"Искусственный интеллект и креветки, "Умный глаз"

Владислав Сарнацкий, ИТ директор, Восток-Запад.
Применение AI в производстве продуктов питания с использованием обычной графической видеокарты и общей стоимостью внедрения 1 млн руб.
В докладе была представлена система автоматизированного контроля качества креветок на производстве ООО «Восток-Запад» с использованием искусственного интеллекта. Компания занимается дистрибуцией и производством продуктов питания, в частности, изготовлением полуфабрикатов из креветок.

Проблема и решение:

Ранее контроль качества креветок осуществлялся вручную, что было трудоемким процессом с рядом недостатков, включая человеческий фактор, нестабильность измерений (из-за размораживания) и выборочный контроль (50 креветок из 10 000 в час). Для решения этих проблем была разработана система «Умный глаз», основанная на машинном обучении и компьютерном зрении.

Принцип работы системы:

1. Камера, установленная над конвейером, сканирует креветки в реальном времени.
2. Система детектирует и измеряет параметры креветок (длина, вес).
3. Данные сохраняются в базе данных.
4. Метрики визуализируются на графиках, которые отображаются на компьютере и телевизоре на производстве.

Техническая реализация:

Захват видео: ffmpeg.
Калибровка: OpenCV.
Детекция и трекинг: нейронная модель EOLA.
Предсказание веса и размеров: разработанная ML-модель.
Точность измерений: 1-2%.
Обучение модели: 200 размеченных изображений.

Преимущества системы:

Автоматизация контроля качества.
Повышение точности и объективности измерений.
Контроль всей продукции.
Экономия времени и ресурсов (освобождение как минимум двух сотрудников).

Трудности при внедрении и их решения:

Смещение камеры: Изменение геометрии изображения приводило к неточным измерениям. Решение: установка металлического кожуха и жесткое крепление камеры.
Сдвиг камеры из-за мойки: Высокое давление воды, попадая на камеру, вызывало сдвиг. Решение: установка металлических кронштейнов для жесткой фиксации камеры.
Некорректные замеры с помощью измерительного прибора: Контрольные замеры, на которых обучалась модель, показали неточный результат. Решение: замена неисправного прибора и переобучение модели.
Попадание посторонних предметов в кадр: Швабра, оставленная под камерой, детектировалась системой как большая креветка. Решение: ограничение поля зрения камеры.

Развитие системы:

В планах компании:

Разработка системы отслеживания брака (некондиционные креветки, посторонние включения).
Интеграция с управлением производственной линией для автоматического удаления брака.
Применение тепловизоров для контроля температуры.
Переход на собственные модели машинного обучения для решения более сложных задач.

Экономический эффект:
Внедрение системы заняло около квартала и обошлось менее чем в миллион рублей.

CNews FORUM 2025: Информационные технологии завтра.
Представители бизнеса, госструктур, ИТ-компаний, а также независимые эксперты и аналитики приняли участие в дискуссии о том, как будет проходить информатизация экономики в ближайшие годы.
Цель мероприятия – предоставить независимую площадку для обсуждения ключевых вопросов и актуальных проблем рынка ИКТ, инновационных технологий, подходов к реализации ИТ-проектов – с участием трех сторон – бизнеса, ИТ-поставщиков и государства.