+7 499 112-39-39
+7 499 112-39-39
пн-пт 09:00 - 18:00 (Мск)
Заказать звонок
+7 499 112-39-39
Я даю Согласие на обработку файлов cookie в соответствии с Политикой конфиденциальности. В случае отказа от обработки cookie я проинформирован о необходимости прекратить использование Сайта или отключить файлы cookie в настройках браузера.
OK
ПРИМЕРЫ ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНОГО ЗРЕНИЯ

Контроль наличия этикетки на таре с помощью машинного зрения

Тара без этикетки не должна доехать до склада. Система машинного зрения ML Sense проверяет наличие этикеток на производственной линии, обнаруживает тару без маркировки и сразу сообщает об этом оператору.

К чему приводят проблемы
с этикетками на таре

К чему приводят проблемы с этикетками на таре

По этикетке покупатель определяет продукт, а склад и логистика идентифицируют товар и отслеживают партии. Если этикетка отсутствует, предприятие сталкивается с проблемами на разных этапах производства и поставки:
  • нарушается ритм работы линии;
  • увеличивается доля брака;
  • возникает риск отправки немаркированной продукции на склад или заказчику;
  • часть продукции приходится перемаркировать или направлять на дополнительную проверку;
  • в некоторых случаях требуется останавливать линию для устранения проблемы.
На высокой скорости конвейера сотрудник может не заметить отдельные случаи отсутствия этикетки. Машинное зрение автоматизирует проверку и помогает своевременно выявлять такие дефекты.

Примеры наших проектов

Контроль маркировки и этикеток
Система с помощью машинного зрения и нейросетей проверяет соответствие этикеток выпущенной продукции, читаемость текста и корректность лазерной маркировки на канистрах масла.
Контроль корректности данных (номер партии, дата производства).
Контроль соответствия этикетки продукту (отсутствие пересортицы).
Контроль качества наклейки (отсутствие замятий, смещений, пузырей).

Результат:
  • Снижение претензий: за 6 месяцев после внедрения — 0 претензий.
  • Экономия времени: исключение ручной проверки (ранее — 1 час за смену)
  • Повышение производительности: конвейер работает без остановок на проверку
Читать кейс

Что такое компьютерное или машинное зрение

Что такое компьютерное или машинное зрение?
Машинное зрение — технология, которая позволяет компьютеру распознавать объекты и анализировать изображения в реальном времени. Камеры снимают продукцию на конвейере, а специализированное программное обеспечение обрабатывает полученные изображения.

Видеопоток поступает в систему, где обученная нейросеть анализирует тару и определяет, присутствует ли на ней этикетка. Если система обнаруживает отсутствие маркировки, она регистрирует событие и передаёт сигнал оператору.

Как работает компьютерное зрение на примере ML Sense

  • 1. Высокоскоростные камеры

    В основе системы находятся камеры, которые снимают тару на заданном участке производственной линии. Их расположение и параметры подбираются с учётом скорости конвейера, размеров тары, расположения этикетки и требований к точности контроля. Камеры непрерывно передают изображения для анализа.

  • 2. Освещение

    Для стабильной работы системы в зоне контроля устанавливают освещение, которое помогает получать чёткие изображения тары и этикеток. Тип и расположение светильников подбирают с учётом материала, формы и цвета тары, а также условий производства.

  • 3. Сервер для обработки видеопотока

    На сервер устанавливают программное обеспечение ML Sense. Оно анализирует изображения с камер и с помощью алгоритмов машинного зрения определяет, есть ли на таре этикетка.

    Результаты проверки передаются в информационную систему предприятия и приложение оператора. При обнаружении дефекта система регистрирует событие, которое можно использовать для дальнейшего анализа и принятия решений.

  • 4. Приложение оператора

    Оператор получает информацию о выявленном дефекте, может посмотреть время события, открыть фотографию тары и ознакомиться с данными о браке. На основании этой информации он решает, какие действия необходимо выполнить: отбраковать изделие, направить его на перемаркировку или провести дополнительную проверку.

    Управлять контролем можно со стационарного компьютера, планшета или смартфона на Android и iOS. При соответствующей настройке система может работать автоматически, без постоянного участия оператора.

  • 5. Отчеты и интеграции с 1С и MES

    ML Sense регистрирует обнаруженные дефекты и формирует сводки по результатам контроля. В отчётах можно отображать тип дефекта, время обнаружения и изображения проблемной тары.

    Данные передаются в учётные и производственные системы предприятия, включая 1С и MES, если такая интеграция предусмотрена проектом. Это помогает учитывать результаты контроля и анализировать причины появления брака.

Преимущества машинного зрения для контроля наличия этикетки на таре

Автоматизированный контроль этикеток помогает своевременно обнаруживать дефекты маркировки, сокращать потери и повышать стабильность производственных процессов.
  • Скорость и качество проверки
    Система анализирует поток продукции без необходимости вручную осматривать каждую единицу тары. Производительность контроля зависит от скорости линии, характеристик оборудования и настроек системы.
  • Объективность
    Результат проверки определяется заданными критериями и обученной моделью, а не субъективной оценкой сотрудника. Это помогает сделать контроль более единообразным.
  • Непрерывная работа
    После настройки система может работать круглосуточно, контролируя тару на протяжении производственной смены и снижая зависимость от постоянного визуального осмотра сотрудниками.
  • Меньше ошибок
    Автоматизация помогает снизить вероятность пропуска тары без этикетки при ручной проверке. Фактическая точность обнаружения зависит от условий съёмки, характеристик продукции и качества обучения нейросети.
  • Обнаружение труднозаметных дефектов
    При правильной настройке система выявляет отсутствие этикетки на потоке продукции, в том числе в ситуациях, когда оператору сложно непрерывно следить за всеми изделиями.
  • Экономия ресурсов
    Своевременное обнаружение дефектов помогает сократить затраты на дополнительную проверку, перемаркировку и обработку бракованной продукции. Возможность уменьшить простои и расходы на персонал зависит от организации производственного процесса.
  • Совместимость с другими системами
    ML Sense можно интегрировать в существующую производственную инфраструктуру. В зависимости от требований проекта система взаимодействует с информационными системами предприятия и решениями для управления производством.
  • Данные для улучшений
    Система накапливает сведения о выявленных дефектах. На основе статистики предприятие может анализировать частоту проблем с маркировкой, выявлять повторяющиеся отклонения и определять направления для улучшения производственного процесса.

Из каких шагов состоит внедрение компьютерного зрения

Подготовка
Мы изучаем условия работы производственной линии и особенности тары. Определяем, какие дефекты необходимо обнаруживать, где должна располагаться этикетка и с каких ракурсов её нужно проверять. Также оцениваем скорость конвейера, освещённость, запылённость и другие факторы, влияющие на качество изображений.
Внедрение
На основании результатов обследования подбираем камеры, освещение и вычислительное оборудование. Настраиваем систему и обучаем нейросеть распознавать отсутствие этикетки на таре. Затем проверяем качество обнаружения на реальных производственных условиях.
Интеграция
После установки оборудования подключаем ML Sense к необходимым информационным системам предприятия. Настраиваем передачу результатов проверки и уведомления для ответственных сотрудников. В результате контроль наличия этикетки становится частью производственного процесса.

Сколько стоит система автоматического контроля этикеток на таре

Стоимость внедрения зависит от особенностей производственной линии, характеристик тары и требований к контролю. Обычно в бюджет входят:
  • оборудование: камеры, освещение и сервер;
  • подготовка и обучение нейросети для обнаружения дефектов;
  • внедрение и пусконаладочные работы;
  • лицензия на использование программного обеспечения;
  • интеграция с информационными системами предприятия, если она необходима.

Стоимость системы автоматического контроля этикеток начинается от 1 млн рублей. Точную цену мы рассчитаем после обследования производственной линии и определения требований к системе.

Почему клиенты выбирают ML Sense

ML Sense — продукт компании Nord Clan. Это платформа для контроля качества на основе машинного зрения и нейросетей, которая входит в реестр российского программного обеспечения.

Что отличает нас от других разработчиков:
  • Экспертиза в компьютерном зрении
    Мы разрабатываем решения для автоматизации контроля качества и обнаружения производственных дефектов.
  • Внедрение в реальные процессы
    Учитываем особенности действующего производства и требования к работе оборудования.
  • Подбор оборудования под задачу
    Выбираем компоненты с учётом условий эксплуатации и характеристик контролируемой продукции.
  • Разработка решений под конкретные задачи
    Настраиваем систему машинного зрения под особенности тары, этикеток и производственной линии.
  • Экспертиза в ML Ops и сопровождении
    Обеспечиваем сопровождение моделей и при необходимости дообучаем их после запуска.
  • Опыт интеграции в корпоративную инфраструктуру
    Учитываем требования к обмену данными с информационными системами и производственным оборудованием.
Оставьте заявку на сайте. Мы изучим вашу производственную линию, оценим требования к контролю этикеток, рассчитаем стоимость внедрения и покажем, как ML Sense поможет обнаруживать тару без маркировки.
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense