Разработка системы повышения точности моделей машинного зрения в задачах обнаружения аномалий на дискретном производстве за счет использования цифровых двойников

На современных производствах для выявления дефектов в продукции и отклонений в производственных процессах применяются системы обнаружения аномалий на основе машинного зрения. При этом установка таких систем на производстве имеет высокую стоимость: необходимо остановить производство и поставить серию экспериментов для поиска оптимального взаимного расположения камер и источников света. Также требуется отладить отдельный непроизводственный процесс сбора большого количества изображений разных типов дефектов продукции для последуюшего обучения ML-моделей машинного зрения. Решить эту задачу можно при помощи создания синтетических данных, с заданным количеством и распределением. Данные для обучения и валидации моделей должны быть достаточно фотореалистичны, чтобы обеспечить применимость обученных моделей на реальном производстве. Мы предлагаем создать систему автоматического создания таких наборов данных, дообучения и тестирования моделей машинного зрения. Такая система будет получать на вход информацию с объекта автоматизации, такую как расположение камер и источников света, 3D модели продукции, примеры изображений дефектной продукции, а на выходе система будет возвращать обученную модель машинного зрения и рекомендации по изменению положений камер и источников света. Потенциальными заказчиками услуг на базе создаваемой системы будут как сами производства (ключевые для нас это - производители пищевой продукции, фармацевтика, авиастроение, автомобилестроение, производство электроники), так и компании, внедряющие оборудование и системы контроля качества. Потребность в услуге дообучения будет возникать регулярно по мере появления новой продукции или вариаций старой, запуска новых производственных линий, повышения требований к качеству и экономической эффективности производства.