Кейсы
2025-07-17 10:32

Компьютерное зрение для контроля качества комплектации

Бизнес-эффекты

  • уменьшение издержек (сокращение трудозатрат, рациональное использование пространства тары, сокращение затрат на обратную логистику)
  • автоматизация части процесса (не только сбор данных, но и устранение ошибок в режиме реального времени)

Стек-технологий

  • локализация, классификация и оценка положения объектов в пространстве
  • генерация синтетических данных
  • распознавание типовых ошибок

Применение

Как автоматическая, так и ручная сборка юнитов:
  • производственные комплексы полного цикла (автопром, электроника, пищевая промышленность и тд)
  • специализированные логистические комплексы
  • розничная торговля и электронная коммерция

Проблема

Крупные производственные компании, занимающие лидирующее положение на рынке и уделяющие пристальное внимание повышению эффективности бизнес-процессов, первыми стараются внедрить технологии искусственного интеллекта и компьютерного зрения, поэтому еще в 2023 году фабрика по производству кормов для домашних животных обратилась к компании “Мотив” с целью минимизации издержек при транспортировке фасованных кормов.

В процессе сборки транспортировочного юнита робот-комплектовщик допускал ошибки, и паллеты оставались заполнены не полностью. При отправке 300 юнитов ежедневно, финансовые и репутационные риски, которые нес завод, росли как снежный ком.
Для решения проблемы рассматривались несколько вариантов. Ручной контроль был недостаточен из-за высокой скорости комплектации и непрерывного режима работы. В процессе оценки стоимости решений выбор остановили на компьютерном зрении. Предыдущие вендоры использовали классические камеры с минимальными базовыми настройками, однако количество ошибок, допускаемых роботом, по-прежнему оставалось на высоком уровне, поэтому руководство компании пришло к осознанию необходимости разработки собственной системы компьютерного зрения.

Решение

На этапе предпроектного обследования были проанализированы фотоснимки, полученные со стандартной камеры, и обнаружены 5 видов критичных ошибок, которые возникают при комплектации продукции. Все они в конечном итоге ведут к повреждению кейсов или паучей при транспортировке и финансовым потерям.

Для обеспечения высокой скорости обработки информации оборудование, которое было установлено CV-командой компании, решено было заменить. На робота-комплектовщика установлены:

  • программируемые камеры машинного зрения, оценивающие 3 параметра одновременно (логотип, наличие инструкции, целостность контура крышки кейса и тд);
  • мощное освещение, позволяющее корректно детектировать состояние каждого слоя кейсов;
  • промышленные компьютеры и мониторы с дашбордами для наблюдения за процессом в режиме реального времени.

Интерфейс, разработанный в процессе, позволил не только отслеживать возникновение ошибок и классифицировать их (время обнаружения, порядковый номер слоя, тип ошибки), но и оперативно реагировать для их устранения – система сигнализирует о появлении аномалии и останавливает комплектацию для коррекции оператором/технологом.

Для создания датасета дефектов, необходимых для разметки и дальнейшего обучения нейросети, создан алгоритм генерации синтетических данных. Это позволило охватить весь массив возможных ошибок, достичь максимальной точности детекции и уменьшить количество ложных срабатываний.

Результаты работы

В настоящее время система внедрена на трех заводах в РФ, контролирует в общей сложности девять роботов-комплектовщиков и более двухсот тысяч кейсов ежедневно (с каждого завода в транспортную компанию отправляются по 300 паллет в сутки, суммарно 900 юнитов).

Количество ошибок, допускаемых роботом сократилось на 25% за год. В финансовом выражении это внушительная экономия затрат на переупаковку и обратную доставку.

Не смотря на то что проект завершен, продолжается работа с компанией: создается универсальная архитектура, которую можно масштабировать на другие подразделения холдинга, требующие автоматизации. Более того, начаты проекты по внедрению искусственного интеллекта в направления деятельности компании, не связанные с логистикой – ритейл и производство.