Разработка системы автоматического обнаружения дефектов на производственной линии металлических деталей. 4 промышленные камеры в реальном времени анализируют каждую деталь на конвейере, выявляя царапины, вмятины, сколы и трещины. Нейросеть YOLOv8 обучена на 50,000+ размеченных изображений дефектов. Система интегрирована с PLC-контроллером для автоматической отбраковки.
Сбор и разметка датасета: 50,000 изображений дефектов 5 типов с помощью CVAT. Обучение и оптимизация модели YOLOv8 с аугментацией данных. Конвертация в ONNX и оптимизация под TensorRT для GPU-инференса. Разработка пайплайна обработки видеопотоков с 4 камер через GStreamer. Реализация веб-дашборда мониторинга с отображением камер, статистики дефектов и журнала событий. Интеграция с Modbus TCP для управления отбраковщиком.
Точность детекции 97.8% при скорости 30 FPS на NVIDIA Jetson Orin. Время обнаружения дефекта — 33ms. Ложноположительных срабатываний менее 0.5%. Экономия на ручном контроле — 4 оператора. Окупаемость системы за 3 месяца. Стек: Python, YOLOv8, TensorRT, OpenCV, GStreamer, FastAPI, PostgreSQL, Grafana, Docker.