизнес-аналитикам
▪️системным аналитикам
▪️руководителям проектов
▪️Python-разработчикам
▪️специалистам по данным

Чему научим:

🤍Проектировать приложения и базы данных
🤍Разрабатывать backend на Python
🤍Создавать frontend и связывать его с backend
🤍Работать с данными и обучать ИИ

🔗 Записаться можно здесь

#курсы_zool

Что требуется для установки системы zool.ai

В рубрике #вопросы публикуются обращения наших клиентов, а я Михаил, аналитик zool, отвечаю на них.

💬 Чтобы понять, что нужно для установки zool.ai, сначала определим: какой способ внедрения вам подходит?

1. Первый способ — подключиться к сервису в облаке
Это быстрый вариант без затрат для заказчика. Сервер мы предоставляем, и обработка видео происходит на нём.
От вас потребуется только RTSP-ссылка для получения доступа к видеопотокам с камер. Мы подключим камеры к веб-сервису, где у вас будет личный кабинет и вы сможете просматривать данные видеоаналитики в режиме реального времени.

2. Второй способ — внедрить локальную версию
Подходит для заказчиков, у которых требования безопасности не позволяют отправлять видеопоток из внутренней сети. Здесь необходим ваш сервер, его обслуживание также будет на вашей стороне. Мы передадим вам индивидуальную сборку системы и инструкцию по установке.

📹Какие камеры нужны для видеоаналитики?
Любые IP-камеры. Характеристики камер для функционирования zool.ai не важны, но они должны соответствовать условиям работы, то есть учитывать освещённость места съёмки, виброрежим, высоту крепления и прочие нюансы — их мы обсудим и дадим рекомендации.

*️⃣Можно ли использовать камеру телефона в качестве IP-камеры?
Подключить телефон к системе будет сложно, но для нас нет ничего невозможного. Однако это абсолютно не практично, проще купить базовые камеры за 3-5 тысяч рублей.

📎 Если нужны подробности, напишите в личные сообщения канала.

#новости_zool