Stworzyliśmy system automatycznej kontroli wizualnej oparty o modele detekcyjne, który analizuje produkt bezpośrednio na linii produkcyjnej. Rozwiązanie zastępuje manualną kontrolę jakości, zapewniając powtarzalność, szybkość i ponad 99% skuteczności wykrywania defektów.
Kontekst
Klient potrzebował w pełni zautomatyzowanego systemu, który oceni jakość montażu elementów mechanicznych oraz poprawność umieszczenia etykiet na produkcie.
Manualna kontrola okazała się niewystarczająca, była czasochłonna i obarczona błędami.
Kluczowe obszary kontroli obejmowały:
- Obecność oraz prawidłowe dokręcenie śrub
- Obecność i położenie etykiety znamionowej
Niewłaściwy montaż mógł prowadzić do odrzutów jakościowych, reklamacji i realnych zagrożeń bezpieczeństwa.
Details
Czas:
60 dni
Role:
inżynier ML, nadzór nad procesem integracji, etykietowanie.
W ramach zadania przeprowadziliśmy trening modelu, wykonaliśmy etykietowanie danych i na końcu uruchomiliśmy dedykowane API z wytrenowanym modelem.
Cel
Kontrola produktów wymagała analizy z kilku perspektyw, niektóre elementy były widoczne tylko pod określonym kątem. W ramach całego procesu linia została wyposażona w zestaw kamer zintegrowanych z automatyką systemu.
Dodatkowym wyzwaniem były bardzo małe detale jakimi są łby śrub, które wymagały modelu zdolnego do precyzyjnej mikrodetekcji.
Celem było stworzenie rozwiązania, które pracuje w czasie rzeczywistym i nie spowalnia linii produkcyjnej, jednocześnie eliminując ryzyko błędów ludzkich. systemu.
Dodatkowym wyzwaniem były bardzo małe detale jakimi są łby śrub, które wymagały modelu zdolnego do precyzyjnej mikrodetekcji.
Wyzwanie
- Ocena drobnych elementów (śruby, deformacje, luz),
- Potrzeba detekcji z wielu kamer
- Zmienne oświetlenie typowe dla środowiska produkcyjnego
Rozwiązanie
Aby zapewnić pełną automatyzację kontroli jakości i bezproblemową współpracę z istniejącą infrastrukturą klienta, stworzyliśmy system, który integruje się bezpośrednio z automatyką linii produkcyjnej. Cały proces rozpoczynał się w momencie, gdy urządzenia klienta wykonywały serię zdjęć produktu z kilku precyzyjnie dobranych kątów. Automatyka zapisywała je w ustrukturyzowany sposób do dedykowanego folderu, a następnie wysyłała do naszego systemu wywołanie API przekazując identyfikator folderu zawierającego dokumentację wizualną danego egzemplarza.
Na serwerze przygotowaliśmy lekką, zoptymalizowaną aplikację uruchomioną w środowisku FastAPI, która pobierała obrazy i uruchamiała odpowiednie moduły detekcyjne. Pipeline został zaprojektowany w sposób równoległy:
- część zdjęć kierowana była do analityki śrub, gdzie model oceniał ich obecność, poprawność dokręcenia oraz deformacje, natomiast pozostałe zdjęcia trafiały jednocześnie do modułu analizy etykiet odpowiedzialnego za sprawdzenie orientacji, liniowości i poprawnego pozycjonowania.
Opracowany system oceniał łącznie 12 kluczowych punktów kontrolnych, przypisanych do elementów mechanicznych oraz etykiet. Po zakończeniu analizy moduły agregowały wyniki i generowały ustrukturyzowaną odpowiedź dla automatyki klienta — każda kontrolowana cecha otrzymywała swój status „OK” lub „Defekt”, wraz z dodatkowym komunikatem opisowym.
Rezultat
Wdrożony system znacząco usprawnił cały proces kontroli jakości i pozwolił praktycznie wyeliminować błędy pochodzące z oceny manualnej. Automatyczna detekcja gwarantuje powtarzalność, której nie da się uzyskać w warunkach kontroli ręcznej, szczególnie przy szybkim tempie pracy linii.
Modele osiągają skuteczność przekraczającą 99%, co przekłada się na niemal całkowite wyeliminowanie fałszywych decyzji i minimalną liczbę fałszywych alarmów. Dzięki analizie prowadzonej lokalnie, system nie opóźnia pracy linii i nie wymaga inwestycji w dodatkową infrastrukturę serwerową.
Operatorzy otrzymują natychmiastowe i precyzyjne informacje o wykrytych nieprawidłowościach, co umożliwia im błyskawiczną reakcję i ograniczenie strat produkcyjnych. Rozwiązanie znacząco przyspieszyło czas weryfikacji produktu, poprawiło bezpieczeństwo oraz podniosło ogólną jakość procesu produkcyjnego.
- Ponad 99% skuteczności detekcji
- Przyspieszona i automatyczna kontrola jakości
- Eliminacja błędów ludzkich i większa powtarzalność
- Natychmiastowe alerty z dokładną lokalizacją defektu
- Brak potrzeby rozbudowanej infrastruktury IT dzięki edge AI
- Oszczędność czasu i kosztów w procesie produkcji
Automatyczna kontrola wizualna pozwala osiągnąć poziom precyzji i powtarzalności, którego nie da się uzyskać metodami manualnymi. Jeśli Twoja produkcja wymaga stabilnej, szybkiej i skalowalnej kontroli jakości, takie systemy detekcyjne potrafią realnie odmienić sposób, w jaki działają procesy na hali.