EasyByte
Кейс

VisionAI – контроль качества с компьютерным зрением

Разработали и внедрили нейросетевую платформу компьютерного зрения, которая автоматически выявляет производственные дефекты на конвейере в режиме реального времени. Решение сократило время проверки каждой детали с 5 секунд до 0,3 секунды и снизило процент брака на 40%.

Задачи

Что нужно было сделать и зачем это бизнесу.

Сбор и разметка данных
Собрали 50 000 изображений деталей и ручно разметили все типы дефектов для обучения модели.
Аугментация и балансировка
Применили аугментацию (разные углы, шум, освещение) и перебалансировали классы для повышения устойчивости модели.

Шаги решения

Как мы раскатали решение: от гипотез до продакшена.

01
Обучение модели
Использовали YOLOv8 илика для обнаружения дефектов; модель добилась 97% mAP на валидации.
02
Интеграция на конвейер
Разработано REST API и модуль встроенного контроллера; модель обновляется без остановки линии.

Результаты

Бизнес-эффекты, подтверждённые метриками.

Снижение брака
Добились снижения процента брака на 40% всего через 3 месяца после запуска.

Технологии

Чем именно это собрано.

YOLOv8 + PyTorch
Основали модель на PyTorch и использовали YOLOv8 для детекции дефектов в реальном времени.

FAQ

Ответы на типовые вопросы по кейсу.

Пилотный проект занимает 4–6 недель, после чего возможен поэтапный rollout на все линии.

Хотите такой же эффект — но под ваши данные?

Присылайте вводные — вернёмся с планом и сметой за 24 часа.