«Команда БелКорпСофт за короткий срок прошла путь от постановки задачи до работающих прототипов распознавания профиля и поиска аналогов в PDM. Отдельно отметим инженерный подход: подбор оборудования, проработку интеграции с PDM и подробную техническую документацию.»
АЛЮТЕХ: машинное зрение для производства алюминиевого профиля
Три системы распознавания профиля на общей технологической основе — от линии покраски до поиска аналогов в PDM.
Заказчик
Заказчик
ЗАдача
ЗАдача
При таком ассортименте профиль трудно опознать «на глаз»: сечения многих позиций отличаются на миллиметры. Ошибки идентификации на линии покраски и на складе приводят к пересортице, браку и ручным перепроверкам. Конструкторы, в свою очередь, тратят время на поиск уже существующих аналогов и создают дубли
Заказчик поставил три задачи:
Заказчик поставил три задачи:
- Автоматически распознавать профиль на линии порошковой покраски
- Опознавать профиль в цеху и на складе по фото со смартфона или ручного сканера
- Находить в PDM-базе профили похожей геометрии, чтобы не проектировать заново то, что уже есть
- Автоматически распознавать профиль на линии порошковой покраски
- Опознавать профиль в цеху и на складе по фото со смартфона или ручного сканера
- Находить в PDM-базе профили похожей геометрии, чтобы не проектировать заново то, что уже есть
Что сделали
Что сделали
Мы спроектировали три решения на общей технологической основе: единый конвейер «скан → сечение → DXF», общий ансамбль CV/ML-моделей и синтетические обучающие данные из DXF-чертежей и 3D моделей. Такая архитектура позволяет развивать все три системы одной командой и переиспользовать наработки
Линия покраски. Разработали концепцию программно-аппаратного комплекса: подбор промышленных камер и оптики, схема освещения, тестовый стенд, автономная работа на линии. Предусмотрена интеграция с PDM и SCADA
Мобильное распознавание. Создали прототип мобильного приложения: сотрудник фотографирует торец профиля, система возвращает артикул и карточку из PLM. Распознавание работает на ансамбле моделей и обучено на синтетических данных, выдача — через REST API для PLM, MES и WMS
Компаратор геометрии для PDM. Разработали движок, который сравнивает сечение профиля с базой из 1000+ позиций в PDM и выдаёт ранжированный список похожих. На вход подаётся DXF-контур или JPG-картинка с профилем, автоматический конвейер на Python подбирает похожие профили
По каждому направлению подготовили технические задания, архитектурную документацию, ТЗ
Мы спроектировали три решения на общей технологической основе: единый конвейер «скан → сечение → DXF», общий ансамбль CV/ML-моделей и синтетические обучающие данные из DXF-чертежей и 3D моделей. Такая архитектура позволяет развивать все три системы одной командой и переиспользовать наработки
Линия покраски. Разработали концепцию программно-аппаратного комплекса: подбор промышленных камер и оптики, схема освещения, тестовый стенд, автономная работа на линии. Предусмотрена интеграция с PDM и SCADA
Мобильное распознавание. Создали прототип мобильного приложения: сотрудник фотографирует торец профиля, система возвращает артикул и карточку из PLM. Распознавание работает на ансамбле моделей и обучено на синтетических данных, выдача — через REST API для PLM, MES и WMS
Компаратор геометрии для PDM. Разработали движок, который сравнивает сечение профиля с базой из 1000+ позиций в PDM и выдаёт ранжированный список похожих. На вход подаётся DXF-контур или JPG-картинка с профилем, автоматический конвейер на Python подбирает похожие профили
По каждому направлению подготовили технические задания, архитектурную документацию, ТЗ
РЕзультат
РЕзультат
- Работающие прототипы компаратора геометрии и MVP мобильного распознавания прошли тестирование на реальной номенклатуре (несколько промышленных датасетов)
- Точность распознавания на тестовой выборке — до 99 %, время ответа — 3 с
- Подготовлена документация для перехода к промышленному внедрению: ТЗ, архитектура, состав оборудования
- Общая платформа для трёх задач: каждая следующая система дешевле и быстрее предыдущей
- Работающие прототипы компаратора геометрии и MVP мобильного распознавания прошли тестирование на реальной номенклатуре (несколько промышленных датасетов)
- Точность распознавания на тестовой выборке — до 99 %, время ответа — 3 с
- Подготовлена документация для перехода к промышленному внедрению: ТЗ, архитектура, состав оборудования
- Общая платформа для трёх задач: каждая следующая система дешевле и быстрее предыдущей
Отзыв
Отзыв
Узнать стоимость
Свяжитесь с нами и получите коммерческое предложение на решение «под ключ»
Узнать стоимость
Свяжитесь с нами и получите коммерческое предложение на решение «под ключ»