Система стабильно работает на чертежах, которые сами инженеры считают сложными для ручного разбора.
Основные ошибки возникают не в геометрии, а в текстовых полях (названия деталей, подписи)
OCR и распознавание 2D-чертежей для расчёта деталей
ИИ-модуль, который автоматически распознает 2D-чертежи и передаёт параметры детали в систему расчёта стоимости.
NDA
Заказчик Платформа для расчёта смет на изготовление деталей в машиностроении и приборостроении.
Объединяет заказчиков и производителей и автоматизирует расчёт стоимости производства по инженерной документации.
Задача Автоматизировать разбор 2D-чертежей и извлечение параметров, влияющих на стоимость изготовления детали: размеров, допусков, резьб, шероховатостей и материала.
Срок 2025
О проекте
Расчёт стоимости детали по 2D-чертежу занимает у инженера от 4 до 8 часов из-за “ручного” чтения PDF и сканов. Мы разработали систему распознавания на основе машинного зрения, она автоматически извлекает параметры чертежа и передаёт их в систему расчёта стоимости. Время расчёта сократилось до нескольких минут, при этом результаты стали стабильными и воспроизводимыми.
NDA
Заказчик Платформа для расчёта смет на изготовление деталей в машиностроении и приборостроении.
Объединяет заказчиков и производителей и автоматизирует расчёт стоимости производства по инженерной документации.
Задача Автоматизировать разбор 2D-чертежей и извлечение параметров, влияющих на стоимость изготовления детали: размеров, допусков, резьб, шероховатостей и материала.
Срок 2025
в 10 раз
1
Загрузка чертежа
Пользователь загружает PDF или изображение 2D-чертежа в систему (на платформу)
2
Предобработка
Система выравнивает лист, повышает читаемость и выделяет зоны текста и обозначений
3
OCR и детекция элементов
Модели распознают текст и находят на чертеже размеры, допуски, резьбы, шероховатости и другие обозначения.
4
Извлечение параметров
Алгоритмы связывают найденные элементы между собой и формируют структурированный набор параметров детали.
5
Передача в расчет
Параметры отправляются через API в платформу расчёта и используются для автоматического формирования сметы
Интересные факты
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управления
Backend
Логика обработки и базовые компоненты системы
ML
Модели и фреймворки для обучения
Вызовы и решения
Расчёт детали зависел от ручного разбора чертежей
Чтение PDF и сканов занимало 4–8 часов: размеры терялись, обозначения перекрывались, результат зависел от опыта и внимательности конкретного технолога. Это ограничивало скорость расчётов и масштабируемость сервисаРЕШЕНИЕ
ИИ автоматически извлекает параметры
ИИ-модуль OCR и компьютерного зрения автоматически извлекает все ключевые параметры чертежа и передаёт их в алгоритм расчёта. Время обработки сократилось в 10 раз — с часов до минут, без участия инженера/Ошибки и пропуски искажали стоимость
На сложных чертежах возникали неточности: нечитаемые фрагменты, пересечения линий, дублирующиеся выноски, отсутствие материала или массы. Это приводило к ошибкам в расчётах и необходимости ручных уточнений.РЕШЕНИЕ
Система автоматически нормализует данные
ИИ алгоритм находит минимальный Ra, самый точный квалитет (H), считает количество резьб (M), определяет максимальный диаметр, габариты и число измерений. Расчёт стал стабильным и воспроизводимымТиповые OCR-решения не работали на инженерных чертежах
Классические OCR и CV-модели теряли размеры на отдельных сечениях и не учитывали контекст расчётной логики. Автоматизация давала эффект только на простых чертежахРЕШЕНИЕ
Детекция + OCR + бизнес-логика
Мы объединили детекцию, OCR и бизнес-логику интерпретации параметров. В результате система уверенно работает даже на сложных чертежах: OCR — до 95%, детекция и логика — 90%+, по оценке заказчика95%
Точность OCR-распознавания текстовых обозначений на 2D-чертежах
90%+
Корректное извлечение размеров и геометрических параметров без потерь
4 из 5 чертежей
Форма детали определяется автоматически без ручной проверки
Команда, которая внедрила проект
Константин Порошкин
ML-инженер
Дмитрий Долгин
Tech Lead
Роман Фёдоров
Бизнес-аналитик
Марк Яговкин
Руководитель разметки данных
Дмитрий Соркин
DevOps-инженер
Проект запущен
в работу
Скоро
здесь будут
обновления
Готовые проекты
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
ИИ для промышленности
ИИ-отбор качественных снимков с дронов
Разработка крупной системы
Распознавание QR для контроля сборки и упаковки заказов
Разработка крупной системы
Платформа для регистрации рекламы блогеров и ЕРИР
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка крупной системы
Нейросеть распознаёт пустые полки в магазинах и помогает вовремя их заполнить
Разработка крупной системы
Контроль ношения СИЗ на производстве рыбы
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
ИИ-контроль опасных ситуаций при движении погрузчиков
Сбор и разметка данных для ИИ
Собрали датасет оружия в 1000+ видео
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
Сбор и разметка данных для ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор и разметка данных для ИИ
Разметка данных для беспилотных комбайнов
Экспертная разметка данных
Медицинский датасет МРТ позвоночника для обучения AI
Разработка крупной системы
Как контролировать брак этикетки на работающем конвейере
Экспертная разметка данных для ИИ
Разметка 7000 исследований совместно с врачами-экспертами
Разработка крупной системы
Распознавание номеров автомобиля для въезда на парковку
Разработка крупной системы
ИИ расставляет стеллажи в 10 раз быстрее
Операционный ИТ-аутсорсинг
Команда разметчиков как сервис для маркетплейса
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Сбор данных для ML и ИИ
Собрали 10 000 уникальных лошадей для биометрии
Разработка крупной системы
ИИ-учет индивидуальной выработки на конвейере
Разработка крупной системы
Цифровой контроль движения вагонов
Разработка крупной системы
От цветка к идеальному букету: ИИ распознает качество роз
Разработка крупной системы
Нейросеть для распознавания 2D чертежей
Разработка крупной системы
Платформа, объединившая поиск блогеров, целевой аудитории и аналитику
Разработка для ритейла
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Разработка крупной системы
ИИ контролирует опасные зоны конвейера 24/7
Сбор и разметка данных
AI-мониторинг вечной мерзлоты
Разработка крупной системы
Нейросеть контролирует качество чипсов прямо на конвейере
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
