Контроль качества роз: каждый цветом под пристальным взглядом машинного зрения
ИИ-решение на базе компьютерного зрения в реальном времени анализирует качество каждой розы на конвейере, минимизируя человеческий фактор и производственный брак.
NDA
Заказчик Крупный тепличный комбинат, один из лидеров цветочного рынка с производственной площадью более 9 га.
Задача Автоматизировать процесс сортировки и контроля качества роз. Исключить попадание цветов с дефектами (кривой стебель, поврежденный бутон) в товарные букеты, повысить стабильность качества конечной продукции и оптимизировать работу персонала на конвейерной линии.
О проекте
Для крупного цветочного производства стабильное качество напрямую влияет на выручку и повторные заказы.
При скорости конвейера в тысячи роз в час ручная сортировка не обеспечивает нужной точности и масштабируемости. Мы внедрили систему компьютерного зрения, которая в реальном времени оценивает качество каждого цветка и исключает попадание дефектных роз в товарные букеты.
NDA
Заказчик Крупный тепличный комбинат, один из лидеров цветочного рынка с производственной площадью более 9 га.
Задача Автоматизировать процесс сортировки и контроля качества роз. Исключить попадание цветов с дефектами (кривой стебель, поврежденный бутон) в товарные букеты, повысить стабильность качества конечной продукции и оптимизировать работу персонала на конвейерной линии.
х50
1
Сбор датасета
Собрали и разметили 20 000+ изображений роз с дефектами, создав основу для стабильной работы модели.
2
Разработка и обучение модели
Обучили нейросеть для быстрой и точной оценки качества в реальных производственных условиях.
3
MVP и интеграция
Интегрировали систему с камерами и индикацией, протестировали на реальном потоке продукции.
4
Масштабирование решения
Дообучили модель и развернули систему на всех сортировочных линиях предприятия
5
Аналитика
Интегрировали API и дашборды для контроля брака, объемов и эффективности смен.Зачем заказчику видеоаналитика?
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
Сложность распознавания спрей-роз
В отличие от одноголовых роз, спрей-розы имеют несколько бутонов на одном стебле, и дефект одного из них не всегда означает брак всей ветки. Нейросеть должна была научиться оценивать состояние каждого бутона в совокупности.РЕШЕНИЕ
Научили ИИ анализировать каждый бутон
Мы разработали кастомный алгоритм разметки и аугментации данных, который позволил модели научиться "видеть" не только всю ветку целиком, но и анализировать каждый отдельный бутон на ней, оценивая общий процент дефектов.Нестабильные условия освещения
Освещение в производственном цеху менялось в течение дня (естественный и искусственный свет), что создавало блики и тени, влияющие на качество распознавания.РЕШЕНИЕ
Разнообразили техники аугментации данных
Для нейтрализации этого фактора мы применили широкий спектр техник аугментации данных (случайное изменение яркости, контрастности, гаммы) на этапе обучения модели. Это сделало нейросеть устойчивой к перепадам освещения и позволило сохранить высокую точность детекции в любых условиях.99.2%
точность определения дефектов
0,1 сек
время на анализ одного цветка
16
сотрудников высвобождено от рутинной сортировки
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.
Разработка крупной системы
Цифровой контроль движения вагонов
Разработка крупной системы
От цветка к идеальному букету: ИИ распознает качество роз
Разработка крупной системы
ИИ-учет индивидуальной выработки на конвейере
Сбор и разметка данных для ИИ
Разметка данных для беспилотных комбайнов
Разработка крупной системы
Как контролировать брак этикетки на работающем конвейере
Экспертная разметка данных
Медицинский датасет МРТ позвоночника для обучения AI
Операционный ИТ-аутсорсинг
Команда разметчиков как сервис для маркетплейса
Сбор данных для ML и ИИ
Собрали 10 000 уникальных лошадей для биометрии
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
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
ИИ расставляет стеллажи в 10 раз быстрее
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Платформа, объединившая поиск блогеров, целевой аудитории и аналитику
Разработка крупной системы
Распознавание QR для контроля сборки и упаковки заказов
ИИ для промышленности
ИИ-отбор качественных снимков с дронов
Разработка крупной системы
Нейросеть распознаёт пустые полки в магазинах и помогает вовремя их заполнить
Разработка крупной системы
ИИ-контроль опасных ситуаций при движении погрузчиков
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
Сбор и разметка данных для ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор и разметка данных для ИИ
Собрали датасет оружия в 1000+ видео
Разработка крупной системы
Платформа для регистрации рекламы блогеров и ЕРИР
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка для ритейла
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
Нейросеть для распознавания 2D чертежей
