Обнаружение дефектов: автоматизация машинным зрением

Дефект на детали стоит по-разному в зависимости от того, где его поймали. На участке — копейки, переделка. У клиента — рекламация, штраф, иногда отзыв партии. Чем дальше брак уезжает по цепочке, тем дороже. Поэтому весь разговор про обнаружение дефектов — это разговор про то, как поймать проблему раньше и не пропустить.

И вот тут начинается интересное. Человек устаёт. Камера — нет.

Какие бывают дефекты

Прежде чем что-то ловить, надо понять, что именно ищем. Дефекты грубо делятся на несколько групп, и каждую видят по-своему.

• Поверхностные: царапины, сколы, вмятины, потёртости, риски от инструмента. Видны глазом, но мелкие и капризные к освещению.
• Геометрические: отклонение размера, кривизна, перекос, незакрытая фаска. Тут нужна не «красиво/некрасиво», а миллиметры.
• Структурные: трещины, поры, раковины, непровар сварного шва, расслоения. Часть лежит внутри металла — глазом не достанешь.
• Включения и загрязнения: посторонние частицы, окалина, масло, ржавчина, неотмытая стружка.
• Комплектность и сборка: не та деталь, отсутствует винт, перепутана ориентация, не наклеена этикетка, незакрытая крышка.

Первые четыре группы — это про «качество самой поверхности или тела». Последняя — про «всё ли на месте». Машинное зрение умеет и то, и другое, но задачи решаются разными методами.

Методы контроля: от глаза до ультразвука

Классика делится на три семьи.

Визуальный осмотр (ВИК) — оператор смотрит глазами, иногда с лупой или эндоскопом. Дёшево, гибко, не требует оснастки. Но субъективно и медленно. Подробнее про ВИК как метод — в отдельном материале про визуальный контроль.

Инструментальный неразрушающий контроль (НК) — ультразвук, рентген, вихретоки, капиллярный и магнитопорошковый методы. Тут уже ловят внутренние дефекты: трещину под поверхностью, пору в шве. Точно, но дорого, требует квалификации дефектоскописта и обычно применяется выборочно.

Машинное зрение — камера снимает деталь, нейросеть или алгоритм решает «годен/брак» и где именно дефект. Это не замена УЗК или рентгену — оно работает с тем, что видно на поверхности и в геометрии. Зато работает на потоке, на каждой детали, без устали.

Важный нюанс: машинное зрение не конкурирует с НК. Оно конкурирует с человеком, который стоит на визуальном контроле. И вот тут сравнение получается жёстким.

Где камера с нейросетью обгоняет человека

Я видел немало участков, где брак ловили «на глаз». Проблема не в людях — проблема в физиологии.

Усталость. Первый час смены человек внимателен. К четвёртому — пропускает. После обеда — пропускает ещё больше. Камера на восьмом часу смотрит так же, как на первой минуте.

Выборочность. Когда деталей много, контролёр физически не успевает смотреть каждую и переходит на выборку: каждая десятая, каждая сотая. Между проверками брак едет дальше. Машинное зрение проверяет 100% потока — столько, сколько успевает конвейер.

Скорость. Человек на сложной детали тратит 5–15 секунд. Камера — десятки миллисекунд. На быстрой линии человек просто не вариант.

Повторяемость. Два контролёра, одна деталь — два мнения. Где граница между «допустимой потёртостью» и «браком»? У людей она плавает. У модели порог зафиксирован и одинаков для всех смен.

Цифры с реальных внедрений: переход с выборочного ручного контроля на сплошной автоматический типично снижает уровень пропущенного брака (то, что доходит до клиента) в разы. Не на проценты — в разы, потому что меняется сама логика: было «смотрим часть», стало «смотрим всё».

Какие задачи реально решаются

Не всё подряд, давайте честно. Хорошо ложатся на машинное зрение:

• Сколы и трещины на кромках, на поверхности, на стекле и керамике — при нормальном свете и контрасте.
• Поверхностные дефекты проката, литья, штамповки — царапины, задиры, вмятины, раковины.
• Включения и загрязнения — тёмное на светлом и наоборот ловится отлично.
• Комплектность и правильность сборки — есть/нет деталь, та/не та, правильно ли ориентирована. Часто это самая быстрая окупаемость, потому что одна перепутанная деталь у клиента дороже всего проекта.
• Чтение маркировки и кодов — заодно проверяется, что нанесено и читается. Тот же принцип лежит в основе распознавания номеров, только там объект — автомобильный знак.

Сложнее — там, где дефект малоконтрастный, прозрачный, бликующий, или где «норма» сама по себе сильно варьируется (литая фактура, дерево, кожа). Решаемо, но требует возни со светом и большего датасета.

Честно про ограничения

Машинное зрение — не магия. Оно видит ровно то, что попало в кадр и осветилось.

Свет решает всё. Один и тот же скол при боковой подсветке виден как тень, а при рассеянной — пропадает. 70% успеха проекта — это правильно поставленное освещение, а не модель.

Ракурс и фиксация. Если деталь болтается и поворачивается случайно, камера видит то одну сторону, то другую. Дефект на «обратной» грани не поймается. Иногда нужно несколько камер или поворотная оснастка.

Граничные случаи. Модель уверенно ловит то, что видела в обучении. Новый, невиданный тип брака она может пропустить — пока его не добавишь в датасет. Поэтому система не «настроил и забыл», а живая: дообучается по мере появления новых дефектов.

И ещё: машинное зрение не заглянет внутрь металла. Трещина под поверхностью — это к ультразвуку. Не надо ждать от камеры того, что физически не видно.

Окупаемость и как внедрять

Деньги считаются просто. Стоимость одной рекламации (возврат, переделка, репутация) умножаем на их частоту — это то, что течёт сейчас. Сравниваем со стоимостью внедрения. На производствах со штучной ценой ошибки система контроля окупается за месяцы, а не годы.

Внедрять стоит поэтапно, не пытаясь автоматизировать всё сразу:

1. Один участок, одна задача. Берём самый болезненный дефект — тот, что чаще всего долетает до клиента. Не «весь контроль», а конкретный скол на конкретной кромке.
2. Пилот на существующих камерах. Часто на линии уже стоят камеры. Контроль на производстве нередко запускается поверх имеющегося оборудования — это снижает порог входа.
3. Собираем датасет. Несколько сотен снимков годных и бракованных деталей. Чем разнообразнее брак — тем устойчивее модель.
4. Считаем результат на пилоте. Сколько поймали, сколько ложных срабатываний. Дальше масштабируем на соседние участки.

Главное — не ждать 100% с первого дня. Хорошая система контроля стартует с уверенного покрытия очевидного брака и доедает граничные случаи по мере накопления данных. Это нормальный путь, и он работает.