ИИ-контроль качества пиццы после печи
Система распознаёт вид, размер и тип теста каждой пиццы, проверяет пять основных дефектов и сразу сообщает сотруднику об отклонении от стандарта.



О проекте
В ресторанной сети проверка готовых пицц строилась с помощью тайного покупателя, такая проверка охватывала всего 1% продукции. При этом, в этой выборке 20–30% пицц не соответствовали стандартам, около 10% имели критичные отклонения.
Мы разработали систему компьютерного зрения с камерой над столом, куда выкладывают пиццу после печи. Сначала модель определяет вид пиццы, её размер, тип теста и вариант борта. Затем проверяет пять типов дефектов: неравномерное распределение ингредиентов, подгорелость, недостаточную пропечённость, отсутствие предусмотренного рецептом соуса и отклонение размера борта.
При обнаружении дефекта в ресторане срабатывает звуковой сигнал или приходит уведомление сотрудникам. Все события сохраняются в админ-панели и попадают в ежедневные и накопительные отчёты по ресторанам.
35000
Аудит видеосцены и подготовка ТЗ
Изучить столы после печи, направления движения продукции и пиковую нагрузку ресторанов. Определить количество и расположение камер, пользовательские роли, методы API и архитектуру решения.Сбор и разметка данных
Собрать реальные изображения готовых пицц и разметить виды продукции, размеры, типы теста, варианты борта и пять групп дефектовMVP на одной камере
Обучить модель, настроить обработку кадров и разработать backend-сервис с API. Система должна возвращать тип дефекта, подавать звуковой сигнал и формировать CSV-отчёт с целевой точностью не менее 80%Веб-интерфейс и отчётность
Подключить модель к админ-панели. Добавить журнал инцидентов, подключение новых камер, настройку уведомлений, уровни доступа и отчёты по ресторанам и типам дефектов.Масштабирование системы
Подготовить архитектуру для работы с 80 камерами, нагрузкой до 35 000 пицц в сутки и пиковым потоком до 7 000 пицц в час по всей сетиДообучение и калибровка
Проверить систему на разных точках, камерах и условиях освещения. Дообучать модель на ошибках, новых видах пиццы и изменениях менюИнтересный факт
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управленияBackend
Логика обработки и базовые компоненты системыML
Модели и фреймворки для обученияВызовы и решения
Один продукт выглядит по-разному
Внешний вид пиццы меняется в зависимости от размера, типа теста и варианта борта.Стандарт для каждого вида пиццы
Система сначала определяет вид пиццы, её размер, тип теста и вариант борта, а затем проверяет по стандартам именно для этой позиции.Несколько пицц в одном кадре
На большом столе одновременно могут находиться до 10–12 пицц, которые частично перекрывают друг другаОтдельная зона для каждой пиццы
Модель выделяет каждую пиццу как самостоятельный объект и проверяет её независимо от остальныхТребования зависят от рецепта
Соус сверху и конкретные ингредиенты предусмотрены только для определённых видов пиццыПроверка по составу конкретного вида
Правила качества связываются с рецептом, поэтому система ищет только те элементы, которые должны присутствовать на этой пиццеАссортимент регулярно меняется
Новые позиции требуют новых визуальных классов и контрольных параметровДобавление новых позиций через систему
Для новинок собираются примеры, обновляется датасет и выпускается новая версия модели30 видов
пицц в ассортименте распознает система
5 типов
дефектов контролирует система в MVP
70+
ресторанов - план масштабирования
Команда, которая внедрила проект
Андрей Панкратов
Python backend-разработчик
Дмитрий Долгин
Tech Lead
Дмитрий Палий
Frontend-разработчик
Владислав Калинин
Data Science Tech Lead
Даниил Фомин
Системный аналитик
Никита Латышонок
CV-инженер
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.





















