Интеллектуальный контроль качества окраски кузовов автомобилей
Система контролирует выполнение операций на участке окраски, выявляет дефекты ЛКП и формирует цифровую историю качества каждого кузова с привязкой к VIN



О проекте
На автомобильном производстве окраска кузова проходит в несколько этапов: грунт, последующие слои покрытия, краска и лак. Для бизнеса проблема в том, что ошибка на одном из ранних этапов уходит дальше по линии. Непротёртая зона, загрязнённая салфетка или недостаточная шлифовка могут привести к дефекту уже на следующем слое, где его исправление становится сложнее и дороже. Система машинного зрения переводит эти операции в измеримые события. Она отслеживает траекторию протирки, показывает необработанные зоны, фиксирует смену салфетки и измеряет время работы шлифовальной машинки. Если регламент нарушен, событие фиксируется до перехода кузова на следующий этап.
Архитектура решения: камеры на постах контроля → локальный сервер предприятия → ML-модули детекции, сегментации и трекинга → база событий и кадров → единый портал качества → интеграция с MES. Обработка видеоданных выполняется внутри инфраструктуры предприятия.
≥90%
Аудит участка контроля качества окраски
Аудит участка контроля качества окраскиСбор и разметка данных
Записываем видео с участка окраски и размечаем кузов, салфетки, шлифмашинку и зоны обработкиОбучение модели
Настраиваем детекцию и трекинг объектов, траекторию протирки и положение шлифмашинкиЛогика контроля операций
Реализуем карту обработки кузова, контроль смены салфетки и времени шлифовкиИнтерфейс и интеграция с MES
Собираем карточку автомобиля, журнал событий и обмен данными с заводской системойПилот с последующим масштабированием
Разворачиваем систему локально, калибруем камеры и проверяем целевые метрикиЗачем заказчику система ИИ
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управленияBackend
Логика обработки и базовые компоненты системыML
Модели и фреймворки для обученияВызовы и решения
Перекрытия кузова во время окраски
Во время протирки и шлифовки человек частично закрывает рабочую зону и инструментНесколько камер с перекрывающимися ракурсами
Настраиваем позиции камер так, чтобы ключевые зоны и инструмент оставались видимыми в процессе обработкиБлики на окрашенной поверхности
Специальное освещение участка создаёт отражения, которые могут выглядеть как дефектыКалибровка под свет и серия кадров
Модель обучается на реальных условиях поста, а дефект фиксируется только как устойчивое отклонение на нескольких изображенияхНепрерывное движение кузова по линии
Автомобиль проходит через несколько камер, поэтому события нельзя потерять при смене ракурсаМежкамерный трекинг и синхронизация
Связываем наблюдения с разных камер в единую последовательность и привязываем события контроля к конкретному автомобилю через MES≤3
секунд - задержка оповещения о нарушении
99%
доступность системы в рабочее время
≥12
месяцев хранятся данные по каждому автомобилю
Бесплатный разбор вашей задачи
На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.
Рассмотрим технические ограничения и возможный первый этап проекта.
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.


















