Візуальний контроль якості зі ШІ: як машинний зір працює на реальній виробничій лінії

Запитайте керівника з якості, який відсоток деталей насправді перевіряє контролер-людина на швидкій лінії, і чесна відповідь буде: вибірку, і то в хороший день. Увага згасає за двадцять хвилин, нічні зміни мають гірше освітлення, а найважливіший дефект зазвичай той, який ніхто не казав шукати. Візуальний контроль зі ШІ змінює цю арифметику — камера дивиться на 100% деталей, кожну зміну, на швидкості лінії, і ніколи не нудьгує.

Технологічний стек менш екзотичний, ніж підказує термін «машинний зір». Промислові камери — матричні чи лінійного сканування, іноді тепловізійні — знімають кожну деталь на фіксованому пості. Модель глибокого навчання, натренована на зображеннях придатних і бракованих деталей із вашої власної лінії, класифікує кожен знімок за мілісекунди. Інференс виконує локальний GPU-сервер, тому зображення ніколи не покидають завод, а лінія ніколи не чекає на інтернет-з’єднання. Коли модель позначає дефект, MES автоматично відправляє цю деталь та її дані в карантин.

Навчання — це місце, де більшість проєктів або відбуваються, або помирають. Практичний шлях — це не «спершу зберіть десять тисяч фото дефектів»: на реальних заводах їх рідко стільки є. Сучасні конвеєри навчання починають із кількох сотень зображень, множать їх аугментацією і постійно вдосконалюються: кожна погранична деталь, яку оператор підтверджує чи відхиляє, стає завтрашніми навчальними даними. За кілька тижнів модель бачить більше справжнього розмаїття дефектів, ніж новий контролер за рік.

Операційно змінюється швидкість зворотного зв’язку. Людський контроль знаходить браковану деталь; контроль зором знаходить поганий тренд. Оскільки кожне зображення несе часову мітку, верстат і параметри, зростання частки дефектів на четвертому гнізді чи після зміни матеріалу видно за лічені хвилини — поки зміна, що його спричинила, ще працює. Якість перестає бути звітом про вчора і стає сигналом тривоги про те, що відбувається просто зараз.

Цифри, які реально показують наші впровадження: пропущені дефекти — дорогі, ті, що доходять до клієнта, — знижуються приблизно на 90% порівняно з ручною вибіркою, персонал контролю переключається на пошук кореневих причин замість вдивляння в конвеєр, а розмови про рекламації закінчуються швидко, бо кожна відвантажена деталь має свій фотографічний запис. У скляному виробництві, де мікротріщина означає повернуту палету, модель окуповується на самих лише уникнутих перевезеннях.

Де контроль зором — НЕ правильний перший крок: хаотична подача деталей, екстремальна відбивна здатність без інженерії освітлення або визначення дефекту, щодо якого не можуть домовитися навіть два інженери. Спершу наведіть лад з освітленням і визначенням; модель здатна вивчити лише той стандарт, який люди можуть сформулювати. Пілот на одному пості з одним класом дефектів щоразу перемагає оголошення про розгортання на весь завод.

Інтеграція — те, що відрізняє демо від системи. Окрема камера, яка пищить, — іграшка; цінність з’являється, коли вердикт зору записується в ті самі живі дані, що й усе інше: MES прив’язує його до наряду та партії, QMS відкриває акт невідповідності (NCR) з доданим знімком, а карти SPC будуються за частками дефектів на гніздо, зміну та партію матеріалу. Цей замкнений контур і є тим, що на практиці означає «контроль якості зі ШІ».

Модуль комп’ютерного зору Meta Smart Factory постачає саме цей контур: камери, локальний GPU-інференс, безперервне навчання та нативну інтеграцію з MES/QMS — розгорнуто на лініях від скла до лиття під тиском. Якщо ваш контроль сьогодні — це план вибірки та молитва, пілот на одному пості за місяць покаже, що бачать камери й не бачать люди.