С-Инновации: детектор дефектов ленты с точностью 95%
Разработали нейросетевой детектор дефектов для сверхпроводящей ленты, который достиг точности распознавания 95% и исключил ложные срабатывания на стыках и сдвигах.
Задача
На производстве ВТСП-ленты контроль качества поверхности вёлся операторами вручную через систему «Фотоскан», что было трудоёмко и неэффективно. Требовалось автоматизировать поиск критичных дефектов с точностью не ниже 95% и интегрировать решение в существующий интерфейс.
Решение
На базе YOLO и OpenCV создали детектор, обученный на 26 тыс. размеченных изображений. Устранили ложные срабатывания от сдвигов ленты и стыков, разработали механизм кластеризации для дефектов типа «Плюхи» и дообучили модель различать горизонтальные дефекты и спаи.
Результат
- 95% Точность распознавания дефектов
- 26 000 Обработано изображений для датасета
Детектор различает все целевые типы дефектов с точностью 95%, исключены ложные срабатывания на стыки и сдвиги. Параметры кластеризации можно гибко настраивать под новые требования производства.
Ещё 33 кейса в категории Промышленное предприятие → Нейросети
Похожие кейсы
Разработка собственной MES-системы в ГК «Изолятор»
Разработали кастомную MES-систему для ГК «Изолятор», чтобы автоматизировать планирование производства и перейти к позаказному производству.
Автоматизация работы энергосбытовой компании
ИИ-платформа MarQus ускорила сортировку мусора для «Вторплюс» в 2 раза
Разработали ИИ-платформу MarQus для сортировки ТБО, которая увеличила скорость сортировки более чем в 2 раза — до 60–70 объектов в минуту.
Цифровое решение для автоматизации операционной деятельности на месторождениях газа и нефти
Разработали цифровую платформу для Газпромнефть-Хантос, которая оцифровала более 15 000 сотрудников и ускорила обработку заявок в 8–12 раз.
Экосистема цифровых сервисов ОМК: 70% меньше обращений к менеджерам
Создали экосистему цифровых сервисов для ОМК, оцифровали 16 точек касания и сократили обращения к менеджерам на 70%.